«У нас нет цели поработить человечество»: Владимир Ли — про звонки роботов кандидатам, моделирование «химии» и пользу Sever.AI

Разобраться в том, как ИИ влияет на повседневную работу рекрутеров и эйчаров, нам поможет CPO компании Sever.AI IT-холдинга TalentTech Владимир Ли. Услугами компании уже пользуются МТС, «СИБУР» и X5 Retail Group, а в начале года команда удостоилась премии CDO Award 2019 за инновационный подход к работе с данными. Из этого интервью вы узнаете, как Sever.AI помогает находить неожиданные инсайты в поведении сотрудников, что нужно, чтобы научить алгоритмы нанимать топ-менеджеров, и как к звонкам роботов относятся сами кандидаты.

— Если закрыть глаза на академическое определение искусственного интеллекта, то в прикладном понимании ИИ — это автоматизация и роботизация рутинных процессов. Проще говоря, это инструмент, который помогает упрощать ежедневные монотонные задачи. У нас нет цели создать супер-программу, которая пройдёт тест Тьюринга и поработит человечество. Мы имеем дело с машинным обучением и решением нетворческих задач. У эйчаров это может быть просмотр резюме, обзвон кандидатов, отправка однотипных писем.

Важен не сам искусственный интеллект, а то, какую ценность он может принести. Термин ИИ можно заменить на близкие по смыслу «автоматизацию», «цифровизацию» или «роботизацию» и наблюдать такой же хайп, если инструмент позволит увеличить производительность.

— Потом экран темнеет, появляется куча букв с цифрами… Нет, ничего не передаётся на флешке. На самом деле, Sever.AI — это несколько больших облачных сервисов. Пользователь получает доступ к личному кабинету в онлайне и через него работает с системой.Отслеживает, какие резюме уже обработаны, кто из кандидатов прошёл видеоинтервью, какие оценки они получили.

— Автоматизировать можно всё на свете. В любой HR-процесс можно внедрить ИИ: будь то рекрутинг, адаптация, обучение сотрудников или exit-интервью.

Самое популярное — это, конечно, автоматизация звонков и поиска резюме. К примеру, этой зимой мы работали с розничной сетью одной из нефтяных компаний. Буквально за пару дней подсоединились к их телефонной сети, внедрили и развернули проект. Это позволило переключить все входящие звонки соискателей на нас и обрабатывать их согласно прописанному скрипту. Вопросы были про город проживания, наличие аллергии на нефтепродукты, опыт работы с кассой и так далее. По ответам соискателя относили в категорию подходящих или неподходящих.
За период новогодних праздников робот принял 571 звонок. 332 человека прошли скрининг. Их данные передали региональным рекрутерам на дальнейшую обработку.

Ещё один стандартный кейс использования Sever.AI — это автоматизация приглашений на интервью. Например, как мы искали менеджеров по продажам для одной телекоммуникационной компании. Робот мониторил клиентские базы, формировал список подходящих кандидатов по заранее определённым критериям и обзванивал их, чтобы выяснить, заинтересованы ли они в вакансии. Если реакция оказывалась положительной, собеседнику предлагали назначить собеседование с эйчаром. Затем Sever.AI дублировал информацию по месту и времени встречи по электронной почте и SMS. Всего робот обработал 1 407 кандидатов. Из них треть не заинтересовалась вакансией, а треть не подошли по требованиям. Из оставшейся трети на интервью с помощью Sever.AI записались 126 соискателей, а по факту до эйчара дошли чуть больше десяти человек. В масс-найме всегда есть проблема доходимости, поэтому воронки такие огромные. Автоматизировать процессы тут точно надо.

Но моя любимая история — про серию exit-интервью для одного ретейлера.
Любимая, потому что вообще не ожидали получить такие инсайты буквально за пару часов. Компания мучается от постоянной текучки. Особенно в некоторых регионах, где просто нет людей, чтобы заменить ушедших. Борьба за кадры — просто фантастическая. Робот обзванивал уволившихся и задавал несколько вопросов: «Почему вы уволились?», «Что ещё не понравилось в компании?», «Готовы ли вы вернуться?». 64% ответили, что готовы вернуться, и это действительно очень важная информация для клиента. Также выявили инсайты по причинам увольнений. Люди уходили не из-за условий труда или недостаточно высокой зарплаты. На первом месте оказалось недопонимание с руководством и коллегами. Ещё мне нравится, что в этом кейсе мы проанализировали тональность ответов. Sever.AI сначала собрал все ответы, затем перевёл их в текст, а после оценил, так что клиенту не пришлось читать каждый ответ, у него перед глазами была агрегированная оценка.

— На мой взгляд, автоматизировать нужно всё. В каких-то ситуациях робот пока что — пока что! — уступает человеку. Например, он точно будет уступать эйчару в продаже вакансии — в убеждении поближе познакомиться с объявлением. С другой стороны, если речь идёт о линейных массовых позициях, то и человек не сможет каждому искусно продать вакансию. Это просто не имеет смысла. Чем выше позиция, тем сложнее автоматизировать подбор.

