Автор Ник Ньюман
Мы составляем ежегодный список ведущих развивающихся компаний в области образовательных технологий, занимающихся развитием кадров на 2024 год, с нашим советом по развитию кадров под председательством Дональда Х. Тейлора, и при этом мы погружаемся в тенденции и возможности для инноваций на каждом этапе пути развития рабочей силы для отдельных лиц и организаций → от поиска вакансий, оценки перед приемом на работу и собеседований до адаптации, повышения квалификации, управления талантами и переквалификации для будущего работы.
В этой первой статье мы рассмотрим, как стартапы в сфере образовательных технологий могут помочь организациям и частным лицам решить самые большие проблемы в карьерном развитии и поиске талантов.
💡 Почему это важно
Более чем 100 миллионам низкооплачиваемых работников во всем мире, возможно, придется искать новую работу в следующем десятилетии. Вдобавок ко всему, по оценкам McKinsey, к 2030 году еще 100 миллионам работников в развитых странах придется сменить профессию — большая часть этого роста спроса на рабочую силу, как ожидается, произойдет в высокодоходных рабочих местах, особенно в сфере технологий.
Как эти организации и соискатели найдут друг друга?
🏈 Состояние игры
- На протяжении десятилетий организации в значительной степени полагались на такие инструменты отбора, как психометрия (такие как тесты способностей, личностные оценки, перечень рабочих предпочтений), оценки, основанные на компетенциях (например, ситуационные тесты на суждение) и поведенческие собеседования, чтобы найти идеального кандидата на вакантную должность. позиция. Однако эти инструменты не позволяют получить полное и объективное представление о нашем кадровом резерве и неэффективны для прогнозирования того, кто на самом деле преуспеет на той или иной должности. Эпоха этих традиционных оценок подходит к концу.
- После многих лет устойчивого прогресса ИИ готов радикально изменить сферу оценки талантов. Одно недавнее исследование показало, что 55% HR-руководителей в США уже используют алгоритмы прогнозирования при найме сотрудников.
- Сегодня инструменты искусственного интеллекта доступны практически для каждого этапа процесса трудоустройства. Кандидаты могут найти вакансии, а рекрутеры могут найти кандидатов через платформы поиска, такие как LinkedIn, Monster и Indeed. Многие компании используют алгоритмы для автоматизации многих ручных задач, связанных с подбором персонала, таких как проверка резюме и планирование собеседований, в то время как другие компании, такие как JobScan и VMock, используют алгоритмы, чтобы помочь кандидатам улучшить то, как их резюме выглядят в глазах других алгоритмов. Другие компании, такие как Pymetrics и PredictiveHire, создают специализированные анкеты и оценки в качестве входных данных для ИИ для прогнозирования производительности труда. Фирмы могут использовать ИИ для расшифровки записанных заявлений в текст, а затем анализировать эти текстовые ответы с помощью обработки естественного языка. Некоторые поставщики, такие как HireVue и TalView, использовали анализ лица в интервью.
🚨 Проблемы
Одна из самых больших проблем подбора кадров, с которыми в настоящее время сталкиваются работодатели, — это найм сегодня специалистов с навыками, необходимыми завтра. Хотя это и не новая задача сама по себе, быстрое внедрение новых технологий, ускоренные темпы изменений в операционных моделях организаций и появление новых источников конкуренции все больше вынуждают работодателей отбирать кандидатов на основе их способности к обучению, независимо от актуальность их текущего набора навыков. Другими словами, подбор персонала — это более чем когда-либо мероприятие, которое вознаграждает тех, кто нанимает за неизвестное неизвестное.
Сьюзан Стил, директор по персоналу, вице-президент Ebiquity и Emerge
- Общественные опасения по поводу «рассвета роботизированного рекрутинга» — найм с помощью ИИ рассматривается как нечто вроде «черного ящика», и многие скептически относятся к заявлениям о том, что алгоритмы могут быть быстрым решением постоянных проблем, связанных с предвзятостью при подборе персонала. Пресса сейчас больше фокусируется на том, как ИИ может «помешать вам получить работу».
- За эффективность приходится платить. Команда под руководством профессора Гарвардской школы бизнеса Джо Фуллера опросила более 2250 бизнес-лидеров в США, Великобритании и Германии. Их мотивами использования инструментов искусственного интеллекта были эффективность и экономия затрат, но 88% руководителей заявили, что знают, что их инструменты отклоняют квалифицированных кандидатов.
