Еще до глобального хайпа я анализировала роль нейросетей в сфере HR и строила прогнозы. С того момента прошло шесть лет. Если коротко, то — большинство прогнозов сбылись. ИИ действительно нарастил мощности и быстро выполняет рутинную работу. При этом сотрудники на месте и не были глобально вытеснены ИИ-технологиями ни на одном из уровней. Скорее, искусственный интеллект стал еще одним инструментом, которые HR использует для повышения скорости решения повседневных задач, связанных, в основном, с обработкой большого количества информации и данных. Там же, где необходимо принимать решения, последнее слово пока еще остается за сотрудником, а не машиной.
Как ИИ изменил рутинные задачи в HR
Сегодня искусственный интеллект блестяще справляется с рутиной: скрининг резюме, составление анкет, мониторинг процессов и анализ данных. Возможность мгновенно получить срез ситуации в компании любого масштаба – это огромное преимущество. Но соискатели тоже не отстают, и, честно говоря, во многом даже опережают HR-специалистов. Резюме, подготовка к собеседованиям, тестовые задания – в ИТ-отрасли кандидаты используют ИИ почти всегда.
Впервые мы столкнулись с этим три года назад при наборе стажеров. Стало очевидно, что многие используют ChatGPT для написания сопроводительных писем и решения техзаданий. Тогда было принято решение изменить подход и оценивать качество использования ИИ. Проверить работу кандидата на использование нейросетей не сложно – существуют ИИ-детекторы, маркеры использования ИИ заметны опытным пользователям, а работы проверялись непосредственно инженерами. Кроме того, мы поставили своеобразную «защиту» – задания были заранее протестированы в ChatGPT так, чтобы нейросеть не смогла выполнить его идеально и человеку надо было бы вносить свои коррективы, используя критическое мышление. Если кандидат слепо скопировал ответ нейронки, то ему приходил отказ. Но если осмыслил и доработал ее ответ, проявив пытливость ума, – приглашали его на следующий этап собеседования. В итоге из более 500 анкет мы выбрали резюме десяти стажеров, которые быстро выросли в крепких специалистов.
Вместо того, чтобы «бороться с ветряными мельницами» и запрещать нейросети, компания перевела фокус на оценку навыков будущего: ценность стажера больше не измеряется его способностью держать в голове справочную информацию, полученную в ВУЗе или писать шаблонный код. Важнее то, как быстро он умеет находить решения и ставить правильные задачи, а это один из главных навыков, характеризующих талантливого инженера.
Нейросети часто галлюцинируют, выдают поверхностные или фактически неверные ответы. Способность кандидата заметить ошибку ИИ, усомниться в выдаче и скорректировать ее – это показатель зрелости и аналитического склада ума.
Получается, что HR-менеджеры, ускорившись вслед за соискателями, просто остались с ними на одном уровне. Здесь идеально подходит цитата Льюиса Кэрролла из «Алисы в Зазеркалье»: «Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее».
Почему эмпатию не оцифровать
Одно из главных опасений прошлых лет заключалось в том, что ИИ начнет принимать решения за нас. И оно отчасти сбылось.
Решения машин математически безошибочны и лишены человеческих предубеждений, эмоций или усталости, но ИИ не способен на эмпатию. Он не видит того, что чувствует опытный рекрутер. Чрезмерная «дегуманизация» процессов опасна: кандидаты и сотрудники быстро почувствуют себя «просто цифрами», что неизбежно снизит лояльность к бренду работодателя. На том уровне компетенций, который требуется в нашей компании, необходимо живое общение кандидата с опытным рекрутером, чтобы обсудить не только знания и навыки, но и особенности корпоративной культуры.
Важно избегать ситуаций, в которых найм превращается в сухой алгоритмический фильтр, так как компания рискует потерять не только доверие и привлекательность для соискателей, но и так называемые «скрытые таланты» – людей, чей опыт не идеально ложится в заданные шаблоны, но чей потенциал сложно переоценить.
Поэтому ИИ сегодня – это мощный ассистент, а не судья. Он мгновенно проанализирует компетенции, сравнит их с требованиями должности, учтет результаты тестов и когнитивного анализа. Но финальное решение, основанное на этих данных и корпоративной культуре, всегда остается за человеком. Машина предлагает комбинаторику нового уровня, но только человек способен на творческий подход и нестандартное мышление.
Приведу пример из практики. Недавно мы искали опытного инженера для узкоспециализированной задачи, с серьезным стажем, который обычно нарабатывается не менее чем за пять-семь лет, и такой специалист откликнулся на вакансию. Но в его резюме присутствовала пауза продолжительностью немногим более года. ИИ-ассистент сразу отбраковал анкету и отправил кандидату холодный шаблонный автоотказ. Для машины этот кандидат стал «просто цифрой с низким скоринговым баллом». Компания едва не потеряла ценного сотрудника – хорошо, что наш менеджер по подбору персонала использует ИИ в тестовом режиме и перепроверяет за ним. В результате кандидату перезвонили, честно объяснили ситуацию с отказом, договорились о встрече, на которой выяснили, что перерыв в работе был вполне объясним – специалист брал паузу для интенсивной учебы, параллельно успешно работая во фрилансе.
Эта история научила нас тому, что как бы гениально и детализировано ни был написан промпт для скоринга анкет, при поиске и найме узкоспециализированных кадров автоматизация может сыграть злую шутку, каждую из таких анкет нужно просматривать и проверять вручную.
