Штат Иллинойс создал прецедент - первый мире закон об использовании искусственного интеллекта для обработки видео-интервью (Artificial Intelligence Video Interview Act):
https://www.shrm.org/resourcesandtools/legal-and-compliance/state-and-local-updates/pages/illinois-leads-the-way-on-ai-regulation-in-the-workplace.aspx

Суть закона:
⁃ От кандидата требуется письменное согласие на участие в видео-интервью, результаты которого будет оценивать AI
⁃ Видео, записанное во время интервью запрещено передавать кому-либо кроме людей, участвующих в принятии решения по кандидату
⁃ Нельзя использовать AI для анализа тех видео, для которых не было письменного согласия
⁃ По запросу кандидата, все его видео должны быть уничтожены в течение 30 дней

Текущая версия закона не запрещает компании отказать кандидату, не прошедшему видео-интервью. Но, как сказано выше, это первая попытка законотворчества.

В других штатах тоже обсуждаются похожие законы и в них могут быть альтернативные требования. Поскольку в США нет единого федерального закона про защиту персональных данных типа GDPR, то это порождает региональные нормативные акты.

Рано или поздно все это будет отрегулировано на федеральном уровне и в Штатах и у нас и в Европе, а до этого мы будем наблюдать за законодательными экспериментами.

Вопрос про взаимосвязь «плюшек», которые предоставляет компания и длительности работы сотрудников в ней.

Где большего всего «плюшек»? Спросите 100 человек и как минимум 50 из них назовут Google.

А вот вам список крупнейших американских компаний (Fortune 500), отсортированный по средней продолжительности работы сотрудника в компании (по данным сервиса PayScale): https://www.payscale.com/data-packages/employee-loyalty/full-list

Google на почётном 462 (в среднем 1.1 года), а Amazon на 464 месте (в среднем 1 год).

У Eastman Kodak (1 место) - в среднем 20 лет. А у McDonald’s в среднем 2.8 года.

Не похоже, что «плюшки» очень эффективны в индустриях с очень высоким спросом на таланты.

Коллеги из Райффайзенбанк на конференции E-Практика поделились своим опытом сбора и анализа обратной связи по итогам обучения.

Планируют и проводят обучение в банке на платформе WebTutor, там же собирают обратную связь. А анализируют в PowerBI и, частично, в WebTutor.

Несколько интересных выводов по итогам анализа обратной связи обучаемых:
⁃ Гипотеза что молодые сотрудники оценивают курсы выше чем опытные подтвердилась
⁃ Было предположение, что самыми редкими оценками по 5 балльной шкале будут 2,3 или 4. А оказалось что это 1
⁃ А вот идея, что длительность изучения курса влияет на уровень оценки не подтвердилась. Длинные курсы не оцениваются ниже чем короткие.
⁃ Также не подтвердилась гипотеза, что руководители оценивают обучение ниже чем их подчиненные. Нет связи между уровнем руководителя и уровнем оценки.

Спасибо Эдуарду Никитюку и его коллегам за материал и интересные идеи. Презентация:
https://news.websoft.ru/pdf/6756126752109240966

Все что вы хотели знать о дискриминации сотрудников по возрасту (в ИТ и не только), но стеснялись спросить, можно почерпнуть из статьи на Habr и комментариев к ней. Комментарии особенно ценны:
https://m.habr.com/ru/post/475288/comments/

В дополнение - статья про средний возраст сотрудников в ведущих мировых ИТ компаниях. От 28 лет в Facebook до 39 лет в Oracle:
https://www.businessinsider.com/median-tech-employee-age-chart-2017-8

Gartner провёл в 2019 опрос 1000+ HR экспертов в Штатах, UK, Китае и Индии.

Надо было назвать самые перспективные (уже внедрённые или внедряемые) направления для применения искусственного интеллекта в HR.

Вот что получилось (TOP-3):
1. Поиск талантов

Сценарии использования:
⁃ Оценка компетенций кандидатов
⁃ Оценка соответствия кандидата требуемым знаниям/навыкам
⁃ Ранжирование кандидатов поистереть соответствия требованиям вакансии
⁃ Чат-боты для взаимодействия с кандидатами

2. Анализ настроений сотрудников

Сценарии использования:
⁃ Анализ опросов вовлечённости и других внутренних исследований
⁃ Анализ активности в социальных сетях

3. Виртуальные ассистенты

Сценарии использования:
⁃ Чат-бот, реализующий сервис-деск по HR вопросам
⁃ Автоматизированные процессы HR-самообслуживания, запускаемые в процессе взаимодействия с голосовым помощником или ботом

Источник:
https://www.gartner.com/en/newsroom/press-releases/2019-06-19-gartner-identifies-three-most-common-ai-use-cases-in-

Как не нужно увольнять сотрудников.

