Екатерина Бочкарева

Кто нанимает лучше: программа или человек?

Кажется, что рекрутинг никогда не постигнет участь автоматизации. Весь процесс требует человеческих качеств, которых лишён компьютер. Как машина, например, сможет считать поведенческие коды и завести разговор? Rusbase публикует перевод статьи New York Times о современных способах найма с помощью программ и алгоритмов, которые оценивают профессионализм более беспристрастно.


Люди пристрастны. Часто они принимают решения о найме сотрудника бессознательно, основываясь на человеческом сходстве, которое не имеет ничего общего с требованиями к той или иной должности. Например, если у кандидата и эйчара был общий приятель или они ходили в одну и ту же школу или отдают предпочтение одинаковым видам спорта. Именно по этой причине исследователи считают, что традиционные способы поиска работы не эффективны. Вопрос заключается в том, как эти методы улучшить.

Новая волна стартапов, включая Gild, Entelo, Textio, Doxa, GapJumpers, предлагают новые способы автоматизации процесса найма. По их заверению, программа справляется с задачей гораздо эффективнее человека. Многие люди купились на эту идею. Признанные кадровые фирмы вроде Korn Ferry уже встраивают подобные алгоритмы в свою работу.

Они говорят, что если всё получится, то найм сотрудников станет быстрее и дешевле, а данные позволят рекрутерам нанимать более опытных профессионалов, которые лучше подходят их компаниям. Другой вероятный плюс: разнообразие рабочей среды. Программное обеспечение полагается на информацию, на основе которой выдаёт кандидатов из самых разных мест, а затем соотносит их навыки с рабочими требованиями, безо всяких человеческих предубеждений.

«У любой компании свой способ отбора. Кто-то ищет сотрудников в учебных заведениях, кто-то в других компаниях или просто по резюме, — говорит Шиирой Десэ, сооснователь и исполнительный директор Gild, компании по созданию ПО для полноценного процесса найма. — Вполне предсказуемо, но так и есть: проблема кроется в человеческих пристрастиях. Тонны и тонны квалифицированных людей не проходят отбор как раз из-за этого».

no

Некоторые люди сомневаются в том, что алгоритм сможет делать работу лучше — в плане понимания людей. «Я ищу увлечённых и шустрых сотрудников, но никакой информационный алгоритм мне таких не предоставит, — говорит Амиш Шан, основатель и исполнительный директор Millennium Search, поисковой площадки в техиндустрии. — Дело в интуиции, в шестом чувстве, в притяжении между людьми». Он сравнивает этот процесс со встречей со свой женой.

Учёные высказывают гипотезы о том, что «химия» и cultural fit (соответствие кандидата вашей корпоративной культуре) уводит компании в сторону. Всё это потому, что большинство опрашивающих нанимают тех, с кем бы хотелось тусоваться.

«Сходство кадровика и кандидата — они из одного региона, ходили в одну школу, носили одинаковые футболки, заказывали один и тот же чай — оказывает огромное влияние на выбор, несмотря на то, что вы не знаете, как претендент будет работать в дальнейшем», — говорит Кейд Массей, изучающий поведение и оценочное мышление людей в Уортонской школе бизнеса при Пенсильванском университете.

Вместо этого, по словам учёных, кадровики должны смотреть на то, как человек будет вести себя в коллективе и насколько будет придерживаться стратегии вашего бизнеса и ценностей компании. «Cultural fit подразумевает, что кандидат обладает теми ценностями и стилем работы, которые согласуются со стратегией вашего бизнеса, — говорит Лорен Ривера, которая изучает искусство найма в школе менеджмента имени Келлога при Северо-Западном университете США. — Полагаясь на демографические характеристики, ты не только уходишь далеко от сути, но и движешься в сторону дискриминации».

Учёные рекомендуют компаниям организовывать собеседования в соответствии со строгим планом. Менеджеры по персоналу должны задавать каждому кандидату одни и те же вопросы и давать задания, которые были бы схожи с их будущими обязанностями, а также полагаться на данные.


