Дмитрий Сибиряк – Нейросети для hr подбора персонала и оценки резюме (страница 1)
Дмитрий Сибиряк
Нейросети для hr подбора персонала и оценки резюме
Введение
Представьте, что ваш отдел подбора работает как отлаженный механизм: сотни резюме обрабатываются за минуты, а на собеседования попадают только те кандидаты, которые действительно подходят под культуру и задачи компании. Звучит как фантастика? Для многих HR-специалистов и рекрутеров это уже реальность. Книга, которую вы держите в руках (или читаете на экране), посвящена тому, как нейросети и алгоритмы машинного обучения меняют мир подбора персонала.
Мы живем в эпоху, когда данные стали новой нефтью, а умение их анализировать – ключевым навыком. Рынок труда перенасыщен информацией, и ручной разбор сотен откликов на вакансию становится непозволительной роскошью. С одной стороны, мы имеем талантливых людей, которые теряются в потоке одинаковых резюме. С другой – компании, отчаянно нуждающиеся в «тех самых» сотрудниках. Нейросети выступают здесь в роли моста, способного соединить эти берега быстро и эффективно.
Эта книга не про абстрактные математические модели и сухие формулы. Она про практику. Вы узнаете, как автоматизировать рутину: от поиска кандидатов на профессиональных платформах до первичной оценки их навыков и опыта. Мы разберем, как работают семантический поиск, скоринговые системы и предиктивная аналитика, позволяющая предсказать, как долго новичок проработает в компании и насколько он будет эффективен.
Особое внимание мы уделим подводным камням. Да, искусственный интеллект может быть предвзят, если его обучить на «грязных» данных. Как избежать дискриминации по возрасту, полу или национальности, когда алгоритм принимает решения? Как соблюсти законодательство о персональных данных и не нарушить приватность соискателей? На эти и другие вопросы мы дадим честные и развернутые ответы.
Кому будет полезна эта книга? В первую очередь – HR-менеджерам, рекрутерам и тимлидам, которые устали тонуть в ворохе резюме и хотят вывести подбор на новый уровень. Она также будет интересна IT-специалистам, которые ищут практические задачи для применения алгоритмов машинного обучения. И наконец, предпринимателям и владельцам бизнеса, которые задумываются о том, как оптимизировать затраты на поиск ценных кадров и построить по-настоящему эффективную команду.
Мы не будем грузить вас сложным кодом, но дадим ровно столько теории, чтобы вы могли осознанно внедрять инструменты автоматизации у себя. Главная цель этой книги – помочь вам перестать быть «человеком-фильтром» и превратиться в стратега, который управляет процессом, а не тонет в нем. Добро пожаловать в мир умного рекрутмента!
Часть 1. Введение в автоматизацию HR
HR-аналитика: от интуиции к алгоритмам
Представьте себе опытного рекрутера, который работает в компании лет десять. Он смотрит на резюме и уже через пару секунд может сказать: этот подойдет, а этот нет. Почему? Потому что у него наметан глаз, потому что он провел сотни собеседований и знает, какие формулировки в резюме обычно приводят к успешной работе, а какие – к быстрому увольнению. Это и есть тот самый случай, когда мы говорим про чутье, про интуицию, про профессиональное наитие.
И вроде бы все хорошо. Рекрутер работает, кандидаты приходят, компания растет. Но если мы попробуем заглянуть в голову этому специалисту и спросить: а на основании чего ты принял решение? Нам вряд ли удастся получить четкий алгоритм. Скорее всего, мы услышим что-то вроде: у него в глазах был огонь, или мне показалось, что он не впишется в коллектив. Это не плохо и не хорошо, это просто работа человека, которая основана на его личном опыте, его предпочтениях и даже на его настроении в конкретный вторник после обеда.
А теперь давайте представим масштаб. Если в компанию приходит тысяча резюме в месяц, сможет ли даже самый крутой рекрутер обработать их все одинаково качественно и беспристрастно? Очевидно, что нет. Где-то он устанет, где-то пропустит деталь, где-то подсознательно симпатизирует людям из своего города или своего университета. Именно здесь на сцену выходит HR-аналитика. И речь идет не просто о подсчете цифр в Excel, а о попытке переложить ту самую человеческую интуицию на язык математики, формул и, в конечном счете, алгоритмов.
Что такое HR-аналитика на самом деле
Когда говорят про HR-аналитику, многие сразу представляют себе скучные отчеты для начальства: сколько человек наняли, сколько уволилось, сколько денег потратили на обучение. Это, безусловно, тоже аналитика, но самая начальная, описательная. Мы же с вами поговорим о вещах куда более интересных – о предсказательной аналитике.
