Использование искусственного интеллекта в рекрутинге

В рамках настоящей работы данная проблема о усилении ограничений со стороны общественности и расширения социальных категорий достаточно актуальна. В предыдущей главе мы рассмотрели устройство и принципы функционирования искусственного интеллекта, а также обратили внимание на достоинства и недостатки классических методов рекрутинга.

2.1 Анализ опыта зарубежных компаний по внедрению ии в рекрутмент

Опыт внедрения ИИ в процессы рекрутмента в зарубежных странах показывает весьма положительные результаты. В частности, одним из главных преимуществ использования ИИ является снижение ресурсных и временных затрат как работодателя, так и соискателя. Об этом в своем интервью говорит вице-президент компании Indeed.com Raj Mukherjee. Indeed.com является одним из крупнейших сайтов по поиску работы, согласно данным ComScore, в месяц сайт посещают более 250 млн уникальных клиентов, а каждую секунду публикуется около 10 новых вакансий на сайте. При этом, как отмечает Raj Mukherjee, большой проблемой на сегодняшний момент стало удержание сотрудника на его должности (Geetha R., Bhanu S. R. D.). Согласно статистическим данным, около 65% кандидатов, принятых на работу, начинают искать новую через 91 день. Данный факт отрицательно сказывается на большом количестве показателей эффективности компании, что особенно заметно в ситуации изменения ценностного подхода к сотрудникам. При этом вице-президент компании Indeed.com отмечает, что ИИ в рекрутменте создан именно помогать HR-специалистам, высвобождая им время от рутины, чтобы они могли потратить его на выполнение тех функций, в которых требуется именно живое общение, использование общечеловеческих способностей. Именно поэтому Raj Mukherjee настоятельно рекомендует использовать мощности ИИ в аспекте поиска и подбора персонала, отмечая главные функции, которые ИИ может выполнять и выделяя его главные функции в сфере HR:

1. Поиск и отбор кандидатов: в настоящее время существует широкий выбор разнообразного ПО, помогающего рекрутерам эффективно подбирать персонал. Например, приложение Resume Matcher, которое является продуктом компании SAP (Гринвальд Т.). Первоначально ИИ обрабатывает поступающую информацию о необходимых требованиях к должности, а затем анализирует огромные потоки информации, размещенной на сайтах с вакансиями. Далее ИИ формирует список из наиболее привлекательных кандидатов, который обрабатывается HR-специалистами.

Также важное значение приобретают возможности чат-ботов, которые помогают потенциальному кандидату найти нужную информацию о компании, предлагаемой вакансии и т.д. При этом чат-бот использует и инструменты обратной связи для того, чтобы быстро информировать кандидата о решении руководства. Наиболее известным чат-ботов в России является «робот Вера». Согласно данным розничной продуктовой сети «Пятерочка», за три месяца работы ИИ обзвонил 16,6 тысячи предполагаемых кандидатов, из которых 1,3 тысячи пришли на собеседование с HR-специалистами. Компания довольна результатами использования ИИ-рекрутинга, отмечая, что ее деятельность экономит около 200 человеко-часов в месяц и снижает время и затраты на поиск кандидатов в 4-5 раз, нежели этим занимались обычные сотрудники.

2. «Отсеивание» дублей вакансий кандидатов, автоматизация процесса общения: в настоящее время существует огромное количество сайтов, где кандидаты размещают свою вакансии, поэтому информация дублируется. Изучая эти дубли, HR-специалисты тратят свое время впустую, ИИ же способен «отсеивать» эти предложения и выдавать релевантную информацию. искусственный интеллект рекрутинг управленческий

3. Повторное вовлечение кандидата: иногда бывает ситуация, когда кандидат, разместив свое резюме перестает проявлять активность. ИИ может анализировать уровень заинтересованности кандидата, что достаточно проблематично для выполнения HR-специалистом. Также ИИ может обновлять актуальную информацию.

4. Знакомство с культурной средой организации: ИИ знакомит новых сотрудников с корпоративной средой, разъясняя политику, культурные ценности, цели и задачи компании. При этом функциональные возможности ИИ осуществляют знакомство новых сотрудников со всеми формальными процедурами и документацией, существующей в компании.

Анализ зарубежной периодики и данных исследований представлен в виде сводной Таблице 1 (Приложение), где указаны основные функции ИИ, использующиеся в HR, проблемы, которые они решают, а также достигнутые результаты, список компаний, использующих продукты и само ПО.

Согласно данным (Kemp, 2018) в мире более 3 млрд активных пользователей социальных сетей, каждый из которых тратит на пользование ими около 6,5 часов в неделю (Nielsen, 2018). Именно поэтому компании, которые хотят соответствовать тенденциям современного развивающегося мира, должны активно использовать инновационные инструменты в цифровом пространстве. Также немаловажным фактом является и постепенных переход к оцифровке данных сотрудников, который показывает предыдущий опыт возможных кандидатов. Согласно исследованию (Smith, 2013) в 2013 году на одну должность претендовали около 100 кандидатов, а в 2018 году это число увеличилось до 250 (Yin, Camacho, Novais & Tallon-Ballesteros, 2018). Работа с такими большими объемами информации требует значительных затрат человеко-часов в ракурсе специалистов-рекрутеров, и именно поэтому внедрение инструментов и алгоритмов ИИ невероятно разгрузит HR-специалистов и увеличит эффективность и качественность выполняемой работы.

О эффективности ИИ, особенно на ранних этапах поиска и набора кандидатов, в зарубежной литературе говорят уже достаточно давно и установлено (Kaplan & Haenlein, 2019), что их преимущество уже даже не подлежит дискуссиям, это факт. И хотя все понимают важность внедрения инновационных методов рекрутинга, еще немногие компании, даже за рубежом, могут использовать их из-за ряда сложностей, к которым относят: дороговизна использования, необходимость интеграции со сторонними системами (внутренний рекрутинг), а также недостаток мотивации у сотрудников, опосредованный боязнью потерять рабочее место (Deloitte Insights, 2018). Далее будет рассмотрен опыт применения ИИ в процессах рекрутинга на примере нескольких зарубежных компаний:

1. Компания Unilever уже давно признает, что для успешной конкуренции на рынке, важно стратегически подходить к процессу рекрутинга. Сотрудник -- это главный ресурс компании, о чем не понаслышке знает предприятие, штат которого составляет более 170.000 человек по всему миру. И чтобы сохранять лидирующие позиции и эффективно выстраивать политику своей компании, Unilever должен привлекать таланты, наиболее перспективных сотрудников. Эта миссия давно стоит в приоритете, поэтому уже на протяжении нескольких лет (с 2016 года) компания состоит в партнерстве с Pymetrics и HireVue и активно использует разработанные им алгоритмы ИИ. Хорошо зарекомендовала себя технология нейробиологических тестов, проходящих в виде инструмента геймификации, который скрытно измеряет такие качества кандидата, как память, способность к риску, умение читать контекстные подсказки и способность к сосредоточению. Менеджеры в результате таких тестов получают отчет о потенциале кандидата, что значительно снижает затраты на проведение очных интервью. Технологии первичного отбора также активно используются HR-отделами Unilever. В погоне за талантами компания тратила значительные ресурсы и материальные, и временные, чтобы отыскать сотрудников среди выпускников различных учебных заведений. И чем шире связь, охватывающая и анализирующая будущих сотрудников, тем выше вероятность нанять наиболее талантливого специалиста. Аналоговая методика, при которой основной пул работы был возложен на плечи HR-специалистов охватывала 840 университетов, при этом затраты на поиск и подбор кандидатов были ошеломляющими. Сегодня же, когда к поиску был привлечен ИИ, анализирующий профили кандидатов в таких социальных сетях, как Facebook, компания смогла расширить группу поиска до 2600 университетов при существенно более низкой стоимости, чем раньше, когда анализом занимались люди. Unilever выставил отчет в котором показал результаты совместной деятельности с Pymetrics и HireVue:

