איך עושים סורסינג עם AI? השיחה של מורית עם ניר סביצקי
הוובינר התקיים ב 28/04/2026
(תמלול ע"י אפליקציית TimeOS וסיכום ע"י ChatGPT)
פתיחה והצגת ניר סביצקי
מורית פתחה את הוובינר בהצגת ניר סביצקי – מהנדס תעשייה וניהול עם ניסיון של כ-15 שנה בתחום הגיוס וה-Headhunting.
ניר צמח מעולמות ניהול מוצר ופרויקטים, היה מייסד שותף של חברת השמה בתחום הסייבר, וכיום מגייס בתחומי הייטק מתקדמים כמו סייבר, AI, Big Data וניהול מוצר.
בנוסף:
- מנטור ויועץ לחברות השמה
- מלווה ארגונים בתהליכי רכישה
- מעביר הדרכות LinkedIn ו-AI בגיוס
- חבר בצוות הניהולי של איגוד המגייסים העצמאים
השימוש ב-AI בגיוס
ניר הדגיש כי:
- AI הוא תחום דינמי מאוד ומשתנה במהירות
- אין אמת אחת או שיטה אחת נכונה
- חוויית השימוש משתנה בין משתמשים
- יש להתייחס לכלים בעירבון מוגבל ולהמשיך לבדוק אותם כל הזמן
דוגמה לפרויקט סורסינג שבו AI יצר פריצת דרך
ניר תיאר משרה טכנולוגית שדרשה ידע ב-Kubernetes, שבה:
- כמות המועמדים הייתה נמוכה
- חיפוש רגיל לא הביא תוצאות חדשות
באמצעות כלי AI:
- זוהו חברות שבהן הטכנולוגיה נמצאת בשימוש
- ללא צורך במילות מפתח או Boolean
התוצאה:
הגעה למועמדים שלא היו ניתנים לאיתור בדרכים מסורתיות
התובנה:
AI מאפשר לזהות קשרים והקשרים מורכבים מעבר למה שמגייס מגדיר מראש
איך נראה תהליך סורסינג בעזרת AI כיום
התהליך נשאר זהה, אך נעשה יעיל, מהיר ואיכותי יותר
שלב 1: פיצוח והגדרת המשרה
- הבנת הדרישות
- בניית פרופיל מועמד אידיאלי
- זיהוי מונחים נרדפים
כלים:
ChatGPT, Gemini, Claude, Perplexity
ניתן לבצע לפני פגישה עם מנהל או יחד איתו
שלב 2: מחקר שוק
מטרות:
- להבין זמינות מועמדים
- ציפיות שכר
- חברות יעד
- היכן נמצאת הטכנולוגיה
כלים:
- LinkedIn Talent Insights
- כלי AI כלליים
ערך מרכזי:
תיאום ציפיות עם מנהלים ולעיתים התאמת דרישות
שלב 3: איתור מועמדים
מעבר מחיפוש בוליאני לשפה חופשית
דוגמה:
"תמצא לי מפתח Java עם ניסיון בסטארטאפים שגר במרכז"
כלים:
Juicebox, HireEZ, GoPerfect, X-Ray, ATS
אפשר למצוא במפת כלי הגיוס של מורית עוד כלים (באקסל בראש הדף חיבור לפרטי התקשרות של כל כלי)
חיפוש על פני מקורות:
LinkedIn, GitHub, StackOverflow
שלב 4: סינון ודירוג
- דירוג אוטומטי לפי התאמה
- מעבר על רשימה מצומצמת
כלים:
כלי סורסינג או Claude Cowork
שלב 5: פנייה למועמדים
- ניסוח הודעות מותאמות
- שליחה בקנה מידה רחב
- Follow-ups
- סינון ראשוני בצ’אט
דגש:
שמירה על איזון עם מגע אנושי
סורסינג איכותני מול גיוסי מסה
סורסינג איכותני:
- פנייה אישית
- עבודה מדויקת
- בקרה גבוהה
גיוסי מסה:
- אוטומציות
- צ’אטבוטים
- שאלונים
- כלים כמו Next Chats
כלי AI למחקר וניהול ידע
כלים:
ChatGPT, Claude, Gemini, Perplexity
NotebookLM:
- עבודה לפי פרויקטים
- העלאת קבצים רבים
- הפקת תובנות
- ניתוח מידע
כלי סורסינג חיצוניים
דוגמאות:
Juicebox, GoPerfect, HireEZ
יתרונות:
- חיפוש רחב
- דירוג
- עבודה בשפה טבעית
חסרונות:
- לא תמיד מביאים ערך מעבר ל-LinkedIn
- תלות בדאטה
- שונות באיכות
המלצה:
לבצע התנסות
מגבלות השוק הישראלי
- פחות דאטה
- תלות ב-LinkedIn
- כלים לא תמיד מותאמים לישראל
ATS ו-AI
- רוב המערכות מציעות יכולות בסיסיות
- יכולות מתקדמות בתוספת תשלום
אתגרים:
- אבטחת מידע
- API
- רגולציה
המלצה:
למצות יכולות קיימות
עלויות ו-ROI
- השקעה של אלפי דולרים
- כלים חינמיים קיימים
- מעבר הדרגתי לכלים בתשלום
מסר:
גיוס אינו חינמי ויש לחשוב על החזר השקעה Return On Investment
אבטחת מידע
- לבטל שימוש בדאטה לאימון
- להסיר פרטים מזהים
- להשתמש במידע ציבורי
AI בתוך LinkedIn
כלים:
AI Search, AI Messages, Hiring Assistant
תובנות:
- דיוק נמוך יחסית
- פער בין הבטחה לתוצאה
- עדיין בהתפתחות
Agentים בגיוס
שימושים:
- יצירת Boolean
- ניתוח קורות חיים
- התאמה למשרה
דוגמה:
- העלאת קורות חיים
- דירוג
- פלט Excel עם הסברים
בניית Agent
- כתיבת prompt
- הגדרת קלט ופלט
- שיפור מתמיד
תהליך:
ניסוי, בדיקה, תיקון
בקרה אנושית
AI עלול לטעות:
- קריאה חלקית
- פרשנות שגויה
- חישוב לא מדויק
הפתרון:
שיפור הנחיות ובקרה
שאלות מרכזיות
אין כלי אחד שמתאים לכולם
Recruiter Lite פחות מדויק
AI מפספס ניואנסים
Claude מדויק יותר אך לא מושלם
חיבור ל-ATS תלוי API
עבודה עם PDF מ-LinkedIn
איך להתחיל
- להתחיל בכלים חינמיים
- להשתמש בצ’אטים
- להתנסות
- להתקדם בהדרגה
- לבדוק ROI
AI בתקשורת עם מועמדים
יתרונות:
- חיסכון בזמן
- סקייל
חסרונות:
- פגיעה בחוויה
- ירידה באמון
תובנות מסכמות
AI משפר את עבודת המגייס אך לא מחליף אותו
השילוב בין ניסיון אנושי לטכנולוגיה הוא המפתח
יש צורך בלמידה מתמשכת
הצלחה תגיע ממי שמשתמש נכון בכלים ולא נשען עליהם בלבד
קישורים אחרונים
ליצירת קשר עם ניר:
