Управлять человеческими ресурсами скоро станет проще

Отдел кадров - это плохое название для отдела. У него обычно мало ресурсов, кроме
перегруженного персонала, неуклюжих технологий и груды руководств для сотрудников.
Надоедливым рекрутерам приходится перебирать большое количество заявок, которых намного
больше, чем свободных рабочих мест. Например, компания Johnson & Johnson (J&J),
занимающаяся потребительскими товарами, ежегодно получает 1,2 млн заявок на 25 000 позиций.
Системы с поддержкой искусственного интеллекта могут сканировать приложения гораздо
быструе, чем люди, и определять, подходят ли кандидаты на должность.

Как ни странно, они также могут привнести больше человечности в найм персонала. По
словам Афины Карп из HiredScore, стартапа, который использует алгоритмы для отбора
кандидатов для J&J и других, только около 15-20% заявителей обычно имеют подходящую
квалификацию для работы, но им редко говорят, почему они не были приняты на работу, и им не
указывают на более подходящие вакансии. Технологии помогут "вернуть уважение кандидатам",
говорит она.

Компания Nvidia, производитель чипов, также получает большее количество резюме, чем
может справиться, поэтому она потратила год на создание своей собственной системы, чтобы
выявлять, какие кандидаты заслуживают собеседования. Система распознает паттерны, о которых
рекрутеры могут не знать: например, кандидаты, которые подают особенно длинные резюме,
оказываются менее успешными, чем другие, поэтому излишние слова будут играть против них.
Сеть отелей Hilton сократила среднее время, необходимое для найма кандидата, с 42 дней до 5 с
помощью стартапа HireVue. Он анализирует видео кандидатов, отвечающих на вопросы, и
использует искусственный интеллект для оценки их вербальных навыков, интонации и жестов.
Это может быть особенно полезно, когда кандидат является представителем другой культуры или
говорит на другом языке, говорит Эллин Шейк, главный лидер и HR-директор Accenture,
консалтинговой компании с 435 000 сотрудников, которая также использует HireVue.

Работодатели, как правило, нанимают кандидатов, которые похожи на них самих, что
создает недиверсифицированные рабочие места. Оркестры, например, раньше были в основном
мужские. Набор женщин-музыкантов увеличился только тогда, когда ввели “слепые”
прослушивания за ширмой. Алгоритмы могут действовать как виртуальные экраны, делая найм
более справедливым. Pymetrics, стартап, клиентами которого являются такие компании, как
Unilever, гигант потребительских товаров, и Nielsen, исследовательская фирма, предлагают набор
игр для кандидатов, обычно на ранней стадии процесса найма, которые игнорируют такие
факторы, как пол, раса и уровень образования. Вместо этого они проверяют кандидатов на около
80 характеристик, таких как память и отношение к риску. Затем Pymetrics использует машинное
обучение, чтобы сравнить кандидатов с лучшими сотрудниками и предсказать их пригодность на
роль сотрудника. Это может помочь кандидатам без традиционной квалификации.

Другая фирма, которая помогает компаниям стать более разнообразными, - это Textio,
стартап, который использует ИИ для улучшения должностных инструкций. Например, было
установлено, что корпоративный жаргон, такой как «заинтересованные стороны» и «синергизм»,
как правило, оттесняет определенных кандидатов, особенно темнокожих, а также показывает, что
женщины реже претендуют на управленческие должности, чем на должность в «развивающейся»
" команде.

