2374 подписчика

Как стартапы могут стимулировать инновации в сфере подбора персонала, навигации по карьерной лестнице и оценки навыков

6 марта 20246 мар 2024

15 мин

Оглавление

💡 Почему это важно
🏈 Состояние игры
🚨 Проблемы

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

Механизмы возможностей для развития рабочей силы, автор Emerge Education

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.

Источник