Как создать в компании атмосферу, подталкивающую сотрудников к инновациям и новым идеям?

Точного ответа нет ни у кого. Однако, есть кейс, упоминаемый почти в каждой статье или выступлении про культуру инноваций. Это правило 20/80 компании Google - чтобы стимулировать новые идеи, компания позволяла сотрудникам тратить до 20% своего времени на любые проекты и инициативы. А основным задачам нужно было посвящать хотя бы 80% времени.

Эта идея продолжает вдохновлять стартаперов и инноваторов всего мира. А что в Google?

А вот что:
- правило 20/80 в Google больше официально не действует
- впрочем, официально оно перестало действовать после того как «умерло» в реальной жизни
- 20/80 на самом деле было правилом 20/100 - сотрудникам было сложно не посвящать основной работе все время и новые идеи проходилось реализовывать в свободное время
- запуск огромного количества проектов, без адекватных ресурсов на их завершение, привёл к появлению сотен «зомби» проектов. Проекторы, которые формально существовали, но никто не доводил их до реализации

В итоге Google отказалась от идеи «бесконтрольных» инноваций и перешла к существенно более централизованному процессу запуска проектов:
https://www.hrzone.com/lead/culture/why-did-google-abandon-20-time-for-innovation

Впрочем, пока оно действовало, правило 20/80 привело к созданию AdSense и Gmail. Но, это было во времена, когда Google ещё не была глобальной «империей зла» с 30.000 сотрудников.

А вот 3M уже много лет (с 1948 года) использует похожее правило «15%» и остаётся одной из самых инновационных компаний мира. Бывает, что даже Google, копирует чужие идеи и не всегда удачно. Может быть суть инноваций в том, чтобы придумать что-то своё?

Если спросить кандидатов, что нужно улучшить в процессе подбора, то чаще всего они назовут сокращение времени ответа работодателя на всех этапах подбора. Этот фактор важен для 69% кандидатов (опрос CareerArc). Он важнее качества самого процесса подбора, уровня автоматизации, ...

Оптимизация и автоматизация основных этапов воронки подбора - один из самых очевидных способов сокращения затрат и повышения эффективности рекрутмента.

Чтобы понять, что улучшать, можно попробовать сравнить свои показатели со среднерыночыми - провести бенчмаркинг.

Мы попробовали найти такие данные и вот что получилось:

Как водится, качественной российской статистики нет :(

Но и для западных данных мы видим совсем разные цифры в разных исследованиях. Данные различаются для компаний разного масштаба, способа отбора, ...

По результатам опроса 600 компаний в San Francisco (большая доля ИТ-компаний):
- Доля кандидатов отбираемых для дальнейшей работы при первичном просмотре базы/откликов - 17%
- Доля кандидатов которых приглашают на очное интервью после телефонной коммуникации и переписки - 32%
- Доля кандидатов, получающих оффер после очных интервью - 31%
- Доля кандидатов, принимающих оффер - 69%

Если все перемножить, то для того, чтобы 1 кандидат принял оффер на входе должно быть 90 кандидатов

Расчет:
0.17 * 0.31 * 0.32 * 0.69 = 0.011
1/0.011 = 90

А по данным опроса сервиса Jobvite в 2017 года идентичные метрики воронки:
- 12% (первичный отбор - посетители карьерного сайта которые откликаются)
- 12% (интервью)
- 28% (оффер)
- 90% (приняли оффер)

Источник:
https://web.jobvite.com/rs/703-ISJ-362/images/2018%20Recruiting%20Benchmark%20Report.pdf

Итого: 330 кандидатов на 1 принятого

Выводы:
- Даже небольшое изменение метрики на определенном этапе воронки критически влияет на итоговый результат. Изменение доли на одном из этапов на 10% (например, с 12 до 22%, для данных Jobvite, сокращает количество кандидатов на 1 нанятого вдвое - с 330 до 160)
- Инструменты автоматизации должны «целиться» в определенную метрику. Внедряя определённый инструмент нужно понимать показатели какого этапа воронки вы улучшаете
- Бенчмаркинг важен - регулярно считайте свои показатели, сравнивайте с цифрами которые можно найти. Если их нет - сравнивайте со своими историческими данными и показателями знакомых компаний
- Одновременно с этим, подбор для разных компаний и позиций очень разный - сравнивать показатели нужно с не со средней температурой по больнице, а со своей целевой группой похожих компаний

Искусственный интеллект позволит избавиться от начальников среднего звена и контролеров?