- Количество заявок на работу удвоилось в течение первых 90 дней с момента их размещения и интеграции с поисков в социальных сетях, с 15 000 до 30 000 претендентов;

- Unilever нанимает самых разнообразных сотрудников, полностью устраняя какую-либо дискриминацию. Число нанятых небелых абитуриентов увеличилось на 10%. Создан баланс между представленными социально-экономическими классами, и алгоритм найма был сбалансирован по половому и возрастному признаку;

- Среднее время приема на работу кандидата сократилось с четырех месяцев до четырех недель с совокупной экономией 50 000 часов времени кандидатов. Время, затрачиваемое рекрутером на обработку заявки, сократилось на 75%;

- Количество кандидатов, дошедших до конечного этапа процесса рекрутинга, увеличилось с 63% до 80%, а процент принятия этих предложений увеличился с 64% до 82% (Feloni, 2017).

2. Экономическая эффективность использования ИИ-рекрутинга отчетливо представляется на примере компании Amazon. Ежегодный отчет Society of Human Resource Management в 2016 году показал, что средние затраты на поиск, привлечение и найм одного сотрудника при использовании классических инструментов рекрутинга составил около 4 129 долларов. Это баснословная сумма. Для наглядности: CNN разместил информацию, что 2017 году в третьем квартале компания Amazon увеличила штат сотрудников до 541 900, хотя еще в 2016 году эта цифра составляла 300 000. То есть за 12 месяцев компания набрала 241 900 кандидатов. Сегодня известно, что роботизация достигла невероятных показателей, роботы заменили почти 20.000 работников на складах компании (HABR, 2018), поэтому не секрет, что, несмотря на скандал, разгоревшийся из-за ИИ-HR в 2014 году (Han D.), компания не отказалась от преимуществ искусственного интеллекта в рекрутинге. Но если бы работу по поиску и найму персонала до сих выполняли бы люди и с учетом данных Society of Human Resource Management, можно посчитать, что в 2017 году расходы на найм сотрудников в Amazon составили 4 129 долларов (средняя стоимость найма 1 сотрудника) х 241 900 (количество сотрудников) = 998 805 100 долл. Почти миллиард долларов только на подбор персонала (Pay, 2018).

2.2 Кейс «ИИ-рекрутинг компания мегафон»

Компания «Мегафон» существует на рынке уже более 25 лет. За это время из простого поставщика сотовой связи, Мегафон трансформировался в национальный российский оператор цифровых возможностей, который занимает лидирующие позиции на телекоммуникационном рынке. Сегодня Мегафон объединяет более 77 млн абонентов и более 40.000 сотрудников. Компания занимается широким спектром разработок в области информационных технологий, сюда можно отнести как развитие области вычислительных мощностей и инфраструктуры как сервиса (IaaS), так и области бизнес-процессов как сервисов (BPaaS). В 2018 году был запущен проект «SFera» - облачная система для автоматизации процессов управления персоналом. По сути, это облачная ATS, которая контролирует такие процесса, как аналитика, адаптация, обучение и отслеживание эффективности персонала, или, другими словами, это система управления внутренними HR-процессами. Помимо этого, Мегафон предлагает сервисы «Виртуальный ЦОД» и «Деловое облако», в которых используются технологии Big Data, что также помогает в процессах управления персоналом.

Также в 2018 Мегафон запустил услуги «Мегафон Рекрутика» и «Цифровой подбор персонала», базирующиеся на платформе технологического партнера компании «Skillaz». Это виртуальные платформы полного цикла подбора персонала, которые базируются на алгоритмах ИИ. В настоящее время сервисы активно развиваются.

В рамках настоящей работы было проведено экспертное интервью с менеджером по подбору и адаптации персонала в компании «Мегафон Ритейл». Данное предприятие является дочерней компанией «Мегафон» и существует с 2009 года. В 2017 году был впервые запущен чат-бот для массового подбора персонала, который первично общается с кандидатами, выясняя и фиксируя необходимые данные о претенденте, которые затем передаются HR-специалистам.

В 2018 года ОЦО (Объединенный центр обслуживания), внедрил платформу Skillaz - ИИ - алгоритм, который занимается поиском кандидатов по критериям работодателя в соцсетях, сообществах, на форумах, сайтах по поиску работы и др. Сегодня «Мегафон» владеет 25% Skillaz и активно продвигает новые технологии и возможности в качестве своих цифровых продуктов.

В настоящее время структура рекрутерской службы в компании Мегафон Ритейл выглядит следующим образом: по большей части используются методы классического рекрутинга, который включает в себя в себя поиск резюме, телефонное и очное интервью. Для поиска высококвалифицированных специалистов используются методы Executive search, Хэдханинг. По мнению эксперта, на сегодняшний день процесс рекрутинга в Мегафон Ритейл еще минимально автоматизирован, однако учитывая стратегические цели компании, в частности - быть лидером digital-рынка и выбором № 1 для клиента, стоит ожидать усиленного внедрения инновационных технологий в процессы управления персоналом компании. Даже сейчас, анализируя показатели эффективности источников привлечения, указанные на Графике 1, суммарно платформа Skillaz и чат-бот смогли привлечь 10% сотрудников, что является отличным показателем для старта проекта.

График 1: Составлено автором

К преимуществам работы платформы Skillaz и алгоритмов ИИ в ракурсе автоматизации процессов рекрутинга, эксперт относит следующее: благодаря этой платформе создается единая база хранения и учета кандидатов, которая позволяет не приглашать повторно кандидатов, которые уже рассматривались, в результате чего повышается качество предоставляемых кандидатов. Автоматизированная воронка позволяет сделать правильные настройки, и понять какое количество кандидатов должно быть на первом этапе. А также отследить на каком этапе кандидаты отваливаются, чтобы скорректировать мероприятия в процессе подбора. Кроме этого, Skillaz позволяет ускорить процессы найма и быстро предоставить большое количество резюме/контактов. Другими словами, ИИ-рекрутинг в первую очередь должен избавлять специалистов-рекрутеров от затрат времени на рутинную работу и помочь сосредоточить внимание на более важных операциях. К тому же, учитывая многозадачность и способность воспринимать огромные потоки информации за минимальное время, рационализирует деятельность HR-отделов и улучшит кадровый состав предприятия, за счет привлечения лучших талантов.

