ИИ спасет от дефицита кадров — но не так, как вы думаете

Кажется, что в российском контексте вторая главная тема в HR — дефицит кадров и связанные с ним проблемы, от удержания до роста зарплат. Про эту тему хочется отметить, что по всем признакам её популярность отражает не медийный тренд, а реальные сложности большинства бизнесов в России. Не верится, что она уйдёт быстро, как меняется мода. В пользу этого говорят объективные данные — негативный демографический тренд, рекордная безработица, сокращение выхода выпускников на рынок труда. Здесь мы надолго.

В этом совпадении больших тем, мне кажется, кроется надежда. Наступление эры ИИ обещает нам избавление от рутинного интеллектуального труда и операционной работы. Российский рынок труда, с другой стороны, требует резкого роста такого труда в подборе. Как пример, если среди откликнувшихся на вакансию кандидатов в среднем подходят 3 из 10, а нужно закрыть 6 вакансий, то рекрутеру нужно провести через всю воронку 20 человек. Если эти кандидаты «холодные» и вакансию нужно им сначала предложить и даже продать, подходящих будет уже 1 из 10 (а то и меньше), значит для тех же 6 закрытых вакансий нужно провести через всю воронку уже 60 человек. Результат тот же, усилий затрачено в 3 раза больше. Но среди специалистов по подбору такой же дефицит, и обеспечить такой рост трудозатрат некем — если не обеспечивать его ИИ, а не людьми.

В исследовании будущего индустрии подбора (с говорящим названием The Future of Recruiting) от LinkedIn внедрение ИИ в подбор — одна из главных тем. Глобальные данные показывают, что специалисты в сфере подбора оптимистичны — 62% считают, что внедрение генеративного ИИ сделает их работу лучше и проще. Сейчас им пользуются, правда, всего 27% опрошенных, и в первую очередь как раз для автоматизации рутины. Вот топ-5 направлений для использования ИИ в подборе по данным этого исследования:

• Писать профиль должности проще / быстрее
• Автоматизировать рутинные задачи, чтобы заниматься содержательной работой
• Устранить ежедневные примитивные задачи
• Повысить общую продуктивность
• Взаимодействовать с кандидатами проще / быстрее

В этом списке интересны 2 вещи. С одной стороны, он прямо говорит о надежде рекрутеров, что ИИ снимет с них операционные задачи. С другой стороны, в нём только 1 конкретный пункт — написание профилей должностей; остальное отражает надежды больше, чем действия. Я бы сравнил это с ожиданиями человека, которому обещают личного ассистента или команду стажёров. И кажется, что польза от ИИ видится именно в этом. Это как интерн, но существенно дешевле и проще, и на него можно перевесить ровно ту же работу, которую выполняют люди сейчас.

Такой подход может быть решением для наших проблем с дефицитом кадров, но меня не оставляет ощущение, что он фокусируется на самом простом, что может предложить искусственный интеллект. Хочется привести тут аналогию с керосином. В середине XIX века люди узнали, что, если перегнать нефть и поджечь, она будет гореть ярко и почти без дыма. Его стали применять как топливо для осветительных приборов, а вот что на керосине можно летать узнали только почти 100 лет спустя.

Кажется, что технологии ИИ могут не только упрощать форматы работы, спроектированные под выполнение людьми, но и предлагать принципиально новые процессы. Я бы сказал, что такие процессы нужно проектировать по 3 направлениям:

• Активация кандидатов. Традиционный рекрутмент рассчитан в большей степени на работу с кандидатами в поиске работы. Но людей, которые могли бы сменить работу, но пока не делают этого активно, существенно больше. Можно предположить, что их можно выявлять и таргетировать для предложения новых карьерных возможностей. Для этого потребуется и быстрая перенастройка рекламных кампании для всё время обновляемого портрета целевой аудитории, и способность формулировать интересное для кандидата предложение персонально. Обе задачи ИИ может решать уже сейчас.
• Непредвзятая оценка. Люди опираются в своих действиях на убеждения, опыт и предпочтения. Это необязательно плохо, но может заставлять рекрутера смотреть мимо потенциальных кандидатов, если они отличаются от типичных. Сейчас это критично, ведь умение работать с нетрадиционными источникам — например, людьми без опыта в индустрии или возрастными кандидатами, — может спасти компанию от кадрового голода. Правильно обученный ИИ ориентируется только на то, что значимо для успеха в будущей должности; такая оценка фильтрует подходящих кандидатов, но и расширяет исходный поток за счёт большего разнообразия кандидатов.
• Моментальный контакт. Для опыта кандидатов критична скорость получения информации и обратной связи, она повышает для них ощущение определённости. ИИ позволяет масштабировать общение с кандидатами и, главное, уделять каждому кандидату ровно то внимание, которое ему нужно. У такого применения пока есть репутационные риски, если технически талантливый кандидат решит заставить машину давать ответы на проблемные вопросы, но кажется, что существующие модели смогут преодолеть их достаточно быстро.

Мы уже используем ИИ для построения таких процессов. Например, оцениваем soft skills с помощью опросника на основе ИИ — он непредвзят и сравнивает уровень развития софтов с широким бенчмарком, показывая честную ОС.

А уже на следующей неделе расскажем детально про использование ИИ в подборе и поделимся кейсом, где с помощью непредвзятой оценки на основе ИИ мы научились распределять поток кандидатов по оптимальным для них вакансиям.