Любопытная статья в Нью-Йорк Таймс, описывающая практику применения AI для контроля действий людей:
https://www.nytimes.com/2019/06/23/technology/artificial-intelligence-ai-workplace.html

Мы обсуждаем может ли искусственный интеллект заменить живого сотрудника, а он уже сейчас:
- контролирует как операторы колл-центров общаются с клиентами и в режиме реального времени подсказывает как говорить (быстрее, медленнее, больше эмоций, ...) - страховая компания MetLife
- автоматически расчитывает эффективность работников логистических центров Amazon и подаёт заявки на увольнение тех, кто не справляется
- контролирует сколько раз сотрудники курят, что они обсуждают, сколько раз выходят в туалет
- наблюдает за рабочими на сборочных линиях, фиксирует количество ошибок, неправильное поведение, ...

Статья про тот как компании автоматизируют наблюдение за людьми с говорящим названием «Искусственный интеллект автоматизирует людей»:
https://www.axios.com/ai-employee-surveillance-automating-humans-092f8c36-24bc-4efd-8d38-78f1c8a61e1f.html

Роботам пока сложно заменить людей во многих областях деятельности, но они уже очень эффективно могут их контролировать.

Возможно, бояться за своё место стоит начальникам самого нижнего уровня, основная работа которых - считать перекуры и ошибки персонала и записывать их на бумажку.

Уверенность в себе коррелирует с карьерной успешностью человека даже больше, чем IQ:
https://www.inc.com/ilya-pozin/here-s-why-confidence-will-always-trump-iq.html

А ещё исследования показывают, что женщины в бизнесе уверены в себе намного меньше чем мужчины. Они чаще сомневаются в своих способностях чем мужчины с идентичным уровнем квалификации, опытом и интеллектом.

Почему? Точно не известно, но возможно, дело в уровне тестостерона.

Немного цифр:
- 50% менеджеров женщин и только 30% мужчин сомневались в своём профессионализме, при опросе британских менеджеров
- Мужчины в 4 раза чаще просят увеличения зарплаты и просят на 30% больше чем женщины с аналогичной квалификацией (исследование Carnegie Mellon University)
- В исследовании университета Cornell, студентов ещё не знающих результатов теста, который они только что сдали, просили предположить что у них получилось. Девушки существенно недооценивали свои результаты, мужчины переоценивали или были ближе к реальности
- В американских университетах в конкурсах для студентов-исследователей принимает участие 70% студентов и менее 50% студенток. Девушки боятся, что не справятся.

Как это влияет на поведение людей, применительно к HR?

Если верить внутреннему исследованию компании Hewlett-Packard, когда мужчина видит интересную вакансию, он откликается на неё даже если формально соответствует требованиям лишь на 60%. Женщина откликается если соответствует на все 100%.

Выводы?

Если девушка откликнулась на вакансию или пытается попасть в кадровый резерв, то вероятность того, что она полностью соответствует требованиям весьма высока. А мужиков надо проверять намного тщательнее.

Конференция клиентов и партнеров Websoft началась. Елена Тихомирова на сцене.

Почему HR-служба не может создать сервисы, на которые сотрудники «подсаживаются»? Почему корпоративное мобильное приложение не может быть таким же вовлекающим как Facebook?

В последнее время, этот вопрос часто звучит в обсуждениях и на HR конференциях.

Компании хотят, чтобы их HR-системы были такими же привлекательными как Instagram и сотрудники «залипали» бы в них как в YouTube. Эти идеи, в существенной степени, определяют интерес к MarHR (Marketing in HR).

Мы зависаем в социальных сетях потому, что они придумали для этого специальные техники манипуляции поведением:
⁃ Бесконечный скроллинг
⁃ Автоматический запуск одного видео, после завершения предыдущего
⁃ Геймификация, поощряющая длительность и активность пребывания в сети
⁃ Не говоря уж о лайках малоизвестных нам людей, которые заменяют настоящее признание близких
⁃ ...

