Искусственный интеллект в HR: какие задачи можно решать с его помощью

​​Поиск информации в интернете

По мнению доктора физико-математических наук, профессора МФТИ, специалиста в области машинного обучения Константина Воронцова, интеллектуальный анализ данных в целом основывается на подходах и методах машинного обучения. ML занимается построением математических моделей для обобщения информации, а анализ данных как прикладная дисциплина позволяет решать конкретные практические задачи. Модели помогают исследовать и обрабатывать гигантские потоки информации, выявлять закономерности.

Применение искусственного интеллекта в работе HR до сих воспринимается неоднозначно. Одни видят в этом угрозу для рекрутеров и HR-специалистов, другие — возможности работать более эффективно. В этой статье Язиля Насибуллина, основатель кадрового IT-агентства и академии IT-рекрутинга Tech‑recruiter, объясняет, нужно ли бояться развития ИИ и какие задачи мы можем делегировать искусственному интеллекту уже сейчас.

В медицине machine learning помогает анализировать данные различных исследований состояния здоровья пациента. Умные системы на базе ML могут по рентгеновскому снимку выявлять патологии или предсказывать вероятность наличия какого-либо заболевания по совокупности результатов анализов.

«Действуй как рекрутер. Проанализируй запись брифинга, которую я пришлю в следующем сообщении, и составь описание вакансии ‹должность, локация и другой контекст›. При составлении описания руководствуйся следующими правилами: ‹описание tone of voice и других правил›».

Машинное обучение активно используется во многих отраслях экономики. Например, в бизнесе широко применяются модели для предсказания поведения клиентов, создания рекомендательных систем, кластеризации аудитории для настройки показов рекламы (объединение людей в группы по схожим интересам, возрасту или социальному положению). Например, такой метод, как анализ временных рядов, необходим для глубокого понимания происходящих бизнес-процессов, в частности, динамики закупок и продаж товаров, посещаемости сайта и охвата пользователей.

Machine learning в перспективе освободит человека от выполнения рутинных операций и сделает его труд более эффективным. Благодаря этому жизнь станет легче, а компьютеры – ещё умнее. Несмотря на большие успехи в области искусственного интеллекта, современное машинное обучение и другие подходы пока не могут заменить человеческий интеллект. Модели занимаются статистическим обобщением свойств объектов, но помимо общих характеристик также существуют особенности, которые можно определить только методом «ручного» анализа. На данный момент это единственная возможность выявлять единичные (уникальные) признаки, распознавать сложные объекты и новые явления во всей их полноте.

Машина ищет оптимальные действия для выполнения поставленной задачи в различных условиях. Например, модель космического корабля совершает посадку. На основании информации о меняющемся окружении необходимо адаптировать способ действия. Оптимизированные шаги и есть результат обучения.

Для мониторинга рынка труда: «Основываясь на зарплатах в компаниях из этого СПИСКА и высланного ранее описания вакансии, составь список возможных зарплатных предложений на рынке России для ПРОФИЛЬ СПЕЦИАЛИСТА. Приведи эту информацию в формат таблицы. Добавь источники, которые ты использовал в формировании зарплатных ожиданий».

Автоматизация HR-задач и рекрутинг

Машинное обучение широко применяется в рамках работы Центра изучения и сетевого мониторинга молодёжи. Цифровое пространство – непрерывно обновляемая среда, которая ежесекундно пополняется полезным, нейтральным и деструктивным контентом. В целях мониторинга и анализа негативных явлений в Интернете специалисты Центра разрабатывают или адаптируют существующие модели машинного обучения. ML значительно упрощает поиск потенциально опасной для пользователей информации среди большого объёма сетевых данных.

При обработке массивов информации нет описания или меток объектов, алгоритм должен самостоятельно выявлять закономерности, взаимосвязи и зависимости в данных. Обучение без учителя применяется для поиска похожих текстов, изображений и документов, визуализации и выявления аномалий.

ML также позволяет обеспечивать безопасность в реальном мире и цифровом пространстве. Например, машинное обучение помогает автоматически вычислять мошеннические транзакции среди многочисленных банковских операций, контролировать заданный периметр и использовать системы биометрического распознавания.

Для работы над матрицей компетенций: «Ты менеджер по обучению с опытом работы 10+ лет. Составь матрицу компетенций для НАЗВАНИЕ РОЛИ. Сначала придумай не менее 5 компетенций. Затем придумай шкалу оценки. После этого составь таблицу и опиши индикаторы на каждом делении».

Возможность делегировать часть работы ИИ в HR-функции зависит от типа задач. Например, при составлении HR-стратегий, разработке систем мотивации и организации корпоративного обучения потенциал внедрения ИИ достигает 25%, в управлении HR-процессами — до 50%, а для задач, связанных с удержанием персонала, — всего 10%.

Для подготовки к интервью: «Ты рекрутер с опытом работы 10+ лет. Напиши 5 вопросов для собеседования, которые проверяют навык НАЗВАНИЕ НАВЫКА. На каждый вопрос напиши, какой ответ дал бы высококвалифицированный кандидат, а какой — кандидат с низкой квалификацией».

Согласно исследованию BCG 2023 года, использование искусственного интеллекта в HR помогает повысить производительность на 30%. Это достигается за счет передачи AI рутины, например создание таблиц, расшифровку созвонов, поиск информации. Человек в это время может фокусироваться на творческих задачах, а еще — выступать в роли исследователя, который с помощью технологий создает принципиально новые решения.

Вы наверняка неоднократно слышали дискуссии о том, что развитие искусственного интеллекта оставит без работы десятки тысяч людей. Доля правды в этом, безусловно, есть, но тревогу бить рано. И вот почему: искусственный интеллект не может заменить человека полностью.