Нанять за 60 секунд: реальные кейсы применения ИИ в рекрутинге

Ранее я отмечал потенциал ИИ-агентов в HR. За почти десять лет работы я провел сотни собеседований, поэтому знаком со всеми тонкостями найма.

Наблюдая за процессами найма в других компаниях, я вижу, что они зачастую работают неэффективно, в то время как мы вообще обходимся без рекрутера. Как максимально автоматизировать найм, чтобы сэкономить время как рекрутеров, так и кандидатов?

На первом этапе резюме кандидатов, как правило, проходят через ATS-системы для скоринга. Большинство из них работает по ключевым словам, что часто приводит к тому, что квалифицированные специалисты не попадают в заданные шаблоны и остаются незамеченными.

После этого рекрутер связывается с успешными кандидатами, чтобы узнать об их опыте и навыках по заранее определенным критериям. На этом этапе у людей возникают когнитивные искажения:

• Эффект ореола. Положительные качества кандидата (например, опыт работы в известной компании) часто затмевают объективную оценку;

• Стереотипизация. Такие признаки, как возраст, пол или национальность, могут привести к необъективному выбору (например, стереотип о девушках-программистах);

• Эффект сходства. Оценщик часто предпочитает кандидатов, схожих с собой по образованию и интересам.

Список искажений можно продолжить, важно понимать, что они неизбежны даже у самых опытных специалистов, поэтому осознание проблемы – первый шаг к ее решению. В итоге тратится огромное количество человеко-часов, а кандидаты теряют возможность проявить свои лучшие стороны.

Один из интересных примеров внедрения ИИ в рекрутинг – моя первая задача в Сбере. Там мы создали модель предсказания успешности сотрудников еще до их найма на основе финансовых и поведенческих паттернов, сопоставляемых с успешными сотрудниками массовых специальностей (целевой функцией выступал KPI сотрудников).

Это не только сокращало время первичного отбора и снижало риски найма неэффективных кандидатов, но и позволяло находить потенциально успешных кандидатов среди клиентов, а логистическая регрессия позволяла объяснить влияние ключевых признаков на принятие решений.

По опыту работы в стартапах могу сказать, что ИИ способен радикально ускорить процесс найма даже при ограниченных ресурсах. На раннем этапе стартапа я обычно выступаю в роли играющего тренера: разрабатываю «интеллектуальную» часть продукта, а для клиентской части ищу разработчиков.

Как выглядит процесс найма с ИИ:

1. ИИ помогает составить детальное описание вакансии, включающее роль, обязанности и требования;

2. Далее ИИ автоматически оценивает резюме кандидатов по ключевым критериям и ранжирует итоговый результат по баллам – здесь лучше использовать отдельного агента для каждого критерия;

3. На финальном этапе задаются детальные вопросы по определенным критериям, на которые кандидаты асинхронно отвечают голосовыми сообщениями, которые далее преобразуются в текст и анализируются ИИ.

В итоге я получаю отранжированный список кандидатов. В целом результат удовлетворительный – «звездных» кандидатов ИИ находит точно, а вот среднячков я бы оценил иначе – здесь, скорее всего, проявляются мои когнитивные искажения.

Далее мне остается провести систем-дизайн и поведенческие интервью с успешными кандидатами. Такая система позволяет не только сократить время на сбор и первичный отбор резюме, но и устранять влияние личных предубеждений, делая процесс более объективным.

Я узнал у кандидатов, что многие из них предпочли бы общение с роботом, а не с реальным рекрутером. Логично – у робота нет плохого настроения, и он достаточно объективен.

Важно помнить, что ИИ невольно перенимает предвзятость данных, на которых он обучался. А такие человеческие качества, как креативность и эмпатия, сложно измерить автоматически, поэтому окончательное решение требует участия человека.

Но человеческие качества могут подвести нас в стратегически важных задачах – выборе правильных людей для проекта. Поэтому давайте оставим наши лучшие качества для главного – создания атмосферы, в которой люди захотят работать и творить.

#кейсы