Рекрутеры часто сталкиваются с кандидатами, которые имеют хорошую квалификацию, но

не подходят для конкретной должности, на которую они претендуют. В прошлом не было никакой
возможности перенаправить их на другие рабочие места, когда те не подходили на претендуемые
должности. ИИ позволит “перепрофилировать кандидатов, которых мы привлекали раньше”,
говорит Шьерд Геринг, вице-президент по поиску талантливых специалистов для J&J. Гигант
здравоохранения использует hiredscore, стартап, используемый для оценки кандидатов. Когда
открывается вакансия, система автоматически генерирует краткий список кандидатов, которые
могут подойти на должность. Это принесет большую экономию средств, говорит г-н Геринг. ИИ
также может помочь с управлением сотрудниками. Специалисты по подбору персонала и
рекрутеры в крупных фирмах не могут знать всех своих талантливых работников в разных странах
и департаментах, говорит Крис Луи из Nielsen. Его компания использует ИИ для улучшения
внутренней мобильности. Twine Labs, стартап, работающий с Nielsen, предлагает внутренних
кандидатов на новые должности, основываясь на данных сотрудников и требованиях к работе,
принимая во внимание сотни переменных. По словам Джозефа Куана, руководителя Twine Labs,
около половины кандидатов, которых он предлагает, получили одобрение и продвижение по
службе. Это примерно тот же показатель успеха, что и для рекрутера-человека.

Другое использование ИИ - помочь работодателям снизить текучку кадров. В среднем на

замену работника уходит около 20% годовой зарплаты, а иногда и намного больше. Workday,
фирма-разработчик программного обеспечения, начала прогнозировать вероятность увольнения
сотрудников. Он учитывает около 60 факторов, таких как оплата, время между отпусками и
текучку кадров у менеджеров, перед которыми сотрудник отчитывается, и отмечает тех, кто
рискует уволиться, чтобы компании могли попытаться их сохранить.

Arena, стартап, работающий с больницами и компаниями по уходу на дому, где текучка

наиболее высока, рассматривает возможность удержания даже до найма. По словам Майкла
Розенбаума, руководителя Arena, используя данные из заявлений о приеме на работу и третьих
сторон, чтобы предсказать, какие кандидаты могут остаться более года, Arena сократила средний
оборот своих клиентов на 38%.

В будущем ИИ также может быть использован для определения оплаты. Infosys

рассматривает вопрос об использовании ИИ для решения вопроса о том, когда дать сотрудникам
повышение, исходя из их эффективности и заработной платы по сравнению с заработной платой
коллег. По словам Судхира Джа (Sudhir Jha), главы Infosys по управлению продуктами и
стратегиями в Infosys, эта технология сделает оплату более справедливой, если принять во
внимание предубеждения и личные качества. Но есть риск, что работники попытаются обмануть
систему.

Все это указывает на более широкую проблему ИИ: прозрачность. Компаниям необходимо
обеспечить постоянный мониторинг алгоритмов. В Америке, где дискриминация защищенных
групп, таких как расовые меньшинства, является незаконной, фирмы должны быть в состоянии
доказать, что они нанимают работников из этих групп примерно пропорционально численности
населения и не привносят никаких предвзятостей, говорит г-н Розенбаум. Стартапы говорят, что
они предлагают своим клиентам прозрачность и регулярно проверяют свои алгоритмы, чтобы
убедиться, что они свободны от предвзятости. Но по мере того, как ИИ становится все более
распространенным, растут опасения, что алгоритмы могут усилить дискриминацию.

Рекрутинг-это лишь один из примеров тех технологических сбоев, которые ИИ принесет

рабочей силе. Количество рекрутеров будет уменьшаться, потому что ИИ будут сами выполнять
большинство их задач, а личные интервью станут реже. В Unilever теперь проводятся
собеседования только с кандидатами, прошедшими предварительный отбор, после нескольких
раундов скрининга с поддержкой ИИ и записанных интервью через HireVue. Для остальных
рекрутеров ИИ сделает работу проще и интереснее.

Это может даже помочь некоторым рабочим, которых он вытеснит. Accenture выпускает
специальный инструмент под названием Job Buddy, который сообщает сотрудникам, насколько их
работа уязвима для автоматизации, и прогнозирует, какое обучение им может понадобиться,
чтобы они могли выработать нужные навыки для будущего. Г-жа Шук из Accenture говорит, что
около 80% людей, которые попробовали программу, следуют советам, которые она предлагает. Но
у них может не быть большого выбора.