Ваш подход к найму в корне неверен | Большие Идеи

・ Управление персоналом
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Ваш подход к найму в
корне неверен

Почему алгоритмы и внешние рекрутеры не помогут вам найти нужных людей

Автор: Питер Каппелли

Ваш подход к найму в корне неверен
John Kuczala

читайте также

Тина Тернер: «Сила моего задора смела с пути все признаки дискриминации»

Элисон Биард

Близится эра нового предпринимательства

Койл-мл. Дейдре,  Хабиби Энн

Три способа разрушить единство компании

Рон Каруччи

Стратегию диктует рынок

Лав Клер,  Ривз Мартин,  Тиллманнс Филипп

Никогда раньше компании не прилагали столько усилий к подбору кадров, как сейчас; никогда еще они не тратили на это так много денег; а результаты никогда не были столь плачевными.

На протяжении почти всей послевоенной эпохи крупные корпорации искали кадры по одной и той же схеме. Сначала кадровики тщательно анализировали должностные функции, чтобы понять, какие задачи предстоит решать кандидату и какими качествами он должен для этого обладать. Затем они оценивали сложность работы, чтобы определить место должности в структуре компании, а также оклад (в том числе относительно других позиций). После этого компания размещала объявление о вакансии и собирала резюме от кандидатов. Начинался отбор: люди проходили профессиональные, личностные и IQ-тесты, собеседования; проверялись рекомендации и послужной список. Уильям Уайт в книге «Организационный человек» писал, что весь процесс (до предложения работы лучшему кандидату) занимал неделю. При этом на подавляющее большинство вакансий (за исключением позиций начального уровня) компании назначали собственных сотрудников.

Сегодня все совершенно иначе. По данным переписи населения, большинство людей, сменивших работу за прошедший год, не искали ее сами: им ее просто предложили. Компании стремятся заполнить воронку рекрутинга максимальным числом кандидатов — особенно «пассивных», не ищущих новое место. Нередко они даже публикуют объявления о несуществующих вакансиях, пытаясь найти людей, которые могут пригодиться в будущем (например, если обстоятельства изменятся).

Рекрутинговые подразделения стали беспомощными. По данным Korn Ferry, около 40% американских компаний доверяют весь или почти весь процесс подбора кадров фирмам вроде Randstad, Manpower и Adecco, которые, в свою очередь, привлекают субподрядчиков (обычно из Индии или с Филиппин). Те прочесывают в поисках подходящих кандидатов соцсети и LinkedIn, периодически связываясь с людьми напрямую, чтобы убедить их подать резюме на вакансию и обсудить оклад (если кандидат соглашается на меньшую зарплату, рекрутер получает премию). Например, чтобы найти программиста, субподрядчик просматривает сайты, на которые часто заходят программисты, изучает их «цифровой след» с помощью файлов cookie и других инструментов, а затем читает их резюме.

Если же компания по-прежнему ищет кандидатов самостоятельно, то менеджеру, чтобы закрыть вакансию, приходится самому выяснять требования к кандидату и указывать их в объявлении. Сегодня все резюме поступают в электронном виде, и специальное ПО анализирует их на наличие ключевых слов, указанных менеджером. А дальше процесс переходит в руки пионеров новой индустрии, которые предлагают разнообразные «интеллектуальные» инструменты для выбора лучших кандидатов. В этих решениях используются анализ соцсетей, технологии распознавания голоса и жестов, алгоритмы машинного обучения — словом, все, кроме разве что гадания на кофейной гуще. Таким разработкам посвящено множество публикаций.

У всех этих новых методик найма есть один большой недостаток: мы не знаем, действительно ли они дают результат. Лишь треть американских фирм утверждают, что следят за тем, хороших ли сотрудников позволяют найти используемые ими приемы. Из этой трети только немногие уделяют этому процессу должное внимание — и уж совсем мало кто ведет учет расходов и затраченного времени. Это как если бы гендиректор спросил об итогах рекламной кампании и ему бы ответили: «Мы примерно представляем себе, сколько она стоила и сколько продлилась, но не проверяли, повысились ли продажи».

