Работа рекрутеров за последние пару десятилетий довольно сильно изменилась под воздействием новых технологий. Еще в середине девяностых годов прошлого века появились «работные сайты» (job boards), а в начале двухтысячных — первые профессиональные социальные сети.
Сейчас количество онлайн-источников поиска кандидатов разных профессий исчисляется десятками — только для ИТ-отрасли это GitHub, StackOverflow, BitBucket, Behance, Dribbble и сотни других специализированных ресурсов.
Для принятия верных решений о найме сотрудников рекрутерам приходится анализировать множество самых разных данных — от резюме и профилей в социальных сетях, до аккаунтов на профессиональных ресурсах. Объем информации может быть слишком большим — рекрутеры редко сами могут проанализировать множество ресурсов, в результате не находят перспективных кандидатов, и вакансию не удается закрыть.
Новые технологии могут быть использованы не только для получения огромного количества данных, в которых еще нужно разобраться, но и для их эффективного анализа. Один из новых инструментов для этого — искусственный интеллект.
Что умеет искусственный интеллект сейчас
Системы Artificial Intelligence (AI) уже сейчас могут анализировать огромные объемы данных и принимать решения на основе этих данных. Разработанная в Google AI-система DeepMind обыграла лучшего в мире человека-игрока в Go, теперь победить один компьютер попытается сразу группа людей-чемпионов.
- Уже появились нейронные сети, которые могут создавать изображения высокой четкости на основе их текстовых описаний и наоборот, создавать описания на основе изображений — это уже умеет делать Facebook.
- Растет популярность голосовых помощников Siri, Alexa, Google Voice, в которых активно применяются технологии искусственного интеллекта и машинного обучения.
- Эти успехи объясняются рядом факторов, среди которых огромные объёмы сгенерированных человечеством «больших данных», развитием алгоритмов параллельных вычислений, использующихся при работе нейронных сетей, а также появлением мощного и относительно дешевого «железа» для параллельных вычислений (GPU).
При чем здесь рекрутмент
Аналитики McKinsey разработали модель для определения масштабности влияния автоматизации на ту или иную профессию. Эта степень определяется рядом факторов, такими как:
- Техническая возможность внедрения автоматизации; стоимость разработки соответствующего софта и железа;
- Текущие затраты на оплату труда людей;
- Возможная отдача — финансовая выгода, повышение качества работы (например, автоматический анализ огромного количества данных, нахождение нетривиальных взаимосвязей между различными факторами);
- Ограничения со стороны государства и отношение общества к замене людей «роботами».
Тема последствий, которые вызовет массовая замена работников машинами, широко обсуждается во всем мире. Звучат опасения о возможных проблемах с встраиванием высвободившегося персонала в изменившийся рынок труда (кем пойдут работать водители после начала массового использования беспилотных машин).Проведенное McKinsey исследование потенциала автоматизации в разных отраслях показало, что в ближайшие годы машины смогут полностью заменить человека лишь в малом количестве профессий.
При этом в других, наоборот, они станут инструментом повышения эффективности людей.
Новые инструменты позволят специалистам по подбору персонала более качественно и точно находить кандидатов, а также моделировать их возможное развитие внутри компании, и, например, вероятность их перехода к другому работодателю.
Типичный процесс рекрутинга новых сотрудников сейчас выглядит примерно так:
-
На первом этапе рекрутер получает вводную информацию от руководителя отдела, в который требуется сотрудник.
-
Затем необходимо создать «продающее» описание вакансии, которое привлечет кандидатов, опубликовать его и начать обрабатывать входящие резюме.
-
Для поиска востребованных специалистов вроде разработчиков такой подход вряд ли сработает, поэтому необходимо еще и самостоятельно анализировать профили потенциальных кандидатов в сети и связываться с ними.
-
После первичного отбора наступает этап интервью и сбора обратной связи от сотрудников компании, которые принимали в них участие.
-
Лучшему кандидату делается предложение.
-
Если он его принял, начинается важный процесс интеграции нового сотрудника в коллектив и рабочие процессы компании.
Используя модель, упомянутую выше, можно оценить вероятность автоматизации каждого шага этого процесса. Например, насколько реальна в ближайшее время автоматизация шагов №1 и №2? Если еще несколько лет это казалось маловероятным, то сейчас есть ощущение, что вероятность уже не так и мала.
Качество поиска подходящих под описание вакансии кандидатов может быть значительно улучшено с помощью внедрения AI-технологий и машинного обучения. Компьютер может анализировать больше информации, чем человек, допустит меньше ошибок и сделает это быстрее.
Кейсы
1. При поиске разработчика рекрутеру необходимо заранее оценить его профессиональный уровень. Использующий механизмы машинного обучения, сервис AmazingHiring может автоматически проанализировать миллионы коммитов на ресурсе GitHub для выявления наиболее активных и квалифицированных программистов. Рекрутеру тяжело сделать это самостоятельно.
2. Еще существуют инструменты, которые позволяют дополнять профили кандидатов данными из социальных сетей, выстраивать зависимости между опытом работы кандидата, его навыками и образованием, а также эффективно искать подходящих кандидатов по базам ранее присланных в компанию резюме.
3. Кроме того, использование предиктивных моделей может быть полезно для оценки перспектив кандидата в рамках отведенной ему позиции. Например, AI-система может рассчитывать вероятностьтого, что человек проработает в нужной должности заданное время — это важный фактор для позиций с большой текучкой кадров (менеджер колл-центра).
Применение новых технологии снижает влияние на конечный результат предубеждений, которые свойственны людям. Это важный момент, который может использоваться для решения актуальной в западных странах проблемы обеспечения этнического разнообразия сотрудников.
Таким образом можно не только создать «правильный» имидж компании, но и увеличить ее прибыль — по данным исследования Gallup, в ритейл-секторе США бизнес-подразделения с более высокой степенью этнического разнообразия обеспечивают, в среднем, на 14% большую выручку.
Заключение
Реальность такова, что технологии искусственного интеллекта в ближайшие годы не будут представлять угрозы для карьеры большинства людей. В интеллектуальных сферах деятельности полная автоматизация невозможна, однако машины могут эффективно снимать с человека часть рутинной работы уже сейчас.
Одна из таких сфер — рекрутмент. При принятии решения о переходе в новую компанию разговор с ее представителями и будущими коллегами не заменит никакой робот.
Однако он может эффективно находить подходящих под описание вакансии кандидатов: анализировать доступную онлайн информацию и ранжировать профили соискателей. В итоге на собеседование попадут те, кто больше всего подходит для конкретной работы.