Изучая поведение работника, компании учатся предсказывать, когда повысить ему зарплату и удержать в штате. ИИ также способен понять, почему сотрудник перестал чувствовать себя комфортно, и даже вычислить «токсичного» начальника
«В одной из компаний, где в тестовом режиме внедрили нашу систему предиктивной поведенческой аналитики сотрудников, выяснилось, что заместитель генерального директора находится на поздней стадии выгорания и собирается увольняться. Когда об этом узнало руководство, нам ответили: «Не может быть, чтобы один из ключевых людей в компании, который предан ей много лет, думал об увольнении!» – рассказывает Марта Кутузова, генеральный директор проекта Yva.ai CIS (был запущен основателем ABBYY Давидом Яном). Но прогнозы сбылись. В середине января ей позвонил руководитель компании и сообщил, что его заместитель и правда написал заявление. Поговорить, впрочем, он хотел не только об этом. После того как стало ясно, что система работает, было решено, что разворачивать ее надо не на 5–7% персонала, как планировалось, а на весь штат.
Предиктивная поведенческая аналитика – новое слово в HR: крупнейшие компании мира стараются удержать с ее помощью ценные кадры, вовремя замечая опасные перемены в ощущениях людей от работы. «Наш сервис оценивает 1092 параметра поведения. Важную роль играет, в частности, пассивная аналитика – анализ взаимодействий работников в корпоративных программах (в том числе семантический анализ переписки. – РБК). В итоге мы получаем ответ на главные вопросы о сотрудниках: «Кто в компании выгорает, планирует уволиться и почему? Какой стиль управления у руководителей и насколько он соответствует ожиданиям команды? Есть ли «токсичные» руководители? С какой команды лучше начинать цифровую трансформацию в компании?» и многие другие. Получается «МРТ-исследование» для компании», – поясняет Кутузова.
Бизнес озаботился использованием цифровых технологий в HR, и прежде всего в рекрутменте, не случайно. «В высокотехнологичных компаниях Кремниевой долины, где ощущается нехватка кадров, все делается для того, чтобы не нанимать новых, а удерживать уже работающих сотрудников, – рассказывает Марина Могилко, соосновательница платформы для бронирования языковых курсов за рубежом LinguaTrip.com (предпринимательница живет и занимается бизнесом в Сан-Франциско). – Это очень сильно влияет на рынок – сотрудники в кулуарных разговорах признаются: «Я не пойду работать в Amazon, потому что там трекают (автоматически отслеживают. – РБК) количество отработанных часов, а пойду в Google, где за два часа в неделю можно сделать свою работу и получить ту же зарплату». Борьба за кадры идет не только за счет предоставления приятных бонусов – бесплатного фитнеса, парикмахеров и спа-салонов с массажистами. Компании постепенно перестают контролировать рабочее время сотрудников, поскольку боятся, что те из-за высокой нагрузки уйдут к конкурентам, делится Могилко, и делают все, чтобы создать в офисе комфортную атмосферу.
«Работодатели снова вышли на тропу войны за таланты: и диджитал, и ИТ – это уже давно рынок кандидата, – рассказывает Анна Дундукова, директор по маркетингу и диджитал УК Givex Group (занимается девелопментом и управлением коммерческой недвижимостью). – К примеру, опытные интернет-маркетологи и SMM-менеджеры на свое резюме получают от 20 до 90 приглашений в первую же неделю. Хорошие разработчики, только что покинув предыдущую работу, уже имеют несколько «офферов» на руках». Раньше крупные российские компании в поисках талантов приходили в вузы к студентам третьих-четвертых курсов, а сейчас они выстраивают более широкую воронку, вовлекая в работу уже и второкурсников, замечает она.
Одно из самых продуктивных направлений применения ИИ в управлении кадрами связано с поиском выгоревших работников. Так, американская компания Ultimate Software Group, занимающаяся разработкой программного обеспечения для управления персоналом, создала индекс сохранности сотрудников. Это показатель, по которому на основе 50 индикаторов можно предсказать, собирается ли специалист в ближайшее время уволиться. Алгоритм особенно полезен тем компаниям, где трудно найти замену ключевым работникам. Другая компания из США, Experian, занимающаяся аналитикой в сфере кредитования, утверждает, что благодаря своим алгоритмам снизила у себя текучку кадров на 4%, сэкономив за два года $14 млн, которые ушли бы на потери, связанные с утратой ценных кадров, и расходы на переобучение новичков.
