Тюринг, ИИ и современный рекрутинг: как это все связано?

Профессия рекрутера связана с большим количеством коммуникаций и рутины.  Возможно, самое время «пригласить на собеседование» искусственный интеллект (ИИ). Но чтобы ожидания не были завышенными, надо слушать не только маркетологов, но и… математиков и айтишников. Это поможет самостоятельно спрогнозировать результат от «сотрудничества» с ИИ в рекрутменте.

Итак, может ли машина думать как человек? Уже после Второй мировой войны криптограф и информатик Алан Тюринг предложил тест для определения способности машины демонстрировать интеллект и поведение, которое невозможно было бы отличить от человеческих.

Позднее появилась Элиза– виртуальный собеседник, разработанный ученым Джозефом Вейценбаумом. Она наследовала поведение психотерапевта, заставляя людей больше говорить о себе, а потом задавала уточняющие вопросы. Даже больше: этот первый «чат-бот» в разговоре с людьми смог лучше убедить их в том, что он – человек, чем чат-бот GPT-3.5 2022-го. 

Другие чат-боты не смогли “по-честному” пройти тест, ведь их выдавала неспособность найти и переключиться на новую тему, а также отсутствие личностных качеств.

«Восстание машин» пока что отменяется 

После теста Тюринга эксперты пытались проверить машины на наличие творческих способностей, визуального восприятия и даже на чувство юмора. Проблема, с которой сталкивались все причастные к ИИ, заключалась в том, что машины не способны охватить интеллект со всех сторон. Они могли выполнять одну конкретную задачу. 

В большинстве случаев такая ситуация сохраняется и ныне, поэтому важно отличать направления ИИ. Среди них:

Экспертные системы. Они появились еще в 60-х годах и действуют по принципу  “загрузи данные – получи результат”, что частично заменяет эксперта в достаточно конкретных сферах (медицинской, юридической, финансовой). Главная проблема – им нужна тщательно создана база данных. А узкоспециализированных экспертов, которые могли бы посвятить этому много времени, было чрезвычайно мало.  К тому же они не всегда заносили и общеизвестную информацию, что приводило к ошибкам. 

Machine Learning – тоже имеет разные проявления. Например:

• Computer Vision – компьютерное зрение, анализ изображений и поиск совпадений или конкретных объектов. Используется в камерах видеонаблюдения, для распознавания номеров на транспорте, face ID в телефонах,  самоуправляемых  авто. 
• Natural language processing – распознавание языка (речи) “на слух”, машинный перевод, классификация текстов на тематические категории. Используется в голосовых помощниках Siri, Аліса, Google Assistant.
• Predictive analytics – построение прогнозов на основе имеющихся данных, помощь в бизнес-планировании. Например, Walmart давно использует систему, которая получает информацию от кассовых терминалов и делает прогноз, на какие товары будет спрос, а на какие – нет.

Нейронные сети. Machine Learning невозможно рассматривать вне контекста нейронных сетей. Нейронная сеть может принимать и «реагировать» на определенную информацию или действие. Например, мы показываем ей фото щенка, и она говорит нам, щенок ли это, опираясь на определенные данные, собранные с помощью машинного обучения.

Может казаться, что возможности нейронной сети и Machine Learning безграничны. Загрузим в них фото всех человеческих эмоций и будем знать, кто обманывает, а кто нет. Или внедрим систему видеособеседований, которая будет оценивать кандидатов, сравнивать и выбирать похожих на наилучших. Но… нейронная сеть выдаст среднее значение проанализированного. У нее нет интуиции или человечности, чтобы додумывать особенные смыслы. Поэтому всегда есть риск ошибочного вывода. 

Например, в свое время поднялся шум вокруг системы для рекрутинга Amazon, которая отбирала на вакансии мужчин чаще, чем женщин. Поэтому говорить о том, что любое направление ИИ может заменить рекрутера – ошибочно. А вот облегчить, оптимизировать и ускорить его работу, особенно ее рутинную часть – вполне возможно. 

Как элементы ИИ могут усилить рекрутера

Среди задач, в которых ИИ может помочь, особенно выделяется сорсинг, работа с кандидатами на начальном этапе. Также это рутинные операции, которые часто повторяются и выполняются вручную. Например, написание текстов вакансий и работа с креативами. За этим рекрутеры  обращаются к тому же виртуальному помощнику с генеративным ИИ – ChatGPT. Он может справиться и с подготовкой вопросов для интервью и скринингов, помочь с моделированием технических собеседований, созданием и оценкой тестовых заданий, чек-листами для проверки скиллов и т.п.          

В свою очередь, автоматизированный софт для рекрутинга со встроенными элементами ИИ может выполнять более стратегические задачи. Это может быть анализ рынка труда, подбор кандидатов по заданным критериям, повышение скорости поиска, обработка большого объема данных (особенно при массовом найме), оптимизация отбора, автоматизированный скрининг и резюме кандидатов и т.п.  

С помощью ИИ рекрутер лучше коммуницирует с большим количеством кандидатов, а также имеет потенциал получать хорошие рекомендации до собеседования по найму, оценку соответствия кандидатов к вакансиям. Поэтому в итоге видим такой потенциал:

• Ускоряется найм и снижаются расходы на подбор персонала
• Повышается качество подбора путем учета новых важных факторов для большого количества кандидатов
• Объективная оценка кандидатов на основе четких критериев (без предвзятости и влияния человеческого фактора)
• Автоматизация рутинных задач – для сосредоточения  на более стратегических.

ИИ в рекрутинге: успешные кейсы

С появлением инструментов на базе ИИ классический рекрутинг не просто изменился, а трансформировался в новый адаптационный и современный формат. Рекрутеры и рекрутинговые агентства используют ИИ-помощников не только для поиска кандидатов, но и для форматирования CV, роадмапинга и трекинга всего процесса. 

Hilton. Среди первых успешных проектов использования ИИ в рекрутинге – сеть отелей Hilton, которая уже давно разработала чат-бот, способный отвечать на вопросы кандидатов, назначать собеседования и предоставлять персонализированную обратную связь. Также Hilton использует ИИ для анализа данных о кандидатах и прогнозирует их соответствие должности. Благодаря этому компания сократила время на найм в несколько раз.  

Amazon. После скандала относительно гендерной предвзятости в подборе персонала Amazon заверяет, что новые модели ИИ в их рекрутинге защищены от подобных недостатков, и уже работает новая автоматизированная система оценки кандидатов. Она изучает резюме кандидатов, сравнивая их достижения и бекграунд с профилями сотрудников Amazon на похожих должностях, и выдает свои рекомендации.

Delta Air Lines. Американская авиакомпания Delta Air Lines тоже активно применяет ИИ – для усовершенствования опыта кандидатов и упрощения найма. Компания разработала чат-бот, который способен отвечать на запросы претендентов и предоставлять индивидуальный отзыв. Кроме этого, Delta Air Lines применяет технологию ИИ для выявления возможных пробелов в навыках сотрудников, а также для максимально персонализированного обучения и развития.

Вместо выводов 

Использование элементов ИИ в рекрутинге открывает множество возможностей для ускорения и облегчения рутинных заданий, улучшения объективности и качества отбора, а также снижение расходов на найм. Также существенным преимуществом является возможность применения ИИ на разных этапах – от описания вакансии до онбординга. Это помогает рекрутерам сосредоточиться на принятии обоснованных решений, более конструктивной коммуникации и стратегических заданиях. Однако важно сохранять баланс между автоматизацией и ощущениями человека, и тогда результативность рекрутинга, усиленного элементами ИИ, будет вполне достижимой и прогнозируемой.