Дело было в Штатах. Один джентельмен, в нерабочее время запостил в Facebook мем с незамысловатой и грубоватой шуткой. Что-то вроде «Мой босс зарабатывает за час доллар, а я 10 центов, поэтому я на работе сижу на горшке». От имени Elmo - персонажа детских мультиков, с картинкой персонажа на детском горшочке.

Босс прочитал шутку и она не показалась ему смешной. И он уволил парня. А тот написал об этом, опять же в FaceBook.

Общественность возмутилась в комментариях, что не удивительно - на то она и общественность. Ведь, в конце концов, ходить в туалет в рабочее время за счёт компании вполне законно. Как и шутить над боссом.

Но возмущением в соц. сетях граждане не ограничились и пошли портить боссу и его бизнесу жизнь.

Сотни негативных оценок бизнеса уронили рейтинг бизнеса в Google Reviews и FaceBook до 1 звёзды. Везде где можно было написать гадости про бизнес - было написано. Что, конечно, нанесло урон не только злому начальнику, но и всем сотрудникам, оставшимся в компании.

Мораль? В век интернета не ругайтесь с сотрудниками из-за мемов. Это может вам дорого обойтись.

PS
Многие компании внедряют решения для мониторинга социальных сетей сотрудников. И это загоняет их в ловушку - раз ты мониторишь нежелательную активность, то надо на неё реагировать. А реагировать может быть опасно. Может не стоит мониторить?

Источник:
https://www.hrdive.com/news/resource-actions-how-social-media-challenged-hr-in-2019-1/567179/

Редкий для России кейс - автоматизация планирования карьерных маршрутов сотрудников.

Этот процесс автоматизирован в банке ВТБ на платформе WebTutor.

Краткое описание бизнес-процесса:
⁃ в системе описаны возможные направления карьерного развития (горизонтальные, вертикальные, кросс-функциональные) для различных типовых должностей
⁃ На HR портале сотрудник видит возможные варианты развития
⁃ Система вычисляет степень готовности сотрудника к переходу, в том числе автоматически предлагая тестирование там, где это необходимо
⁃ Сотрудник видит требования к должности, а система предлагает ему инструменты развития (в том числе, доступные онлайн на портале)
⁃ Далее сотрудник, соответсвующий формальным требованиям, может подать заявку не переход на новую должность. Для заявки предусмотрен процесс электронного согласования.

Благодарим коллег из ВТБ за выступление с этим кейсом на конференции Е-Практика и за возможность поделиться материалами:
https://news.websoft.ru/PDF/6756130582781762285

Как часто кандидаты врут (или приукрашивают) свои резюме?

⁃ 75% рекрутеров, опрошенных сайтом CareerBuilder в 2017 году регулярно ловят кандидатов на обмане
⁃ Или 85% американских рекрутеров по данным другого опроса на сайте HireRight в том же году
⁃ Или 83% российских рекрутеров по итогам исследования компании JungleJobs

В основном врут про:
⁃ длительность работы
⁃ название должности
⁃ уровень полученного образования и академические достижения

Выводы? Ничего в этом нет удивительного - люди вообще часто врут. Особенно про себя.

Но, не стоит забывать об этом, когда нам рассказывают об очередной волшебной технологии, обученной на массиве резюме и делающей на их основе выводы о кандидатах. Такой ИИ тоже может привирать ;)

Новость для тех, кто хочет понять силу и слабость искусственного интеллекта и машинного обучения:
https://www.newscientist.com/article/2222907-ai-can-predict-if-youll-die-soon-but-weve-no-idea-how-it-works/

В чем суть - нейросеть, обученная на результатах почти 2 миллионов электрокардиограмм и историях болезни 400.000 пациентов научилась предсказывать их смерть (по анализу исторических данных контрольной группы) в течение ближайшего года, с достаточно большой вероятностью.

