Костюк А. Подход к найму на основе навыков в инструментах ИИ-рекрутинга // Science Time. 2022. № 1(97). С. 41-48.

Статья: Костюк А. 2022-01.pdf

Полный выпуск: Science Time. Выпуск № 1 (2022).pdf

ПОДХОД К НАЙМУ НА ОСНОВЕ НАВЫКОВ

В ИНСТРУМЕНТАХ ИИ-РЕКРУТИНГА

Костюк Анастасия,

Global Talent Acquisition Manager,

 Star, г. Киев, Украина

E-mail: anasko.nk@gmail.com

Аннотация. В статье рассматривается использование искусственного интеллекта (ИИ) в процессе найма персонала с акцентом на подход, основанный на навыках. Анализируются теоретические основы ИИ-рекрутинга, его преимущества по сравнению с традиционными методами, а также возникающие этические и социальные аспекты. Проведено сравнение эффективности ИИ-подхода и традиционных методов рекрутинга с учетом точности, скорости обработки данных, объективности и инклюзивности. Рассматриваются вызовы, связанные с алгоритмической предвзятостью, конфиденциальностью данных и прозрачностью алгоритмов.

Ключевые слова: ИИ-рекрутинг, алгоритмы машинного обучения, подбор персонала, автоматизация рекрутинга, алгоритмическая предвзятость, инклюзивность, объективность, цифровая трансформация, прозрачность ИИ.

Актуальность исследования

В последние десятилетия технологии искусственного интеллекта (ИИ) стремительно развиваются, находя все более широкое применение в различных областях, включая сферу рекрутинга. Традиционные методы подбора кадров, ориентированные на дипломы и стаж работы, нередко оказываются ограниченными в определении реальных профессиональных компетенций кандидатов. В условиях быстро меняющегося рынка труда и роста значимости гибких навыков, таких как креативность, коммуникабельность и способность к обучению, возникает потребность в новых подходах к найму.

Одним из таких подходов является использование инструментов ИИ для оценки и подбора кандидатов на основе их реальных навыков и компетенций. ИИ-инструменты способны более точно и объективно выявлять ключевые способности кандидатов, а также оперативно анализировать большие объемы данных. Однако несмотря на очевидные преимущества, применение ИИ в рекрутинге вызывает вопросы о правомерности использования алгоритмов, о возможных этических и социальных последствиях, а также о целесообразности замены традиционных методов новыми технологиями.

Таким образом, актуальность исследования заключается в необходимости оценки эффективности и потенциала инструментов ИИ в процессе подбора персонала, а также в выявлении их влияния на качество рекрутинга, объективность принятия решений и возможности преодоления недостатков традиционных методов.

Цель исследования

Целью данного исследования является оценка эффективности применения инструментов ИИ в процессе найма на основе навыков, а также выявление преимуществ и ограничений данного подхода.

Материалы и методы исследования

Исследование основано на анализе современных научных публикаций, отчетов международных организаций, а также статистических данных о применении ИИ в сфере рекрутинга.

Методы исследования включают: контент-анализ, сравнительный анализ, статистический анализ.

Результаты исследования

Инструменты искусственного интеллекта становятся неотъемлемой частью современных процессов рекрутинга, предоставляя работодателям возможность повысить эффективность, объективность и скорость подбора кандидатов. ИИ в рекрутинге может быть описан как использование алгоритмов и систем для автоматизации и улучшения различных этапов подбора персонала, таких как анализ резюме, оценка компетенций кандидатов, а также проведение интервью и тестирований [3, с. 57].

Основные области применения ИИ в рекрутинге включают:

1. Анализ резюме. ИИ-инструменты с использованием алгоритмов машинного обучения и NLP могут анализировать резюме и автоматически выделять ключевые данные (опыт работы, навыки, образование), сопоставляя их с требованиями вакансии. Эти инструменты способны учитывать не только стандартные данные, но и более сложные аспекты, такие как контекст навыков и их актуальность для конкретной позиции [1, с. 51].