По данным последнего ежегодного опроса Conference Board, привлечение талантов остается первоочередной заботой руководителей. Опрос гендиректоров, проведенный PwC в 2017 году, показал, что основную угрозу для бизнеса они видят в недостатке нужных компетенций и умений у сотрудников. На подбор персонала работодатели тратят огромные суммы. Ежегодно в США новую работу получают около 66 млн человек, и на наем каждого из них, по оценкам Общества управления человеческими ресурсами, тратится в среднем по $4129 — а на подбор топ-менеджеров в несколько раз больше. На рекрутинг приходится больше половины всех затрат бизнеса на услуги внешних поставщиков (а это $20 млрд).

Почему компании тратят столько денег на важнейшую задачу, но при этом не оценивают эффективность своих вложений?

ИДЕЯ КОРОТКО

ПРОБЛЕМА

Сегодня работодатели нанимают рекордное число сотрудников, тратя на рекрутинг уйму денег. При этом они не знают, эффективны ли их методы поиска и отбора кандидатов.
ОСНОВНЫЕ ПРИЧИНЫ
Компании фокусируются на внешних кандидатах и не оценивают результативность своих методов найма. Зачастую они обращаются к непроверенным решениям и инструментам, что неизбежно ведет к ошибкам.
РЕШЕНИЕ
Стараться назначать на большинство вакансий собственных сотрудников; оценивать результаты работы внешних рекрутеров и эффективность инструментов; избегать дискриминации и вторжения в частную жизнь.

С ЧЕГО НАЧИНАЮТСЯ СЛОЖНОСТИ

Работодатели не устают жаловаться на то, как трудно найти хороших специалистов. Это можно объяснить по-разному — например, тем, что компании стали более взыскательными, особенно после экономического ­кризиса. Однако у нынешних рекордных мас­штабов найма есть два бесспорных объяснения.

Во-первых, компании все чаще стремятся привлекать людей извне, а не продвигать собственных сотрудников. В эпоху «пожизненной занятости» (с конца Второй мировой до конца 1970-х) до 90% вакансий корпорации закрывали своими же специалистами — за счет продвижения и совместительства. Сегодня этот показатель как минимум в три раза меньше. Нанимая специалистов извне, организации не тратятся на их обучение и развитие: волны реструктуризации начала 1980-х упростили поиск людей с нужным опытом. Сегодня лишь 28% менеджеров по подбору кадров рассматривают имеющихся сотрудников как ценных кандидатов на открывающиеся вакансии — вероятно, из-за того, что внутреннему развитию кадров и карьерным траекториям уделяется все меньше внимания.

Поскольку теперь компании редко продвигают собственных сотрудников, кадровики уже не фокусируются только на подборе вчерашних выпускников на должности начального уровня. (Сомневаетесь? Зайдите в раздел вакансий на сайте любой фирмы и попробуйте найти позицию, не требующую опыта.) Сегодня им приходится разыскивать кадры для всех уровней иерархии: ведь кандидаты с нужными компетенциями уже где-то трудятся. Этих людей не нужно обучать, они полностью готовы к работе, но их гораздо труднее найти.

Во-вторых, компаниям становится сложнее удержать сотрудников: они переманивают специалистов друг у друга, так что вакансии открываются постоянно. Перепись населения и данные Бюро трудовой статистики США показывают: в 95% случаев людей нанимают на уже существующие позиции. Как правило, места освобождаются в результате добровольных увольнений. По данным LinkedIn, чаще всего люди интересуются сторонними вакансиями из-за стремления к карь­ерному росту — а это, конечно, связано с тем, что компании не хотят развивать собственных сотрудников.

Таким образом, фирмы вынуждены постоянно искать кадры, поскольку не могут их удержать. Есть несколько способов исправить ситуацию.

Посчитайте, какую долю вакансий закрывают ваши собственные сотрудники. Старинная мудрость гласит: что нельзя измерить, тем нельзя управлять. Однако при найме компании забывают об этой аксиоме. Большинство из них удивились бы, узнав, как редко назначают на вакансии собственных сотрудников: неужели никто из них не способен занять более ответственный пост?