Забавно, что в то время как на marHR конференциях мы обсуждаем как «пересадить» эти техники на корпоративную почву ибо они кажутся безусловным благом, в обществе нарастает прямо противоположная идея.

В конгресс США внесён законопроект, предлагающий запретить манипулятивные техники:
https://www.businessinsider.com/senator-josh-hawley-social-media-addiction-bill-2019-7

Даже если закон не будет принят, сам факт его обсуждения в парламенте весьма показателен.

Все больше беспокойств о влиянии увеличивающегося времени в соц. сетях на психическое здоровье:
https://www.forbes.com/sites/alicegwalton/2018/11/16/new-research-shows-just-how-bad-social-media-can-be-for-mental-health/#152176777af4

Facebook явно понимает, что происходит, и пытается менять свою политику. Например, отменять показ лайков (пока экспериментально) в FB и Instagram.

Не пытаясь быть моралистом или говорить о безусловном вреде социальной инженерии, хочется, тем не менее, задать вопрос:
Должны ли HR, рассуждающие о комфортной рабочей атмосфере и прочем well-being, перенимать инструменты, оказывающие деструктивное влияние на этот самый well-being за пределами рабочего пространства?

Однозначного ответа, пожалуй, нет. Но есть о чем задуматься.

На днях несколько изданий написали, что Сбербанк внедряет ИИ при подборе:
https://vc.ru/hr/88591-sberbank-nachal-prognozirovat-veroyatnost-uvolneniy-pri-nayme-konsultantov-v-svoi-otdeleniya-s-pomoshchyu-ii

Предсказание вероятности увольнения сотрудников и кандидатов - самое очевидное использование нейросетей и машинного обучения в HR. На Западе есть известные кейсы от IBM и целая куча стартапов.

Объём данных Сбербанка, вероятно, позволяет хорошо обучить нейросеть и показать приличную валидность прогноза.

Но, кое какие вопросы возникают, и на них нет ответа в статьях.

Предположим, приходят банк 2 кандидата и они полностью соответствую формальным требованиям. Кандидат 1 немного больше субъективно нравится рекрутеру чем кандидат 2, но алгоритм говорит что вероятность скорого увольнения для #1 на 10% выше чем у #2.

Чем должен руководствоваться рекрутер в такой ситуации? Принимать субъективное решение на основе своих ощущений (тогда зачем ИИ?) или следовать оценке алгоритма? Какой порог вероятности увольнения будет основанием для отказа и законно ли отказывать кандидату или ранжировать их на основании вероятностных показателей?

Если речь идёт о нейросети, то нет никакой возможности узнать какое именно сочетание факторов повлияло на работу алгоритма. А что если эти факторы человеку уже не поменять (например, это будет служба в армии и возраст поступления в ВУЗ)? Справедливо ли снижать вероятность найма адекватного человека, опираясь на такие расчеты?

Надеюсь, мы услышим ответы на эти и похожие вопросы в ближайшее время. Ибо любопытно.

Какие темы в HR-автоматизации самые актуальные для России? Не самые хайповые, а наиболее часто автоматизируемые в компаниях, которым нужно, чтобы реально работало?

Мы проанализировали программу нашей конференции клиентов, прошедшей на прошлой неделе. Можно считать нашу выборку достаточно репрезентативной, в том числе потому, что мы никого искусственно не заманивали выступать. Все происходило по инициативе компаний и рассказывали они о самом для них актуальном:
http://conf.websoft.ru/

Вот они тренды (направление автоматизации - количество кейсов по теме):
- HR-Аналитика - 2
- UGC (User-Generated контент) - 3
- Очное обучение - 4
- Массовый подбор - 2
- Комплексный процесс подбора - 2
- Карьерное развитие - 1
- ИПР - 1
- Кафетерий льгот - 1
- Процедуры оценки - 3
- Адаптация - 2
- Наставничество - 1
- Геймификация - 3
- Дистанционное обучение - 2
- Мобильное обучение/AR - 1

В следующем посте - инсайты с конференции от коллег из Elearning Center.

