HR #digital #бренд #аналитика #маркетинг
Нина А. Осовицкая
Деловой бестселлер (Питер)
Новая книга из серии «Библиотека hh.ru» об актуальных HR-практиках в России основана на проектах победителей и номинантов конкурса «Премия HR-бренд 2017». Проекты в книге разделены по ключевым направлениям, обозначенным тегами: #digital, #бренд, #новые целевые аудитории, #экология, #масштабный старт и другими.
Аудитория книги: HR, маркетологи, специалисты по коммуникациям, руководители всех уровней.
В формате PDF A4 сохранен издательский макет книги.
Нина Осовицкая
HR #digital #бренд #аналитика #маркетинг
© ООО Издательство «Питер», 2019
© Серия «Деловой бестселлер», 2019
© Нина Осовицкая, 2019
I
Введение
Ключевые направления в HR: от трендов к практике
HR digital, яркий и масштабный тренд 2016 года, продолжил набирать обороты и в 2017–2018 годах. Самое динамичное развитие, самые инновационные проекты сегодня концентрируются в двух направлениях: рекрутинг и обучение. Автоматизация массового подбора, использование аудио- и чат-ботов в рекрутинговых коммуникациях и при первичном отборе, видеоинтервью с оценкой компетенций – от первых экспериментов с новыми инструментами рынок перешел к их активному применению в повседневной практике.
Ну а на пике ожиданий сейчас находятся рекрутинговые технологии с применением искусственного интеллекта (ИИ). «Под капотом» сайта hh.ru, например, реализуются модели и алгоритмы машинного обучения для поиска вакансий, сортировки откликов на вакансии, а также работы с базой резюме.
Подробнее об HR digital, новых возможностях и вызовах мы поговорили с Борисом Вольфсоном, директором по развитию hh.ru, и Ольгой Мец, директором по маркетингу и PR hh.ru.
Поделитесь впечатлениями от последних изменений в HR-технологиях. Возникло ли что-то принципиально новое в 2018 году, ощутим ли прогресс этого рынка в России?
Б. В.: Называть прошедший год прорывным я бы не стал. Все-таки по сравнению с США, Европой и даже некоторыми азиатскими странами, с тем количеством стартапов и уже зрелых бизнесов, которые реализуются в сфере HR Tech, мы пока отстаем.
Если выделять тренды, то одним из самых интересных являются чат-боты, пусть это даже немного перегретая и хайповая тема с точки зрения шумихи вокруг нее.
Продолжают развиваться продукты, связанные с автоматизацией, в первую очередь в рекрутинге. Все больше компаний используют ATS-системы, отказываются от решений, которые требуют установки на компьютер, в пользу облачных сервисов.
Сюда же я бы отнес внедрение систем по обработке трафика, его закупке с целью формирования рекрутинговой воронки (привлечения, отбора и дальнейшей оценки). Это делается целиком или частично силами провайдеров, в том числе hh.ru.
Следующее важное направление – аналитика, принятие решений, основанных на имеющихся данных. Здесь также отмечу наши разработки, которые позволяют анализировать, куда уходят соискатели и сотрудники, выявлять компании, выступающие потенциальными акцепторами, и принимать контрмеры.
Наконец, предлагаемое hh.ru использование искусственного интеллекта в работе с соискательской аудиторией, поиском и рекомендацией вакансий уже полноценно заявило о себе и было успешно опробовано на десятках миллионов человек.
Данная технология может определять по метрике вероятности отклика, какие вакансии наиболее подходят кандидату; соответственно, мы их поднимаем вверх с учетом поискового запроса. Это эффективнее, чем выборка и фильтрация по параметрам резюме, то есть в каком-то смысле ИИ понимает людей лучше их самих.
О. М.: Мне кажется, минувший год охарактеризован появлением большого числа стартапов, причем как в сфере классического рекрутинга (старые игроки сильно видоизменяются, появляются компании mobile-only), так и в HR в широком смысле.
Эта позитивная тенденция говорит о том, что рынок начинает созревать, предлагает больше интересных возможностей заработать на нем, а разрабатываемые технологии становятся все более понятными и практически применимыми.
Соглашусь, что со своей стороны hh.ru привносит много различных новшеств. Мы объявили о запуске собственной ATS-системы Talantix, внедрили умный поиск, отказавшись от семантического алгоритма и сделав ставку на искусственный интеллект.