2.3 «КЕЙС ИИ-рекрутинг в компании «Сбербанк»

Предприятие ПАО «Сбербанк России» является обширной коммерческой организацией, удовлетворяющей широкий спектр потребностей своих клиентов. Вероятнее всего каждый хотя бы раз в жизни, сталкивался с данной организацией и пользовался ее услугами. Согласно статистическим данным около 100 млн граждан Российской Федерации активно пользуются услугами «Сбербанк», а также свыше 1 млн юридических лиц, что делает ПАО «Сбербанк России» лидером в своей отрасли. Банковская сфера является динамично-развивающейся в наше время и это в свою очередь провоцирует достаточно большую конкуренцию.

Прогресс при этом также не стоит на месте и чтобы оставаться всегда на плаву приходится все время совершенствовать как технологическое, так и кадровое состояние своей организации.

По своим началом «Сбербанк» объединяет более 16,5 тысяч отделений компании по всей России. Общая численность сотрудников составляет более 290 тысяч высококвалифицированных специалистов. Столь обширная организационная структура подразумевает умелое и профессиональное управление персоналом, которое должно все время улучшаться. Именно этой проблемой и озадачили себя менеджеры. Сегодня главной задачей предприятия являются создание инновационных банковских продуктов и услуг, которые позволят выйти «Сбербанк» на качественно новый уровень. Безусловно, огромную роль в этом играет активное развитие программно-технического оснащения, увеличение надежности и производительности интеллектуальных систем, но главным элементом в этой конструкции является все-таки звено персонала и эффективное управление им.

В 2019 году Наблюдательный совет, в который входят 2 исполнительных директора, 6 неисполнительных директоров, 6 независимых директоров, Сбербанка России рассмотрели ряд вопросов, касающихся будущего организации. Как видно из официального отчета Сбербанка за 2019 год, представленном на Рисунке 1, приоритетными направлениями являются сферы корпоративного управления, а также важное внимание уделено HR-вопросам и развитию информационных технологий.

Рисунок 1: Вопросы, рассмотренные Наблюдательным советов в 2019 году (Годовой отчет «Сбербанк» за 2019 год)



Важным достижение ПАО «Сбербанк» является разработка собственной облачной системы В настоящее время структура рекрутерской службы в компании Мегафон Ритейл выглядит следующим образом: по большей части используются методы классического рекрутинга, который включает в себя в себя поиск резюме, телефонное и очное интервью. Для поиска высококвалифицированных специалистов используются методы Executive search, Хэдханинг. По мнению эксперта, на сегодняшний день процесс рекрутинга в Мегафон Ритейл еще минимально автоматизирован, однако учитывая стратегические цели компании, в частности - быть лидером digital-рынка и выбором № 1 для клиента, стоит ожидать усиленного внедрения инновационных технологий в процессы управления персоналом компании. Даже сейчас, анализируя показатели эффективности источников привлечения, указанные на Графике 1, суммарно платформа Skillaz и чат-бот смогли привлечь 10% сотрудников, что является отличным показателем для старта проекта.

Снижение числа сотрудников связано с платформы RPA (Robotic Process Automation), которая автоматизирует процессы, выполняемые людьми. В 2019 году было автоматизировано 103 процесса, 2,8 млн робо-часов трудозатрат эквивалентно ненайму 930 человек, о чем свидетельствует годовой отчет. Достаточно показательным в ракурсе цифровизации предприятия является снижение количества сотрудников в период с 2014 по 2017 году - на 24 тыс. человек, до 251,7 тыс. сотрудников (Рисунок 2). Это составляет 8,7% от исходной численности персонала в 2014 году. Также снизилась текучесть кадров с 14,2 до 12,8 (Рисунок 3)

Также согласно стратегическому плану Сбербанка, планируется вложить в развитие искусственного интеллекта около 150 млрд рублей до 2024 года. Наибольшие затраты идут на преобразование Сбербанка в AI-Native-компанию. Также Сбербанк сотрудничает с платформой Skillaz, о которой мы уже говорили ранее.



Рисунок 2: Численность сотрудников (в тыс. чел.)

Рисунок 3: Текучесть кадров (в %)

По словам Ксении Мартыновой, управляющего директора управления, привлечения и отбора талантов Сбербанк, массовый отбор персонала был автоматизирован с 2017 году по средствам платформы Skillaz. За это время ИИ отобрал около 15 тысяч сотрудников на массовые позиции (операторы колл-центров, консультанты, менеджеры по продажам). Благодаря внедрению ИИ и выполнению им рутинной работы, удалось снизить нагрузку на HR-отдел почти в два раза и снизить затраты на найм персонала на 34%, что явственно отражает преимущества аугментации ИИ и специалистов-рекрутеров. Ярослав Третьяков, руководитель направления digital-решений массового подбора, отмечает, что при поддержке платформы вакансия закрывается за рекордные три дня. ИИ анализирует весь спектр работных сайтов, различные базы данных, а рекрутеру лишь необходимо перенести досье кандидата в систему. Ранее в системе было лишь около 10%, теперь этот показатель близок к 100%.

Skillaz предоставляет Сбербанку комплексное решение для предприятия, которое постоянно расширяет свои функциональные возможности. Так, в декабре 2019 года в работу рекрутеров был введен ИИ-планировщик задач, который значительно увеличивает эффективность работы подразделения. В 2018 году Сбербанк внедрил платформу SAP SuccessFactors, которая объединяет в единую сеть всех сотрудников компании и обеспечивает централизацию рекрутинговых процессов.

Таким образом, согласно отчету Сбербанка одной из стратегических задач будущего является дальнейшее усиление цифровизации всех этапов работы организации. В ракурсе HR-сферы, специалисты Сбербанка видят продолжающееся перспективное внедрение ИИ-инструментов, которые смогут еще сильнее повысить качество отбора кандидатов и улучшить критерии оценивания.

2.4 Теоретическая модель исследования, интерпретация полученных результатов

Для создания теоретической модели исследования были рассмотрены публикации российских и зарубежных авторов о значении ИИ в рекрутменте, в частности, о тех преимуществах, которые несет в себе внедрение инновационных технологий в процесс, которое позволят провести опрос респондентов. Данный опрос позволит создать облик современной российской компании, использующей инструменты ИИ-рекрутмента и выявить проблемные поля. В первую очередь, ряд зарубежных авторов (Upadhyay & Khandelwal, 2018) акцентируют внимание на том, что говорить об эффективности использования инструментов ИИ в рекрутинге можно спустя как минимум 6 месяцев. Этот промежуток времени необходим для овладения технологией работы с новыми функциональными решениями и адаптацией алгоритмов для нужд компании. Большое значение имеет и определение размера компании, в котором внедрены инструменты ИИ. По мнению автора (Maedche, 2019), использование ИИ в рекрутинге в небольших компаниях нецелесообразно, так как сейчас ИИ-рекрутмент сосредоточен на массовом поиске и подборе сотрудников. Определение наиболее используемых инструментов ИИ в рекрутинге, позволит оценить преимущественные направления в ИИ-рекрутинге в российских компаниях. По данным авторов, преобладающими инструментами являются чат-боты и неспецифические платформы.

Инструменты ИИ и их функциональные возможности позволяют автоматизировать все этапы процесса рекрутинга (поиск кандидатов/размещение вакансий, обработка откликов на вакансии, скрининг резюме, собеседования, отбор, формирование оффера, закрытие позиции) (Esch, 2018). Мировые тенденции (Deloitte insights, 2019) показывают, что чаще всего наблюдается аугментация HR и ИИ, инновационные инструменты в данном случае автоматизируют начальные этапы рекрутинга, дальнейшие решения принимает специалист-рекрутер.

