Искусственный интеллект как инструмент повышения эффективности управления человеческими ресурсами

Постановка вопроса

Управление человеческими ресурсами относится к числу функций, где цифровизация продвинулась позже, чем в финансах или в продажах. Причины носят объективный характер. Численность персонала на большинстве предприятий на порядки меньше числа клиентов или сделок, что ограничивает объём накапливаемых наблюдений. Результат кадрового решения проявляется спустя годы и с трудом отделяется от прочих факторов. Наконец, решения здесь затрагивают людей, что накладывает ограничения, отсутствующие в работе с товарными запасами.

Следует различать два уровня применения интеллектуальных технологий в кадровой сфере. Первый – работа с отдельным человеком: отбор кандидата, оценка компетенций, построение траектории обучения. Второй – работа с персоналом как совокупностью: прогнозирование движения кадров, планирование численности, оценка организационной структуры, распределение фонда оплаты труда. Задачи различаются объектом, требованиями к данным и характером принимаемых решений. Настоящая работа посвящена второму уровню.

Кадровая аналитика: смена характера вопросов

Традиционная кадровая отчётность носит описательный характер: численность по подразделениям, структура по стажу и возрасту, показатели текучести, затраты на персонал. Сведения эти необходимы, но отвечают на вопрос о состоявшемся положении дел и не поддерживают решение.

Переход к аналитике предполагает постановку вопросов иного рода. Не какова текучесть, а какие факторы её определяют и на какие из них организация в состоянии повлиять. Не сколько стоит подбор, а какова связь между вложениями в адаптацию новых сотрудников и вероятностью их закрепления. Не какова средняя оценка вовлечённости, а различается ли она между подразделениями сверх того, что объясняется составом персонала.

Технически эти вопросы решаются регрессионным анализом, анализом выживаемости и методами причинного вывода, а не сложными алгоритмами. Ограничением выступает не вычислительный аппарат, а качество и полнота учётных данных. Типичная ситуация: сведения о движении персонала хранятся в кадровой системе, о результативности – в системе управления эффективностью или нигде, об обучении – в отдельной системе, об оплате – в расчётной. Связывание этих источников в согласованный набор составляет основную часть трудоёмкости.

Существенно и то, что часть наиболее значимых факторов вообще не фиксируется. Качество непосредственного руководства влияет на удержание сильнее большинства измеряемых показателей, но систематически не измеряется. Модель, построенная без учёта такого фактора, приписывает его влияние коррелирующим с ним признакам, что ведёт к ошибочным выводам о причинах.

Прогнозирование движения персонала

Предсказание вероятности ухода сотрудника представляет собой наиболее разработанное направление кадровой аналитики. Признаки включают стаж в должности, время с последнего пересмотра оплаты, динамику оценок результативности, изменение структуры подчинённости, соотношение оплаты с рыночным уровнем, историю движения по внутренним вакансиям.

Практическая ценность подобных моделей ниже, чем предполагается при их создании, и причины этого заслуживают разбора.

Первая причина – низкая частота событий и малая выборка. Организация с тысячей сотрудников и годовой текучестью в пятнадцать процентов накапливает полторы сотни случаев в год. Для устойчивой модели с большим числом признаков этого мало, и получаемые результаты часто отражают особенности конкретного периода.

Вторая – расхождение между предсказанием и возможностью вмешательства. Модель выделяет сотрудников с высокой вероятностью ухода, но не указывает, что с этим делать. Если основная причина – уровень оплаты, а фонд ограничен, предсказание не создаёт управленческого действия. Ценность возникает лишь тогда, когда вместе с оценкой риска определяется реалистичный набор доступных мер.

Третья – этическая и правовая сторона. Сотрудник, отнесённый системой к категории вероятных увольняющихся, может подвергнуться дискриминации при распределении задач, продвижении, включении в проекты. Отсюда требование ограничить доступ к таким оценкам и определить регламентом допустимые способы их использования.

Продуктивнее оказывается смещение фокуса с индивидуального предсказания на выявление системных факторов. Обнаружение того, что удержание в определённом подразделении систематически хуже сопоставимых, а различие не объясняется составом персонала, даёт основание для управленческого вмешательства более надёжное, чем перечень фамилий с оценками риска.

Планирование численности и организационное проектирование

Планирование потребности в персонале традиционно выполняется от достигнутого: подразделение обосновывает заявку ссылкой на рост объёмов работы, кадровая служба сводит заявки, финансовая – сокращает их до бюджетного лимита. Процедура воспроизводит существующую структуру и слабо связана с фактической загрузкой.

Расчётный подход строит потребность от прогноза объёмных показателей с учётом производительности и её ожидаемой динамики. Реализация требует данных о фактической загрузке, которые на большинстве предприятий отсутствуют или недостоверны: учёт рабочего времени ведётся для расчёта оплаты, а не для анализа трудоёмкости.

Отдельная задача – анализ организационной структуры на основе фактических взаимодействий. Данные о совместной работе, потоках согласований, коммуникационных связях позволяют выявить расхождение между формальной структурой и реальными путями выполнения работы: подразделения, между которыми взаимодействие интенсивно при отсутствии организационной связи, или, напротив, формально связанные единицы, практически не взаимодействующие. Методы сетевого анализа применяются здесь давно, доступность данных выросла существенно.