Как сотрудники осваивают и применяют ИИ в работе
В компаниях всегда присутствуют сотрудники с разным уровнем интереса к новым технологиям. Это нормально: кто-то активно ищет и внедряет все новое, другие полагаются на программы обучения в компании и идет на те курсы, на которые его отправляет работодатель. Важно это понимать и показывать на примере пилотных групп результаты, которых достигают их выпускники.
Мы обнаружили, что сотрудники, которые самостоятельно проявили интерес к ИИ-технологиям и начали применять их в той или иной мере в работе, высвободившееся время, примерно пару часов в неделю, выделяют на более глубокое изучение ИИ.
В итоге в корпоративной академии был реализован курс по базовым знаниям о работе с ИИ. Интересно, что сначала мы получили много откликов от желающих пройти курс, а далее – воронка ожидаемо сузилась. Из тех, кто записался, начали посещать его порядка 70%, еще 40% перестали ходить на занятия на том или ином этапе. В итоге полностью весь курс посетила треть записавшихся. Это нормальная практика в корпоративном обучении, которое построено только на интересе слушателей к теме курса и производится без собственных вложений сотрудников.
Мы рассказываем об этом в корпоративных медиа, снимая вопрос сложности применения ИИ как инструмента и популяризируя обучение и его применение на практике. Разговоры коллег о том, как увлекательно прошла первая часть программы, и их успехи на практике, побуждает других записаться на базовый курс и пройти обучение, а тех, кто не дослушал – вернуться к его прохождению. Такой тактикой мы планируем подготовить и мягко вовлечь всех сотрудников в работу с использованием ИИ.
Три совета амбассадорам инноваций
Остаться в стороне от цифровизации уже не получится. Поэтому я искренне верю, что HR-специалисты должны не просто адаптироваться к изменениям, а выступать их флагманами, задавать тренды и становиться настоящими евангелистами применения ИИ в бизнесе. Исходя из моего опыта использования ИИ в рабочих процессах, могу дать три рекомендации.
- Используйте корпоративные решения. Самый безопасный способ – применять ИИ-модели, которые работают в закрытом корпоративном контуре или в инфраструктуре, принадлежащей компании. Это позволит защитить информацию и данные не выйдут во вне.
- Регламентируйте использование ИИ. Важно сформировать и утвердить внутренние процедуры применения нейросетей в работе. Все должно быть доходчиво и четко: перечень применяемых ИИ-инструментов, уровень чувствительности информации, которую можно в них загружать и список того, чем с некорпоративными ИИ-инструментами делиться нельзя. Сейчас много говорят о культуре ответственного использования нейросетей – это имеет под собой практически важную основу. Важно проводить обучение сотрудников и утверждать единые схемы безопасной работы с ИИ, чтобы технологии использовались эффективно, с соблюдением этики и закона № 152-ФЗ.
- Верифицируйте результаты ИИ. Всю информацию от нейросети не стоит принимать как истину в последней инстанции или слепо брать данные для дальнейшей работы. Установите для себя точки контроля и проверяйте результаты работы нейросети. Например, обращайте внимание на причины отклонения резюме – в них можно обнаружить результат неточностей или неверно интерпретированных системой запросов.
Читайте также:
В системе ИИ - человек, человек выступает как датчик окружающего контекста. Поэтому чем больше датчиков тем плотнее взаимодействие ИИ с миром. Поэтому чем больше народу и чем спокойнее он живёт тем лучше для развития ИИ.
Базовый вопрос в том что люди не взаимодействующие с ИИ - в этой системе - паразиты. То есть они ресурсы потребляют, а ничего для развития системы не делают. И тут может быть главный риск и проблематика.
А мне больше про вирус подумалось. Смертельные вирусы паразитируют на своем носителе до тех пор, пока он жив, а далее - погибают вместе.
Применительно к HR это можно рассматривать так: ИИ будет отбирать "средних" кандидатов, которые укладываются в обученную модель, а она - из механики построения - не может быть иной, кроме как средней. В результате будут "отрезаться" оба хвоста распределения, и дополнительно к отклонению "слабых" кандидатов (что и является смыслом применения ИИ) будут отклоняться сильные, то есть распределение будет быстрее нормализовываться.
В пределе это приведет к "усреднению способностей" всей организации, что создат более стабильную базу для работы HR-персонала, но при этом (сперва - незаметно, затем - с ускорением) будет приводить к формализму и накоплению "невыделяющихся" сотрудников. Это будет тормозить развитие, и со временем более динамичные компании с "ручным" подбором обгонят бизнес, полагающийся только на ИИ.
Ключевым здесь является агентский конфликт собственника и контура HR: в то время как первому требуется ускорение и повышение качества отбора, участникам второго интересна "стабильность". Во многих компаниях практикующееся бонусирование HR за подбор кадров, которые остались работать на срок на более чем 6 месяцев, в реальности стимулирует именно эту линию поведения: ценность привлеченных кадров для бизнеса оказывается ниже ценности бизнеса для нанимаемого. Со стороны выглядит красиво, но обрастание дна яхты наростами снижает ее ход.
Слепое следование внедрению ИИ, хоть и является пока модным трендом, никак не должно отвлекать собственника от пристального всматривания в суть проблемы: как правило, только он заинтересован в созидательном разрушении. Персонал заинтересован в стабильности и полноте компенсаций. Когда ИИ ищет "лучшего из прошлых" образцов, яркий инноватор оказывается за бортом.
Запрещать ИИ в HR, конечно, не нужно, но начать хорошо разбираться в том, что и как конкретно делается, зачем и почему, как мне видится, является жизненно важным для любого собственника, но особенно - из сегмента среднего бизнеса.