Мираж эффективности: улучшила ли искусственная интеллект отбор персонала?

Я работаю в техническом рекрутинге с 2008 года и могу утверждать нечто, что противоречит общепринятому мнению: никогда не было так легко генерировать кандидатов, и, тем не менее, никогда не было так плохо с наймом. Искусственный интеллект обещал освободить компании от скучной части процесса отбора: фильтрация резюме, составление первого контакта, упорядочивание потока кандидатов. На этом этапе он справился. То, что ни одно обещание не включало, так это то, что, снизив объем до почти бесплатного уровня, технология в конечном итоге сделала критерии неактуальными. А без критериев рекрутинг перестает быть решением и превращается в шум на промышленном уровне.

Раньше контактировать с сорока кандидатами для старшей позиции занимало неделю. Это трение заставляло задумываться, кому писать и почему. Сегодня инструмент отправляет те же сорок сообщений за сорок секунд, персонализированных с именем и одной строкой из LinkedIn. Стоимость контакта с неправильным человеком упала до нуля, и то, что ничего не стоит, делается без предварительного размышления.

Кандидат тоже автоматизирует. Один инженер рассказал Wired, что отправил пять тысяч заявок с помощью бота и получил двадцать собеседований. Эффективность 0,5%. Вручную, подавая заявки на двести или триста, он получал те же двадцать. Десять процентов. Объем ничего не улучшил, он лишь скрывал ухудшение за более крупным числом.

В индустрии уже дали этому название: "петля автоматизации". Отделы кадров внедряют фильтры ИИ, потому что получают заявки, сделанные с помощью ИИ, эти фильтры подталкивают больше кандидатов к автоматизации, чтобы их избежать, и колесо крутится само.

Важно точно понимать, что эта технология может и чего не может. Искусственный интеллект уверенно решает первую половину процесса, как определить, кто владеет определенным языком программирования или работал в определенной отрасли. То, что он не решает, это вторая половина, которая фактически определяет найм: оценка. Ни одна модель не может предсказать, будет ли человек терпеть неопределенность компании в процессе расширения, столкнется ли он с основателем, склонным к микроменеджменту, или частая смена работы является тревожным сигналом или наименее значимым фактом его карьеры. И когда фильтр работает по этим системам, даже те, кто их проверяет, не могут объяснить, почему кандидат был отклонен. Оценка по-прежнему требует разговора, гипотезы и готовности ошибаться и пересматривать.

Опрос Harvard Business Review показал, что 91% руководителей считает критически важным хорошо нанимать, но только 28% считает, что их организация делает это хорошо. Эта разница не появилась с ИИ. Искусственный интеллект просто углубил ее, создавая иллюзию делать больше, когда они делают то же самое, хуже и быстрее. При всей этой скорости закрытие вакансии занимает больше времени, чем когда-либо. Средний срок уже достиг максимума в сорок четыре дня, и треть наймов по-прежнему осуществляется через рекомендации, самый ручной канал, который ни один бот не тронул.

Я вижу это каждую неделю в компаниях, которые приходят уставшими к концу процесса поиска. Они связались с тремястами людьми, запланировали двадцать собеседований и все еще не закрыли вакансию. Им не хватает активности, им не хватает диагностики. Никто не определил, какую проблему решает эта позиция, и какие сигналы исключают кого-то, даже если резюме сверкает. Без этого ИИ только ускоряет путаницу.

С автоматизацией многие компании прекратили инвестиции в младшие профили. Объявления о начальном уровне продолжают публиковаться, но реальные наймы в этом сегменте рухнули, потому что стало дешевле попросить модель сделать десять поисков, чем потратить время на обучение кого-то без опыта. Последствием является тихая эрозия потока старших профессионалов следующего десятилетия.

Ни одно из этих наблюдений не подразумевает отказ от технологии. Центральный вопрос другой. Искусственный интеллект усиливает то, чем организация уже была до его принятия. Если процесс отбора был хорошо спроектирован, инструмент делает его более быстрым. Если нет, он позволяет промышленно масштабировать предыдущее отсутствие критериев.

Хороший рекрутинг никогда не был проблемой объема. Это было, и остается, проблемой точности. В нашей консалтинговой компании у нас есть правило: если из каждых четырех кандидатов, которых мы представляем, не проходит хотя бы один, мы останавливаемся и пересматриваем бриф, прежде чем добавлять имена. Эта пауза — именно то, что ИИ предлагает избежать, и это то, что нельзя пропускать. Вопрос, который организации должны задать себе, не в том, сколько кандидатов они связались на этой неделе, а в том, сколько они смогли правильно выбрать в прошлом году. Этот ответ, все еще, ни одна модель не генерирует.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.