Согласно ряду исследователей (Бурчакова, 2010) к главными трудностям в работе, специалисты-рекрутеры относят несколько процессов, куда относят поиск квалифицированного персонала с опытом работы, выявление штатных сотрудников с нужными навыками, поиск квалифицированного персонала на начальные позиции, правильное позиционирование бренда работодателя, неэффективные технологии подбора и найма сотрудников. Сегодня созданы ИИ-алгоритмы, способные справиться с каждой из этих задач (Esch, 2018). Выявление проблемного поля в данном вопросе среди российских рекрутеров, позволит оценить наиболее уязвимый этап в рекрутменте. Также важно узнать мнение респондентов о том, считают ли они, что внедрение инструментов ИИ способно справиться с трудностями рекрутмента в их компании. Данный момент позволит выявить осведомленность специалистов о существующих на рынке решениях и их функциональных особенностях.

Также нельзя обойти вниманием и тему, связанную с проблемами использования инструментов ИИ в рекрутменте. Зарубежные исследователи (Canals & Heukamp, 2019) сегодня к основным проблемам использования инструментов ИИ относят предвзятость алгоритмов к кандидатам и вытекающие отсюда проблемы с дискриминацией определенных слоев населения, что зачастую провоцирует усиление недоверия внутри компании и повышенный интерес к решениям извне. Второй проблемой является то, что алгоритмы трудно объяснить и именно поэтому в последнее время активно развивается направление «explainable AI», что по своей сути является расшифровкой этих «черных ящиков». Основной целью ставится создание простого программного обеспечения, которое станет «переводчиком» и транслятором решений ИИ. Однако, на мой взгляд эти проблемы, не достаточно применимы к российским реалиям, где инструменты ИИ используются не так давно, и важна в первую очередь практическая сторона вопроса. Поэтому респондентам будут предложены широко распространенные проблемы внедрения ИИ в рекрутинг (дороговизна, отсутствие опыта работы с технологиями, недоверие к машинным решениям, недоступность ресурсов для поиска кандидатов).

Схематически теоретическая модель выглядит следующим образом:

Схема 1: Составлено автором

Методология исследования: для создания усредненной модели современной российской компании, использующей инструменты ИИ в процессах рекрутинга было проведено качественное исследование в виде анкетирования менеджеров по адаптации и подбору персонала из г. Москва, г. Санкт-Петербург и г. Новосибирск. Также был использован метод экспертного интервью, результаты которых были оформлены в виде кейсов. Качественный анализ позволяет оценить отношение непосредственных участников процесса внедрения ИИ в рекрутинг, данный подход является слабо формализованным и гибким, он вписывается в модель исследования настоящей работы. Не ставится задача статистической достоверности выводов, по результатам работы формируется вариабельная модель, а также вычленяются проблемные поля, в отношении которых будут даны рекомендации, обусловленные как компетентностным охватом исследователя, так и теоретической базой (синтез, анализ данных). Анкетирование проводилось среди менеджеров по адаптации и подбору персонала, со стажем работы не менее 3-х лет, всего в анкетировании приняли участие 54 человека. Анкета была создана с помощью специализированного ресурса Survio.com, процесс распространения анкеты - с помощью мессенджеров и электронной почты. Экспертное интервью проводилось лично, устная речь и ответы эксперта были зафиксированы с помощью стенографирования, которые затем переведены в электронный вариант. Данные, полученные в ходе проведения анкетирования валидны, надежны и релевантны, что обусловлено выборкой квалифицированных специалистов (конкретная направленность исследования, исследование свободно от помех), а также их триангуляцией, опосредованной экспертным интервью и эталонным исследованием Deloitte Insight 2019.

Интерпретация результатов

Согласно полученным результатам (График 2), 64% компаний, сотрудники которых проходили опрос имеет штат сотрудников численностью более 1000. В литературных источниках, а также на официальных сайтах компаний-поставщиков ИИ инструментов для рекрутмента указано, что целесообразность использования подобных технологий оправдана в том случае, если требуется поиск и подбор кандидатов на массовые позиции. Анализ данного показателя позволяет судить о том, что, во-первых, он соответствует предполагаемому результату теоретической модели исследования, а во-вторых, позволяет определить целевую аудиторию пользователей инструментами ИИ-рекрутинга в России.

График 2: Составлено автором

51% респондентов ответили (График 3), что в их компании инструменты ИИ в рекрутинге используется на протяжении 1-2 лет, 33% отметили менее года. Данные показатели соответствуют предполагаемым результатам теоретической модели. ИИ в рекрутменте достаточно молодое направление в HR-индустрии в России, многие компании зачастую игнорируют подобные инновационные тенденции. Согласно исследованию Deloitte Insight 42% российских компаний до сих пор не принимают в расчет технологические новшества. Показательным является и экспертное мнение представителя компании «Мегафон Ритейл», который отметил, что несмотря на то, что компания позиционирует себя как главного поставщика телекоммуникационных систем, ИИ в рекрутменте они внедрили относительно недавно и многие решения, представляемые ИИ им до сих пор не доступны.

График 3: Составлено автором

Результаты опроса коррелируют с теоретической моделью исследования и как мы видим преимущественно российские компании из многообразия ПО выбирают ИИ чат-ботов (55%), что отражено на Графике 4. В данной ситуации подобный результат также говорит о том, что российские компании находятся лишь на начальной точке знакомства с инструментами ИИ, так как в зарубежной литературе (Balachandar, 2018) чат-боты являются первоначальным решением, если компания захотела внедрять подобные технологии. Большое значение также имеет и фактор наличия у компаний ATS-систем с которыми интегрируются ИИ-платформы. Данный показатель (21%) говорит о том, что 1\5 компаний предпочитают комплексный подход, который уже активно развит за рубежом (Albert, 2019). В ходе экспертного интервью, также было выяснено, что первоначально (более года назад) компания использовала чат-бота, и лишь недавно была внедрена платформа Skillaz.



График 4: Составлено автором

Данный пункт анализа перекликается с предыдущим. Функциональные возможности различных ИИ-инструментов в рекрутинге разительно отличается и с учетом преимущественного использования чат-ботов, которые автоматизируют процессы поиска и подбора кандидатов, данный результат (График 5) (преимущество поиска кандидатов (34%) и обработки откликов (26%)) был вполне ожидаем.

По исследованию Deloitte Insight, автоматизация первоначальных этапов рекрутмента может достигать 98% благодаря ИИ. Эксперт также высказал предположение, что в ближайшее время автоматизация подбора кандидатов на массовые позиции будет увеличиваться, сегодня этот показатель равен 10%. Можно сделать вывод, что на сегодня ситуация обстоит таким образом, что вовлеченность HR-специалистов на всех этапах рекрутинга в России достаточно высока.