IBM для создания похожего решения использовала свой суперкомпьютер с системой ИИ Watson. Чтобы оценить настроение человека, суперкомпьютер анализирует историю его карьерного роста, продолжительность работы в компании, зарплату, служебные обязанности, расстояние от работы до дома и другие показатели. Также он подсчитывает посты во внутренней социальной сети IBM – компания исходила из предположения, что сотрудники, подумывающие об увольнении, станут пользоваться корпоративной соцсетью менее активно. «Теперь мы не только можем определить, кто собирается уволиться, за шесть-девять месяцев до того, как это произойдет, но и способны принять меры, которые позволят предотвратить увольнение, – делится Дэвид Грин, отвечающий в IBM за анализ больших данных для управления персоналом. – Такими мерами могут быть, например, внеочередное повышение зарплаты, продвижение по службе или перевод на вакантную должность в другое подразделение без повышения».
Компании обеспокоены не только потерей профессионалов. Для многих головная боль – зашкаливающая текучесть массового персонала. Специалисты российской ИТ-компании IBS, которая работает с предиктивной HR-аналитикой уже четыре года, неоднократно выявляли неожиданные для работодателей закономерности. Например, чем ближе менеджер по продажам живет от офиса, тем он в среднем более эффективен. Сотрудники, которые приходят по программе «Приведи друга», работают дольше всех прочих, но менее эффективны, чем их коллеги, пришедшие по объявлениям в Сети. Житель Крайнего Севера, приехавший на работу в Москву, скорее всего, уволится в первый же месяц, если у него нет запаса денег как минимум на четыре месяца вперед.
Возможности использования предиктивной HR-аналитики не ограничиваются поиском выгоревших работников – с ее помощью, например, можно вычислять наиболее лояльных кандидатов или предусматривать те или иные риски. В компании Johnson & Johnson анализ данных о 47 тыс. сотрудников помог понять, что наем выпускников университетов может быть выгоднее, чем людей с опытом: первые с меньшей долей вероятности уволятся из компании и с большей – получат повышение. А аналитики Shell, используя технологии big data, выяснили, какие сотрудники с большей вероятностью могут загрузить вирус или стать жертвами интернет-мошенников, пытающихся получить корпоративные логины и пароли. В результате компания может тратить ресурсы на объяснение правил безопасности в интернете только тем, кто находится в зоне риска.
С помощью изучения больших данных, касающихся поведения сотрудников, можно даже правильно спроектировать офис, повысив эффективность работы. Многие знают о бесплатной еде в Google и широком спектре развлечений, которые предоставляются сотрудникам компании, но гораздо реже упоминается о том, что список этих бонусов был составлен на основе анализа больших данных. Более того, даже расположение кафе и микрокухонь в офисе компании выбрано так, чтобы сотрудники подразделений, чьи рабочие места находятся далеко друг от друга, вовлекались в общение.
Технологии искусственного интеллекта применяются и при подборе кадров – соискатели на позиции в Google проходят тестирование на компьютере, в результате которого делается прогноз, насколько человек подходит компании. Как итог, Google добилась высоких результатов производительности труда: в среднем один специалист приносит около $1 млн дохода и $200 тыс. прибыли каждый год.
По мере того как ведущие борьбу за таланты работодатели все сильнее вкладываются в современные HR-технологии, возникает новая, пока неофициальная, сфера консультирования соискателей: они обращаются за советом, как правильно составить резюме, которое будет читать робот, или как пройти автоматизированное видеоинтервью. Дундукова вспоминает случаи, когда ей приходилось консультировать выпускников вузов, претендующих на позиции в российском представительстве компании Unilever. Один из крупнейших производителей товаров повседневного спроса известен тем, что активно использует ИИ в подборе персонала. Сначала кандидатов, чьи резюме показались интересными кадровикам компании, отправляют на платформу Pymetrics, где они около 20 минут играют в специальные игры. Далее, если результаты соответствуют требованиям той или иной позиции, человек переходит к интервью через программу HireVue. Технология анализирует ключевые слова, которые использует соискатель, его интонацию, мимику и делает заметки для менеджера по найму.
