HR 4.0: Doba inteligentních asistentů přichází. Najdou toho nejlepšího kandidáta?

Nebude to trvat dlouho a „prediktivní algoritmy, strojové učení a inteligentní asistenti přinesou revoluci v náboru,“ tvrdí Achim Preuss ředitel výzkumu a vývoje, spoluzakladatel společnosti cut-e/ AON assessment solutions v Německu.

Nyní víme lépe než kdy jindy, jak najít toho nejlepšího kandidáta. Prediktivní algoritmy mohou totiž procházet velké objemy dat a zároveň pracovat v jeden čas s mnoha proměnnými. Jsou tak schopni o kandidátech poskytnout podrobné a konkrétní poznatky, které by jinak „lidští“ náboráři mohli snadno přehlédnout.

HR a data vstupující do procesu náboru

Tato skutečnost přináší revoluci v náboru, která během příštích deseti let vyřeší problém s přetížením informacemi. Již současné systémy, které denně využíváme, zpracovávají obrovská množství dat na hmatatelné a užitečné informace.

Například pokud do vyhledávače zadáte „Co je zlato?”, zobrazí se vám miliony výsledků. Uvidíte obrázky zlata nebo možná zjistíte, na co se zlato používá a jak se vyrábí. Ale pokud se zeptáte na stejnou otázku svého inteligentního osobního asistenta (jako je například Amazon Echo, či Google Now), zváží všechny dostupné informace a nakonec vám poskytne jednu relevantní odpověď. Tou bude nejspíše: „Zlato je chemicky odolný, žlutý drahý kov…“

Podobně náboráři budou již brzy mít své vlastní inteligentní asistenty, kteří jim budou poskytovat využitelné a smysluplné informace o kandidátech. Co je důležité – již dnes je možné tyto informace využít pro mimořádné zefektivnění chodu firmy. Dělí se dle toho, zda pro jejich čerpání využíváme tzv. reaktivní a nereaktivní data.

Reaktivní versus nereaktivní data

Co jsou reaktivní data? „Reaktivní data se vyskytují, když jednotlivec reaguje nebo na něco aktivně odpovídá. Dobrým příkladem mohou být současně dostupné psychometrické testy a dotazníky. Pokud nastavíte psychometrický test a kandidát ho vyplní, jako výsledek získáte právě tento typ dat,“ říká Filip Hrkal, český odborník na analýzu potenciálu zaměstnanců a ředitel společností cut-e a YellowCouch v České republice.

A doplňuje: „Nereaktivní data jsou pak informace, které o kandidátovi můžete získat bez jeho momentálního aktivního přispění. Většina těchto nereaktivních dat je veřejně přístupná online, například na sociálních sítích a prostřednictvím digitálních stop, které po sobě nechávají všichni uživatelé internetu, když provádí jakoukoli online činnost. To samo osobě není nic nového – mnohé společnosti se již naučily těchto dat využívat pro marketingové a obchodní účely.

Je pravda, že díky této zanechané digitální stopě se můžeme často setkat s cílenými internetovými reklamami na produkty, které jste dříve prohlíželi online. Nyní se ale mohou nereaktivními daty zabývat i náboráři. Prostřednictvím umělé inteligence a strojového učení mohou algoritmy analyzovat vše – od volby slov kandidátů, gest, až po emoční ladění jejich příspěvků sdílených na sociálních médiích.

Všechny tyto detaily lze zkombinovat s reaktivními daty získanými z použitých psychometrických testů či dotazníků, a pomocí inteligentního asistenta tak vytvořit psychologický profil každého kandidáta. Jinými slovy tím získáte komplexní pohled na kandidáty – a také jejich vhodnost pro pracovní roli. Pokud v raných fázích výběrového procesu tento profil ještě zrevidujete podle aktuálních výsledků kandidáta, můžete účinně zúžit výběr pouze na ty nejvhodnější.

Strojové učení aneb vítejte e-headhunteři!

Společnost Google nyní usiluje o propojení uchazečů o zaměstnání s vhodnými zaměstnavateli pomocí funkce Google For Jobs, která využívá strojové učení pro spárování pracovních míst podle požadavků uchazečů o zaměstnání. Je to v podstatě vyhledávač, který shromažďuje popisy pracovních míst z celého webu a eliminuje duplikáty.