2. Видеоинтервью с анализом данных. Алгоритмы ИИ могут использоваться для анализа видеоинтервью с кандидатами, включая распознавание лиц, анализа выражений лиц, интонации речи и других поведенческих аспектов. Это позволяет оценить не только профессиональные навыки кандидатов, но и их личностные качества, такие как уверенность, стрессоустойчивость и коммуникативные способности.

3. Анализ данных и прогнозирование. ИИ-системы могут обрабатывать большие объемы данных о кандидатах, работодателях и рынке труда, выявляя скрытые закономерности и тренды. Эти данные могут использоваться для прогнозирования того, какие кандидаты будут наиболее успешными на конкретных позициях.

В таблице 1 представлены основные технологии ИИ, используемые в рекрутинге.

Таблица 1

Основные технологии ИИ, используемые в рекрутинге

Подход, ориентированный на навыки, имеет несколько ключевых преимуществ, которые делают его более эффективным по сравнению с традиционными методами оценки кандидатов.

Одним из самых заметных преимуществ является повышение объективности процесса найма. В традиционных системах подбора персонала важным фактором является интерпретация данных, таких как дипломы и прошлые должности, что может привести к субъективности в принятии решений. Система на основе навыков же фокусируется исключительно на конкретных способностях кандидата, что снижает вероятность ошибок и предвзятости.

Использование ИИ для оценки компетенций позволяет значительно повысить скорость обработки заявок и уменьшить время, необходимое для отбора кандидатов. В условиях, когда рынок труда быстро меняется, а компании ищут работников с актуальными и специфическими навыками, этот подход помогает быстрее находить подходящих кандидатов, что значительно снижает время найма и сокращает расходы на подбор.

Также подход на основе навыков способствует повышению точности подбора кандидатов, так как алгоритмы ИИ могут анализировать большое количество данных и сопоставлять их с требованиями вакансий, определяя, какие кандидаты обладают необходимыми навыками для конкретных ролей. Это позволяет работодателю сосредоточиться на действительно релевантных кандидатах и избежать неверных решений, связанных с недостаточной квалификацией кандидата.

Еще одним значимым преимуществом подхода на основе навыков является его влияние на инклюзивность и разнообразие в процессе найма. Использование ИИ позволяет устранить многие формы предвзятости, присущие традиционным методам оценки кандидатов, таких как возрастная, половая или расовая предвзятость. Алгоритмы, анализирующие исключительно навыки, уменьшают влияние этих факторов, так как принимаются во внимание только объективные данные о компетенциях кандидатов.

Несмотря на значительные преимущества, подход на основе навыков сталкивается с рядом вызовов и ограничений, которые могут ограничить его эффективность в реальных условиях [5, с. 147]. Одним из главных вызовов является качество данных, на которых обучаются ИИ-системы. Для того чтобы инструменты ИИ могли эффективно оценивать навыки кандидатов, требуется большое количество точных и актуальных данных, а также качественно построенные алгоритмы. Однако часто возникают ситуации, когда данные неполные, устаревшие или содержат ошибки, что приводит к снижению точности и эффективности работы системы.

Ещё одним значимым вызовом является алгоритмическая предвзятость, которая может возникать, если алгоритмы обучаются на исторических данных, содержащих скрытую предвзятость. Например, если в прошлом компания предпочитала нанимать кандидатов с определенным набором навыков, ИИ может продолжить этот тренд, даже если он не является объективно обоснованным. Это может привести к повторению тех же ошибок, что и в традиционных системах найма.

Рисунок 1 демонстрирует снижение точности подбора кандидатов при наличии алгоритмической предвзятости на основе исторических данных о найме.

Рис. 1 Воздействие алгоритмической предвзятости на точность подбора

Одним из ярких примеров успешного применения ИИ в рекрутинге является компания Unilever, которая с 2017 года использует платформу HireVue для проведения видео собеседований с кандидатами. Платформа анализирует видеоинтервью, используя алгоритмы для определения ключевых признаков успешных кандидатов на основе их словесных и невербальных ответов. Это позволило компании значительно улучшить точность подбора и сэкономить время, устранив необходимость в первичных интервью.

