Сегодня кажется: если резюме не отбирает нейросеть, а собеседование не проводит робот — компания, а уже, тем более, финтех-компания, отстала. ИИ вшивают во все этапы работы с людьми, и сам факт «мы тоже используем» уже звучит как конкурентное преимущество. Мне ближе другой вопрос: какова золотая пропорция? Где искусственный интеллект дает скорость и объективность, а где чрезмерное увлечение им ломает найм и отношения с сотрудниками? Универсального ответа нет — пропорция зависит от рынка, масштаба и того, каких людей вы ищете. Как мы выстроили это у себя?
Специфика определяет подход
Начну с того, что масштаб и нюансы использования тех или иных технологий в работе с персоналом определяются спецификой ее деятельности. Присутствует она и в финтехе. В нашем случае, например, мы практически не берем начинающих специалистов: большая часть работы требует квалификации. И это касается не только IT: у нас много юристов, специалистов по обработке данных.
Во-вторых, очень тяжело закрываются вакансии топ-менеджмента и узких специалистов. Рынок МФО достаточно молодой, пул опытных квалифицированных кандидатов ограничен. Речь идет о точечном поиске в узкой зоне.
Наконец, в отличие от многих других сфер, нам вряд ли будет интересен кандидат, проработавший 10–15 лет на одном месте. Мы ищем людей, которые побывали в разных условиях, углубляясь в рынок, тренды, специфику с разных сторон — и тем самым приобретая «насмотренность», а с ней и экспертность.
На таком рынке удержание не менее важно, чем найм. Поэтому мы углубляемся в опросы удовлетворенности, оценку, систему грейдов. Последнее — и система удержания, и система привлечения: гораздо приятнее идти в компанию, где понятный карьерный трек. Прежде всего ориентируемся на Core Team — ключевую команду, привлечь и сохранить которую становится главной задачей. Но общие принципы распространяются и на весь коллектив.
Из этой специфики следует простая вещь: мы работаем со «штучными» специалистами, а не с потоком. Массовый ИИ-фильтр здесь легко отсечет как раз того, кого нельзя терять. Поэтому пропорция «человек / машина» у нас начинается не с моды на автоматизацию, а с цены ошибки.
Как найти «того самого»?
На рынке соискателей сейчас много разговоров про то, что резюме отбираются ИИ, и это в корне ломает процесс нормального найма. Мы как раз боимся упустить «то самое» резюме, поэтому в столь чувствительном вопросе предпочитаем индивидуальный, «ручной» подход. Можем себе это позволить хотя бы потому, что у нас нет большого количества одновременно открытых вакансий.
Если бы масштаб компании был больше, ИИ использовать бы пришлось. Хотя бы в базовых фильтрах: образование, опыт, триггерные слова в навыках. Когда массив данных действительно велик и, допустим, на некоторых позициях из 300 откликов релевантный может быть лишь один, робот тут незаменим. Но с настройками нужно работать очень внимательно: ошибка в фильтре на узком рынке стоит дороже, чем лишний час ручного разбора.
Та же логика на собеседовании. В компаниях, где большой поток и массовый набор, без участия человека даже проводятся интервью: робот анализирует беседу и выдает характеристику. Мы работаем главным образом со «штучными» — квалифицированными и востребованными — специалистами. Чрезмерная автоматизация уже на этапе знакомства может попросту отпугнуть. Поэтому проводим «живые» интервью: сначала созвон с рекрутером, потом встреча с заказчиком.
Однако ИИ мы подключаем к постобработке проведенных интервью. Согласно промтам — кого ищем, специфика, особенности, характеристики — получаем разбор беседы. Иногда, когда серьезный конкурс и много интервью, делаем сравнительный анализ кандидатов.
По мере того как растут и наш опыт, и возможности ИИ, машинный анализ улучшается и все чаще совпадает с мнением «живых» специалистов. Мы получаем огромную экономию времени — при более широком диапазоне критериев, включая рыночный срез соискателей в интересующем нас сегменте. Но решающим, конечно, остается человеческое мнение. В этом и есть рабочая пропорция на входе: робот расширяет анализ, человек принимает решение.