Теперь самое главное. Никто, включая самих разработчиков модели, не понимает как она это делает. Нет ни одного очевидного фактора в результатах ЭКГ который бы могли бы заметить даже очень опытные доктора. Люди вообще не видят закономерностей, которые как-то «видит» алгоритм. А сама идеология нейросети не позволяет понять что именно она «видит» и как принимает решения.

Очевидно, нам надо начинать готовиться к новой парадигме - когда нам придётся верить алгоритмам (в том числе в HR), абсолютно не понимая на чем они основаны.

О дивный новый мир!

Пятничное. Как легализация марихуаны в Штатах влияет на процессы работы с персоналом?

Казалось бы, какая тут связь? Но все не так просто. Во многих компаниях с высокими требованиями к безопасности труда есть обязательное тестирование на алкоголь и наркотики. Что логично.

Но, современные тесты на наркотики показывают положительный результат, если человек курил марихуану в течение 30 дней. Точнее узнать нельзя.

И тут граждане законно спрашивают своего работодателя - а почему я могу абсолютно легально на выходных выкурить косяк (в том числе в медицинских целях по рецепту врача), и вы меня не допустите в понедельник к работе? Выпить то можно.

И приходится американской науке в страшной спешке изобретать тесты, позволяющие различать употребление, произошедшее несколько часов и несколько дней назад. Такой вот challenge для новых технологий.

Говорят, прорыв близок:
https://www.hrmorning.com/news/new-marijuana-drug-testing-shows-promise/

Традиционные подходы к подбору перестают работать на рынке кандидата. Не достаточно разместить вакансию на job сайте и ждать откликов. Можно не дождаться.

В такой ситуации все больше компаний начинают использовать многоканальный (omnichannel) подбор.

Это про то, чтобы информация о вакансии была доступна не только на одном job сайте, а на все основных + на карьерном портале + лендинг вакансии продвигался бы в соц. сетях.

А ещё роботизированный поиск приводил бы кандидатов в ATS систему или на карьерную страницу. Где бы кандидата ждал чат-бот, видео-интервью и автоматизированные инструменты оценки.

Мы написали статью, про то как построить такой полностью автоматизированный процесс с помощью наших инструментов (E-Staff/WebTutor):
http://blog.websoft.ru/2019/11/blog-post_18.html

Большая проблема алгоритмов, построенных на нейросетях и машинном обучении в том, что результаты их работы крайне сложно объяснить.

Не понятно, какой именно фактор влияет на итоговое решение. Например, смотрите наш пост на прошлой неделе про прогноз смерти на базе данных ЭКГ.

Этот факт становится особенно критичным в HR, при наличии законодательства типа GDPR (европейский закон о защите персональных данных в Интернет). В этом законе есть “right to explain” - человек имеет право потребовать объяснения работы алгоритма, если это влияет на его карьеру или жизнь.

Провайдеры сервисов ИИ не могут не беспокоится по этому поводу. И вот Google выпустил бета-версию Explaiable API. Это сервис, дополняющий AI инструменты Google, технологиями для объяснения результатов работы алгоритмов.

Подробнее читайте на Habr:
https://m.habr.com/ru/news/t/477216/

Вероятно, скоро стоит ждать ответа от Microsoft и Amazon.

Слышали про суперсервис «Трудовые отношения онлайн» который государство собирается запустить в 2020 году?

«Суперсервисом» он официально называется на сайте госуслуг и включает в себя:
⁃ электронные трудовые книжки
⁃ электронный трудовой договор
⁃ заявление об увольнении в электронной форме
⁃ поиск работы
⁃ анализ зарплат по стране
⁃ и ещё всякое до кучи.

Все на портале госуслуг и в мобильном приложении. Посмотрим взлетит ли?

Пока есть краткое описание и промо-видео:
https://gosuslugi.ru/superservices/labour

Как устроено мобильное обучение в Лукойл? Как совместить «традиционный» формат мобильного обучения (мини-курсы, тесты, видео, книги) и дополненное реальность AR?

Про это презентация Сергея Кузнецова с конференции E-Практика 2019:
http://news.websoft.ru/pdf/6763229271119963674

Несколько интересных моментов, на которые стоит обратить внимание:

1. Как совместить в одном мобильном приложении (WebTutor Mobile) электронные курсы, календарь очных мероприятий, учебный план, книги различных провайдеров, тесты, задания

2. Интеграция в одном приложении сервисов от различных провайдеров (Термика, Smart Reading, ...)

