The recruitment process plays a critical role in an organization’s strategy for acquiring and retaining top talent. In healthcare, where the demand for experienced and qualified professionals is especially high, the ability to recruit efficiently is essential. Traditional methods such as manual screening large volumes of resumes and cover letters are not only time consuming and cost effective but also prone to human errors and bias.

This thesis, is looking into the potential of Artificial Intelligence to streamline the recruitment process for healthcare positions by developing an automated ranking system. With the use of a substantial dataset of healthcare-specific resumes, the project aims to build an Excel-based tool capable of evaluating and ranking candidates according to the requirements of specific job roles. The goal is to reduce time and financial costs associated with recruitment, while also improving objectivity and accuracy in candidate selection.

To ensure practical relevance and application, job descriptions will be sourced from global healthcare employers, including Pfizer, Novartis and AstraZeneca. Additionally, the system’s performance will be evaluated by Human Resources (HR) professionals working in the health industry. This comparative analysis will offer insights into the system’s reliability and potential impact on recruitment efficiency in the real-world healthcare settings.

In sectors like healthcare, where understaffing and employee attrition can significantly impact operations, a more effective recruitment process can have a direct organizational benefit. This thesis aims to save time and reduce costs correlated with healthcare recruitment. An automated structured ranking system could not only enhance job matching quality but leading also to greater employee satisfaction and reduced turnover.

Finally, as healthcare organizations are increasingly embracing and adopting digital solutions, this research aligns with the sector’s broader goals of innovation and improvement. This proposed AI-driven approach may serve as a scalable model for recruitment across other specialized industries, offering a new standard for technology data-driven talent acquisition.

Η διαδικασία πρόσληψης παίζει κρίσιμο ρόλο στη στρατηγική ενός οργανισμού για την απόκτηση και τη διατήρηση κορυφαίων ταλέντων. Στον τομέα της υγείας, όπου η ζήτηση για έμπειρους και εξειδικευμένους επαγγελματίες είναι ιδιαίτερα υψηλή, η ικανότητα για αποτελεσματική πρόσληψη είναι απαραίτητη. Οι κλασικές μέθοδοι, όπως η χειροκίνητη επιλογή μεγάλου όγκου βιογραφικών σημειωμάτων και συνοδευτικών επιστολών, δεν είναι μόνο χρονοβόρες και δαπανηρές, αλλά και επιρρεπείς σε ανθρώπινα λάθη και προκαταλήψεις.

Η παρούσα διπλωματική εργασία εξετάζει τις δυνατότητες της Τεχνητής Νοημοσύνης ώστε να βελτιώσει τη διαδικασία πρόσληψης για θέσεις στον τομέα της υγείας, με την ανάπτυξη ενός αυτοματοποιημένου συστήματος κατάταξης. Με τη χρήση ενός μεγάλου συνόλου δεδομένων με βιογραφικά σημειώματα σχετικά με την υγειονομική περίθαλψη, το έργο αποσκοπεί στην κατασκευή ενός εργαλείου βασισμένου στο Excel, το οποίο θα είναι σε θέση να αξιολογεί και να κατατάσσει τους υποψηφίους σύμφωνα με τις απαιτήσεις συγκεκριμένων θέσεων εργασίας. Στόχος είναι η μείωση του χρόνου και του οικονομικού κόστους που συνδέεται με τις προσλήψεις, ενώ παράλληλα να βελτιώσει την  αντικειμενικότητα και την ακρίβεια στην επιλογή των υποψηφίων.

Για να εξασφαλιστεί η πρακτική συνάφεια και εφαρμογή, οι αγγελίες θέσεων εργασίας θα προέρχονται από παγκόσμιους εργοδότες στον τομέα της υγείας, συμπεριλαμβανομένων των Pfizer, Novartis και AstraZeneca. Επιπλέον, οι επιδόσεις του συστήματος θα αξιολογηθούν από επαγγελματίες του ανθρώπινου δυναμικού (HR) που εργάζονται στον κλάδο της υγείας. Αυτή η συγκριτική ανάλυση θα προσφέρει πληροφορίες σχετικά με την αξιοπιστία του συστήματος και τον πιθανό αντίκτυπο στην αποτελεσματικότητα των προσλήψεων σε πραγματικές συνθήκες υγειονομικής περίθαλψης.

Σε κλάδους όπως η υγειονομική περίθαλψη, όπου η υπο-στελέχωση και η εξουθένωση (μπερνάουτ) των εργαζομένων μπορεί να επηρεάσει σημαντικά τις λειτουργίες, μια πιο αποτελεσματική διαδικασία πρόσληψης μπορεί να έχει άμεσο οργανωτικό όφελος. Η παρούσα διατριβή αποσκοπεί στην εξοικονόμηση χρόνου και στη μείωση του κόστους που σχετίζεται με την πρόσληψη προσωπικού στον τομέα της υγείας. Ένα αυτοματοποιημένο σύστημα δομημένης κατάταξης θα μπορούσε όχι μόνο να βελτιώσει την ποιότητα της αντιστοίχισης θέσεων εργασίας, αλλά να οδηγήσει επίσης σε μεγαλύτερη ικανοποίηση των εργαζομένων και μειωμένο κύκλο εργασιών.

Τέλος, καθώς οι οργανισμοί υγειονομικής περίθαλψης αγκαλιάζουν και υιοθετούν όλο και περισσότερο ψηφιακές λύσεις, η παρούσα έρευνα εξισώσεται με τους ευρύτερους στόχους του τομέα για καινοτομία και βελτίωση. Αυτή η προτεινόμενη προσέγγιση με γνώμονα την τεχνητή νοημοσύνη μπορεί να χρησιμεύσει ως επεκτάσιμο μοντέλο για την πρόσληψη σε άλλους εξειδικευμένους κλάδους, προσφέροντας ένα νέο πρότυπο για την απόκτηση ταλέντων με γνώμονα τα τεχνολογικά δεδομένα.