По теме: Мир big data в терминах


Gild, например, для сбора данных о сотрудниках использует публично доступную информацию с LinkedIn и GitHub, чтобы подобрать компаниям специалистов с наиболее подходящими навыками. Приложение пытается рассчитать вероятность того, насколько люди будут заинтересованы в работе, и предлагает подходящее время для связи с ними, полагаясь на развитие их карьеры.

Десаи говорит, что контингент, который находит Gild, более разнообразен. Для техиндустрии приложение отображает более взрослых кандидатов или разработчиков-женщин, а также людей с самым различным образованием и социальным и экономическим багажом. «Если в вашей компании только молодые белые мужчины-инженеры, то с кем им захочется работать? — продолжает Десаи. — С молодыми белыми мужчинами-инженерами».

Более 80% техслужащих в большинстве технических компаний составляют мужчины. Из них менее 5% — это чернокожие или латиноамериканцы.

Один из разработчиков дважды подавал резюме в IT-компанию Rackspace. Безуспешно. Как ветеран армии, который работал радистом, без высшего образования или профессионального опыта в сфере программирования он не вписывался в шаблон идеального сотрудника Rackspace. В то время как программа Gild нашла ему работу по тем запросам, которые он туда вбил, и в итоге его взяли.

IT-индустрия находится в фокусе стартапов, которые специализируются на найме. Отчасти потому, что она предлагает больше вакансий, которые нужно закрывать. К тому же такие компании находятся под давлением общества, которое постоянно им вменяет в вину дискриминацию и отсутствие диверсификации среди рабочей силы. В Твиттере, например, около 10% технических служащих — женщины, а в Facebook и Yahoo их приблизительно 15%. Некоторые женщины и другие слабо представленные в индустрии категории сотрудников описывают недружелюбную культуру и в ответ на критику IT-компании начинают публиковать информацию о разнообразии их персонала, обещая меняться в будущем.

Некоторые программы звучат настолько трогательно, словно самый чуткий и отзывчивый директор по персоналу. Новый сервис Doxa планирует подбирать кандидатов, а также специальные команды, основываясь на навыках, ценностях и сочетаемости. Например, на том, предпочитают ли участники команды работать в одиночку или сообща и насколько серьёзно в компании воспринимают мнение женщин. «В процессе найма сотрудника из-за человеческого фактора возникает столько ограничений. И приём на работу "человека человеком" не работает во многом потому, что люди чувствуют себя несчастными на своей работе», — говорит Натали Миллер, исполнительный директор и сооснователь Doxa.

На сегодняшний день Doxa обнаружила такие аспекты работы в компании, которые были неизвестны соискателям. Анононимные опросники собирали информацию о том, когда сотрудники приходят или уходят с/на работу, сколько времени тратят на встречи в течение недели, какой процент приходится на рабочие ночи и выходные, в каких отделах и насколько сильно варьируется разница в оплате труда женщин и мужчин.

Другой сервис, Textio, использует самообучение и ведёт языковую статистику, анализируя посты для поиска сотрудников таких компаний, как Starbucks, Barclays. Textio обнаружил более 25000 фраз, в которых кроются гендерные предпочтения, — говорит Киран Снайдер, сооснователь и исполнительный директор сервиса. Такие запросы, как «ведущий», «пробивной», «критически важный» снижали процент женщин, желающих подать заявки на должность. Фразы «партнёрство», «желание обучаться» привлекали большее количество женщин.

Каким же образом алгоритмы найма будут определять, подходит ли человек или нет?

Данные — это только один из инструментов для рекрутеров. Человеческая экспертиза по-прежнему необходима. Однако эти данные создают необходимость в новых ролях — например, в консультанте по разнообразию, который анализирует, где информация отражает недостатки компании и определяет, как их восполнить.

Люди также должны убедиться в том, что алгоритмы не просто кодируют глубоко засевшие предубеждения, предоставляя претендентов с определёнными признаками, создавая рабочие места, настолько же однотипные, какими они были прежде. «Одной из опасностей такого рода алгоритмов, — говорит Ривера, — является то, что люди стали слишком доверчивыми, поскольку всё время полагаются на информацию в Сети».

Клер Кэн Миллер, корреспондент The Upshot, New York Times.


По теме: Страх автоматизации


comments powered by Disqus

Подпишитесь на рассылку RUSBASE

Мы будем вам писать только тогда, когда это действительно очень важно