3. Интеграция учебного и AR приложений

Любопытная американская история, которая говорит о значимости контента, создаваемого пользователями (UGC).

Юридическая фирма в штате Миссури подала в суд на двух своих бывших сотрудников, разместивших негативные посты о работе в компании на сайте Glassdoor. Компания ссылалась на соглашение, которое подписывали все сотрудники. Оно обязывает сотрудников не критиковать компанию публично.

Ситуация разрешилась (обвинения сняли, дело закрыли) после вмешательства американского аналога инспекции по труду и ссылок на федеральное законодательство, запрещающее работодателю ограничивать взаимодействие с коллегами, для улучшения условий труда:
https://blog.shrm.org/blog/can-a-company-require-new-employees-not-to-bash-it-on-glassdoor?_ga=2.40372586.998849907.1574884205-170536922.1574884205

Интересно, что компания пошла в суд из-за такой, казалось бы, мелочи, как негативный отзыв на сайте. Почему? Потому, что каждый такой отзыв на Glassdoor увеличивает для компаний стоимость подбора и удержания сотрудников. Увеличивает настолько, что стоит идти на серьезные меры.

Репутация работодателя, выраженная в среднем балле в Glassdoor, становится важным KPI для HR и дополнительной головной болью. Ждём появления российского аналога Glassdoor и похожих историй.

Как компании оценивают эффективность обучения?

Возьмём, наиболее распространённые модели - модель Кикрпатрика, состоящая из 4 уровней оценки эффективности обучения, к которым в модели Филлипса добавляется пятый уровень (ROI).

До появления современных LMS систем, измерение эффективности по этой модели было достаточно трудоемким. После их появления все должно было стать сильно проще.

Посмотрим по уровням:
1. Реакция - автоматизируется заполнением форм обратной связи по итогам тренинга в электронной форме. Ссылку на форму участник тренинга автоматически получает в почту или мобильное приложение. И система напомнит любое количество раз.

2. Знания - автоматизируется тестом, также назначаемым автоматически

3. Изменение поведения - автоматизируется опрос руководителей/экспертов/коллег, которым автоматически направляется электронный лист оценки изменения поведения/применения навыков

4. Результативность - тут сложнее, но интегрированные HR системы позволяют загружать KPI и сравнивать их с информацией об обучении. Из этих данных можно строить аналитику и делать выводы

5. ROI - задача нетривиальная, но данные, полученные на 4 уровне сильно ее упрощают

Вывод: как минимум 3 первых уровня должны автоматизироваться «из коробки» любой современной LMS системой. По крайней мере WebTutor делает это легко.

Можно предположить, что опрос компаний должен демонстрировать почти 100% использование таких методов оценки для уровней 1-3.

Как на самом деле?

Если брать очень оптимистичные американские данные ATD за 2015 год, то получается так:
⁃ уровень 1 - 88%
⁃ уровень 2 - 82%
⁃ уровень 3 - 60%
⁃ уровень 4 - 35%
⁃ уровень 5 - 15%

А что в России? Больших надежных опросов и исследований, на которые можно было бы сослаться, нет.

Вот наша экспертная оценка доли компаний, применяющих различные инструменты оценки эффективности:
⁃ 60-80% на уровне 1
⁃ 40-50% на уровне 2
⁃ менее 20% на уровне 3
⁃ совсем ничтожно мало на уровнях 4 и 5

И тут приходится задумываться - а нужна ли на самом деле российским компаниям оценка эффективности обучения, о которой так много говорится?

Потому, что если инструменты есть под рукой, а их не используют вполне умные и профессиональные люди, значит никто их об этом не просит.

Для тех, кто интересуется технологиями электронного обучения мы подготовили материал про новые стандарты xAPI и CMI5:
http://blog.websoft.ru/2019/12/xapi-cmi5.html

В статье мы попробуем ответить на вопросы:
⁃ зачем нужны эти новые стандарты, если есть проверенный годами Scorm?
⁃ чем отличаются xAPI и CMI5?
⁃ какие средства разработки курсов поддерживают новые стандарты и какие у них есть особенности?
⁃ как интегрировать новые курсы в LMS систему?
⁃ в каких случаях стоит использовать курсы, сделанные по новым стандартам?

