Подбор сотрудников
Нужно отдавать себе отчет в том, что сам процесс найма может в корне измениться. Если сейчас HR-специалист или руководитель департамента отсматривают резюме и сами собеседуют кандидатов, то совсем скоро это будут делать машины. И это уже происходит. Еще в 2014 году международная технологическая компания Amazon сформировала команду, которая выпустила инструмент для анализа резюме соискателей. С помощью технологий обработки естественного языка (NLP) и машинного обучения (ML) он просматривал резюме и выбирал те, которые соответствовали профилю вакансии.
В 2019 году американские медиа писали о том, что рекрутеры и в других компаниях используют ИИ для первичного отбора. Модели, как правило, обучались на резюме прошлых соискателей.
Любопытный сервис в 2004 году разработал 20-летний студент Вестминстерского колледжа Марк Ньюман. Он выпустил платформу HireVue, где соискатель во время собеседования общался с компьютером. Далее она с помощью собственного и лицензированного программного обеспечения для распознавания лиц оценивала кандидатов на соответствие требованиям работодателя. Программа сканировала вербальные сигналы, мимику, оценивала тон, словарный запас и эмпатию кандидата. HireVue утверждала, что инструмент, который использовался примерно 100 клиентами, включая Hilton и Unilever, более точно предсказывал, насколько человек подойдет компании, чем рекрутеры.
Еще в 2017 году одно из самых уважаемых консалтинговых агентств мира PwC в своем докладе отмечало высокий спрос на ИИ-продукты среди рекрутеров. Согласно исследованию компании, 40 % функций HR-специалистов в международных компаниях уже выполняли инструменты на основе искусственного интеллекта. Среди них были как американские, так европейские и азиатские компании. Бизнес обращался к подобным инструментам из-за высоких затрат на наем специалистов.
На что способен искусственный интеллект в найме
Показательна история одной из крупнейших косметических компаний мира L’Oréal Group. В 2017 году она насчитывала свыше 80 000 сотрудников и ежегодно набирала по 15 000 кандидатов. В среднем на одно рабочее место приходилось 134 соискателя и для просмотра резюме требовалось много времени и денег. Чтобы решить эту проблем, L’Oréal Group внедрила программное обеспечение на основе ИИ, оперирующего методами компьютерной лингвистики, от нидерландской компании Seedlink Technology. Инструмент анализировал устную и письменную речь кандидатов и делал выводы об их поведении и культурных особенностях. Для анализа использовали среди прочего посты в социальных сетях. Руководители отделов L’Oréal также придумали для каждой открытой позиции по три вопроса. Они касались ключевых компетенций, которые хотели видеть у кандидатов. Вопрос мог звучать так: «Расскажите о случае, когда вы потерпели неудачу или допустили ошибку. Чему вы научились на этом опыте?» Далее ИИ сопоставлял ответы кандидатов и текущих глав департаментов между собой. Благодаря алгоритмам Seedlink скорость найма в L’Oréal выросла в 10 раз. При этом получилось привлекать более подходящих специалистов, чем раньше.
Один из самых ярких примеров ИИ в найме на российском рынке – «Робот Вера». Этот сервис для подбора персонала придумали в 2017 году основатели стартапа в сфере HR Stafory Александр Ураксин и Владимир Свешников. Первая версия задавала закрытые вопросы, на которые можно было ответить «да» или «нет». Диалог выглядел так: «У тебя есть права?» – «Да». Таким образом в компании понимали, что кандидат подходит на вакансию водителя. Так как соискатели тоже хотели задавать вопросы и получать развернутые ответы, компания стала расширять возможности робота. Для этого стали внедрять в продукт алгоритмы машинного обучения. В ход пошли открытые разработки нейронных сетей от корпораций – Amazon, Google, Microsoft и «Яндекса». Они помогли научить Веру определять, к какой категории относится вопрос и как на него ответить. Также робот пробовал анализировать резюме, чтобы проводить первичные интервью и в зависимости от результатов фильтровать кандидатов. За следующие два года робот научился интервьюировать 1500 кандидатов за девять часов – у человека на эту работу ушло бы девять месяцев. Разработкой стали интересоваться и крупные российские компании. Уже в первый год ее стали использовать в МТС. Тогда Вера искала специалистов для центров клиентского сервиса и по продажам проводной телефонной связи. Робот искал на интернет-ресурсах резюме кандидатов по заданным параметрам. Тем, кто подходил по критериям, он звонил и далее проводил первичное собеседование. После этого он перенаправлял на живого рекрутера, тот принимал решения о найме.
