Minule jsme si ukázali GPT for Work. Prostředí, ve kterém můžete spouštět agenty a složitější pracovní postupy.
Dneska bych vám chtěl ukázat pár praktických agentů pro nábor.
Ale co přesně je agent?
A jaký je rozdíl mezi agentem a automatizací?
Automatizace dostane přesný postup: Udělej A, potom B, pak C a nakonec D. Pokaždé stejně. Na obrázku vidíte ukázku automatizace v Make.com.
Agent dostane pracovní úkol. Ten se skládá z více kroků, často vyžaduje práci s různými zdroji nebo aplikacemi a agent má při jeho řešení určitou volnost. Musí poznat, co je relevantní, kdy má pracovat dál a kdy už je výsledek hotový.
Ukážu vám to na agentech, které používám při přípravě náboru. Při převzetí pozice mám dnes partu 10 agentů, kteří mají za úkol připravit opravdu solidní podklady.
🏢 Agent pro analýzu firmy
Nejprve potřebuji dobře pochopit firmu. Agent dostane přístup k webu. Projde hlavní stránky, produkty, kariérní sekci i relevantní podstránky. Potom sám vyhledá zajímavé zmínky v médiích a vybere, co bychom mohli použít v komunikaci s kandidáty.
Výsledek shrne na jednu stranu A4 a nahraje jí do projektu k dané pozici.
Tohle není jeden pevný sled kliknutí. Každá firma má jiný web, jinou strukturu a jiné množství informací. Agent musí průběžně rozhodovat, kam se podívat, a co má pro nábor smysl.
🔎 Agent pro analýzu trhu
V rámci příparavy strategie chci vidět, které firmy hledají podobné lidi. Nabízejí něco lepšího? Mají zajímavější inzerát? Komunikují roli způsobem, kterým bychom se mohli inspirovat?
Tady už se agent celkem zapotí. Musí udělat tyto kroky:
- Načte si naši pozici
- Vyhledá podobné pozice na Jobs.cz
- Stáhne seznam nalezených inzerátů
- Odstraní šum a nerelevantní výsledky
- Spočítá, kolik firem hledá stejný profil
- Vybere pět typově nejbližších inzeráty
- Načte jejich celý obsah
- Porovná je s inzerátem klienta
- Připraví analýzu na jednu stranu A4
Musí mít přístup k nástrojům pro načítání inzerátů, koordinovat jednotlivé kroky a průběžně kontrolovat, zda výsledky dávají smysl. Když hledání vrátí nerelevantní pozice, nemůže slepě pokračovat dál. Musí upravit dotaz a zkusit to znovu.
Právě na tom je rozdíl oproti běžné automatizaci vidět nejlépe.
👥 Agent pro změření talent poolu
Do třetice představím agenta, který před začátkem hledání změří velikost talent poolu, tedy kolik vhodných lidí může být na trhu.
Nejdřív vybere různé kombinace názvu pozice, technologií, odbornosti a lokality. Potom provede několik rychlých dotazů na LinkedInu, odstraní zjevně nerelevantní výsledky a porovná, jak se jednotlivé skupiny překrývají.
Zjišťuje také, jak kombinace požadavků zmenšuje velikost talent poolu. Pokud se firma rozhodne pro velmi přísnou kombinaci několika dovedností, které velikost poolu zmenší, a vidíme, že jsme na trhu, kde hledá spousta dalších firem, je to signál, že bychom možná měli kritéria přehodnotit.
Technická poznámka: Pro dotazy na LinkedIn používám Apify, ale agent si i sám umí otevřít okno prohlížeče a brouzdat na internetu.
💡 Jak začít s vlastním agentem
Agent není nic extra složitého. Není to program ani tisíc řádků kódu, ale de facto jen postup popsaný přirozeným jazykem. Představte si ho jako opravdu dlouhý prompt, ve kterém definujete:
- jaký AI model se má použít,
- jaké nástroje může agent používat,
- jaký je jeho účel,
- jaké kroky má podniknout,
- co má být jeho výsledkem,
- v jaké podobě chcete výsledek,
- podle jakých kritérií agent pozná, že je práce splněná a může skončit.
Agent je uložený ve vaší projektové složce a kdykoli si ho můžete v GPT Work přivolat.
Když agenta spustíte, záleží na tom, jakou míru oprávnění mu dáte. Pokud mu povolíte plný přístup, nebude vás v průběhu práce žádat o schválení a pojede úplně sám.
A to nejlepší? Paralelně můžete spustit klidně deset agentů. Najednou v praxi vidíte, jak škálování probíhá přímo před vašima očima.