Всё зависит от задачи. Сложная задача усложняет модель ИИ. Но это совсем не означает, что мы не сможем её разработать. Например, среди эйчаров ходит легенда о «химии», благодаря которой можно прочувствовать, что случился match, что кандидат точно подойдёт компании. И для этой «химии» тоже можно построить модель. Тогда можно будет легко подбирать новых кандидатов или формировать команды под конкретных специалистов. Нужен лишь талантливый data-scientist и полноценный data-set.

— Почему бы и нет? Это не значит, что такая возможность появится завтра, но появится точно. Всё зависит от количества данных. Сначала, например, нужно отработать модель на позиции менеджера по продажам, потом адаптировать для продакт-менеджера, затем — для тимлида и так далее по нарастающей. Будет больше данных — будет больше возможностей, всё упирается в это.

— Сбор таких данных и построение моделей — это дорогое удовольствие?

— Конечно, это стоит определённых денег. Но технологии становятся доступнее, и мы от больших внедрений на местах постепенно переходим к коробочным решениям. Поэтому средний и даже малый бизнес могут позволить себе автоматизированные инструменты. Коробочные решения с поиском и оценкой кандидатов и автоматизацией входящих звонков стоят от 100 тысяч рублей в месяц без учёта внедрения. Но как и в случае с любыми другими технологиями цены постепенно снижаются.

Вычислительные мощности компьютеров растут, но при этом они дешевеют. Могу привести еще такую параллель: в 90-ых в Долине для запуска стартапа требовались десятки миллионов баксов, нужны были свои железки, инженеры, серверы и так далее. Сейчас можно обойтись 15 000 долларов. Облака — арендовать, серверы — тоже. Всё стало дешевле.

— Главное в воспитании — настойчивость, так что нужно просто продолжать обзванивать. В целом реакция спокойная. Сейчас очень много звонящих роботов. Шока точно уже нет. Люди привыкают.

Мы тестируем разные голоса, интонации и слова, чтобы лучше взаимодействовать с кандидатами. Например, опытным путём выяснили, что для позиции сейлз-менеджера лучше работает женский голос. А иногда заказчик сам подсказывает, какой голос использовать для большей конверсии.

Однажды мы вообще убрали приветственную часть. Никакого «Здравствуйте, вам звонит робот, вами заинтересовалась компания Х, удобно ли будет сейчас прослушать информацию о вакансии?». Сразу предоставляли информацию: «Компания Х предлагает вакансию У, в Москве, график 2/2, интересно ли вам это предложение?». Как показала практика, многим соискателям вообще не нужны длительные вежливые вступления. Тогда лучше сразу перейти к делу.

— Там же была некорректная выборка, насколько помню? Ориентировались на предыдущий опыт подбора разработчиков, а нанимали до этого преимущественно мужчин. Поэтому ответ очевиден — нужно делать правильную выборку. Если правильно использовать данные, такого не произойдёт. К тому же, мы теперь точно знаем, что такое возможно, и все разработчики будут аккуратнее. Развитие невозможно без ошибок. Надо проще к этому относиться.

С другой стороны, я иногда задумываюсь, а не был ли это спланированный ход? Меня как разработчика заинтересовала эта история с точки зрения самой технологии. Она настолько развита, что может совершать такие ошибки, и это показатель, что алгоритм не нулевой и умеет выполнять какие-то действия. Мне это интересно.

— Мы проводим много опросов и исследований. По ним видно, что многие считают, что работа эйчара совсем простая. Ну что тут такого, да каждый сможет. Но ведь это далеко не так! Если хочется стать кем-то большим, чем звонилка, и быть владельцем процесса, а не исполнителем, то нужны знания. Это целая профессия.

Индустрия действительно идёт в сторону автоматизации, но не все умеют работать с технологичными инструментами и порой даже не знают об их существовании. Не все готовы перестраивать процессы найма, тратить время и усилия на внедрение информационных систем. Не всем понятно, почему видеоинтервью — это классно. Многие эйчары не пробовали этот инструмент, ведь у них нет времени. Они продолжают отсматривать сотни резюме и обзванивать десятки кандидатов. Думаю, всем эйчарам нужно учиться оптимизировать работу в рамках имеющегося бюджета.

— Сразу скажу, что нет понятной и простой книжки «ИИ для чайников». Везде будут по-умному объяснять, что такое сильный и слабый искусственный интеллект, какие бывают способы машинного обучения и прочие технические сложности. Нужно ли это эйчарам — вопрос для меня неоднозначный. Можно, конечно, почитать «Википедию», пройти курс на Coursera или углубиться в «Хабр». Но вряд ли это даст прикладное понимание ИИ.

Я советую просто больше общаться с коллегами, посещать всевозможные мероприятия по данной теме и не только с упором на HR-сферу. Любые события, где будут рассказывать кейсы и показывать результаты работы с ИИ. Только так можно разобраться, какую пользу технологии могут принести бизнесу.

Понравилась статья?

Поделитесь ссылкой с коллегами: