ENG
«Цифровой след» вместо собеседования»
«Инвест-Форсайт» уже рассказывал о новейших проектах в сфере автоматизации рекрутинга — Scillaz и Stafory. Делают эти стартапы, равно как и другие аналогичные системы автоматизации, примерно одно и то же. Прежде всего они собирают сведения о кандидатах из всех возможных источников, от досок объявления до соцсетей. И здесь мы видим, как в кадровое дело пришел тренд, хорошо известный в других отраслях: агрегаторы постепенно начинают загораживать вендоров. Как бы ни были хороши кадровые доски объявлений, такие как HH или Suprjob, для современного кадровика их мало — нужно мобилизовать все возможные источники. К слову, следующим шагом развития цифровизации должен стать перенос ответственности с вендора на агрегатора — в сфере интернет-торговли законодательство уже сделало соответствующий шаг, но в других отраслях до этого еще далеко.
Вторая функция, которую выполняют системы автоматизации рекрутинга, — связываются с кандидатами и проводят первичные собеседования. Одни продвинутые роботизированные системы звонят по телефону и говорят с кандидатами человеческим голосом, другие просто приглашают их на свой сайт, чтобы они там заполнили анкету. Анкетирование, собеседование — давняя традиция кадрового дела; откажутся от этих инструментов кадровики, конечно, еще не скоро. И все же можно предположить, что в свете наблюдаемых сегодня глобальных трендов цифровизации эти инструменты обречены на вымирание.
Ибо сегодня наиболее продвинутой формой сбора данных о любом интересующем вас человеке — клиенте, заемщике, партнере, кандидате на вакансию — является не задавание вопросов ему лично, а анализ его цифрового следа. Именно на это сегодня ориентированы самые продвинутые системы анализа персональных данных в сфере финансов, страхования и интернет-маркетинга. Тут, кстати, можно предположить, что системы автоматизации кадрового дела будут развиваться через заимствование достижений, которые уже имеются в сфере финансов.
Между тем продвинутые финансовые системы сегодня уже способны собрать данные, которые просто не может дать обычное собеседование.
Мобильный оператор вместо анкеты
Чтобы получить представление, в каком направлении развиваются системы анализа персональных данных в финансовой сфере, надо посмотреть на два разных поколения систем, имеющихся в сфере страхования автомобилей, — самой продвинутой в смысле информационных технологий подотрасли страхования.
Уникальными технологиями обладает английская автостраховая компания Admiral, чья система работы сложилась в общих чертах в конце ХХ века. Ее система уникальна и предполагает сопоставление многих десятков параметров, начиная от маршрута, по которому предполагает ездить владелец автотранспортного средства, и заканчивая вероятностью землетрясения в районе, где он проживает. Учитывая все эти параметры и привлекая к делу данные страховой статистики, компания предлагает клиенту индивидуальный тариф — более низкий для осторожных водителей и более высокий для тех, у кого, как следует из анализа «больших данных», вероятность попасть в аварию выше. Система Admiral по-своему совершенна, но в ее основе лежит большая анкета, которую клиент страховой компании должен запомнить. И тут очень любопытно сравнить, в чем отличие ее и недавно появившейся российской страховой платформы Mafin, о которой «Инвест-Форсайт» тоже недавно рассказывал.
Создатели Mafin утверждают, что они пользуются продвинутой математикой, предполагающей не простые корреляции, а сложные нелинейные зависимости. Но самое главное — значительную часть информации о потенциальных клиентах российская страховая система заимствует не из анкеты (анкета по объему минимальна), а привлекает из внешних источников, включая Департамент информационных технологий Москвы и мобильных операторов. Кстати, в ближайшее время и Бюро кредитных историй может заняться сбором страховой информации.
Потенциальных источников информации постепенно будет становится все больше — это, разумеется, и соцсети, и потоки данных, постепенно возникающие в цифровой медицине, и интернет-торговля, и информационные ресурсы государственных органов. Данных, которые можно будет привлечь из внешних источников, в ближайшие годы появится столько, что анкеты станут бессмысленными — при условии, конечно, что кадровая служба обладает хорошими аналитическими инструментами и получила согласие кандидата на обработку персональных данных.
В поисках обратной связи
Впрочем, кое-чего даже в этом случае будет не хватать, а именно, обратной связи. Все обучающиеся системы искусственного интеллекта работают просто: у них есть входящие цифры и исходящие; задача системы — так оптимизировать входные параметры, чтобы максимизировать результат на выходе. Но что такое результат? Для банка это возврат кредита. Для страховой компании — отсутствие страхового случая. Для интернет-магазина — покупка. Но что это для кадровой службы? Ясно, что речь идет об успешной работе сотрудника на своем рабочем месте, но как точно оценить его успешность и где хранятся данные об этом успехе?
Именно отсутствие этих данных и является важнейший причиной отставания систем автоматизации в кадровой сфере. Хотя проект Scillaz, о котором говорилось выше, собирался решать проблему обратной связи — раз в полгода связываться с кадровиками компаний и брать у них сведения, насколько хорошо работают взятые на работу сотрудники. Принцип правильный, но ясно, что для хорошей статистики нужны десятки и сотни тысяч кейсов.
Современные системы искусственного интеллекта страдают прежде всего от отсутствия хорошо структурированных данных. Поэтому задачей кадровых служб бизнеса в ближайшие годы (и, может быть, десятилетия) неизбежно станет цифровизация карьерного пути и успехов своих сотрудников, с тем чтобы системы автоматизации смогли оценивать: как параметры кандидата — например его опыт, возраст, диплом и т.д. — связаны с его эффективностью. Сегодня кадровики интересуются этими параметрами — возрастом, дипломом опытом, но значимость, которую придают сегодня этим анкетным пунктам, — не более чем гипотеза, которую еще надо подтвердить фактами. Может быть, диплом не имеет большого значения? Может быть, значимость опыта не стоит преувеличивать? Может быть, местожительство значит больше, чем возраст? Ответить на эти вопросы может только анализ больших данных.
Разумеется, возникает политический вопрос — в какой степени сбор этих данных конституционен, и не создает ли общество очередного «Большого Брата», продвинутую систему тотальной слежки. Но, к сожалению, похоже, и общество, и общественное мнение готовы пожертвовать приватностью ради эффективности. К слову: можно предположить, что в Китае такие системы (равно как и системы анализа медицинской информации) появятся раньше, чем на Западе, именно потому что в Китае нет правовой охраны персональных данных.