Другим примером является компания IBM, которая использует ИИ-инструменты для анализа профилей кандидатов и сопоставления их с вакансией. Используя платформу Watson Recruitment, IBM может эффективно оценивать навыки кандидатов и их потенциал, что позволяет находить подходящих специалистов даже среди большого потока резюме.

Кроме того, крупная онлайн-платформа LinkedIn интегрировала инструменты ИИ для выявления скрытых навыков у пользователей, что позволяет рекрутерам находить потенциальных кандидатов, которые могут не указать свою квалификацию в явном виде, но обладают необходимыми компетенциями.

Сравнение традиционных методов рекрутинга с инновационными подходами, основанными на искусственном интеллекте, является важным аспектом для понимания того, как технологии могут изменить процесс подбора персонала.

Традиционные методы рекрутинга включают несколько этапов, таких как размещение вакансий, сбор и анализ резюме, проведение интервью и тестирований, а также принятие решения на основе личных впечатлений рекрутера. Эти методы на протяжении долгого времени считались основными и широко применяются во многих организациях.

Основные характеристики традиционного рекрутинга:

• Обработка резюме вручную. Рекрутеры вручную анализируют резюме, что занимает значительное время, особенно при большом потоке заявок. Этот процесс также подвержен человеческим ошибкам и предвзятостям, которые могут привести к несправедливым решениям.
• Интервью и тестирование. На этом этапе кандидаты проходят интервью, где рекрутер оценивает их личные качества, коммуникативные навыки и технические способности. Однако оценка часто субъективна, и на результат может влиять множество факторов, таких как настроение интервьюера или неформальная атмосфера.
• Ограниченность инструментов оценки. Традиционные методы часто основываются только на базовых данных, таких как образование, опыт работы и личные рекомендации. Это может ограничить полноту картины и привести к упущенным возможностям для найма.

Системы ИИ, применяемые в рекрутинге, предлагают совершенно иной подход к подбору персонала. Эти инструменты используют алгоритмы машинного обучения, обработки естественного языка и анализ больших данных для выявления и оценки навыков кандидатов, что позволяет автоматизировать и ускорить процесс, снижая влияние человеческой предвзятости.

Основные характеристики ИИ-подхода:

1. Автоматизация обработки данных. ИИ-инструменты могут автоматически сканировать и анализировать резюме, сопоставлять их с требованиями вакансий и быстро сортировать кандидатов по степени соответствия, что значительно снижает время обработки заявок.

2. Объективность и точность. ИИ не подвержен эмоциям, усталости или субъективным предпочтениям. Он оценивает кандидатов исключительно на основе объективных данных, таких как навыки, опыт и достижения, что снижает риск ошибок.

3. Использование больших данных и анализа. ИИ может работать с огромными объемами данных, используя алгоритмы для выявления закономерностей и потенциальных соответствий между кандидатами и вакансиями, которые могли бы быть неочевидными для человека [2, с. 210].

Использование ИИ в рекрутинге значительно сокращает время подбора кандидатов, повышает точность выбора, а также улучшает удовлетворенность обеих сторон (работодателей и кандидатов) (рисунок 2).

Рис. 2 Эффективность подбора: ИИ против традиционных методов

Использование искусственного интеллекта в рекрутинге привнесло значительные улучшения в процесс подбора кандидатов, ускоряя и автоматизируя его. Однако внедрение таких технологий также ставит перед обществом ряд этических и социальных вопросов, которые требуют внимательного рассмотрения [4, с. 289].

Одним из основных этических рисков, связанных с использованием ИИ в рекрутинге, является алгоритмическая предвзятость. Алгоритмы машинного обучения, на основе которых работают ИИ-системы, обучаются на исторических данных. Если эти данные содержат предвзятости (например, из-за исторического доминирования определённых групп в рабочей силе), то ИИ может «наследовать» эти предвзятости и усиливать их в процессе подбора кандидатов. Например, алгоритм может быть склонен выбирать кандидатов определённого пола, возраста или этнической группы, что ведет к дискриминации.

При обучении ИИ на исторических данных, содержащих гендерные или расовые предвзятости, алгоритмы склонны к выбору кандидатов, соответствующих историческим трендам, а не исходя из объективных критериев. Это ставит под угрозу принцип равенства возможностей в процессе трудоустройства.