- Обилие данных о навыках пока не связано осмысленно: LinkedIn (поиск вакансий/кандидатов) и Oracle (проверка резюме) являются ведущими HR-гигантами, которые владеют огромным количеством данных о навыках, но еще не сделали многого для их объединения. IBM Watson, Burning Glass и EMSI проделали невероятную работу по демистификации таксономии навыков и пониманию макроэкономических тенденций в навыках для обоснования кадровых планов, но на микроуровне сохраняются пробелы в построении действительно основанной на навыках оценки перед приемом на работу. Одних данных недостаточно. Существует острая необходимость найти способы высококачественного анализа данных, чтобы помочь соискателям работы и менеджерам по найму эффективно принимать решения.
- Характер труда быстро меняется — по оценкам McKinsey, большинство рабочих мест, которые появятся к 2030 году в Европе, еще не существуют. Как данные могут помочь подготовиться к этому неопределенному будущему?
🔥 Тенденции
- ИИ произведет революцию во всей цепочке стоимости оценки, развития и управления талантами.
- Несложные плоды здесь включают использование ИИ для автоматизации проверки резюме, картирования компетенций и существующих оценок личности, а также для оптимизации планирования рабочей силы путем дальнейшего совершенствования прогнозной аналитики в оценках. Это означает, что организации могут рассчитывать на более точную идентификацию кандидатов с высоким потенциалом на основе исторических данных и моделей, что позволит специалистам по персоналу принимать решения о найме на основе данных.
- Заглядывая в будущее, реалистичные аватары с искусственным интеллектом изменят подход к оценке талантов, оценивая способности посредством естественных разговоров, а также уравняют правила игры, позволяя проводить реалистичные собеседования. Чтобы снизить стресс и помочь кандидатам освоить ответы, чтобы представить наиболее достоверное видение своих способностей, это может включать в себя загрузку пользователями информации о компании и должностных обязанностях для создания симулированных оценщиков с использованием искусственного интеллекта, которые будут проводить с ними собеседования, используя реальные языковые модели и аспекты культуры этой организации.
- ИИ также выйдет за рамки самого процесса найма, предлагая кандидатам индивидуальную обратную связь по вопросам развития и цифровое обучение, используя язык, адаптированный к индивидуальному стилю обучения, уровням развития и личному контексту.
- Но дело не только в искусственном интеллекте — такие компании, как PwC, уже начали использовать виртуальную реальность, чтобы погрузить кандидатов в реальные сценарии для оценки. Этот иммерсивный подход обеспечивает более глубокое понимание способностей кандидатов и навыков принятия решений.
- Пока эти инструменты не будут лучше поняты (и, возможно, не отрегулированы), соискателям работы понадобятся стратегии для прохождения процессов, основанных на искусственном интеллекте, и многие обратятся к методам, основанным на информации самого искусственного интеллекта, чтобы помочь оптимизировать алгоритмы найма. Использование такого программного обеспечения, как Jobscan и VMock, может помочь проверить и улучшить ваше резюме с точки зрения ИИ еще до его отправки.
🌍 Ключевые игроки
🔭Кто опережает?
SkilledHuman работает над демократизацией доступа к новейшим наборам навыков. Для основателя компании Мартина Харвара проблема в том, что любое определение ролей в организации сверху вниз обычно выглядит как зеркальное отражение резюме: список академических квалификаций и предыдущего опыта. Но это два худших фактора успеха, в отличие от предварительного знания того, как работает организация. Отношение, способности, установка на рост и готовность активно учиться почти всегда превосходят степень Оксбриджа. Лучший подход, далекий от пыльной таксономии навыков, — это нисходящий контроль над входными данными о навыках снизу вверх. И это быстрее: подход SkilledHuman к созданию индивидуальной структуры навыков занимает неделю, а не год.
FutureFit, канадский GPS-навигатор для карьерного перехода на базе искусственного интеллекта, позволяет людям «исследовать» мир навыков и карьер, позволяя им установить «пункт назначения», куда они хотят идти дальше, «находит» отправную точку их способностей и опыта. и рекомендует «пути», как туда добраться, обеспечивая при этом человеческую поддержку на этом пути. Платформа использует искусственный интеллект для предоставления рекомендаций на основе информации о рынке труда. По словам основателя Хамуна Эхтиари, карьерный рост — это, прежде всего, навигационная проблема, которой не уделяется достаточного внимания.