Работа с такими данными требует особой осторожности. Анализ коммуникаций сотрудников затрагивает их права, и граница между исследованием организационной структуры и наблюдением за отдельными людьми проходит не там, где её обычно проводят при постановке задачи. Работа на агрегированном уровне без возможности перехода к индивидуальным данным – минимальное требование, соблюдение которого следует обеспечивать техническими средствами, а не регламентом.

Внутренние сервисы и снижение административной нагрузки

Направление, дающее наиболее предсказуемый эффект, связано не с решениями о людях, а с обслуживанием персонала. Ответы на типовые вопросы о порядке оформления отпуска, условиях предоставления льгот, порядке начисления выплат составляют существенную часть работы кадровой службы и целиком относятся к воспроизводимым операциям.

Диалоговые ассистенты, работающие поверх корпоративной нормативной базы, снимают значительную долю этой нагрузки. Архитектура таких систем, включая механизмы связывания ответа с проверяемым источником, рассмотрена в работе В. В. Осадчего [1, с. 42-50]. В кадровом применении требование прослеживаемости приобретает практическое значение: ответ о порядке начисления, не подкреплённый ссылкой на действующее положение, порождает у сотрудника ожидания, которые организация не намеревалась формировать, и последующее разъяснение обходится дороже, чем исходный ответ специалиста.

Побочный эффект внедрения таких сервисов состоит в получении данных о том, какие вопросы возникают чаще всего. Концентрация обращений по определённой теме указывает на неясность соответствующего регламента – сведение, которое кадровая служба обычно не получает, поскольку разъяснения даются устно и не фиксируются.

Управление вознаграждением и распределением фонда оплаты

Формирование системы оплаты труда относится к решениям организационного уровня, где расчётные методы применяются давно, но преимущественно в упрощённом виде – через сопоставление с обзорами рынка.

Обзоры заработных плат дают распределение уровней оплаты по должностям и отраслям, и решение принимается выбором положения относительно рынка: на уровне медианы, выше или ниже. Схема проста и обладает известным дефектом: должности сопоставляются по наименованию, тогда как содержание работы под одним наименованием различается в разных организациях значительно. Сопоставление по фактическому набору выполняемых функций требует их формализованного описания, которое имеется далеко не везде.

Более содержательная задача – анализ внутренней согласованности оплаты. Расчёт связи между уровнем оплаты и наблюдаемыми характеристиками – стажем, оценками результативности, уровнем ответственности – позволяет выявить отклонения, не объясняемые этими характеристиками. Часть отклонений имеет объяснение, известное руководителю и не отражённое в учёте; часть указывает на сложившиеся исторически несоответствия, которые организация не отслеживала. Разделение этих двух категорий требует обсуждения и не выполняется расчётом, но сам факт выявления отклонения имеет управленческую ценность.

Отдельно стоит вопрос о связи оплаты с удержанием. Распространённое представление о том, что повышение оплаты снижает вероятность ухода, верно в среднем и неверно в частностях: чувствительность различается между категориями персонала, и распределение ограниченного фонда с учётом этого различия даёт больший эффект удержания, чем равномерное повышение. Оценка чувствительности требует данных за несколько лет и наличия вариации в решениях о пересмотре – условия, выполняющиеся не в каждой организации.

Ограничения правового и этического характера

Кадровая сфера отличается от прочих областей корпоративного применения интеллектуальных систем плотностью правового регулирования и весом этических соображений.

Обработка сведений о работниках подпадает под требования законодательства о персональных данных, а трудовое законодательство ограничивает основания принятия решений в отношении работника. Автоматизированная оценка, влекущая последствия для сотрудника, требует правового основания и, как правило, возможности человеческого пересмотра.

Отдельного внимания требует воспроизводство сложившихся смещений. Модель, обученная на решениях прошлых лет, воспроизводит закономерности этих решений, включая непреднамеренную неравномерность. Формальное исключение защищаемых признаков из числа входных данных проблему не решает: коррелирующие с ними признаки сохраняются, и модель восстанавливает исходное различение косвенно. Требуется проверка результатов на предмет систематических различий между группами, проводимая регулярно, а не однократно при внедрении.

Многофакторное представление оценки, при котором результат раскладывается на вклад отдельных составляющих, применяемое в задачах финансового моделирования [2, с. 12-16], полезно и здесь: разложенный вывод допускает проверку на обоснованность каждой составляющей, тогда как агрегированная оценка такой проверке не поддаётся.

Заключение

Применение искусственного интеллекта в управлении человеческими ресурсами на организационном уровне ограничивается не техническими факторами, а малым объёмом наблюдений, длительным проявлением результата и повышенной ценой ошибки в решениях, затрагивающих людей.

Наиболее устойчивый эффект достигается в задачах, не связанных с решениями о конкретных сотрудниках: автоматизация внутренних сервисов, анализ организационной структуры на агрегированном уровне, выявление системных факторов удержания.

Индивидуальное прогнозирование ухода сотрудников обладает меньшей практической ценностью, чем принято считать, вследствие малой выборки и разрыва между предсказанием и наличием доступных мер воздействия. Смещение фокуса на системные факторы даёт более надёжные основания для управленческого решения.

Правовые и этические ограничения в кадровой сфере носят содержательный, а не формальный характер. Воспроизводство сложившихся смещений не устраняется исключением защищаемых признаков из состава входных данных и требует регулярной проверки результатов.

Дальнейшее исследование целесообразно направить на разработку методов работы с малыми выборками применительно к кадровым задачам, где стандартные подходы машинного обучения неприменимы по объёму данных, а потребность в обоснованных решениях сохраняется.