График 5: Составлено автором

Благодаря настоящей диаграмме (График 6) мы видим, что в первую очередь после внедрения ИИ-инструментов нет изменений в сторону ухудшения (0%). Наибольшие эффекты респонденты отмечают в области изменения эффективности воронки подбора (38%), снижения временных (15%) и материальных затрат на подбор и найм кандидатов (19%). По мнению исследователей (Esch, 2019) эти критерии относятся к самым быстрореализуемым и показательным в ракурсе презентации эффективности. Низкие показатели текучести кадров и качества подбора связаны прежде всего с тем инструментом ИИ, который используется в компании. Исследователь (Krishnakumar, 2019) пишет о том, что использование интегрированных мультифункциональных платформ позволяет значительно влиять на эти показатели за счет более тонкой настройки критериев подбора под свои потребности.



График 6: Составлено автором

Интересным оказался тот факт, что 100% респондентов единогласно высказали мнение, что ИИ в рекрутинге важно развивать в компании и его возможности способны справиться с основными проблемами рекрутмента в компании (поиск квалифицированного персонала с опытом работы, выявление штатных сотрудников с нужными навыками, поиск квалифицированного персонала на начальные позиции, правильное позиционирование бренда работодателя, неэффективные технологии подбора и найма сотрудников).

При изучении вопроса, касающегося проблем внедрения ИИ-рекрутинга в России, результаты также достаточно точно соответствовали теоретической модели (График 7). Преобладающее количество респондентов отметили среди главных сложностей внедрения инструментов ИИ - дороговизну инновационных решений, отсутствие разнообразия на рынке инструментов ИИ (обусловленное низким процентом программ с русской локализацией и ориентированностью на русский рынок), а также отсутствие благоприятной среды для внедрения ИИ-инструментов. Отличительной особенностью является крайне низкая заинтересованность практических работников проблемами дискриминации алгоритмов ИИ и расшифровки, в отличии от зарубежных стран, о чем говорилось в теоретической модели исследования. По мнению эксперта, также одной из главных причин является высокая стоимость внедрения инновационных решений, а также недостаток навыков работы с новыми функциональными возможностями.

График 7: Составлено автором

2.5 Модель современной компании в россии, использующей ии-рекрутинг. Рекомендации по решению проблем в русском сегменте ии-рекрутинга

Благодаря предыдущим пунктам, рассмотренным кейсам и экспертным интервью можно составить приблизительную модель (Схема 2) современной российской компании, которая использует инструменты ИИ в рекрутинге. Это компания преимущественно среднего или крупного размера, которая активно развивает свой технологический и информационный потенциал. Внедрение ИИ в процессы рекрутинга такой компании находится в начальной стадии, если сравнивать преобладание автоматизации над стандартизацией и участием специалистов HR-сегмента, то в России наблюдается максимальная вовлеченность HR-специалистов в большинство этапов рекрутмента.

Схема 2: Модель компании, использующей ИИ-рекрутинг в 2020 году (Составлено автором)

ИИ на данный момент в таких компаниях представлен инструментами чат-ботов, которые автоматизируют начальные этапы рекрутмента. Кадровые специалисты осведомлены о необходимости внедрения высокоинтеллектуальных технологических решений в процесс их деятельности, так как они имеют положительный опыт выражающийся в эффективности автоматизации поиска, подбора кандидатов, обработке откликов на вакансии, снижении материальных и временных расходов на начальные этапы процесса рекрутмента, что было выяснено с помощью анкетирования специалистов и проведения экспертных интервью. При этом имеются положительные тенденции, касающиеся дальнейшей автоматизации и цифровизации отрасли, что можно четко отследить в кейсе «Сбербанк». Полученные результаты не противоречат данным масштабного исследования тенденция в сфере управления, проведенного компанией Deloitte Insight 2019.

Также в ходе исследования был определен круг основных проблем, которые тормозят активное внедрение ИИ-рекрутинга.

1. Низкая доступность инструментов на основе ИИ для российских потребителей. Это обусловлено как отсутствием подходящих характеристик для российского сегмента рынка, куда можно отнести язык интерфейса, языковые условности, характерные для неформальной речи, высокая цена. Иностранный продукт «Textio» способен анализировать такие условности и распознавать, но этот инструмент также не локализован для России. Решением этой проблемы будет создание доступных ИИ-инструментов для автоматизации процесса рекрутинга. Наибольший потенциал в данном аспекте принадлежит платформе Skillaz, с которой сотрудничает ряд крупных российских компаний. Еще одним важным аспектом является ценовая политика, которая делает инструменты ИИ-рекрутинга недоступными для небольших компаний. Приоритетом на сегодняшний момент для ИИ-рекрутинга является именно поиск и отбор кандидатов на массовые позиции, однако возможности ИИ представляют огромный простор для управления кадровым резервом компании, анализа эффективности сотрудников, продвижения по карьере. Но ввиду достаточно дорогого программного обеспечения эти инструменты также недоступны малому бизнесу. Решением будет являться создание специальных инструментов для компаний с небольшим штатом и с умеренной ценовой политикой.

2. Отсутствие комфортной среды для реализации функций ИИ-инструментов. Данный момент был рассмотрен в работе отдельно из-за нескольких инцидентов, как например, случай 2019 году, когда работный сайт hh.ru начал массово блокировать чат-боты работодателей, которые анализировали базы данных сайта. Однако, при этом сайт выпустил свой собственный чат-бот, который активно предлагается для работы и у которого нет ограничений. В настоящих условиях подобная монополизация ведет к недобросовестной конкуренции, но, к сожалению, решения данной проблемы до сих пор нет. Предотвратить подобное может лишь создание законодательных инициатив, которые будут регулировать деятельность ИИ-инструментов. В зарубежной практике подобное реализуется уже достаточно давно, в России нормы работы прописывает каждый сайт самостоятельно.

3. Недостаток навыков работы с новыми технологиями. Несмотря на то, что ИИ-инструменты в рекрутинге являются достаточно простыми в использовании, необходимо обучать персонал навыкам работы с ним. Происходит процесс переосмысления подхода к подбору персонала, активного применения когнитивных технологий для повышения эффективности, качества отбора и формирования положительного опыта кандидата. Именно поэтому важно постоянно повышать квалификацию персонала, сегодня важность тренда обучения выходит на первые позиции. Deloitte Insight указывает, что 53% российских работодателей прогнозируют, что в ближайшие три года главным следствием автоматизации станет переквалификация сотрудников.



ЗАКЛЮЧЕНИЕ

Современный этап развития HR-отрасли в России находится в промежуточном состоянии, когда новые технологии медленно, но, верно, встраиваются в привычный ритм работы. В скором времени использование ИИ из повода для бурного обсуждения, превратится в критическую необходимость. Именно для этого было важно оценить то, как российские компании относятся к инновационным инструментам и какие проблемы видят практические специалисты.

В ходе выполненной работы был проведен теоретический анализ истории развития, возможностей внедрения и опыта использования ИИ-инструментов в рекрутинге. Были выявлены его преимущества над классическими методами, а также отмечены его недостатки.

Была составлена модель облика современной российском компании, использующей инструменты на основе ИИ в рекрутинге. Данная модель и ее основные характеристики могут быть использованы в дальнейшей исследовательской деятельности, которая будет связана с изучением трансформации компаний в ходе технологических новшеств. В настоящий момент мы наблюдаем достаточно слабую автоматизацию, обусловленную спектром проблем, от решения которых зависит дальнейший путь развития HR-области. Обособление данных препятствий и предложение возможных сценариев их преодоления может стать серьезным подспорьем для последующих аналитических работ. Всегда проще бороться с той проблемой, о которой ты знаешь.



