Проблема традиционного найма заключается в том, что на этот процесс сильно влияют когнитивные искажения, а также личные эмоции и настроения специалистов по найму, в связи с чем суждения о том или ином кандидате носят зачастую случайный и субъективный характер. В поведенческой экономике можно встретить соответствующий термин: когерентность при принятии решений.
Это явление может проявляться по-разному. Исследования показывают, что суждения специалистов по подбору персонала демонстрируют крайне высокий уровень шума, т.е. отсутствие когерентности. Так, один и тот же кандидат, проходя собеседования у разных HR-менеджеров или даже у одного и того же менеджера в разное время, может получить оценки в диапазоне от «категорически нет» до «немедленно брать» в зависимости от настроения, степени усталости или порядка просмотра резюме.
Есть и обратный эффект, свойственный человеческой натуре, – избыточная когерентность. В случае с наймом это явление проявляет себя следующим образом: первое впечатление от кандидата (престижный вуз, внешность или орфографическая ошибка) заставляет менеджера по персоналу интерпретировать всю дальнейшую получаемую информацию о кандидате в его пользу или против него.
Представьте, что кандидат приходит на собеседование. Он волнуется и при входе выдаёт неудачную шутку, которую HR-менеджер принимает слишком близко к сердцу, так как утро у него уже не задалось. С этого момента HR-менеджер бессознательно присваивает кандидату характеристику «неуклюжий, странный человек». Дальше кандидат блестяще отвечает на профессиональные вопросы и демонстрирует релевантные кейсы успешных проектов. Но HR-менеджер под влиянием первого впечатления придает слишком мало значения объективным профессиональным достижениям и отклоняет кандидата. Это и есть избыточная когерентность: создав первоначальный нарратив, мозг отказывается пересматривать первоначальную гипотезу даже при поступлении сильных контраргументов.
Внедрение ИИ может нейтрализовать эти недостатки. Алгоритм обработки резюме при одинаковых входных данных всегда выдаёт одинаковый результат — «шум» при принятии решений сводится к нулю. ИИ также не подвержен эффекту «первого впечатления». Однако позитивный эффект достигается только при правильном обучении: если обучать ИИ на исторических решениях HR‑специалистов, он неизбежно выучит тот же шум и избыточную когерентность, свойственную человеку. Модель должна обучаться на очищенных данных и объективных факторах успеха сотрудников.
Однако существует и важное ограничение: ИИ слабо справляется с оценкой «неоцифровываемых» качеств, например, культурная адаптация, мотивация, потенциал роста, эмоциональный интеллект и пр. Для оценки этих характеристик требуется эмпатия, а этих качеств просто нет в обучающих данных для ИИ, так как их невозможно корректно измерить.
Поэтому оптимальная модель — гибридная: ИИ берёт на себя скрининг резюме и тестирование hard skills, а человек — собеседование по soft skills, но с жёсткими протоколами для минимизации собственных искажений.
При написании комментария использованы данные исследований, приведенные в книге «Шум. Несовершенство человеческих суждений», Даниэль Канеман, Касс Санстейн, Оливье Сибони.