Человеку нужен человек
Важная часть HR — период адаптации. По моим наблюдениям, если человек ведет человека, всё получается гораздо лучше: чище обратная связь, быстрее устраняются недочеты. В анкетах люди упускают кучу моментов, пишут «всё хорошо» — и всё. А когда идешь в живой разговор, уточняешь, задаешь наводящие вопросы, картина порой получается совсем другая. Поэтому адаптацию у нас курирует сотрудник. Тем не менее автоматический помощник по адаптации у нас в разработке: он возьмет на себя рутину и поможет лучше интерпретировать обратную связь, но не заменяя при этом куратора.
На основном этапе трудовых отношений ИИ используем достаточно активно, но точечно. Приведу кейс. Мы проводили глубинное интервью с сотрудниками одного подразделения, где были проблемы. Появился массив данных, стали видны больные точки. С подключением ИИ свод получился гораздо точнее: результаты в процентах, отклонения от загруженного плана, рекомендации. Я считаю, это большое достижение, и этим надо пользоваться.
Другой пример: читаю одну очень плохую обратную связь, и на меня как на человека она производит сильное эмоциональное впечатление. А такой сотрудник — лишь один из двадцати. В трактовке ИИ это незначительные данные, не надо брать их в фокус внимания, пусть формулировки и резкие. В этом смысле нейросеть добавляет объективности решениям.
Привлекаем ИИ и к разработке KPI для разных должностей. О полном следовании рекомендациям робота речи не идет, но с задачей он справляется хорошо и часто предлагает направления оценки, о которых мы бы не задумались.
Однако, если брать в целом, «ручной» подход у нас, опять же, превалирует: много живых опросов, бесед one-to-one. Айтишники — захотят ли они общаться с роботом? Мне кажется, нет. Они ждут, когда их спросят, когда с ними поговорят, когда будет человеческая реакция.
Бытует мнение, что такие люди — не заинтересованные в живом общении интроверты. Это не совсем правда. Человек все равно тянется к человеку. Мы видим это даже на примере нашего благотворительного фонда «Новое Время». В его рамках шефствуем над приютами — и для детей, и для животных. Ни разу не было, чтобы никто не захотел туда поехать. Народу собирается очень много — в том числе ради живого общения. То же на корпоративных спортивных мероприятиях. Устраиваем забеги, в которых набирается по 40 с лишним человек. Зачем, казалось бы? Бежали бы по одному. Нет: все одели одинаковые футболки и побежали, потому что это возможность почувствовать себя частью команды и пообщаться неформально.
Когда масштаб в помощь
В целом, наша компания старается относиться к сотрудникам не как к «ресурсам», а как к капиталу — главной ценности бизнеса, для раскрытия потенциала которого выстраиваются комфортные условия на долгосрочной основе. Но важно не только, чтобы сотруднику было хорошо само по себе, а чтобы он эффективно выполнял бизнес-KPI. Для этого на работе должно быть закрыто базовое: кофе, молоко, нормальное рабочее место, возможность дать и получить обратную связь. Как закрыть это искусственным интеллектом, я, честно, не представляю.
Если же говорить про бюджет, да: робот считается дешевым и эффективным. Но давайте, например, возьмем «человеческую» адаптацию у нас в компании и ее результат: текучесть на испытательном сроке минимальная. Платить зарплату HR-специалисту по адаптации здесь явно выгоднее, чем использовать условно бесплатные алгоритмы, которые без человеческого участия подняли бы текучесть — а с ней и затраты на найм — в разы.
Но я всегда делаю поправку. Есть огромные компании, где нанимают 600–800 человек в месяц. Там вынуждены идти в технологичные инструменты — просто вынуждены, потому что «руками» все это не удержать. А в таком бизнесе, как у нас, живое взаимодействие проявляет себя гораздо лучше. Эпизодическая помощь ИИ в этом смысле не заменяет подход, а раскрывает его потенциал глубже.
Написать комментарий