Основной проблемой рекрутинга всегда был поиск кандидатов, которые: 1.) обладают техническими навыками, необходимыми для выполнения работы и 2.) способны вписаться в существующий коллектив компании.
Согласно последнему исследованию компани Instructure, которая занимается анализом рынка, 85% руководителей хотят видеть кандидатов с правильным отношением, и лишь для 40% первичными являются технические навыки.
К сожалению, основной инструмент, используемый рекрутерами для оценки личности кандидатов (собеседование), требует огромных временных и финансовых затрат. Кроме того, как показывает практика, он недостаточно хорош для прогнозирования продуктивности работы.
Тем не менее, в будущем рекрутеры получат доступ к автоматизированным инструментам, способным определять степень соответствия с высокой точностью, и это радикально изменит рекрутинговый процесс в целом.
Что происходит сейчас?
Прежде всего, необходимо обратиться к истории. До появления компьютеров рекрутеры в буквальном смысле листали резюме и заявки, чтобы найти подходящего кандидата, а затем звонили ему, чтобы пригласить на собеседование.
Если при личной встрече выяснялось, что навыки кандидата соответствовали заявленным в резюме, а сам он казался "подходящим" (т.е. способным вписаться в коллектив), его представляли работодателю.
В наши дни рекрутеры редко имеют дело с бумажными документами. Они работают в Интернете, просматривая резюме, профили и заявки от кандидатов с нужными навыками.
Разумеется, компьютеры значительно упростили процедуру поиска квалифицированных специалистов, однако они по-прежнему не позволяют отсеивать соискателей, которые не подходят работодателю по складу характера.
И этот недостаток нельзя компенсировать количеством попыток. Рекрутеры часто используют поисковые технологии для обращения к кандидатам, которые (по их собственному мнению) обладают нужными личными качествами. В отличие от технических навыков, которые находят объективное отражение в сведениях об образовании и опыте, оценка характера зачастую субъективна.
Многие люди думают, что полны энтузиазма, хотя на самом деле они проявляют равнодушие. Даже те, кто осознает в себе недостаток энтузиазма, вряд ли открыто напишет об этом в резюме.
В результате рекрутерам остается оценивать степень соответствия только на собеседованиях. Многие компании используют методики для оценки поведения (например, прогностические показатели) для измерения личных качеств, однако даже самые ярые сторонники такого подхода признают, что оценки не являются точными, а потому их необходимо использовать в сочетании со стандарными процессами.
Последние исследования в области оценки личности кандидатов
В статье, опубликованной в New York Times, группа исследователей заявляет, что научилась предсказывать т.н. "исходы жизни" и другие личностные характеристики на основании поведения человека в сети.
Исследователи попросили группу участников оценить свою личность. То же самое было предложено людям, которые хорошо знали подопытных - например, коллегам.
Затем ученые исследовали историю отметок "Нравится", которые оставлял на Facebook каждый участник эксперимента, и создали для него компьютерную модель личности. После этого они сравнили три оценки (испытуемого, его коллеги и компьютера), чтобы узнать, какая из них лучше всего предсказывает "жизненный исход" (т.е. состояие здоровья, политические убеждения, уровень удовлетворенности жизнью и т.д.)
Компьютерная модель оказалась точнее самостоятельной и сторонней оценки по 12 из 13 пунктов. Кроме того, модель точно определяла, употреблял ли участник алкоголь или наркотики.
Поскольку рекрутинг по-прежнему во многом зависит от личных встреч, в ходе которых можно установить культурное и личное соответствие, результаты исследования обладают огромным значением для рекрутеров. При наличии компьютерной модели, позволяющей с высокой точностью судить о личности кандидата, необходимость в ситуативной и субъективной оценке в ходе личной беседы полностью отпадет.
В недалеком будущем
Если о личности человека можно будет судить по таким простым вещам, как отметки "Нравится" на Facebook, только подумайте, насколько точным будет предсказание, охватывающее всю деятельность человека в сети!
Все мы оставляем цифровые следы в виде заметок в социальных сетях, истории поиска и покупок, электронных писем, звонков и т.д.
Эта информация часто называется "большими данными", т.к. она хранится в различных базах данных и объединяет их между собой. "Большие данные" постепенно проникают во все рекрутинговые процессы. Результатом должно стать создание компьютерных моделей, которые смогут:
- Предсказывать, готов ли кандидат рассмотреть предложенную рекрутером вакансию (т.е. заслуживает ли он внимания со стороны рекрутера).
- Отсеивать кандидатов, которые не подходят работодателю по определенным личностным критериям.
- Определять кандидатов, которые могут стать запасными вариантами, несмотря на недостаток квалификации или несоответствие формальным требованиям.
Что это означает?
Такие компьютерные модели наверняка ускорят и улучшат рекрутинговые процессы. Тем не менее, их появление неизбежно повлечет за собой негативные последствия.
Например, некоторых соискателей будут считать профнепригодными не потому, что они допустили какую-то ошибку, а потому, что модель сочтет эту ошибку возможной. Есть что-то... неамериканское в том, чтобы относиться к невиновному человеку так, как будто его вина уже доказана.
Кроме того, после того, как алгоритмы определения профпригодности станут широко известны, наверняка появятся боты, симулирующие "правильное поведение", а сами люди будут использовать Интернет анонимно. В результате рекрутеры все равно будут нанимать тех, кто создаст себе поддельную личность.
Несмотря на потенциальную угрозу, в скором времени общественность получит доступ к описанным выше инструменты, которые изменят привычные подходы к рекрутингу. Собеседования уйдут в прошлое, а работодатели будут реже нанимать соискателей, способных хорошо себя представить, но неспособных продуктивно работать после подписания договора.
Первая публикация: 2016-05-10
- Linkedin.com
Поделиться