Обещанный комментарий от коллег

инсайты про обучение после конференции #епрактика 2019

- те, кто на острие технологий, и развивают AR и VR у себя в компаниях, говорят, что обучение - это не технологии, это прежде всего то, как люди учатся, как методологически выстроен процесс обучения. И здесь важно, что смотреть, читать, узнавать - это еще не обучение, это что угодно - развлечение, например, если нет применения, если применение в конкретных задачах не завершает процесс узнавания чего-то нового.
(Кейс "Новые форматы и инструменты обучения персонала в эпоху Цифровой Индустрии 4.0", Сергей Кузнецов, Лукойл)

- геймификация действительно работает и работает на цели обучения. Главное направить ее на эти цели и знать, какие грабли могут подстерегать.
(Секция "Геймификация в HR")

- когда один человек прошел обучение и применяет новые знания в процессе работы - это успех, но его можно многократно увеличить! Можно создать систему, в которой люди свободно делятся новыми знаниями - пишут конспекты, рассказывают о том, что узнали полезного, на собраниях, проводят вебинары. Это и живая рабочая система управления знаниями, и пользовательский контент, и развитие экспертов и тренеров внутри компании.
(Кейс "Как автоматизация внешнего обучения помогла создавать пользовательский контент",
Добродеева Екатерина, ХЛЕБПРОМ)

- построение такой системы дистанционного обучения в компании или такая автоматизация очного обучения, когда бизнес видит результаты и ставит новые задачи на развитие, а сотрудники пользуются системой постоянно в своей работе и видят пользу для себя - это все не происходит как эффект от какого-то одного действия. Это поэтапная работа, в которой прохождение одного уровня задач поднимает участников процесса на новый - более сложный. Как в геймификации :)
(Кейс "Автоматизация управления очным обучением",
Ивченко Глеб, Кодесников Александр, РИВ ГОШ)

- анализировать результаты обучения можно и нужно. И это даже не так сложно, как может показаться.
(Кейс "Оценка результатов обучения. Как мы анализируем обратную связь", Никитюк Эдуард, Райффайзен Банк)

- атмосфера важна, собраться вместе и обсудить свои задачи с коллегами - хорошо, полезно и наполняет идеями и энергией для их воплощения!

На прошлой неделе мы писали про оптимизацию воронки подбора и характеристики отсева на ее этапах.

А что если мы подсчитали и даже оптимизировали все показатели воронки? Можем ли мы пересчитать % отсева на определенном этапе в деньги и затем рассчитать общую стоимость подбора?

Безусловно, это возможно. Как - читайте в нашей статье:
http://blog.websoft.ru/2019/10/blog-post_15.html

McDonald’s разработала приложение по поиску работы для голосовых помощников Amazon Alexa и Google Assistant.

Компания утверждает, что это первое рекрутинговое приложение для «умных» колонок. Выпуск приложения - часть большой новой программы рекрутмента Made at McDonald’s, которую запустила компания.

Рекламный ролик приложения, которое называется McDonald’s Apply Thru:
https://youtu.be/5R-WAvBTDoQ

Официальный анонс приложения и рассказ о новом рекрутинговом проекте:
https://news.mcdonalds.com/Introducing-McDonald’s-Apply-Thru

Когда ты работаешь в корпорации, которая следит за всем миром и обнаруживаешь, что она следит за тобой:
https://vc.ru/hr/89435-sotrudniki-google-obvinili-kompaniyu-v-slezhke-iz-za-rasshireniya-v-kalendare-kotoroe-preduprezhdaet-o-massovyh-sobraniyah

История про то, как мелкая функция, которую, возможно, задумывали без всякого злого умысла, вызывает небольшую бурю в коллективе. Почти как повышение стоимости проезда в метро на 3 рубля в Чили (где уже 18 погибших).

Аккуратнее нужно быть с персоналом.

На днях Washington Post написали статью про систему видео-интервью для автоматического опроса и оценки кандидатов с помощью AI. Статья длинная и на английском, но почитать ее стоит:
https://www.washingtonpost.com/technology/2019/10/22/ai-hiring-face-scanning-algorithm-increasingly-decides-whether-you-deserve-job/

Когда мы говори про AI мы задаемся вопросом - а работает ли технология, а хороша ли она? И тут нужно уточнить - а что такое хорошо работающая технология.