🔮 Прогнозы
- Организации перестанут запрашивать резюме и начнут запрашивать портфолио, смещая акцент с квалификаций на компетенции. Состояние должностных инструкций плачевное. Отсутствие качественных данных о навыках означает, что организации не понимают, какие навыки и компетенции необходимы для успешного выполнения определенной роли. Неадекватные описания вакансий приводят к плохо таргетированной рекламе, ненадлежащему автоматическому отбору резюме, неправильному процессу собеседований, неэффективному приему на работу и плохой мобильности талантов. Чтобы привлечь на должности более разноплановых людей, необходим набор на основе навыков, а не прошлого опыта.
- Чат-боты окажут кандидатам немедленную помощь и ответят на их вопросы о процессе работы или подачи заявления. Это позволяет рекрутерам более эффективно взаимодействовать с кандидатами и экономить время за счет автоматизации рутинных задач.
- Переносимость будет иметь жизненно важное значение, чтобы учащиеся могли владеть своим собственным обучением и опытом и на этой основе заключать сделки со многими организациями. Этот ориентированный на учащихся подход подчеркивает гибкость, оперативность и плавное взаимодействие ресурсов и платформ. Важно то, как экосистема развития навыков и обучения адаптируется к потребностям учащихся и работодателей, чтобы открыть возможности доступа, и как различные платформы взаимодействуют друг с другом.
📈 Риски
- Хорошо известно, что традиционные методы набора персонала основаны на субъективных показателях, таких как резюме, собеседования и проверка рекомендаций. Эти методы склонны к предвзятости и могут привести к неверным решениям о найме. Утопическое видение заключается в том, чтобы оценки перед приемом на работу на основе искусственного интеллекта использовали объективные данные для прогнозирования производительности труда и минимизации воздействия дискриминации, что приведет к более разнообразной и инклюзивной рабочей силе. Это не реальность — пока.
- Риск заключается в том, что ИИ не только отражает человеческие предубеждения, но и может усиливать их, передавая нерепрезентативные данные в алгоритмы, которые затем используются для принятия явно объективных решений. В период с 2014 по 2017 год Amazon пыталась создать систему автоматической оценки кандидатов, которая будет проверять кандидатов на работу и определять тех, у кого больше всего шансов на успех. Amazon прекратил использовать этот алгоритм в 2018 году после того, как обнаружил, что он отдает предпочтение кандидатам на основе таких слов, как «казнен» или «захвачен», которые чаще встречаются в мужских резюме, чем в женских; Алгоритм был обучен на собственных данных о найме за 10 лет и резюме нынешних сотрудников, в которых были искажены мужчины, что отражает гендерное неравенство во многих областях технологий. История Amazon стала тревожным звонком, и компании, которые хотят использовать этот подход в будущем без надлежащих гарантий, могут столкнуться с судебным иском из-за алгоритма, который они не могут объяснить.
- Отсутствие прозрачности означает, что может быть сложно понять, как алгоритмы ИИ принимают решения, что затрудняет оценку их справедливости или диагностику проблем. Оценки перед приемом на работу, проводимые с помощью искусственного интеллекта, могут существенно повлиять на разнообразие и недостаточно представленных кандидатов. Исследователи из Нью-Йоркского университета недавно обнаружили, что системы искусственного интеллекта, созданные для измерения личности, не являются надежными инструментами тестирования. И хотя не все компании используют инструменты оценки личности в своих процессах найма, существует обеспокоенность по поводу того, когда и как инструменты интегрируются в процесс найма без полного понимания заявители. Если HR-команды и соискатели не знают, как ИИ влияет на процесс оценки, алгоритм может усилить предвзятость и дискриминационную практику, и никто этого сначала не заметит.
За последние 10 лет стартапы изменили мир труда. Искусственный интеллект и полностью удаленная рабочая сила могут привести к еще большим изменениям в ближайшие 10 лет. Теперь мы знаем, к каким последствиям может привести создание крупных технологических компаний и платформ без контроля и инфраструктуры для безопасного роста. Таким образом, любой, кто обращает внимание, должен глубоко заботиться о ведущих компаниях и учредителях, принимающих ключевые решения по развитию рабочей силы, поскольку это повлияет на большинство наших рабочих мест.
