Допустим, у вас в компании уже работают десять супер-продажников, которые приносят 80 процентов выручки. Вы берете их резюме и загружаете в нейросеть как образец для подражания. Нейросеть находит то общее, что их объединяет, хотя вам, людям, могло казаться, что они совершенно разные. Может оказаться, что у всех у них когда-то был опыт работы в такси, или все они в определенный год сменили сферу деятельности. Вы этого даже не замечали, а машина подсветила.
Нейросети и человеческий фактор
Здесь важно сделать небольшую паузу и подумать вот о чем. Нейросеть – это зеркало. Она не учит нас добру и справедливости, она учится на том, что мы сами ей даем. Если вы последние пять лет нанимали в компанию только выпускников одного конкретного вуза, нейросеть решит, что это и есть главный критерий отбора. Она начнет отсеивать талантливых людей из других университетов, даже если они лучше подходят по навыкам.
В этом и заключается главный парадокс. Нейросети часто обвиняют в предвзятости, но на самом деле они лишь доводят до абсолюрда наши собственные, человеческие предрассудки. Они как очень старательный и педантичный помощник, который буквально понимает ваши указания и не способен включить критическое мышление. Поэтому, когда мы говорим про нейросети в подборе, мы всегда должны помнить, что учителем остаемся мы сами.
Почему это не страшно, а удобно
Многие боятся, что нейросети оставят их без работы. Но давайте честно: кто из рекрутеров любит перебирать сотни однотипных резюме в поисках «того самого»? Это выматывает, притупляет внимание и убивает время, которое можно было бы потратить на живое общение с кандидатами. Нейросеть отлично справляется с «грязной» работой. Она как мощный пылесос, который собирает весь мусор и пыль, чтобы вы могли спокойно заниматься творчеством и общением.
Так что не надо представлять себе Скайнет, который захватывает отдел кадров. Представьте себе супер-быстрого стажера, который не спит, не ест, не просит зарплату и может за минуту прочитать тысячу резюме. Но в отличие от стажера, он делает это без эмоций и не устает к вечеру пятницы. Именно для этого мы и собираемся использовать нейросети в нашей книге – чтобы автоматизировать рутину и освободить голову для действительно важных решений.
Подумайте о своей текущей работе. Сколько времени в день вы тратите на механические действия? На поиск, сортировку, первичный отсев? А теперь представьте, что эту работу за вас делает идеальный исполнитель, а вы лишь проверяете итоговый результат. Согласитесь, картина вырисовывается довольно привлекательная. Именно об этом мы и будем говорить дальше: как именно превратить эту фантазию в рабочую реальность вашего отдела подбора.
Этические дилеммы: алгоритмы и предвзятость
Давайте представим ситуацию. Вы приходите на вечеринку, и хозяин дома, чтобы никого не обидеть, решает не знакомить гостей лично, а просит всех надеть бейджики, сгенерированные умным алгоритмом. На вашем бейджике написано не просто "Алексей, программист", а нечто вроде: "Вероятность интересоваться футболом: 87%, Вероятность любить джаз: 12%, Уровень дохода: выше среднего, Индекс ‘свой в доску’: 34%". А на бейджике соседа, который зашел на огонек, красуется "Индекс благонадежности: 99%". И вы уже смотрите на него не как на потенциального друга, а как на статистическую выкладку. Смешно? Возможно. Страшновато? Немного. А теперь представьте, что такие бейджики (только виртуальные) алгоритмы начинают вешать на людей, которые откликаются на вакансии в вашей компании.
В предыдущих главах мы говорили о том, как HR-аналитика и нейросети помогают нам перейти от интуитивных решений к точным алгоритмам. Мы уже поняли, что машина может обработать тысячи резюме быстрее любого рекрутера. Но чем сложнее становятся алгоритмы, тем острее встает вопрос: а не превращаемся ли мы в тех самых гостей на вечеринке, которые судят о человеке по ярлыку, пусть даже и сгенерированному самой передовой технологией? И здесь мы вступаем в зону, которая называется этические дилеммы.
Этика в контексте автоматизации подбора – это не про высокие философские материи, а про вполне конкретные вещи. Это про то, как не дискриминировать кандидата, не нарушить его права и не создать в компании токсичную среду, где вместо живых людей будут бездушные скоринговые баллы. Главная опасность, которая подстерегает нас на этом пути – это предвзятость алгоритмов. И эта проблема гораздо сложнее, чем кажется на первый взгляд.