СПИСОК ЛИТЕРАТУРЫ

1. Беленький В.Х. Социальная структура российского общества: состояние и проблемы теоретической разработки / В.Х. Беленький // Социологические исследования. - 2006. - №11. - С. 49-57.

2. Бурчакова М.А. Современные тенденции в международном рекрутинге персонала / М. А. Бурчакова // Вестник Российского университета дружбы народов. Серия: Экономика. - 2010. - № 1.

3. Гринвальд Т. Искусственный интеллект меняет сферу управления персоналом / пер. Н. Беличенко

4. Денисов А.Ф. Применение цифровых технологий в процедурах отбора персонала / А. Ф. Денисов, Д. С. Кардаш //Экономика и управление. - 2019. - №. 4. - С. 59-69.

5. Ежов А.А. Нейрокомпьютинг и его применения в экономике и бизнесе / А.А. Ежов //Учебники экономико-аналитического института МИФИ. - 1998.

6. Еромасова А.А. Ментальность русского человека как феномен национальной культуры (философско-антропологический анализ): автореф. дис. … д-ра культурологии : 09.00.13/ Еромасова Александра Анатольевна - 2007.

7. Зубкова А.Ю. Исследование организационных факторов и психологических характеристик рекрутеров с разными показателями финансовой успешности / А.Ю. Зубкова // Печатается по решению редакционно-издательского совета ЯГПУ им. КД Ушинского Издание материалов VII Международной научно-практической конференции. - 2015. - С. 166.

8. Кабалина В.И. Влияние конгруэнтности ценностей кандидата и организации на подбор персонала / В.И. Кабалина, А.А. Пахомова //Организационная психология. - 2014. - Т. 4. - № 4.

9. Квагинидзе В.С. Комплексная оценка профессиональной пригодности персонала предприятия / В.С. Квагинидзе // ГИАБ. - 2012. - №2.

10. Клёмин А.В. Права человека и возможности их ограничения (рецензия на статью manzi d. c. managing the misinformation marketplace: the first amendment and the fight against fake news // fordham law review, 2019, vol. 87, no. 6, pp. 2623-2651) / А.В. Клёмин // Актуальные проблемы экономики и права. - 2020. - №1.

11. Латуха М.О. Управление талантливыми сотрудниками: теоретические подходы и опыт российских компаний / М.О. Латуха // Вестник Санкт-Петербургского университета. Менеджмент. - 2014.- №4.

12. Лебедева Т.Е. HR: тенденции развития в цифровой экономике / Т.Е. Лебедева // Московский экономический журнал. - 2018.- №5 (3).

13. Люгер, Дж.О. Искусственный интеллект: стратегии и методы решения сложных проблем / Дж.О. Люгер. - М.: Диалектика, 2016. - 864 c.

14. Мохов М.Ю. Прогноз на будущее: способен ли искусственный интеллект заменить hr-менеджера / М.Ю. Мохов //Столыпинский вестник. - 2020. - Т. 2. - №. 1.

15. Нестеренко Н.А. Современный рекрутинг в России: проблемы и направления совершенствования его использования / Н.А. Нестеренко // Профессиональная ориентация. - 2017. - №1.

16. Овечкин О. Российский сервис «Робот Вера» победил в мировом конкурсе HR-стартапов с призом €10 тысяч. (дата обращения: 25.05.2020). - 2017.

17. Одинцова В.В. Изучение стилей профессиональной деятельности в контексте общей успешности деятельности / В.В. Одинцова //Материалы Международной научно-практической конференции «Ценности и интересы современного общества». - 2015 - С. 105

18. Розанова Н. М. Цифровая модель для современного бизнеса / Н. М. Розанова //Журнал экономической теории. - 2019. - Т. 16. - №. 1. - С. 46-59.

19. Случевская П.А. Рациональное использование форм внешнего и внутреннего рекрутинга при формировании персонала крупного предприятия / П.А. Случевская // Символ науки. - 2016. - №11-1.

20. Степанова М. Stafory и робот Вера: помощники рекрутера или его замена? / М. Степанова. - 2017.

21. Суркова Ю.В. Эффективные методы подбора персонала в современных организациях / Ю.В. Суоклва // Human Progress. - 2018. - №10.

22. Тей, А. Логический подход к искусственному интеллекту / А. Тей, П. Грибомон и др. - М.: Мир. - 2015. - 432 c.

23. Ashri R. Defining an AI Strategy / R. Ashri //The AI-Powered Workplace. - Apress, Berkeley, CA. - 2020. - С. 143-159.

24. Bersin J. AI in HR: A Real Killer App / J. Bersin // Insights on Corporate Talent, Learning, and HR Technology. - 2018

25. Bhardwaj G., Singh S. V., Kumar V. An Empirical Study of Artificial Intelligence and its Impact on Human Resource Functions / G. Bhardwaj, S.V. Singh, V. Kumar // 2020 International Conference on Computation, Automation and Knowledge Management (ICCAKM). - IEEE, 2020. - С. 47-51.

26. Bodner J. First experiences with the da Vinci operating robot in thoracic surgery/ J. Bodner // European Journal of Cardio-thoracic surgery. - 2004. - Т. 25. - №. 5. - С. 844-851.

27. Bundy A. Preparing for the future of Artificial Intelligence / A. Bundy - 2017.

28. Canals J. The future of management in an ai world / F. Heukamp, J. Canals // Palgrave Macmillan. - 2019

29. Cappeli P. Talent on demand, Managing Talent in an Age of Uncerainty / P. Cappeli // Harvard business pres. - Boston, MA. - 2008.

30. Dietvorst B. J. Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them / B.J. Dietvorst, J.P. Simmons // Management Science. - 2018. - Т. 64. - №. 3. - С. 1155-1170.

31. Dietvorst B. J. Algorithm aversion: People erroneously avoid algorithms after seeing them err / B.J. Dietvorst, J.P. Simmons // Journal of Experimental Psychology: General. - 2015. - Т. 144. - №. 1. - С. 114.

32. Dreiseitl S. Logistic regression and artificial neural network classification models: a methodology review / S. Dreiseitl, L. Ohno-Machado // Journal of biomedical informatics. - 2002. - Т. 35. - №. 5-6. - С. 352-359.

33. Drucker K. Avoiding Discrimination and Filtering of Qualified Candidates by ATS Software / K. Drucker. - 2016.

34. Farndale E. The role of the corporate HR function in global talent management / E. Farnadale, H. Scullion, P. Sparrow // Journal of world business. - 2010. - Т. 45. - №. 2. - С. 161-168.

35. Flippo, E.B. Principles of Personnel Management / E.B. Flippo // New York: McGrawHill Book Co. - 1980.

36. Fondeur Y. Outils informatiques de gestion de recrutement et standardisation des faзons de recruiter / Y. Fondeur, F. Lhermite. - 2013.

37. Gates S. Human capital measures, strategy, and performance: HR managers' perceptions / S. Gates, P. Langevin // Accounting, Auditing & Accountability Journal. - 2010.

38. Geetha R. Recruitment through artificial intelligence: A conceptual study / R. Geetha, S. R. D. Bhanu //International Journal of Mechanical Engineering and Technology. - 2018. - Т. 9. - №. 7. - С. 63-70.