Если речь идёт о том, что AI автоматически из массива людей по мимике на видео выделяет действительно лучших и потенциально более эффективных, то точного ответа на этот вопрос нет. Либо да (как утверждает провайдер) либо нет (как говорят некоторые исследователи, упомянутые в статье).

Но, если вычленить из длинного текста суть - бизнесу не нужно идеальное решение. Рекрутеры тоже ошибаются и принимают решения ткнув «пальцем в небо» или глядя на фасон ботинок соискателя.

Бизнесу достаточно, чтобы результаты работы алгоритма были не хуже. В том смысле, что отобрал алгоритм 50 грузчиков и они загрузили вагон за нормативный час и не более 10% не явились на работу. И у рекрутера такие же примерно результаты.

Не важно как алгоритм устроен изнутри. Добавим от себя, что бизнес бы подписался на гадание на хрустальном шаре или карты таро, если бы эту технологию можно было оправдать перед внешним миром и она работала не хуже рекрутера.

Лучше не обязательно, главное чтобы дешевле.

Эта идея не нова - достаточно вспомнить старый анекдот про опытного рекрутера, выкидывающего половину резюме в корзину со словами: «Это неудачники, а такие нам не нужны».

Похоже и к сожалению, с этой циничной идеей придётся смириться. А ресерчеры, сидящие на первичном скрининге кандидатов могут начинать беспокоится.

PS

В чем алгоритм точно будет лучше живого человека (если об этом подумали разработчики) так это в борьбе с расизмом, сексизмом и эйджизмом. Сделал в расчетах поправку на нормативы, убрал из рассмотрения пару переменных и получил идеальную diversity.

На сайте LifeLearning обзор нескольких выступлений с конференции E-Практика - автоматизация подбора в DPD, адаптация в банке «Открытие», нового учебного портала Ростелеком и новая версия сервиса прокторинга Websoft:
https://lifel.ru/blog/elearning-conference/160-e-praktika-i-tolko-praktika

Продолжим гендерную тему, начатую на прошлой неделе.

Влияет ли то, какими словами сформулирована вакансия на отклик кандидатов. Например, если написать «необходим специалист, который будет агрессивно преследовать поставленные целевые показатели» или «... энергично преследовать...».

Если верить исследователям из университетов Duke и Waterloo, выбор слов важен. Особенно если кандидат женщина:
https://www.paycor.com/resource-center/gender-discrimination-in-job-denoscriptions

Исследователи составили список «мужских» и «женских» терминов. Пример мужских (в переводе на русский) - агрессивно, решительно, настойчиво...Пример «женских» - эмоционально, вежливо, доверие, ...

Если в вакансии были «мужские» слова, то вероятность что женщина откликалась на такую вакансию резко снижалась. С мужчинами такого эффекта не наблюдалось. Они вполне откликались на вакансии с «женскими» словами.

Выводы:
- если вы действительно хотите гендерно-нейтральных объявлений - думайте о словах
- если вы российский рекрутер и вам нужно по требованию заказчика исключить из рассмотрения девушек, но вы не можете этого явно написать в вакансии - изучите список «мужских» слов. Впрочем, мы против дискриминации и не поддерживаем эту идею

Как насчёт автоматизации? Множество западных ATS систем встраивают модуль автоматической проверки объявлений о вакансиях на явно выраженные гендерные слова и выражения. И предупреждают рекрутера об ошибках.

В сети есть бесплатные инструменты (на английском и других европейских языках) позволяющие проверить объявления. Один из примеров:
http://gender-decoder.katmatfield.com

PS

Не будем забывать про российских исследования - их немного, но они встречаются. Вот вполне осмысленная работа исследователей из СПбГУ о гендерных стереотипах российских рекрутеров:
https://dspace.spbu.ru/bitstream/11701/13944/1/DIPLOM_Stepanova_2018.pdf

Google на днях сделал предложение по покупке производителя фитнесс-гаджетов Fitbit.

Это напомнило нам про историю использования гаджетов этой компании для проектов в HR.

Ещё в 2013 году подразделение British Petroleum в США раздала 14.000 своим сотрудникам бесплатные браслеты и носимые устройства Fitbit, отправлявшие данные об активности их носителей в HR-систему компании. Участие в проекте добровольное.