В МТС внедряли ИИ и в другие HR-процессы внутри компании. Но впоследствии отказались от разработки, поняв, что сотрудники к ней не готовы. «Когда мы создавали различные модели для HR-задач, всплывало много подводных камней. Например, мы разработали в пилотном режиме сервис для руководителя, чтобы тот мог понять, кто в зоне риска [и хочет покинуть компанию]. Когда первый руководитель запросил у сотрудника объяснительную за то, что он выгорает [на работе], мы поняли, что рановато пока [для таких продуктов]», – рассказывал Виктор Кантор на одной из конференций в 2023 году. В Amazon в 2010-х годах использование ИИ тоже приостановили. К 2015 году выяснилось , что система предвзято относится к женщинам – держит фокус в найме на мужчин. Проблемой могли быть данные, на которых обучалась модель: большинство резюме предположительно принадлежали мужчинам. Впрочем, как оказалось, разработка или доработка платформы продолжалась, и в 2023 году всплыл конфиденциальный внутренний документ Amazon. В нем компания рассматривала возможность заменить часть сотрудников, в том числе рекрутеров, на искусственный интеллект.
Российские компании в целом интересуются ИИ и активно его внедряют. Многие рекрутеры используют различные чат-боты в своей работе. В основном они помогают автоматизировать простые задачи HR – это самые распространенные функции: оповещения, уведомления сотрудников и кандидатов, а также рассылка e-mail. Боты в основном применяются для кадрового делопроизводства, а чат-боты – чтобы отвечать на вопросы новых сотрудников. Интересный пример ИИ-помощника, который «заточен» под корпоративные задачи, представили в 2020 году в VK. Цифровой ассистент «Маруся на работе» создавался в пандемию, чтобы отвечать на многочисленные вопросы сотрудников вроде «Как забрать ноутбук из офиса?» или «Сколько действует ПЦР-тест?», а также делиться с ними происходящим в компании. Позже его функционал расширился. Сейчас он помогает сотрудникам оформить отпуск, рассказывает о программах ДМС, корпоративных спортивных программах, питании, обучении и пр. Он работает на базе собственной ИИ-платформы компании VK Assistant. Маруся получает вопросы и отвечает текстом в корпоративном мессенджере VK Teams. Цифровой помощник отрабатывает более чем 30 000 уникальных вопросов ежегодно. За 2022 год число его пользователей выросло вполовину, а база знаний расширилась до 32 000 сценариев вопросов-ответов – это в пять с половиной раза больше, чем было на старте. Все это снизило нагрузку на специалистов по HR более чем на 20 % с момента запуска, сообщила Анастасия Печатникова – заместитель вице-президента по персоналу и образовательным проектам VK. Чаще всего сотрудники спрашивают у ассистента про отпуск: как оформить, перенести или посмотреть количество накопленных дней. На втором месте по популярности вопросы про ДМС: что входит в программу, как получить полис и подключить к программе родственников. Другие популярные темы – корпоративный спорт, питание и обучение. По словам Печатниковой, с часто повторяющимися заданиями «Маруся на работе» справляется самостоятельно, а при необходимости подключает к решению людей.
Генеративный искусственный интеллект вполне может взять на себя и другие процессы. HR много работают с текстами – составляют резюме, описывают вакансии. Более того, он может помочь с такими острыми проблемами компаний и их служб персонала, как отток сотрудников. Нейросети могут анализировать качественные данные HR, такие как выходные собеседования, опросы сотрудников или отзывы. Они могут подсказать специалистам закономерности, выявить общие темы и выделить потенциальные области для улучшения.
