Все в порядке, ваши рабочие места не будут заняты искусственным интеллектом

Мир найма и рекрутинга претерпевает значительные изменения по мере того, как автоматизация, наука о данных и аналитика прокладывают себе дорогу в работу. Мы находимся в самом разгаре полной трансформации процесса найма, чтобы наконец-то получить то, о чем просили менеджеры по найму для принятия лучших решений - хорошие данные.

Неэффективная система отслеживания кандидатов, которая появилась в отделе персонала в 90-х годах, наконец-то может быть отброшена в сторону в обмен на лучшую и более совершенную систему данных, особенно если новая пилотная система Google Hire оправдает все надежды и мечты.

Компания Visier, специализирующаяся на человеческом интеллекте, заявила:

Рекрутерам и менеджерам по подбору персонала необходим комплексный набор данных о полном жизненном цикле сотрудника - полученный путем объединения разрозненных HR-систем в единое решение - чтобы ответить на критические вопросы, которые улучшат влияние рекрутинга на бизнес и позволят им быстрее и эффективнее выявлять и нанимать качественные таланты.

Современные инновации, происходящие в области машинного обучения, могут создать необходимые инструменты, благодаря которым HR наконец-то сможет более эффективно подбирать отличных кандидатов. Мы знаем, что устаревшая система ATS была полна проблем. Большие проблемы.

Использование данных для отслеживания кандидатов и уточнения процесса найма означает, что отдел персонала скоро станет гораздо более эффективным в принятии решений о найме, а также в отслеживании эффективности работы сотрудников и потребностей персонала. До сих пор система отслеживания кандидатов была в лучшем случае неуклюжей. С появлением машинного обучения алгоритмы позволят всему процессу подбора и размещения персонала стать более эффективным в принятии решений.

Появление этой новой технологии не требует от нетехнических специалистов становиться техническими специалистами, чтобы выполнять свою работу. Это еще один инструмент, интегрированный в работу. Этот момент необходимо уяснить всем, кто считает, что технологии сделают их бесполезными или что ИИ уничтожит их работу. Нетехнические люди могут читать данные и применять инструменты в своей работе. Хотя мы увидим потребность в большем количестве специалистов по работе с данными во всех отделах, рекрутерам, склонным к работе с данными, анализу, критическому мышлению и эмоциональному интеллекту, не стоит беспокоиться. Машинное обучение и алгоритмы - это еще один инструмент, который мы добавляем в наш арсенал и который будет адаптирован для повышения эффективности и улучшения общей производительности.

Существует ошибочное мнение, что машинное обучение лишит нас рабочих мест, но это не так. Мы знаем, что автоматизация делает бесполезной избыточную работу, но машинное обучение создает новые должности. Повторяющаяся работа устареет, в то время как появляется больше технических ролей, а у нетехнических специалистов, чья работа требует навыков межличностного общения и критического мышления, теперь есть новые инструменты, позволяющие им принимать лучшие решения.

Машинное обучение - это не настоящий интеллект. Это критически важное различие, которое необходимо понять. До настоящего искусственного интеллекта еще много лет, и в технологическом сообществе ведутся споры о том, насколько реальным является настоящий искусственный интеллект. Другими словами, навыки творческого мышления, которыми обладают люди, остаются критически важными, а появление машинного обучения позволяет людям принимать лучшие решения в синтезе с машинами, но мы также не конкурируем с ними. Это критическое различие, которое необходимо понять и быть более оптимистичным. Потребует ли новое поколение HR-специалистов другой набор навыков? Безусловно, но это лишь указывает на эволюцию самого отдела в связи с изменением характера работы и технологий, которые создают новые проблемы, требующие решения и управления.

Рекрутинг становится ориентированным на данные, чтобы интегрировать предиктивную аналитику, которая действительно поможет в процессе подбора и найма персонала. Наша способность предсказывать вероятный успех кандидата на основе предиктивной лингвистики улучшается по мере того, как в систему добавляется все больше данных. Компании, обновляющие свои технологии и продолжающие это делать, будут оставаться на вершине последних достижений в области машинного обучения и с большей вероятностью добьются успеха, обойдя своих конкурентов, которые не инвестируют в эти тенденции и разработки.

Отделы кадров, которые направляют свои силы на интеграцию систем данных и обновление для использования доступных технологий, будут иметь больше шансов на успех. Дело не в том, что технологии уничтожают рабочие места. Характер работы будет продолжать меняться так же, как появление персонального компьютера, электронной почты и облачных вычислений изменило работу. Машинное обучение и предиктивная аналитика - это еще один слой технологий, который изменит характер нашей работы, но не сделает нас устаревшими.

Как напоминает в своих выступлениях Хилари Мейсон из Fast Forward Companies, аналитика данных со временем будет совершенствоваться. По мере того как в систему добавляется все больше данных, ее процесс становится более отлаженным. Наши данные становятся более точными и позволяют рекрутерам принимать более важные решения в отношении эффективности работы сотрудников, а также в отношении подбора персонала. Чем больше данных вводится в систему, тем лучше результаты. И так далее. Это хорошая новость для всех, поскольку технология дает возможность рекрутерам и HR-командам улучшить процесс поиска и подбора персонала, а также управления сотрудниками, помогая продвигать таланты и компании вперед.

Об авторе: Кэролайн Стоукс, основательница FORWARD, - хедхантер, коуч и тренер по EQ для инновационных лидеров. www.theforward.co

.

Рубрика: 
Ключевые слова: 
Источник: 
  • Theundercoverrecruiter.com
Перевод: 
  • Дмитрий Л

Поделиться