Сообщайте сотрудникам о каждой вакансии. Во времена бума доткомов работодатели создавали внутренние биржи труда, чтобы снизить текучесть кадров, облегчив людям поиск новых должностей внутри компании. При этом менеджерам запрещалось выяснять, не хочет ли подчиненный перейти в другой отдел: иначе они могли бы помешать ему и тем самым побудить его вообще покинуть фирму. Однако затем начался кризис, люди стали крепче держаться за работодателей, и многие компании вернулись к прежней модели, при которой менеджеры вправе препятствовать внутренним перемещениям сотрудников. Джозеф Келлер из Корнелльского университета выяснил, что менеджеры, имеющие возможность самостоятельно присмотреть кандидата на вакансию, назначают менее эффективных специалистов, чем те, кто выбирает из числа внутренних претендентов, откликнувшихся на общедоступное объявление. Похоже, компании плохо разбираются в разнообразии своих специалистов.

Подсчитайте издержки на поиск внешних кандидатов. Мой коллега Мэттью Бидуэлл выяснил: помимо того, что подбор внешнего кандидата требует бóльших затрат времени и денег, нужно еще около трех лет, чтобы человек извне начал работать так же эффективно, как внутренний сотрудник на той же должности. При этом внутреннему кандидату понадобилось бы семь лет, чтобы добиться той зарплаты, которую предлагают специалисту со стороны. Ориентация на внешних кандидатов также заставляет людей тратить время и силы на поиск другой работы. Это подрывает корпоративную культуру и увеличивает нагрузку на коллег, которым то и дело приходится опекать новичков.

Все это не означает, что нужно прекратить нанимать людей со стороны. Но если вы закрываете почти все вакансии внешними кандидатами и при этом вы не стремительно растущая компания из Кремниевой долины, вам есть о чем задуматься.

Есть и другой способ борьбы с текучестью кадров (он понравится не всем): попытайтесь узнать, кто подумывает уйти, и примите меры. В этом способны помочь фирмы вроде Jobvite: они ищут в соцсетях и на других сайтах признаки поиска работы (такие, как обновление профиля на LinkedIn). Стремясь оценить риск оттока сотрудников, компании внедряют продвинутые методы кадровой аналитики. Это напоминает ранние годы существования сайтов вакансий, когда работодатели следили за тем, кто размещает там резюме, и старались удержать этих сотрудников кнутом или пряником — в зависимости от настроя руководства.

Вправе ли компания изучать страницы в соцсетях тех, кого хочет нанять или удержать? Этот этический вопрос остается открытым. С одной стороны, таким путем можно получить общедоступную и потенциально полезную информацию. С другой стороны, это может рассматриваться как вмешательство в личную жизнь: ведь согласия кандидата на просмотр его страницы, как правило, не спрашивают. Если, скажем, работодатель наймет детектива для слежки за кандидатом, это тоже позволит получить открытую и полезную информацию — однако большинство людей сочтет такие действия неэтичными.

ПРОЦЕСС НАЙМА

Что касается подбора кадров как такового, то здесь работодатели часто не видят за деревьями леса: стремясь использовать новейшие технологии и снизить затраты, они забывают о главной цели — нанять лучшего специалиста из возможных. Вот как стоило бы изменить процесс.

Не размещайте объявления о фиктивных вакансиях. Ничего не стоит написать о поиске сотрудников на сайте компании, чтобы затем это объявление через Indeed и другие онлайн-ресурсы попало к потенциальным кандидатам со всего света. Неудивительно, что некоторых из этих вакансий на самом деле не существует: таким способом компании просто расставляют сети. («Посмотрим, не попадется ли суперпрофессионал; если что, придумаем для него должность».) Кроме того, многие фирмы не удаляют объявление о вакансии даже после того, как находят нужного специалиста: одним просто лень, другие рассчитывают привлечь побольше кандидатов на будущее. Порой объявления размещают недобросовестные рекрутеры, чтобы собрать резюме и продать их кому-то другому. Подобные фиктивные вакансии создают лишний ажиотаж на рынке труда, мешают экономистам принимать решения и раздражают тех, кто ищет работу. Так что публикуйте объявления только о реальных вакансиях и не забывайте удалять их, когда они становятся неактуальными.

