«Робот нанимает людей на работу», — фраза, которая благодаря технологиям уже давно не кажется предсказанием. Для автоматизации рутинных процессов в HR лидеры рынка активно используют работу с большими данными, машинное обучение и искусственный интеллект.
На площадке хаба Deworkacy Big Data состоялась первая встреча сообщества резидентов пространства и их гостей. Во время митапа «Big Data в HR» своим цифровым опытом от найма до увольнения поделились представители ДИП Москвы, UBIC Technologies, «Ростелекома», компании «АстраЗенека», «Студии Данных», а создатели сервисов Sever.Al, Geecko, «Подбор» и Conventus рассказали об услугах, которые упрощают рутинные задачи эйчаров с помощью алгоритмов машинного обучения.
Эльдар Файзуллин из Smart City Lab в Департаменте информационных технологий города Москвы рассказал о роботизации бизнес-процессов рекрутмента с применением искусственного интеллекта.
Зачем? Робот на стыке RTA и AI на 50% сокращает количество времени, необходимое рекрутеру для поиска и оценки релевантности резюме.
Как? Робот-рекрутер работают по такому сценарию:
- Авторизуется на джоб-сайте под учетной записью рекрутера.
- Ищет кандидатов по настроенным фильтрам.
- Без скачивания считывает каждое резюме.
Далее к процессу подключается модель искусственного интеллекта, которая оценивает резюме при помощи настроенной модели и передает данные роботу.
Робот вновь включается в работу — переносит релевантные резюме во внутреннюю CRM-систему и уведомляет HR-специалиста о завершении процесса.
Что при этом делает человек? Подготавливает систему под каждую вакансию:
Настраивает модель под описание вакансии.
Обучает модель на основании исторически накопленных резюме.
Настраивает фильтры поиска на сайте.
26 ноября — митап сообщества Deworkacy Big Data на тему применения анализа больших данных и машинного обучения в ритейле.
Любовь Жуковская, руководитель направления по привлечению талантов и развитию бренда работодателя в компании «АстраЗенека» рассказала о внедрении Al-бота для общения с сотрудниками.
Зачем? Сервисный виртуальный ассистент отвечает на обращения сотрудников к HR, которые в 80% случаев — однотипные.
Как? Al-бот Сева работает в корпоративном чате Workplace Chat. Он умеет:
- Мгновенно отвечать на вопросы по 9 сервисным направлениям.
- Заказывать справки.
- Вводить пробег корпоративного автомобиля.
- Поддерживать цикловую конференцию.
- Размещать обращения в сервисные службы.
- Делится шаблонами документов.
Что при этом делает человек? Базу с ответами на самые распространенные вопросы составили сотрудники компании и выгрузили в систему Al-бота. Но дальнейшее обучение бота происходит с помощью машинного обучения: Сева учится на основе вопросов и обратной связи.
28 ноября — митап сообщества Deworkacy Big Data на тему применения анализа больших данных и машинного обучения в области медицины и здоровья.
Сергей Марин из «Студии Данных» рассказал, как контролировать сотрудников на основе их цифрового следа.
Зачем? Анализ цифрового следа компании позволяет:
- Находить и контролировать ключевых сотрудников.
- Мониторить показатели сотрудников подразделений.
- Сравнивать данные разных подразделений.
- Выявлять критические точки в процессе выгорания сотрудников.
- Оценивать организационную структуру.
- Отмечать проблемы в коммуникациях.
Как? Информацию собирают через преобразование данных в actionable insight с использованием машинного обучения. Система собирает воедино данные с разных источников: почты, телефонов, мобильных, совещаний и внутреннего софта для распределения задач.
Каждый сотрудник оценивается по нескольким метрикам:
- Значимость сотрудника прямо пропорциональна количеству его связей с другими сотрудниками.
- Вовлеченность сотрудника отражается на количестве его действий в сравнении с компанией в динамике.
- Эффективность оценивается по количеству задач в часах на сотрудника в сравнении с его отделом в динамике.
- Посредничество прослеживается через количество кратчайших путей коммуникаций, проходящих через сотрудника.
- Симметричность зависит от доли исходящих действий от входящих действий в отношении сотрудника.
Что делает человек? На основе полученных данных анализирует причины выгорания сотрудников, их важность, продуктивность коммуникаций и эффективность бизнес-процессов компании.
17 декабря — митап сообщества Deworkacy Big Data [Hub] на тему применения алгоритмов машинного обучения для решения задач в области цифровых решений для туризма.
Никита Черкасенко из Ростелекома поделился кейсом создания сервиса прогноза и анализа причин добровольных увольнений.
Зачем? Сервис предсказывает увольнения, объясняет, почему сотрудники покидают компанию, и сокращает затраты на поиск новых сотрудников и удержание старых.
Как? Алгоритм получения обратной связи такой:
- Раз в неделю собираются данные сотрудников, уволившихся по собственному желанию.
- Уволившимся сотрудникам звонит робот и выясняет причины увольнения.
- Записанный разговор переводится в текст.
- По тексту осуществляется поиск слов, описывающих причины увольнения, и конвертируется в таблицу.
Что делает человек? Работает с полученными данными — анализирует наиболее часто повторяющиеся причины увольнения сотрудников, использует эту информацию для удержания сотрудников.
Несмотря на активное применение технологий, основанных на работе с большими данными и применении машинной обучения, ключевым в работе с человеческими ресурсами пока что остается человек. А людям для комфортного существования нужны сообщества. Для этого на площадке Deworkacy Big Data и создан Big Data Hub — комьюнити, где специалисты, работающие с большими данными и цифровыми сервисами, могут обмениваться опытом и создавать коллаборации. Для объединения этих специалистов из больших и маленьких компаний в Deworkacy будут проводиться ежемесячные встречи, образовательная программа и единое цифровое пространство для обмена опытом. Хотите стать участником? Следите за новостями и заполняйте анкеты на bigdata.deworkacy.ru.
