Hoppa till innehåll
13 September 2020

Vi gör det enklare för arbetssökande att snabbt hitta rätt bland jobbannonser

Fem frågor till Mattias Persson, ansvarig utvecklare för AI-lösningen JobAd Enrichments.

Vad ligger bakom satsningen på JobAd Enrichments?

"Den som letar jobb via digitala annonsplattformar idag stöter ofta på problem med irrelevanta sökträffar och jobbförslag, eller sökträffar som bara delvis matchar det man letar efter. Det leder till frustration och till att man tvingas lägga tid på att granska texter för att se om de verkligen innehåller något intressant. Med JobAd Enrichments gör vi det enklare för arbetssökande att navigera och snabbt hitta rätt bland jobbannonser. API:et bygger på en AI-lösning som automatiskt identifierar relevanta ord i jobbannonser, och filtrerar bort information som inte har direkt koppling till själva tjänsten. Det finns även en synonymfunktion som gör att man får relevanta träffar även om nyckelord i annonsen eller sökfrågan är felstavade."

Vem eller vilka kommer att kunna dra nytta av JobAd Enrichments?

"Alla matchningsaktörer, privata som offentliga, som vill extrahera strukturerad data från annonstexter för att förbättra tjänster eller bygga nya innovativa lösningar kommer att kunna dra nytta av det. Det i sin tur kommer att gynna arbetssökande och arbetsgivare som använder dessa tjänster. Under det senaste året har JobAd Enrichments testats i Platsbanken för att höja kvaliteten i sökresultaten och underlätta för de arbetssökande att hitta rätt annonser, så det är ett konkret exempel på att API:et redan används och gör nytta. Andra som kommer att kunna ha nytta av att kunna extrahera strukturerad annonsdata är forskare och experter som vill lära sig mer om hur arbetsmarknaden fungerar."

Hur har själva utvecklingen gått till?

"Vi började att bygga upp en ordlista med de faktiska termer som används i annonserna, för att sedan kunna identifiera dessa när vi automatiskt tolkar annonstexterna. För att kunna bedöma om exempelvis en kompetens är efterfrågad eller inte av arbetsgivaren använde vi Deep learning/AI. För att skapa AI-modellerna tillverkade vi träningsdata med hjälp av ramverket Snorkel och därefter tränade vi AI-modellerna med Googles Tensorflow."

Vad har varit den största utmaningen?

"Att hitta den optimala konfigurationen för att AI-modellerna skulle fungera. Det tog lång tid och många misslyckade försök att hitta en optimal lösning. Utan att överdriva kan jag säga att det har varit ett tålamodsprövande arbete."

Hur kan JobAd Enrichments bidra till en bättre arbetsmarknad?

"Förutom att det effektiviserar matchningen så ger API:et oss helt ny information om arbetsmarknaden, och med den fördjupade kunskapen skapas förutsättningar för nya digitala matchnings- och vägledningstjänster. Det ska bli spännande att se hur API:et tas emot av utvecklare och andra aktörer som följer vårt arbete, och jag hoppas på att få se många innovativa tjänster med JobAd Enrichments som en del i lösningen."