Aby tato funkce efektivně fungovala, musí existovat standardizovaný způsob klasifikace a popisu pracovních rolí, které jsou mezinárodně respektované a uznávané. Tak daleko sice ještě nejsme, ale bezpochyby i to bude brzy možné.

Vyhledáním nereaktivních údajů se budou vaši inteligentní asistenti tedy schopni chovat jako tzv. „e-headhunteři”. Například tedy budete moci požádat svého inteligentního asistenta o nalezení dobrého systémového inženýra. Algoritmus inteligentního asistenta již bude chápat dovednosti a osobnostní rysy, které jsou k výkonu této pozice požadovány. Na základě toho získá krátký seznam nejvhodnějších kandidátů, které bude vhodné kontaktovat. Poskytne vám také první zprávu o náhledu na každého kandidáta, kterou asistent sestaví z veřejně dostupných dat.

Nezahrnuje to však historii prohlížeče kandidátů. Historie prohlížeče uživatele je propojena s jeho adresou IP (“adresa” přiřazená zařízení, na kterém přistupuje k internetu). Historie prohlížení je uložena přímo v internetových prohlížečích uživatelů. To znamená, že v současné době není možné přesně vědět, kdo prochází vaši kariérní stránku. Budete však vědět, jaké další weby návštěvníci prošli dříve, než přišli k vám.

S těmito poznatky byste již měli být schopni o kandidátech učinit nejrůznější předpoklady. Velkou výhodou této možnosti je například to, že pokud si kandidát zobrazí kariérní stránku, můžete mu na základě toho, co jste si odvodili o jeho zájmech, navrhnout různé pracovní pozice.

A co soukromí?

Spolu s těmito novými možnostmi nepochybně vyvstanou obavy týkající se ochrany soukromí a o právních aspektů využívání veřejně dostupných údajů o kandidátech.

Mnohé společnosti však již začaly provádět předběžnou kontrolu výběrového řízení potenciálních zaměstnanců. Databáze zaměstnavatelů totiž často zahrnují údaje, jako jsou údaje o vzdělání, předchozím zaměstnání, kontrola finanční historie a výpisy z rejstříku trestů.

Zaměstnavatelé sběr těchto dat ospravedlňují a hájí se tvrzením, že chrání své pracovní prostředí, značku a image firmy. Podle nich by neměl být žádný problém v tom, snažit se zlepšit kvalitu nově přijatých zaměstnanců analýzou jejich veřejně dostupných dat.

Achim Preuss ze společnosti cut-e/AON assessment solutions k tomu podotýká: „Je důležité zdůraznit, že nereaktivní data by se neměla používat izolovaně, ale pouze v kombinaci s reaktivními údaji, toto spojení totiž poskytne o kandidátech mnohem jasnější obrázek. Mělo by se i nadále provádět přímé měření kandidátů. Nesmí se ale podceňovat ani měření kandidátových schopností, osobnosti a jeho silných stránek a oblastí rozvoje, to zůstává klíčové.“

Při náboru talentů chcete samozřejmě získat co nejvíce informací, abyste na jejich základě udělali správná rozhodnutí. Příliš mnoho informací je ale již veřejně přístupných, a pomocí technologií lépe zpracovatelných, než když by je jakýkoli člověk musel sám získávat a zpracovávat.

Díky zkušenostem z celého světa a pozici leadera na trhu v oblasti psychometrie vidíme, jak rychle se množství dostupných dat zvyšuje. Tím vzniká trh pro inteligentní asistenty, kteří mohou shromažďovat a interpretovat relevantní data na srozumitelné zprávy, pomocí nichž bude mít personalista či liniový manažer brzy možnost udělat ještě rychleji a přesněji rozhodnutí o tom, který kandidát je nejvhodnější pro pracovní roli a celou organizaci,“ vysvětluje budoucí trend Filip Hrkal.

 

Podle článku: Dr. Achima Preusse, publikovaného 10. ledna 2018 v Artificial intelligence, HR software, HR Tech Talk, HR Technology, People analytics, Recruitment & retention, upravila a doplnila Alena Kazdová

 

loading