39. Gerstner W. Spiking Neuron Models: Single Neurons, Populations, Plasticity / W. Gerstner. - Cambridge, MA: Cambridge Univ. Press. - 2002.

40. Girasa R. International Initiatives in AI / R. Gisara //Artificial Intelligence as a Disruptive Technology. - Palgrave Macmillan, Cham, 2020. - С. 255-298.

41. Gunning D. Explainable artificial intelligence (xai) / D. Gunning //Defense Advanced Research Projects Agency (DARPA), nd Web. - 2017. - Т. 2.

42. Gunning D. DARPA's Explainable Artificial Intelligence Program / D. Gunning, D. W. Aha //AI Magazine. - 2019. - Т. 40. - №. 2. - С. 44-58.

43. Han D. The Rose: Artificial Intelligence in the Current Hiring Process / D. Han //Marriott Student Review. - 2020. - Т. 3. - №. 3. - С. 5.

44. Hassoun M. H. Fundamentals of artificial neural networks / M.H. Hassoun. - MIT press. - 1995.

45. Hinton G.E. Learning and relearning in Boltzman machines / G.E. Hinton, Y.J.Sejnowski // Parallel Distributed Processing. Explorations in the Microstructure of Cognition. - Cambridge, MA: MIT Press. - 1986. - Vol. 1. - P. 282-317.

46. Holm A. B. E-recruitment: towards an ubiquitous recruitment process and candidate relationship management / A.B. Holm //German Journal of Human Resource Management. - 2012. - Т. 26. - №. 3. - С. 241-259.

47. Huse, E. F. Management / E. F. Huse, Schьler, Randall S. - 2nd ed. - St. Paul : West, 1982. - 660 p. P. 199.

48. Kaplan A., Haenlein M. Rulers of the world, unite! The challenges and opportunities of artificial intelligence / A. Kaplan, M. Haelein //Business Horizons. - 2020. - Т. 63. - №. 1. - С. 37-50.

49. Kim, Y. A strategic model for technical talent management: A model based on a qualitative case study/ Y. Kim, R. Williams, R. Rothwell //Performance Improvement Quarterly. - 2014. - 26(4). - P. 93-121

50. Kuhn S. HCM software can promote employee engagement: HR technology / S. Kuhn //HR Future. - 2016. - Т. 2016. - №. 8. - С. 26-27.

51. Lovelock. Forecast: the business value of artificial intelligence/ Lovelock, J.D. Tan, S. Woodwart // Worldwide. - Gartner . - 2018.

52. Macke J. Systematic literature review on sustainable human resource management / J. Macke, D. Genari//Journal of Cleaner Production. - 2019. - Т. 208. - С. 806-815.

53. Macklin R. The difficulties and moral compromises faced by Australian human resource managers seeking to create decent organizations / R. Macklin //Business & Professional Ethics Journal. - 1999. - Т. 18. - №. 3/4. - С. 93-112.

54. Maedche A. AI-Based Digital Assistants / A. Maedche //Business & Information Systems Engineering. - 2019. - Т. 61. - №. 4. - С. 535-544.

55. McAfee A. Big data: the management revolution / A. McAfee //Harvard business review. - 2012. - Т. 90. - №. 10. - С. 60-68.

56. Miller S. M. AI: Augmentation, more so than automation / S.M. Miller - 2018.

57. Minsky M. Perceptrons: An Introduction to Computational Geometry / M. Minsky, S. Papert // Cambridge, MA: MIT Press. - 1969.

58. Nielsen M. A. Neural networks and deep learning / M.A. Nielsen - San Francisco, CA, USA: Determination press. - 2015. - Т. 2018.

59. Ochsner K. N., Gross J. J. Thinking makes it so: A social cognitive neuroscience approach to emotion regulation / K.N. Ochsher, J. Gross //Handbook of self-regulation: Research, theory, and applications. - 2004. - С. 229-255.

60. Perrett D.I. Visual neurons responsive to faces in the monkey temporal cortex / D.I. Perrett, E.T. Rolls // Experimental Brain Research. - 1982. - Vol. 47. - P. 329-342.

61. Purdy M. How AI boosts industry profits and innovation / M. Purdy, P. Daugherty//Accenture Ltd. - Dublin, Ireland ISBN12560543. - 2017.

62. Rumelhart D.E. Learning representation by back-propagating error / D.E. Rumelhart, G.E. Hinton // Nature. - 1986. - Vol. 323, Issue 6088. - P. 533-536.

63. Sawer M. Gender mainstreaming and the substantive representation of women: Where do parliamentary bodies fit? / M. Sawer //Politics, Groups, and Identities. - 2020. - С. 1-13.

64. Scullion H. Talent management / H. Scullion //Employee Relations. - 2016.

65. Simek D. How Robot/human Orchestration Can Help in an HR Department: A Case Study From a Pilot Implementation / D. Simek, R. Љperka //Organizacija. - 2019. - Т. 52. - №. 3.

66. Stake R. E. Multiple case study analysis / R.E. Stake - Guilford press. - 2013

67. Swailes S. Conceptualising inclusive talent management: Potential, possibilities and practicalities / S. Swailes, Y. Downs //Human Resource Development International. - 2014. - Т. 17. - №. 5. - С. 529-544.

68. Upadhyay A. K.Applying artificial intelligence: implications for recruitment / A. Upadhyay, K. Khandelwal //Strategic HR Review. - 2018.

69. Werther W. B. Administraciуn de personal y recursos humanos / W.B. Werther - McGraw-Hill. - 2000. - №. 658.3/W499.

70. Yakubovich V. Stages of the recruitment process and the referrer's performance effect / V. Yakubovich, D. Lup //Organization science. - 2006. - Т. 17. - №. 6. - С. 710-723.

71. Yoder D. Personnel Management and Industrial Relations / D. Yoder. - New Delhi. - Prentice-Hall. - 1972

72. Zehir C. The Transformation of Human Resource Management and Its Impact on Overall Business Performance: Big Data Analytics and AI Technologies in Strategic HRM / C. Zehir, T. Karaboрa, D. Baєar //Digital Business Strategies in Blockchain Ecosystems. - Springer, Cham, 2020. - С. 265-279.



ПРИЛОЖЕНИЕ

Таблица 1: Инструменты ИИ и области их применения в рекрутинге (Источник: Albert, 2019)

Возможности ИИ (ИИ-инструменты)	Проблема	Решение	Результат	Потребитель	Поставщик/продукт
ПО для прогнозирования уровня вовлеченности сотрудника	Большой процент спонтанных увольнений создает финансовые проблемы для предприятия	Программное обеспечение идентифицирует поведенческие данные сотрудников и делает прогноз вероятности ухода.	1. Усиление удержания талантов. 2. Не страдает имидж работодателя. 3. Сокращение времени работы HR-отдела.	IBM, Goldman Sachs Group, Facebook	Workday talent insights Bamboo HR Job rate Monster talent management
ПО для оптимизации формальных процедур (языковые адаптации для мультинациональных компаний) ...

Подобные документы

• Содержание работы рекрутинговых фирм

  Отличия кадровых и рекрутинговых агентств. Основные задачи кадрового агентства. Услуги компаний в области рекрутмента. Стратегия специализации и диверсификации в рекрутинге. Основные этапы технологии рекрутинга на основе стандартного метода поиска.
  