Кристина Сасс, партнер-основатель, вице-президент Dive In и Emerge
🎯 Возможности для стартапов
В этой категории мы видим особые возможности для решений на основе искусственного интеллекта, которые предлагают:
- Агрегаторы квалифицированного ручного труда → Проблема: хроническая нехватка ручного труда в Европе и США, что является серьезным препятствием для перехода к «зеленой» энергетике. Решение: Учебные курсы, миграционные решения и кадровые агентства, которые увеличивают чистое предложение квалифицированного ручного труда и связывают его с высокоценными рабочими местами.
- Моделирование рабочих мест в реальном мире для создания конвейера кандидатов → Проблема: . Решение: 1) Облегченные учебные курсы, связанные с техническим стеком работодателя. 2) Масштабируемые онлайн-мини-стажировки как способ создания кадрового резерва. 3) OPM, но брендом является работодатель, а не университет.
- Интервью с использованием искусственного интеллекта → Проблема: собеседования отнимают много времени и неэффективны. Решение: ххх.
- Вертикальные доски объявлений → Проблема: общие доски объявлений недостаточно адаптированы к потребностям конкретных вертикалей (например, экологические технологии, фрилансеры, продажи). Решение: Советы по трудоустройству следующего поколения будут вертикальными и будут контролировать большую часть цепочки создания стоимости, включая проверку кандидатов и поддержку более подходящих кандидатов.
- Копилоты рекрутеров → Проблема: HR-команды хотят обслуживать как можно больше людей, но их сложно масштабировать из-за ограничений по времени. Решение: инфраструктура для масштабирования высококачественных HR-возможностей с нулевыми предельными затратами.
- Оценка симуляции работы → Проблема: собеседования плохо позволяют предсказать эффективность работы. Решение: мир, в котором прием на работу основан на чьих-то истинных навыках и потенциале, а не на их резюме и опыте.
💎 Советы основателям
- Оценки перед приемом на работу, проводимые с помощью искусственного интеллекта, не должны использоваться в качестве барьера для поступления кандидатов. В конечном счете, работодатели не склонны к риску; часто они ищут причины для дисквалификации кандидатов, например длительные периоды безработицы, чтобы сузить выбор среди большого количества претендентов. Вместо этого их следует рассматривать как возможность для кандидатов продемонстрировать свои навыки и получить ценную обратную связь. Обеспечьте, чтобы оценки были удобными для пользователей, прозрачными и уделяйте приоритетное внимание конфиденциальности кандидатов для укрепления доверия. Четко объясняйте подотчетность, в том числе кто несет ответственность за решения, принимаемые алгоритмом ИИ.
- Оценка персонала перед приемом на работу на основе искусственного интеллекта — это больше, чем просто разовое решение. Организации должны постоянно отслеживать и совершенствовать свой подход, чтобы оставаться на шаг впереди. Это может включать обновление используемых алгоритмов, включение новых источников данных или корректировку типов предлагаемых оценок.
- Регулирование уже в пути. В 2023 году вступил в силу закон Нью-Йорка, ограничивающий использование инструментов искусственного интеллекта в процессе найма, хотя до сих пор неясно, как регулирующие органы смогут обеспечить его соблюдение. Другие штаты США делают то же самое — Иллинойс принял закон, требующий от компаний раскрывать информацию об использовании ими аналогичных инструментов ИИ, — а законодатели Конгресса внесли законопроекты, которые будут регулировать ИИ при найме на работу на национальном уровне, включая Закон об алгоритмической ответственности 2022 года, но столкнулись с препятствиями при их прохождении. Возможно, на подходе и международное регулирование, благодаря предложению Европейского Союза, которое также может ограничить использование технологий искусственного интеллекта. Правительство Великобритании также планирует новое регулирование. Аудит алгоритмов может стать стандартной практикой.
🔗Для дальнейшего чтения
📣 Призыв к действию
Сейчас мы составляем список ведущих развивающихся компаний в области образовательных технологий в WD в 2024 году.
В нашем списке анализируются сотни компаний, работающих по всему миру, с использованием общедоступных и частных данных. Он собран с помощью краудсорсинга и за него проголосовала наша группа по развитию кадровых технологий под руководством Дональда Х. Тейлора.