Те, кто сумел преодолеть определенный порог активности, смог претендовать на снижение стоимости медицинской страховки (точнее увеличивать налоговые вычеты на оплату страховки за счёт компании):
https://www.forbes.com/sites/parmyolson/2014/04/17/the-quantified-other-nest-and-fitbit-chase-a-lucrative-side-business/#3272363d2c8a

Возможно, теперь не только работодатели некоторых компаний, но и Google будут знать о состоянии здоровья пользователей фитнесс-устройств.

Редкий случай, когда технологии, созданные для HR «переезжают» в другие сектора. Обычно, наоборот:
https://vc.ru/services/90143-screenlife-timura-bekmambetova-i-razrabotchik-robota-rekrutera-vera-sozdali-tehnologiyu-sinteza-golosa-znamenitostey

Стоит отдать должное коллегам из Stafory. Нет так все просто с их решениями - мода на роботов для обзвонив стихла, появилось множество конкурентов (например, VoxImplant делает отличные голосовые решения с удобным API), а успех системы рекрутмента на блокчейне вызывает сомнение.

Но, несмотря на сложности они снова смогли сгенерировать хайп вокруг себя. Стоит поучиться.

PS
Как в ATS системе можно сделать интеграцию с голосовыми роботами - читайте здесь:
http://blog.websoft.ru/2019/07/e-staff.html

Абсолютно неожиданная предметная область для корпоративных HR-систем - борьба с диабетом. Не в России, конечно, а в Штатах.

У них, как известно, с диабетом большая беда. Вернее, очень большая. Почти 10% населения больны. Для большинства компаний это означает до 10% больных сотрудников, высокую стоимость оплаты больничных, отсутствия сотрудников на рабочих местах и прочие потери от снижения производительности труда.

Это на была бы Америка, если бы для такой проблемы не продавали бы решения.

Продукты есть и их много. Есть корпоративные приложения, которые компании могут приобрести для своих сотрудников, которые дают рекомендации о правильном питании, активном образе жизни. Есть решения с элементами геймификации. Сотрудники могут виртуально соревноваться к коллегами - кто больше прошёл, тренировался, правильно питался...

Есть бизнес-ассоциации и даже рекомендации по выбору digital решений для работодателей:
https://nebgh.org/wp-content/uploads/2018/02/Diabetes_Digital_Fin_spreads_26NOV2018.pdf

В России, официально больных диабетом 4.3 миллиона, то есть 3%. Но, официальной статистике у нас никто особо не верит. Неофициальные источники говорят, что эти цифры занижены раза в 2. Но, все равно они существенно лучше американских. Пока.

Не знаю, стоит ли нам переживать из-за нашей технологической отсталости или радоваться что у нас пока не так все плохо с эпидемией диабета.

В сети случайно нашли логотип новой версии браузера Edge от Microsoft, который будет построен на движке Chromium:
https://vc.ru/design/90943-microsoft-predstavila-logotip-novogo-brauzera-edge-na-baze-chromium

А 4 ноября в сеть выложили бета-версию:
https://www.microsoftedgeinsider.com/en-us/

Выход релиза запланирован на 15 января 2020 года.

Это важная новость для крупных компаний в которых запрещено или ограничено использование браузеров, отличных от продукции Microsoft. Есть надежда, что это будет полноценный браузер с поддержкой всех современных технологий и про кошмар специальной верстки систем “под IE” можно будет забыть.

Важный вопрос для многих разработчиков - будет ли новый браузер поддерживать стандарт WebRTC, который позволяет создавать инструменты для коммуникаций в режиме реального времени, в том числе, системы проведения вебинаров?

Судя по комментариям разработчиков Microsoft, поддержка WebRTC ожидается. По крайней мере, разработчикам, использовавшим альтернативный стандарт от Microsoft (oRTC) предлагается разрабатывать WebRTC решения для Chrome:
https://techcommunity.microsoft.com/t5/Discussions/ORTC-Support-in-Edge-Chromium/m-p/411631

Это хорошая новость для всех разработчиков, в том числе дня нас. В новой версии Виртуального класса Websoft не придётся поддерживать «зоопарк» стандартов. Будем ждать новой версии Edge.