  реферат [23,6 K], добавлен 20.12.2010
  

• Информационное обеспечение менеджмента

  Рассмотрение понятия, классификации, требований к управленческой информации. Ознакомление с историей развития информационных технологий. Характеристика искусственного интеллекта, нейронных сетей, виртуальной реальности и переработки руды данных.
  
  курсовая работа [102,2 K], добавлен 30.04.2010
  

• Характеристика деятельности кадровых агентств в сфере управления человеческими ресурсами

  Основные виды кадровых агентств, характеристика и специфика их деятельности. Основные технологии подбора персонала рекрутинговыми агентствами. Особенности рынка рекрутинга в Великобритании и США. История развития и перспективы рекрутинга в России.
  
  курсовая работа [61,2 K], добавлен 26.02.2012
  

• Рекрутинг персонала в системе кадрового менеджмента

  Особенности рекрутинга персонала в условиях кризисной экономики РФ. Методика подбора и отбора, развития и адаптации специалистов в системе рекрутинга. Рекомендации по оптимизации рекрутинг-технологий и их внедрение в деятельность компании "АНКОР".
  
  дипломная работа [373,2 K], добавлен 17.04.2015
  

• Теории интеллекта

  Анализ подходов к изучению интеллекта и умственного развития. Теории и модели структуры интеллекта. История возникновение шкалы Бине-Симона, их модификации, шкалы Стенфор-Бине. Понятие о коэффициенте интеллектуальности. Тест "структуры интеллекта".
  
  контрольная работа [167,0 K], добавлен 19.10.2019
  

• Разработка системы рекрутинга персонала авиакомпании на основе KPI

  Профессиональный отбор кандидатов в организации. Краткий ориентировочный тест. Анализ и выбор ключевых показателей для персонала аэропорта. Расчет экономической эффективности разработки и реализации системы рекрутинга на основе KPI в аэропорту "Пулково".
  
  дипломная работа [941,4 K], добавлен 23.10.2014
  

• Анализ деятельности лагеря "Путь Предпринимателя" и причины использования дистанционной занятости коллектива вожатых

  Удалённые рабочие места: суть явления и роль в современном рекрутинге. Требования к сотрудникам в сфере организации детского отдыха. Выбор и расчёт стоимости внедрения управленческих решений для повышения качества подготовки вожатых в онлайн-формате.
  
  дипломная работа [3,2 M], добавлен 31.10.2016
  

• Проектирование и реализация гибридного подхода к решению задач прогнозирования

  Знакомство с основными проблемами прогнозирования, способы решения. Сглаживающие модели прогнозирования. Анализ подходов искусственного интеллекта: биологическая аналогия, архитектура сети, гибридные методы. Работа программы по прогнозу нейронных сетей.
  
  дипломная работа [1,1 M], добавлен 27.06.2012
  

• Типология управленческих решений

  Понятие, сущность и характерные особенности управленческих решений. Основные этапы разработки управленческих решений. Факторы, влияющие на принятие решений. Практическое использование типологии управленческих решений на примере организации ООО "Медента".
  
  курсовая работа [175,0 K], добавлен 06.01.2015
  

• Планирование персонала как часть стратегического плана предприятия

  Сущность и задачи кадрового планирования. Концепция долгосрочной, ориентированной на будущее, кадровой политики. Определение потребности в персонале. Характеристика рекрутинга в г. Омске. Разработка методик поиска и отбора специалистов для предприятия.
  
  курсовая работа [53,4 K], добавлен 18.12.2009
  

• Значимость эмоционального интеллекта в мотивировании сотрудников

  Проявление эмоционального интеллекта на предприятии. Мотивация сотрудников как одна из главных инструментов управления в современных организациях. Процесс побуждения работников к деятельности для достижения целей компании. Методы, классификации мотивации.
  
  реферат [488,1 K], добавлен 20.01.2015
  

• Комплексная методика оценки эмоционального интеллекта на этапе подбора персонала

  Особенности методики изучения интеллекта и лидерских качеств личности. Этапы комплексной оценки IQ респондента путем трехступенчатой системы. Применение комплексного подхода в оптимизации деятельности персонала. Детерминанты предпочтения командных ролей.
  
  реферат [18,6 K], добавлен 05.10.2011
  

• Эмпирическое исследование взаимосвязей эмоционального интеллекта и статуса личности в группе

  Анализ уровня эмоционального интеллекта студентов. Способность к пониманию своих и чужих эмоций и управление ими. Исследование взаимосвязи статуса личности в группе и ЭИ с помощью корреляционного анализа данных по методу Пирсона. Группы способностей.
  
  контрольная работа [527,1 K], добавлен 23.09.2016
  

• Анализ правовых аспектов управленческих решений

  История развития представлений об управленческом решении. Процесс принятия решений, организация их выполнения и роль юриста. Организационно-распорядительные документы, фиксирующие правовой статус управленческих решений, юридического сопровождения.
  
  курсовая работа [44,5 K], добавлен 05.01.2012
  

• Технология работы частных агентств занятости

  Изучение сути и основной задачи рекрутинга (рекрутмента) – деятельности по созданию условий для заполнения вакансий работодателя компетентными специалистами, соответствующими по своим качествам требованиям заказчика. Хэдхантинг, лизинг и подбор персонала.
  
  контрольная работа [59,5 K], добавлен 07.04.2011
  

• Управление персоналом предприятия ЗАО УК "Смоленский машиностроительный завод"

  Процедура обеспечения руководства персоналом. Проблемы обучения, подготовки и повышения квалификации персонала. Технология оценки персонала при найме, кадровая служба предприятия . Характеристика рекрутинга персонала на градообразующих предприятиях.
  
  курсовая работа [56,6 K], добавлен 18.12.2009
  

• Современные технологии рекрутинга

  Роль и значение Интернета в работе современных кадровых служб, методика и порядок работы с резюме, рассылаемыми через Сеть. Вопросы, которых стоит коснуться при выборе системы БД для работы кадрового агентства, ее необходимые свойства и функциональность.
  
  реферат [15,7 K], добавлен 18.04.2009
  

• Проектирование системы взаимодействия компании-заказчика и рекрутингового агентства

  Сущность и содержание рекрутинга. Этапы взаимодействия рекрутинговых агентств и компаний-заказчиков. Финансовые показатели, организационно-кадровый аудит ЗАО "Агентство". Минимизация факторов рисков, которые могут привести к незакрытию вакансии.
  
  дипломная работа [1,5 M], добавлен 22.12.2010
  

• Текущее состояние инновационного процесса и перспективы развития

  Общая характеристика системы государственного регулирования инновационными процессами в зарубежных странах и России. Знакомство с ключевыми направлениями и перспективами развития инновационной политики Российской Федерации, рассмотрение основных проблем.
  
  дипломная работа [186,4 K], добавлен 05.11.2014
  

• Разработка теста для исследования уровня коммуникативности

  Политика рекрутинга организации. Тест для определения уровня коммуникативных и организаторских склонностей на основе опроса руководителей компании оптовых продаж бытовой химии ООО "Абсолют". Валидность, асимметрия и эксцесс эмпирического распределения.
  
  курсовая работа [1,3 M], добавлен 06.07.2009
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам