2386
Как искусственный интеллект предсказывает поведение сотрудников и зачем это бизнесу?
ПЛАС: Почему так важно прогнозировать поведение сотрудников?
М. Буздалина: В Deloitte не так давно подсчитали, что стоимость повторного замещения вакансии после увольнения сотрудника может достигать 213% от его годового оклада. Этот показатель складывается из расходов на поиск, прием на работу и адаптацию нового специалиста, а также потерь от простоя, пока вы ищете человека на замену. Для массовых позиций коэффициент ниже, но когда речь идет о топ-менеджере или ИТ-специалисте, эта цифра реалистична.
Нежелательные расходы можно сократить, если заниматься проактивным удержанием. Но проблема в том, что руководитель обычно в последнюю очередь узнает о намерении сотрудника сменить работу. Решившийся на увольнение подчиненный обычно все продумал заранее и, скорее всего, уже принял предложение от другого работодателя. Заставить его изменить мнение — задача непростая.
Гораздо легче убедить сотрудника остаться, когда его неудовлетворенность еще не оформилась в решение уйти. Но сделать это можно только в том случае, если вы получаете и анализируете ранние сигналы выгорания, прогнозируете поведение сотрудника и оцениваете риски оттока.
ПЛАС: Как ИИ помогает организовать взаимодействие с сотрудниками, чтобы избежать впоследствии нежелательного оттока персонала?
М. Буздалина: Искусственный интеллект подсвечивает проблемы, которые руководитель объективно не может видеть или упускает из-за высокой операционной нагрузки. Например, любому лидеру важно качественно организовать работу и взаимодействие с командой. Но возможность непосредственно поговорить с каждым подчиненным появляется не так часто.
Что делает ИИ? ИИ анализирует состояние команды по ряду аспектов: время начала/окончания рабочего дня, нагрузка, болезни, отпуска, настроение, атмосфера в команде и многое другое. Модель реагирует на отклонения показателей от типовых значений для сотрудника или подразделения и обращает на них внимание руководителя.
Так руководитель может узнать, что его удаленный сотрудник в последнее время стал часто перерабатывать. Это может говорить о неправильном распределении задач внутри команды, неоптимальном делегировании или низком уровне тайм-менеджмента.
С инсайтом от искусственного интеллекта у руководителя появляется возможность принять меры до того, как сотрудник выгорел и принял решение уйти. Или допустил какую-то серьезную ошибку из-за усталости и снижения концентрации.
ПЛАС: Какие модели занимаются оценкой выгорания и рисков оттока в «Пульсе»? Насколько точны предиктивные модели данной платформы?
М. Буздалина: Оценкой рисков оттока сотрудников в «Пульсе» занимаются модели искусственного интеллекта, в которых применяются методы Classic ML. При использовании таких методов машинного обучения мы задаем критерии и обучаем систему на сравнительно небольшом количестве данных (в отличие, например, от нейросетей).
Критериями для диагностики выгорания сотрудника могут быть системные переработки, изменение скорости и объема коммуникации, опоздания и т. п. Мы подаем в систему данные, и модель обучается на них: извлекает логику, как с этими данными работать.
Преимущество AI-модели в сравнении с живым специалистом заключается в том, что человек не может одновременно проанализировать более 7-10 факторов, а модель легко анализирует 30, 50 и даже 100 признаков. И по сумме слабых сигналов, незаметных для человеческого восприятия, обнаруживает признаки выгорания и оценивает риски оттока сотрудников.
Для обучения моделей мы обычно используем данные не старше двух лет, так как HR-тренды быстро меняются и более глубокие ретроданные могут исказить предсказательную силу моделей.
На данный момент точность моделей оттока в «Пульсе» в 7 раз превышает точность случайного угадывания. Мы провели глубокий анализ рынка, который показал, что более успешной модели оттока на рынке в настоящее время нет. Сейчас в этой области мы являемся лидерами и имеем самые высокие показатели точности прогноза.
ПЛАС: Расскажите подробнее о других технологиях ИИ и машинного обучения, которые есть в «Пульсе».
М. Буздалина: В «Пульсе» мы используем модели практически всех направлений машинного обучения и искусственного интеллекта. Они помогают увеличить скорость ключевых HR-процессов и существенно снизить количество ошибок.
Например, в «Пульсе» есть модели распознавания документов, которые относятся к компьютерному зрению или анализу графических данных. Это незаменимые помощники в кадровом электронном документообороте. Дело в том, что сканированные документы содержат много сложных для распознавания элементов: наползание строк, чернила разного цвета, печати, водяные знаки и многое другое.
Кроме того, не все документы в достаточной мере стандартизованы. Если паспорта у всех граждан РФ имеют одинаковую структуру, то дипломы учебных заведений различаются разительно. Распознавать и правильно классифицировать такую информацию может только умная модель, обученная на большом объеме данных.
Еще в «Пульсе» есть модели анализа текстов, которые умеют вычленять главную информацию из текстового сообщения. Это полезно, например, для анализа качества поставленных целей. Искусственный интеллект оценивает, насколько конкретно сформулирована цель, указаны ли ключевые результаты.
Семантический анализ применяется и тогда, когда нужно обобщить большое количество комментариев сотрудников в инструменте обратной связи и сделать какие-то общие выводы. Это важно для многих разделов аналитики, особенно тех, которые связаны с психологическим состоянием сотрудников, настроением команды, уровнем благополучия.
Также в «Пульсе» есть рекомендательные модели, которые помогают создавать траектории обучения и предлагают следующие шаги в построении карьеры сотрудников. Другие модели оперируют графовыми данными, которые мы используем для анализа коммуникации и взаимодействия между сотрудниками и подразделениями организации. Еще есть виртуальный ассистент, внутри которого работают модели типа Speech to Text и Text to Speech.
Словом, представленность моделей ИИ в «Пульсе» разнообразна, и включены они практически во все модули: от поиска и привлечения персонала до высокоуровневой аналитики и треков карьерного развития для каждого сотрудника.
ПЛАС: Насколько справедливо будет утверждать, что Сбер, по сути, перевел в цифру весь процесс управления персоналом? Каковы результаты этой трансформации?
М. Буздалина: Сбер действительно перевел в цифровой формат и объединил на платформе «Пульс» все ключевые направления HR: поиск и привлечение талантов, адаптацию и обучение, целеполагание и оценку результатов, карьерное развитие, кадровые сервисы, сквозную HR-аналитику и отчетность.
При этом, когда все HR-задачи стало возможно решать в одном окне, изменилась и роль HR в Сбере: значение нашего подразделения для бизнеса возросло. Сегодня благодаря «Пульсу» мы видим ускорение и повышение прозрачности процессов. Мы быстрее достигаем требуемых результатов, потому что «Пульс» помогает реализовать практически любую задачу в части управления персоналом.
Например, с момента внедрения AI-моделей оценки рисков оттока персонала в 2020 году Сбер сохраняет на 10% больше сотрудников в год, помогая справиться с выгоранием. Без модели оценки выгорания и мер удержания со стороны работодателя эти люди с высокой долей вероятности могли уволиться.
Благодаря AI-модели ранжирования резюме рекрутеру нужно обзвонить в два раза меньше соискателей, чтобы найти «того самого» кандидата и успешно закрыть позицию. Ускорение поиска специалистов достигается в том числе за счет эффективного внутреннего найма.
Также с начала 2021 года Сбер сэкономил 58 тыс. часов рабочего времени кадровиков благодаря внедрению AI-модели распознавания документов. HR-специалисты в это время решают более важные задачи бизнеса и могут уделять больше внимания проблемам сотрудников, а проведение рутинных операций доверить «Пульсу».
И это только некоторые результаты перехода Сбера на «Пульс» — те, которые непосредственно связаны с применением технологий искусственного интеллекта. Полный спектр результатов внедрения значительно шире: это и финансовые, и управленческие эффекты, и рост лояльности сотрудников, и укрепление HR-бренда Сбера как работодателя.
ПЛАС: Если вернуться к оценке выгорания, что все-таки выгоднее: нанимать новых людей или покупать технологии ИИ для предсказания поведения и удержания старых?
М. Буздалина: Обычно выгоднее удерживать сотрудников, чем искать новых людей. Уход человека из команды создает издержки: простой рабочего места, расходы на поиск нового специалиста и его адаптацию, недополученная выгода за время, пока новичок не вышел на производительность. Как раз эти критерии эксперты Deloitte и другие аналитики закладывают в оценку стоимости повторного замещения позиции после увольнения сотрудника.
По этим экономическим и этическим соображениям мы инвестируем в ИИ, который — в сочетании с программами проактивного удержания сотрудников — помогает нам снизить текучесть. На данный момент совокупный финансовый эффект от всех моделей оттока (они разные для разных категорий специалистов) составляет порядка 500 млн рублей в год. Основная доля связана с удержанием сотрудников продающих подразделений и оценивается как выгода, которую компания могла недополучить, если бы допустила отток.
ПЛАС: Как регулируется применение технологий ИИ в отношении личных границ и гражданских прав сотрудников?
М. Буздалина: Существует документ — национальный кодекс этики ИИ в России. Сбер подписал его 21 октября 2021 года. Он устанавливает общие этические принципы и стандарты поведения для российских и иностранных участников отношений в сфере ИИ. Действие кодекса распространяется на системы ИИ, применяемые исключительно в гражданских целях.
Кодекс базируется на семи принципах. Главный приоритет технологий ИИ — защита интересов людей, отдельных групп и каждого человека. Необходимо осознание ответственности при создании и использовании ИИ. Ответственность за последствия применения ИИ всегда лежит на человеке.
Технологии ИИ надо внедрять там, где это принесет пользу людям. Интересы развития технологий ИИ выше интересов конкуренции. Важна максимальная прозрачность и правдивость в информировании об уровне развития технологий ИИ, их возможностях и рисках. И последнее — принципы этики развиваются по мере появления новых знаний, новых вызовов, новых возможностей.
Также у Сбера есть внутренние принципы этичного ИИ, которые еще строже, чем озвученные принципы национального кодекса. Поэтому в банке есть процесс проверки и мониторинга всех AI-моделей, который называется валидация. В рамках него проверяется масса параметров корректности применения ИИ в процессах банка и группы, а также соблюдение принципов этики ИИ.