А если говорить о совсем новых, передовых продуктах, которые еще находятся на стадии тестирования и доработки?
Б. В.: Для работодателей мы сейчас делаем две большие системы, первая из них – рекомендация резюме на вакансию. Суть в том, чтобы провести обратную операцию и из гигантского объема резюме (более 27 миллионов) выбирать те, которыми рекрутер заинтересуется с высокой долей вероятности. Уже можно утверждать, что подобный функционал ценен для пользователей, так как приносит дополнительные приглашения.
Вторая задумка, реализуемая «под капотом» нашего сайта, совершит революцию в сфере поиска пассивных кандидатов – не через вакансию, а по базе hh.ru. Применяется похожая модель, как в случае с рекомендацией резюме, но при этом учитываются поисковые запросы и другие параметры, чтобы поднять вверх наиболее релевантных кандидатов.
О. М.: Теперь, благодаря накопленным за многолетнюю историю компании данным, в рамках сайта можно не просто искать соответствия по словам, но и производить скоринг.
Эта база позволяет еще до непосредственного общения (неважно, по телефону, в офлайне или в чат-боте), по психотипу и другим параметрам, дать ответ, в какой степени совместимы профили кандидата и компании.
Многие стартапы утверждают, что они тоже используют ИИ, нейронные сети. Как HR-специалисту, мало разбирающемуся в этой области, предугадать, не являются ли их обещания качественного результата лишь продуманным маркетингом?
Б. В.: Это может сделать даже неспециалист, потому что ключевым является вопрос о количестве данных, которые используются для построения модели машинного обучения.
Когда провайдер оперирует тысячами или даже десятками тысяч резюме и откликов, этого явно недостаточно. Для сравнения, hh.ru использует миллионы и десятки миллионов пар, чтобы выявить наличие сигналов. В упрощенном виде, для подходящих рекомендаций следует иметь в обучающей выборке похожие вакансии и компании с откликнувшимися и далее приглашенными кандидатами. Речь идет об огромном числе вакансий, резюме и взаимодействий между ними.
Далее необходимо поинтересоваться теми подходами, которые используются в процессе разработки ИИ. Эксперты обычно уточняют наличие ключевых слов, а остальные – какая метрика является целевой для обучения моделей, то есть что они оптимизируют.
Например, по отношению к соискателям hh.ru оптимизирует вероятность отклика, а к работодателям – вероятность приглашения. Если вам не смогут ответить даже на такой простой вопрос, продолжать разговор о машинном обучении нет смысла.
Третий момент – как измеряется точность моделей. Неправильных вариантов два: полное отсутствие такой практики либо (что приходится часто слышать) «наша точность – 100 %».
В целом все-таки рекомендую привлечь знающих людей, которые помогут отделить настоящие технологии от тех, которые преподносятся в этом качестве.
О. М.: Нужно внимательно проверять, когда компания вышла на рынок (стартапы чаще всего не имеют доступа к большим массивам данных), на чем она строит машинное обучение и не стремится ли просто поймать хайповую волну. При этом бывает, что новые игроки предлагают по-настоящему интересные решения; пусть там и нет ИИ, свежий взгляд и нестандартные подходы не могут не радовать.
Технологии хороши именно тогда, когда жизнь обычного человека становится проще, и в нашем поиске все сложное спрятано «под капот». В HR не обязательно быть суперпродвинутым айтишником, глубоко разбираться в технических деталях, главное – знать, какие решения лучше выбирать и в какой момент их применять.
Есть ли предположения о том, какие инструменты и методологии появятся в HR-сфере в следующем году?
Б. В.: Пока об этом трудно говорить, но точно продлятся и углубятся тренды, связанные с оптимизацией. Очевидно, что продолжится переход от учета к производительности: вместо того чтобы вводить данные, сохранять их, получать ценность просто за счет избавления от ошибок, неточностей, потери кандидатов и т. п., некоторые этапы работы рекрутера и HR в целом автоматизируются.
Пример с чат-ботами для совершенствования процесса отбора показал, что в этом направлении тоже есть возможности для развития и создания новых инструментов. Через несколько лет конечной видится ситуация, когда целый ансамбль систем машинного обучения будет подсказывать соискателям и рекрутерам, на какие вакансии откликаться и кого брать на работу.
