Использование искусственных нейронных сетей в управлении персоналом

Непосредственно поиском кандидатов, проведением собеседований и последующим отбором будущих сотрудников занимаются HR-менеджеры кадрового агентства, и фактически только от них напрямую зависит качество подбора персонала. В свою очередь за качество подбора агентство несет как нематериальную (репутация агентства), так и материальную ответственность: в случае, если предложенный сотрудник не прошел испытательный срок у клиента, кадровое агентство, в зависимости от конкретных условий договора, может существенно уменьшить сумму выставляемого счета.

Оценка потенциального работника, главным образом, проводится во время собеседования, однако из резюме также можно почерпнуть достаточное количество информации о кандидате. Более того, любое кадровое агентство располагает базой резюме, включающей в себя работников обеих категорий: тех, кто прошел испытательный срок, и тех, кто его не прошел, что позволяет применить математические методы к процессу моделирования подбора персонала.

Очевидно, что оценка кандидата представляет собой задачу бинарного выбора, или бинарной классификации. Здесь, как уже упоминалось выше, автор предлагает использовать искусственную нейронную сеть (ИНС) для решения такой задачи.

Многие российские компании перенимают этот современный подход. Но инструменты, которые позволяли бы воплотить новые методы управления персоналом, запаздывают. Стратегически важные управленческие решения, касающиеся мотивации персонала, предотвращения оттока, развития человеческого капитала, по-прежнему часто принимаются чисто интуитивно без использования “математики” — прозрачных метрик, научного подхода и программных средств. При этом, компании много лет собирают огромное количество информации о сотрудниках. Это результаты регулярных опросов, обратная связь и другие прямые источники информации. Множество сведений остаются скрытыми и практически совсем не используются.

Базовой схемой использования искусственных нейронных сетей в управлении персоналом организации и непосредственно его подборе, принимается цифровизация резюме кандидатов и использование данного резюме в качестве входных параметров сети. Резюме или анкета, заполняемая кандидатом, должна удовлетворять всем интересующим вопросам организации о будущем сотруднике. Каждое поле анкеты будет иметь баллы, которые будут передавать в искусственную нейронную сеть. Стоит выделять самые главные требования более большим количеством баллов если кандидат владеет требуемыми навыками или нет. Так, например знание персонального компьютера для менеджера является очень важным навыком и оценивается в 8 балов из 10, а работа с ксероксом может оценивается в 2 бала так как обучение займет намного меньше времени в сравнении с обучением работы за ПК.

Таким образом искусственные нейронные сети могут оценивать большое количество кандидатов, выявляя скрытые взаимосвязи кандидатов максимально удовлетворяющим требованиям организации, так как обучение искусственной нейронной сети проходило на выборке резюме данной организации с кандидатами прошедшими собеседования и получившими работу, так и не прошедших отбор. Искусственная нейронная сеть будет оценивать резюме получивших работу кандидатов и выявлять скрытые связи между ними, так же будут оцениваться связи между кандидатами, не получившими работу у HR менеджера. Таким образом нейронная сеть будет знать каким претендентами HR менеджер бы отдавал предпочтение, а каким бы нет.

С помощью изменения значений факторов можно заметить, какие из них оказывают большее влияние на классификацию кандидатов. В частности, можно утверждать, что в нейронной сети, такой фактор, как «запрашиваемая заработная плата», указываемый в резюме, не имеет влияния на то, к какому классу будет отнесен работник. Проверить данный факт можно, исключив соответствующий фактор из входного слоя сети, при этом качество классификации не меняется.

Искусственные нейронные сети имеют хороший потенциал для моделирования процесса подбора персонала, однако у данного метода есть и недостатки. В случае, когда кадровое агентство осуществляет массовый подбор работников и агентство хочет автоматизировать этот процесс, возможно, не столь принципиально знать, какое влияние конкретные факторы оказывают на классификацию. Если же речь идет о подборе высококвалифицированных кадров, например, на управленческие должности, - такая информация, безусловно, была бы полезна, т. к. в этом случае математическая модель может выступать лишь как система поддержки принятия решений, в то время как конечное решение о том, можно ли рекомендовать работника клиенту, остается за НЯ-менеджером.