Дундукова, посещавшая лекции директора лаборатории цифрового профайлинга «Сколково» Алексея Филатова, усвоила немало лайфхаков, позволяющих успешно пройти интервью с роботом. «Один из студентов, который хотел устроиться стажером в департамент маркетинга Unilever, пришел ко мне за консультацией, так как провалил видеоинтервью, – рассказывает Дундукова. – Молодой человек решил, что, если собеседование проводит не рекрутер, а искусственный интеллект, на какие-то вопросы можно не отвечать. И в целом к процедуре отнесся крайне легкомысленно – зевал, смотрел в потолок, раскачивался на стуле». Консультанту пришлось дать строгие наставления. «Я всем напоминаю, что ИИ умеет сравнивать и накапливать много данных, и, чтобы убедить его в том, что ты желаешь получить работу именно в этой компании, нужно быть предельно понятным и честным – отвечать на вопросы уверенным голосом, с полуулыбкой, без скепсиса, а если возникает замешательство, не скрывать это, вести себя естественно», – поясняет Дундукова. Усвоив урок, кандидат попробовал пройти собеседование второй раз и сделал это успешно: после видеоинтервью его пригласили на второй этап собеседования, уже с менеджером департамента.
«Сотрудники кадровых служб российских компаний любят посещать конференции и обсуждать проблему цифровой трансформации бизнеса, но на практике мало кто внедряет в свою работу современные технологии», – делится Дундукова. Менее 3% HR-специалистов в России используют предиктивную аналитику и искусственный интеллект; всего 4–6% применяют и в обработке запросов от кандидатов чат-боты. Такие цифры приводятся в исследовании, проведенном SAP и Deloitte в прошлом году. В нем приняли участие около 500 человек из 434 компаний в 14 отраслях. Самыми прогрессивными оказались представители банковской и финансовой сферы, металлургии и горной добычи, ИТ и телекома. Они находятся на пути от фрагментарной автоматизации HR-процессов к ее зрелой стадии. За ними следуют розница, фармацевтика, производство и продажа товаров повседневного спроса (FMCG), медиа и электронная коммерция, где HR-процессы либо хорошо выстроены и автоматизированы (например, в FMCG), либо часто применяются новые технологические инструменты (медиа и e-commerce). В третьей группе расположились транспортно-логистические, производственные и нефтегазовые компании.
В прошлом году автоматизированную оценку соискателей при найме консультантов в отделения начал проводить Сбербанк. С помощью искусственного интеллекта банк присваивает скоринг-балл соискателю и вычисляет, как скоро тот решит уволиться. ИИ позволил сделать множество нетривиальных выводов. «Если предыдущий опыт больше был связан со стоячей работой, например официант, то ниже вероятность увольнения. Если же в маникюрном салоне человек работал, то ему сложнее адаптироваться к работе в отделении в качестве консультанта и он чаще увольняется», – пояснил, выступая на конференции Scoring Day, управляющий директор Центра развития компетенций по исследованию данных Сбербанка Андрей Черток.
Компания IBS, проведя опрос российских HR-специалистов, выяснила, что многие из них хотят работать с предиктивной аналитикой, но им представляется сложным процесс ее внедрения, начиная с того, как обосновать перед начальством необходимый бюджет. «Нужны сильные специалисты по HR-аналитике, которые бы знали, как правильно пройти первый пилотный кейс, а их в штате компаний часто нет», – констатирует Артем Николаев, руководитель отдела «управление HR-данными» в IBS.
Опасения, что расходы окажутся чрезмерно высокими, необоснованны, утверждает эксперт. Если, например, взять маркетинговую аналитику или банковскую, с помощью которой можно принимать решения о кредитовании, то в этом случае на построение предиктивной модели могут уйти сотни миллионов рублей. Прежде всего это связано с покупкой внешних данных, так как идет борьба за точность прогноза до сотых долей (в HR чаще – до десятых).
В управлении кадрами все гораздо проще – здесь работают с данными, которые компания может собрать своими силами. Поэтому, если подходить пошагово, брать небольшие, локальные задачи типа аналитики факторов увольнения или обработки eNPS (опрос, позволяющий установить, насколько сотрудники готовы рекомендовать своего работодателя друзьям и знакомым), можно делать проекты от 5 млн руб. годового бюджета (столько будет стоить работа у внешнего подрядчика). Можно, конечно, делать большие проекты, нанять команду дорогих специалистов по машинному обучению, но это увеличит годовой бюджет до 15–20 млн руб., утверждает Артем Николаев. Все это дает надежду, что системы предиктивной аналитики вскоре перестанут быть экзотикой в российских компаниях.