На прошлой неделе мы писали про государственный «суперсервис» про подбор/трудовой договор и увольнение.

Похоже, государство на этом не остановится. В 2020 начнётся эксперимент с единой медицинской картой работника в Татарстане и Кузбассе:
https://www.kommersant.ru/doc/4148387

Логичным продолжением этого процесса в корпоративных HR системах будет интеграция кадровых систем (в части учета предоставленного лечения, реабилитации и путёвок в санатории) с этим сервисом.

Возможно, люди боятся роботов и искусственного интеллекта меньше, чем можно ожидать.

По крайней мере, может показаться, что они доверяют им больше, чем своим начальникам. Вот результат опроса, проведённого Oracle и консалтинговой компанией Future Workplace:
https://www.shrm.org/resourcesandtools/hr-topics/technology/pages/why-employees-trust-robots-more-than-their-managers.aspx

Опрашивали почти 9000 жителей 10 стран. Некоторые результаты:
⁃ 64% опрошенных доверяют роботам больше, чем своим начальникам
⁃ 82% считают что искусственный интеллект может справится с принятием решений лучше чем их руководитель
⁃ По мнению опрошенных алгоритмы менее предвзяты, выдерживают сроки
⁃ 50% в каком-то виде сталкивались с AI в своей работе

Стоит ли делать вывод о том, что людям действительно нравится иметь дело с роботами и алгоритмами? Не факт. Но, большинству точно не повезло с руководителям, которым, судя по результатам опроса не хватает как soft так и hard skills.

И люди в опросе рисуют образ идеального менеджера - четкий, ответственный и непредвзятый как алгоритм, но способный к эмпатии, сопереживанию и наставничеству.

Вот только где таких взять?

Любопытная история от МТС. Компания запустила сервис «Снежинка», анализирующий активность сотрудника в почте, на корпоративном портале, на внутренних сервисах обучения и социального взаимодействия и много где ещё.

По итогам анализа данных, алгоритм предлагает инструменты развития, прогнозирует заинтересованность во внутренних переходах и т.п:
https://vc.ru/services/95952-mts-sozdala-cifrovoy-profil-sotrudnikov-s-dannymi-o-rabochey-kommunikacii-zagruzhennosti-i-uvlecheniyah

И ещё тут:
https://www.cnews.ru/news/top/2019-12-04_mts_vzyal_sotrudnikov_pod

Любопытно, случайно ли выбрано название «Снежинка». Ведь термин snowflake (перевод снежинки на английский) в отношении молодых людей имеет в США весьма негативную коннотацию и описывает изнеженных и плохо подготовленных к реальной жизни маменькиных сынков. Есть даже термин Snowflake Generation (поколение снежинок). Будем надеятся, коллеги из МТС не считают своих сотрудников слабаками и совпадения носят случайный характер.

Если верить в теорию поколений, то новые поколения (Y и Z) склонны к непрерывному обучению, лёгкому восприятию всего нового, особенно с помощью новых технологий.

А вот что можно узнать из исследования Reuter’s про, то как люди слушают подкасты.

Представители Y (18-24 года) и Z (25-35 лет) слушают подкасты чаще чем представители поколения X (35-44). Доля слушателей равна 53% у Y и Z и только 41% у X и 30% у людей старше 45 лет.

Но, разница в уровне проникновения не так велика, как разница в интересах.

Вопреки теории, чем старше люди становятся, тем чаще они используют новые технологии (в данном случае подкасты) для обучения чему-то новому или поддержанию своих знаний в актуальном состоянии:

Доля опрошенных, использующих подкасты для обучения новым вещам:
⁃ Z (18-24) - 37%
⁃ Y (25-34) - 52%
⁃ X и старше (35+) - 54%

Поколение Z намного больше внимания уделяет развлекательным и музыкальным подкастам, чем познавательным и обручающим.

Выводы:
⁃ не стоит недооценивать склонность людей после 35 лет к обучению и развитию. Интерес к новому скорее увеличивается с возрастом
⁃ не стоит проектировать новые инструменты обучения, ориентируясь исключительно на самых молодых сотрудников
⁃ более взрослые люди осознано и добровольно выбирают обучение чаще чем развлечение. Не нужно пытаться их развлекать, когда они этого не просят

Источник:
http://www.digitalnewsreport.org/survey/2019/podcasts-who-why-what-and-where/