Отделим мухи от котлет: что есть интеллектуально, и что — нет.
Вернемся к недавнему исследованию. Многие озабочены продуктивностью процессов. Рутину машинам, людям — креатив.
Однако главное свойство ума/интеллектуальности — это умение анализа, а далеко не неустанная работоспособность по заданным шагам. При этом "только 34% опрошенных компаний автоматизировали блок аналитики. Оставшиеся 66% респондентов блок аналитики не автоматизировали". Другое исследование SAP и Deloitte вторит: 60% компаний делают анализ по персоналу вручную. Какой ум? Данные по-прежнему собираем на коленке, а что потом делать, так и без этих ваших нейросетей сами знаем. К сожалению, и в исследованиях сама интеллектуальность преподносится неуклюже и примитивно.
Совсем еще непознанный и пугающий зверь. Все, что нынче понимаем — это роботизация, чатботы вместо меню, распознавание речи. Про собственно Ум пока не получается говорить.
Однако в рекламных статьях эксперты нам сообщают, что спрос на ИИ достаточно четкий. Но осторожничают: с искусственным интеллектом чуть сложнее. Он по-прежнему непонятен большинству, в отличие от голосовых помощников. Последние, как раньше упомянул, лишь берут на себя рутину, не уставая нисколько. Но это все равно пока не умный ИИ. Ботами уже никого не удивишь. Упростилась техника.
Однако мы ж не против. Но хотим и бОльшего — неустанной интеллектуальности, когда компутеры помогают анализировать, делать выводы, — одним словом соображают как надо на все 100%. Мы же, накладывая на соображения интуицию или невыспавшуюся голову, будем рулить.
Где? Как?
Может быть SAP пояснит про свой УМ в #HRTech в вышедшей недавно статье?
Предотвратить уход сотрудников? Что за конкурентное преимущество?
Пропустим все общие фразы… далее… ага, видим, Облако - уже понятно ) опять стандартный набор фраз про упрощение/прозрачность/… а вот уже к теме "на основе машинного обучения". Но опять, автоматизация рутины… где же ум? Опять сервисы с кандидатами… ага, вот первое умное. Самостоятельно, и даже с объяснениями, Ум подберет вам кандидата по анализу резюме. Уже кто-то пробовал? Кажется, что нет. Нужно соединить успешность с теми резюме, которые были при приеме. Звучит неплохо, но где эти резюме? Какова эта успешность…. Сколько времени нужно обучиться, и не изменится ли что-то во времени?
Конечно хотелось бы, чтобы кто-то по уму, без человеческих факторов рекомендовал бы кандидата. Но как научить ум? Кажется, вот так просто, через витиеватый термин успешность по отношению к резюме, сразу не научишь. Может научишь тогда, когда будет полный цифровой профиль человека, хранящийся в независимой инфосреде, подконтрольной… гос-ву или разработчикам блокчейна… ???
Можно и проще, по кусочкам. Знаю несколько AI-сервисов. Они по разным тестам (в тч психо-) предсказывают, подойдет ли кандидат. Но ведь и я когда-то проходил профпсихотбор, и мои результаты обрабатывала машина еще в 80х…
Далее. Интеллектуальная карьера. По анализу данных о сотрудниках (тесты, опыт, навыки) автоматически подбирает курсы. Но какой же это ИИ. Это опять просто алгоритм. ИИ-ум тут должен подсказывать сотруднику и менеджерам, куда лучше двигаться, где он будет опять-таки успешен для себя и компании и счастлив. Отталкиваясь не столько от результатов тестов/обратной связи от руководителей, сколько от наблюдения за бОльшим кол-вом факторов: какая семья, сколько времени на работе, какие достижения, его свойства, его оценки. Может быть изучать карьеры не столько внутри компании, но и вокруг.
О том, что сотрудник резко изменил свое поведение, перестав отправлять меньше писем или срывать сроки отправки документов, как сообщается в конце статьи, особого ИИ (ума) тоже не надо. Важнее с помощью ИИ сопоставлять разные события и другие факторы, как писал ранее здесь про анализ причин текучести.
Главная задача HR вокруг эффективности и счастья сотрудников (да-да!). Поэтому вот вам, пожалуй, основной алгоритм ИИ в HR. Собираем на вход разные факторы, которыми мы можем управлять. Пол/возраст, рабочее время, задачи, откуда пришел, опыт, кто коллеги, кто руководитель, офис, время отпуска, точки контроля, события, роль, документы, зарплата,…. Далее — черный ящик (это и есть мозг ИИ), на выходе — степень производительности и счастья. Измерять их обратной связью, показателями, анализом командных мессенджеров. Кормим данными, лучше побольше, и не месяц конечно, а дольше. Как малыша: даем ему как можно больше опыта и снабжаем обратной связью, что хорошо, а что плохо.
Когда наш ИИ наберется опыта (научится), он будет показывать описательные картинки с высокими и низкими счастьем и отдачей в труде. Это значит, что мы сможем понимать: кого/где/как нанимать, какие/как поручать задачи и ответственность, как должна быть организована работа, кто коллеги и руководители, — практически все. И даже вот не думайте, что это можно лишь в сказке. Просто начинайте пробовать.
ИИ не такой примитивный, каким он всегда бывает в начале. Давайте с уважением к нему подходить, обучать, а самое главное: правильно ставить задачи. Шишек будет набито немало. Но чем раньше начнем, тем лучше.
Как внедрять и применять? Читайте нас и дальше.
= = = = =
[ “HR Tech разумный” в Telegram ]
[ Задать автору вопрос на Facebook ]
[ Посмотреть кейсы применения HR Tech на практике ]