HR-аналитика в современном понимании – это способность принимать решения о людях на основе данных, а не только на основе ощущений. Мы собираем информацию, ищем в ней закономерности и строим модели, которые помогают нам отвечать на вопросы: где искать сотрудников, которые не уволятся через три месяца, как оценить потенциал кандидата, если у него нет опыта в индустрии, или какие навыки станут критически важными в нашем отделе через год.
Кстати, задумайтесь на минуту о своей работе. Бывало такое, что вы нанимали человека, который выглядел идеально на бумаге, но в итоге ничего не сработало? Или наоборот, брали кандидата с сомнениями, а он вырастал в звезду команды? Вот именно для того, чтобы таких сюрпризов было меньше, мы и учимся разговаривать с данными.
Откуда берутся данные и что с ними делать
Чтобы аналитика заработала, нам нужна информация. Всё, что происходит в отделе персонала, должно превращаться в цифры. Провели собеседование – отлично, давайте зафиксируем не только факт встречи, но и оценку по конкретным компетенциям. Посмотрели резюме – хорошо бы отметить, какие слова и формулировки привлекли внимание. Послушали, как кандидат отвечает на стресс-вопросы – можно попробовать оценить это в баллах.
И вот тут мы сталкиваемся с главной сложностью. Человеческие решения не всегда легко оцифровать. Мы привыкли к мягким оценкам вроде окей, норм или мне понравился. Но для алгоритма такие слова пустой звук. Поэтому первый шаг к внедрению аналитики – это дисциплина. Научиться самим и научить коллег фиксировать результаты своей работы в измеримых величинах. Да, поначалу это кажется искусственным, но именно из этого песка мы потом будем печь куличи предсказаний.
Интуиция под микроскопом
Когда мы начинаем переводить интуицию в алгоритмы, мы неизбежно задаем себе неудобные вопросы. Почему я думаю, что этот кандидат подходит? Может быть, потому что он похож на меня в молодости? Или потому что его прошлый работодатель звучит солидно? Алгоритмы, в отличие от нас, не подвержены таким эмоциональным ловушкам. Они просто считают вероятности.
Давайте представим ситуацию. Вы ищете продажника. По вашему опыту, лучшие продавцы – это общительные и громкие люди. Вы интуитивно отсеиваете тихих и задумчивых. А данные вдруг показывают, что в прошлом году двое самых тихих сотрудников принесли компании больше всего прибыли, просто потому что они умели слушать и вникать в проблемы клиента. Если бы вы положились только на интуицию, вы бы их даже на собеседование не позвали.
Именно такие открытия и лежат в основе перехода от интуитивных решений к алгоритмическим. Это не значит, что интуиция больше не нужна. Это значит, что мы даем ей в союзники вычислительную мощь, которая видит то, что скрыто за горизонтом нашего личного опыта.
Первые шаги к алгоритмам
Внедрение HR-аналитики – это не про то, чтобы уволить всех рекрутеров и поставить на их место роботов. Это про то, чтобы дать рекрутерам инструменты, которые сделают их работу точнее и легче. Представьте, что вы идете по темному лесу. Раньше у вас был только фонарик, который освещал пару метров. А теперь вам дали тепловизор и навигатор. Лес тот же, но вы видите гораздо больше.
Поэтому, когда мы говорим о переходе от интуиции к алгоритмам, мы говорим о расширении возможностей человека. Мы перестаем гадать на кофейной гуще и начинаем видеть четкие паттерны. Например, алгоритм может подсказать, что кандидаты, которые в резюме используют слово устойчивость к стрессу, на самом деле чаще увольняются после первого же конфликта. Или что люди с опытом работы в определенных компаниях адаптируются быстрее остальных.
Не бойтесь математики
Самое сложное для гуманитариев в этой истории – преодолеть страх перед цифрами. Но никто не требует от HR-директора защитить диссертацию по статистике. Достаточно понимать логику: мы собираем данные, ищем в них повторяющиеся связи и используем эти связи для прогноза.
Вспомните, как работает ваш мозг, когда вы выбираете фильм на вечер. Вы думаете: этот актер мне нравится, этот режиссер обычно снимает хорошее кино, жанр комедия – то, что нужно. Это и есть примитивный алгоритм, основанный на вашем прошлом опыте. HR-аналитика делает то же самое, но с памятью, в которой хранятся тысячи историй успехов и провалов, а не десяток, как у нас в голове.
И вот мы стоим на пороге, где старое встречается с новым. Где интуиция опытного рекрутера не отвергается, а проверяется, уточняется и дополняется расчетами. И чем раньше мы перестанем видеть в этом угрозу, а начнем видеть возможность, тем быстрее наш отдел подбора превратится в место, где ошибки становятся исключением, а не правилом. Конечно, совсем без ошибок не обойтись, но стремиться к этому определенно стоит.