Указывайте реалистичные требования. Сегодня как никогда сложно сформулировать требования к кандидату, ведь во многих компаниях стало меньше внутренних рекрутеров, которые раньше помогали обуздать фантазии менеджера («Эта работа вовсе не требует 10 лет опыта» или «Никто из специалистов такого уровня не согласится на эту зарплату»). Мои предыдущие исследования показали, что компании часто формулируют множество требований, вводят их все в программу, сортирующую резюме по двоичному принципу (есть ключевое слово или нет ключевого слова), а затем с удивлением обнаруживают, что их критериям никто не соответствует. Сократить рекрутеров, обладающих реальным опытом подбора кадров, и поручить менеджерам самим искать себе подчиненных — лучший способ заплатить дважды.

Не фокусируйтесь на пассивных кандидатах. Сегодня процесс рекрутинга начинается с поиска опытных специалистов, которые в данный момент не ищут работу. Этот подход основан на представлении, будто человек, стремящийся сменить место работы, может оказаться проблемным. (Из более чем 20 тыс. кадровиков, принявших участие в опросе LinkedIn в 2015 году, 86% подтвердили, что их рекрутинговые агентства в значительной степени фокусировались на пассивных кандидатах. Полагаю, с тех пор этот процент только вырос.) Рекрутеры знают: если предложить достойную зарплату, большинство людей охотно сменит компанию (опросы показывают, что не согласятся всего 15%). Как-то раз представители конкурирующего вуза спросили экономиста Гарольда Демсеца, доволен ли он работой в своем университете. «Ну, попробуйте сделать что-нибудь, чтобы я стал недоволен», — ответил он.

Упомянутый выше опрос LinkedIn позволил сделать удивительное заключение: оказывается, кандидаты, считающие себя «пассивными», отличаются от «активных» вовсе не тем, чем кажется. Для пассивных кандидатов главный стимул к смене работы — это деньги, в то время как для активных важнее интересные задачи и карьерные возможности. Активные ­кандидаты чаще пассивных отмечают, что любят свою работу, развивают навыки и вполне довольны нынешней должностью. А сменить место работы они готовы, как правило, не ради денег, а ради перспектив.

Согласно исследованию Джерри Криспина и Криса Хойта из CareerXroads, работодатели тратят непропорционально большую долю бюджета на рекрутеров, охотящихся на пассивных кандидатов, но в среднем нанимают таких людей всего на 11% вакансий. Я не видел научных доказательств того, что из пассивных кандидатов получаются более эффективные сотрудники или что затраты на их привлечение как-то окупаются. Если вы делаете ставку на пассивных кандидатов, хорошо подумайте о том, что вам это дает. А лучше проанализируйте собственные данные.

Не полагайтесь всецело на рекомендации сотрудников. Самый популярный канал поиска кандидатов — рекомендации имеющихся сотрудников: согласно исследованию LinkedIn, они дают до 48% новых кадров. Этот способ хорош тем, что почти не требует затрат; но позволяет ли он найти лучших специалистов? Многие работодатели уверены, что да. Впрочем, довольно трудно выяснить, так ли это на самом деле, учитывая, что сами они это не проверяют. А вот исследование Эмилио Кастильи и его коллег говорит об ином: в тех случаях, когда рекомендованные сотрудники работают лучше прочих, это происходит потому, что рекомендатели опекают их и помогают адаптироваться. Если же сотрудник, давший рекомендацию, увольняется прежде, чем новичок приступает к работе, то результаты последнего не отличаются от прочих. (Вот почему есть смысл выплачивать премию за хорошую рекомендацию лишь через полгода после найма кандидата — если за это время сотрудник не уволится.)