Вообще кейсы, связанные с автоматизацией и аналитикой, все чаще возникают в регионах, а не только в Москве и Санкт-Петербурге. В разрезе масштаба предприятий ожидается, что средний бизнес подтянется к крупному, потому что продукты становятся проще и доступнее. Не нужно платить баснословные деньги за внедрение – достаточно отдать несколько десятков тысяч рублей и сразу начать использовать облачные ATS-системы.
О. М.: Мир слишком быстро меняется, чтобы делать прогнозы, но совершенно ясно, что мы движемся в сторону максимальной автоматизации и умного скоринга. В идеале рекрутер должен подключаться к отбору уже на финальных этапах, а все, что до них, будет проходить быстро и незаметно.
Российский рынок выглядит скорее консервативным или, наоборот, открытым? HR и владельцы бизнеса готовы экспериментировать, пробовать что-то новое?
Б. В.: Барьеров немало, начиная с юридической системы, законов о персональных данных до боязни отдельных руководителей, которые не хотят размещать данные за пределами своих предприятий. И все же доверие к «облакам» неуклонно растет – это видно и в продажах, и в управлении задачами, и в HR.
Рано или поздно «все там будут», поскольку поддерживать, обновлять, следить за системой поддержки рекрутинга и взаимодействия с персоналом на собственных серверах гораздо менее эффективно.
Когда мы придем к тому, что информацию из разных систем по разным HR-процессам будут интегрировать и использовать комплексно?
Б. В.: Западные корпорации, как правило, внедряют у себя крупные системы, а компании поменьше используют несколько десятков различных продуктов, часть из которых действительно интегрируется. Так, в коммуникационной и ИТ-средах популярен корпоративный чат Slack, который умеет подключаться к сотням других облачных приложений.
Однако проблема общей интеграции данных по-прежнему остается актуальной. Предположим, у человека, отвечающего за удержание персонала, возникает гипотеза: как только сотрудник принимает решение об уходе, он начинает менее активно коммуницировать. Чтобы ее подтвердить, информацию следует собрать минимум из двух-трех систем, а на деле доходит до десятка. В ближайшие годы автоматизировать это вряд ли удастся, и ничего, кроме ручного подхода, практически не остается.
Альтернативой может стать некое хранилище, куда стекаются все данные, и уже на этой основе проводится анализ, но стандартного API или другого интерфейса еще нет. Учитывая постоянное увеличение количества систем, сложности с внедрением той же сквозной аналитики неизбежны.
Несмотря на это, некоторые все же пытаются привести данные к общему виду и строить прогнозы.
Б. В.: Нормальная ситуация, если есть соответствующие ресурсы, то есть заключается договор с подрядчиком или выделяется отдельный специалист внутри, но таковые появляются только в компаниях-новаторах, их менее 5 %.
В основном аналитику поручают сотрудникам HR-подразделений, а значит, компетенций с точки зрения извлечений данных, очистки, обработки, проверки гипотез статистическими методами у них меньше.
Также возникают ситуации, когда, прочитав умную книжку или прослушав выступление представителя крупной компании на конференции, небольшой бизнес решает последовать этому примеру. Но даже если получается соблюсти определенные формальности, перенести всю методологию и заставить ее работать крайне непросто.
Допустим, в рамках эксперимента что-то меняют в продажах, а затем просто сравнивают результаты месяца после и месяца до или сопоставляют с аналогичным периодом прошлого года. Это совсем некорректно.
Существует два полюса: массовый подбор, где нужно нанимать много и быстро, и точечный, где за квалифицированных специалистов борьба идет на мировом уровне. Какой из этих вызовов рождает больше инновационных методологий и инструментов?
О. М.: Повторюсь: чем значительнее объемы накопленных данных, тем больше возможностей автоматизировать те или иные процессы. То есть заведомое преимущество получают те, через кого проходят бо? льшие потоки кандидатов.
Например, крупные розничные сети буквально за год способны собрать достаточно информации для составления профилей успешного и неуспешного соискателей, заложить фундамент для автоматизации и умного анализа. В этом отношении самые продвинутые из них действительно находятся на пике технологий.
Что касается уникальных специалистов, в их привлечении до сих пор значительную роль играет человеческий фактор, потому что рекрутер хочет быть на 100 % уверен в соответствии опыта, профессиональных и личных качеств требованиям компании. Но и здесь, так или иначе, все будет сдвигаться к умному анализу совместимости, прогнозированию успешности.
Это если говорить о найме, а вот с работой на удержание, мотивацию, обучение таких ценных сотрудников дела уже сейчас обстоят прекрасно.