Пример предвзятости в обучении ИИ на данных из рекрутинга представлен в таблице 2.

Таблица 2

Пример предвзятости в обучении ИИ на данных из рекрутинга

Другим этическим вопросом является отсутствие прозрачности алгоритмов, используемых в рекрутинге. Многие компании используют сложные модели машинного обучения, которые трудны для понимания и объяснения. Отсутствие прозрачности может вызывать опасения среди кандидатов, которые не могут понять, на основе каких критериев было принято решение о принятии или отклонении их заявки. Это создаёт риски для прозрачности и справедливости трудового законодательства, а также для доверия со стороны кандидатов.

Использование ИИ в рекрутинге требует сбора и обработки большого объема данных о кандидатах. Это может включать не только резюме и профессиональный опыт, но и данные о личных предпочтениях, увлечениях, социальных сетях и даже психологические тесты. Собранные данные должны обрабатываться с соблюдением строгих стандартов конфиденциальности и защиты информации. Нарушение этих стандартов может привести к утечке личных данных кандидатов и использованию их без согласия.

В связи с этим на международном уровне разработаны законы, такие как Общий регламент защиты данных в Европейском Союзе, которые регулируют обработку данных в целях защиты личной информации. Важно, чтобы компании, использующие ИИ в рекрутинге, соблюдали эти требования и информировали кандидатов о том, какие данные собираются, как они будут использованы и кто к ним будет иметь доступ.

Среди потенциальных социальных последствий использования ИИ в рекрутинге одним из ключевых вопросов является влияние технологий на инклюзивность в рабочей среде. При неправильной настройке алгоритмов ИИ может способствовать уменьшению разнообразия в командах, отбирая кандидатов, которые более соответствуют предвзятым историческим данным. Это особенно важно в контексте усиления корпоративной социальной ответственности и стремления к инклюзивности, которую все больше организаций стремятся внедрять в свою практику.

С другой стороны, правильно настроенные ИИ-инструменты могут способствовать инклюзивности, обеспечивая объективность и равные возможности для всех кандидатов. Например, они могут помочь в отборе кандидатов из меньшинств, которым в традиционном процессе подбора труднее получить шанс на должность.

Выводы

Таким образом, использование искусственного интеллекта в рекрутинге значительно повышает точность, скорость и объективность найма по сравнению с традиционными методами. Автоматизированный анализ данных и применение алгоритмов машинного обучения позволяют сократить влияние человеческого фактора, улучшить инклюзивность процесса подбора и снизить временные затраты на обработку резюме и интервью. Однако остаются нерешенные проблемы, связанные с алгоритмической предвзятостью, недостаточной прозрачностью ИИ-решений и необходимостью соблюдения норм конфиденциальности данных.

В перспективе дальнейшее развитие ИИ-рекрутинга требует совершенствования алгоритмов с целью устранения предвзятости, повышения их прозрачности и внедрения этических норм в автоматизированные процессы подбора персонала. Совмещение технологий ИИ с лучшими практиками традиционного рекрутинга позволит создать более сбалансированную и справедливую систему найма, ориентированную на объективную оценку навыков кандидатов.

Литература:

1. Андруник А.П. Искусственный интеллект в HR: современные программные решения // Международный научно-исследовательский журнал. – 2021. – № 6-4 (108). – С. 50-53.
2. Верна В.В., Ибрагимов Э.Э. Инновационные технологии подбора и найма персонала // Управление персоналом организации в условиях цифровизации. – 2020. – С. 201-228.
3. Маслова В.М. Система рекрутинга с элементами искусственного интеллекта // Экономические системы. – 2018. – Т. 11, № 1(40). – С. 56-59.
4. Семина А.П. Использование социального рекрутинга в HR-маркетинге // Вестник Академии знаний. – 2020. – № 2(37). – С. 286-292.
5. Чуланова О.Л. Искусственный интеллект как актуальный технологический тренд в HR // ЛИДЕР (Люди. Идеи. Достижения. Единство. Результат): сборник статей I Управленческого форума Ханты-Мансийского автономного округа. – 2019. – С. 146-149.