Очевидный недостаток таких рекомендаций в том, что они делают штат более однородным: наши знакомые, которых мы готовы рекомендовать, как правило, во многом похожи на нас самих. Об этом стоит задуматься организациям, стремящимся повысить многообразие, ведь в США сделать это в рамках закона можно только путем рекрутинга. Согласно определению Верховного суда, демографические критерии нельзя использовать даже как дополнительный показатель при равенстве кандидатов.

Оценивайте результаты. Мало кто из работодателей четко представляет, по каким каналам приходят лучшие кандидаты: большинство просто не отслеживает эти данные. Среди исключений — Tata: здесь уже давно делают то, к чему я призываю. В частности, перед тем как искать кандидатов среди студентов, Tata смотрит, выпускники каких вузов лучше работают, реже увольняются и чаще соглашаются на меньший начальный оклад. Прочим работодателям было бы полезно последовать примеру Tata и отслеживать каналы рекрутинга и качество работы сотрудников, чтобы выявить лучшие источники успешных кандидатов.

Ограничьте число кандидатов. Рекрутеры уделяют огромное внимание «воронке найма»: они стремятся сделать так, чтобы как можно больше прочитавших объявление откликнулись, прошли собеседование и получили предложение о работе. Вопреки расхожему мнению, будто сегодня на рынке труда в США спрос заметно превышает предложение, большинство вакансий привлекает множество кандидатов. По оценкам рекрутинговых агентств и ­консультантов, ­предложения о работе получают лишь около 2% претендентов. К сожалению, стремясь усовершенствовать процесс найма (то есть сделать его быстрее и дешевле), компании стараются втянуть в воронку максимальное число людей. Как правило, работодатели прибегают к маркетингу и рассказывают всем, как здорово у них трудиться. Неясно, впрочем, чего они хотят этим добиться: то ли это странный способ привлечь лучших кандидатов, то ли попытка улучшить свой имидж в глазах соискателей.

Есть более надежный способ сделать процесс найма эффективным: сформировать небольшой пул квали­фицированных претендентов. Дело в том, что каждый соискатель стоит вам денег — особенно сейчас, когда многие отзывают резюме в процессе отбора. Кроме того, каждое заявление на вакансию потенциально влечет юридические риски для компании, ведь она несет определенные обязательства и перед кандидатами (например, о недискриминации), и перед сотрудниками. Втягивая в гигантскую воронку всевозможных кандидатов, вы получаете множество людей, большинство из которых просто не подходят для должности или фирмы, и их придется отсеивать на следующем этапе. Как мы увидим, работодателям это удается не слишком хорошо.

Кандидаты порой не вполне честно говорят о своих навыках и интересах (ведь они хотят получить работу), а у кадровиков не всегда есть возможность выяснить правду. Более 30 лет назад психолог Джон Ванус советовал давать кандидатам максимально достоверные сведения о будущей работе. Его совет актуален и сейчас, ведь это позволяет отсеять тех, кому должность не подойдет. Google геймифицировала этот этап: соискатели в игровой форме узнают, чем им предстоит заниматься. То же предлагает и Marriott — причем даже для сотрудников низших уровней. Игра My Marriott Hotel помогает новичкам из развивающихся стран, плохо знакомым с работой отелей, понять, как в них все устроено. Те, кто набирает в игре достаточное количество баллов, перенаправляются на рекрутинговый сайт. Важно помнить: знакомя потенциальных кандидатов с вакансией, нужно указывать и на сложности, и на преимущества этой работы, ведь ваша цель — отсеять явно неподходящих людей.

У кандидата не должно возникать проблем с поиском информации о фирме и вакансии — но нет смысла максимально упрощать подачу резюме, только чтобы заполнить ­воронку. Во время бума доткомов Texas Instruments внедрила предварительный тест, позволявший кандидатам оценить свои навыки до подачи заявления. Как правило, те, кто набирал мало баллов, не шли дальше, и компании не приходилось тратить время на рассмотрение их резюме.

Если вы хотите найти хороших сотрудников без лишних трат, лучше не привлечь многих, а отсечь лишних.

ЗАЩИТА ОТ ДИСКРИМИНАЦИИ

Понимать, эффективны ли ваши практики найма, важно не только для грамотного управления компанией, но и для защиты от обвинений в дискриминации и ущемлении чьих-то прав. Федеральные и местные законы защищают всех работников (кроме белых мужчин до 40 лет без инвалидности и профзаболеваний) от дискриминации при найме. На практике это означает, что если вы нанимаете представителей какого-то из меньшинств реже других кандидатов, то вам придется доказывать, что ваши методы найма не ущемляют ничьи права.
Единственный способ защититься от обвинений — показать, что ваши практики эффективны, то есть статистически корректно и обоснованно указывают на оптимального кандидата, и при этом других инструментов, способных решать эту задачу столь же точно с меньшими негативными последствиями, не существует. Для этого нужен анализ данных о тех, кто претендовал на вакансию и кто в итоге был нанят. Того факта, что у разработчика решения есть доказательства его эффективности в других условиях, будет недостаточно.

Проверяйте стандартные навыки кандидатов. Как определить, кого из кандидатов нанять? Каковы признаки того, что человек будет хорошим сотрудником? Эти вопросы активно изучаются по крайней мере со времен Первой мировой. Специалистам по психологии персонала удалось многое узнать о том, как распознать хорошего кандидата, но сегодня компании пренебрегают их наработками. В частности, далеко не все учитывают, что опыт работы может сказать о человеке намного больше, чем образование (и поэтапные ненаправленные собеседования в разных офисах).

Но если получить точные сведения об опыте внешнего кандидата сложно (если вообще возможно), каким еще данным можно верить? Об этом спорят даже эксперты. Дело в том, что каждая должность обладает своей спецификой и связана со множеством задач, для успешного решения которых требуются очень разные качества.

Впрочем, все эксперты признают: лучший способ узнать, обладает ли человек стандартными навыками, — протестировать его. Говорит ли кандидат по-французски? Умеет ли программировать? И так далее. Но одних тестов мало. Экономисты Митчелл Хоффман, Лайза Кан и Даниэль Ли выяснили: там, где такие тесты проводятся, менеджеры часто закрывают глаза на их результаты и выбирают худших кандидатов. Психолог Нейтан Кансел и его коллеги пришли к выводу: даже когда менеджеры руководствуются объективными критериями и тестами, личные взгляды и приоритеты заставляют их отдавать предпочтение менее перспективным соискателям. Так или иначе, профессиональные или стандартные навыки (включая IQ) кандидатов проверяют только 40% работодателей. А что делают остальные? 74% тестируют кандидатов на употребление наркотиков, в том числе марихуаны (даже в тех штатах, где она легализована не только в медицинских целях).

Бойтесь разработчиков, алгоритмы приносящих. Вакуум, возникший в сфере тестирования, пытается заполнить новое поколение предпринимателей, опирающихся на анализ данных. Они предлагают нестандартный подход к найму — правда, зачастую без должного понимания сути этого процесса. По оценке основателя онлайн-журнала о кадровых технологиях HRExaminer Джона Самсера, в среднем компании ежедневно получают от поставщиков аналитических решений для кадровых процессов по пять-семь предложений — и почти все они касаются найма. Среди них есть оригинальные методы оценки — например, компьютерная игра, счет в которой должен выявить лучшего кандидата. Неизвестно, действительно ли эти инструменты улучшают качество найма, ведь почти никто не отслеживает показатели специалистов, нанятых с их помощью, чтобы подтвердить их эффективность. Кроме того, из-за популярности подобных тестов стали появляться программы для натаскивания на них. Так, Lloyds Bank использует для оценки потенциала кандидатов тест на основе технологии виртуальной реальности — а JobTestPrep учит желающих справляться с этим тестом. В результате жульничество во время проверки навыков и даже в ходе видеоинтервью (когда кандидату подсказывает кто-то, кого не видит камера) стало настолько серьезной проблемой, что компании, особенно из сферы ИТ, вынуждены прибегать к помощи eTeki и других фирм, которые помогают выявлять читеров в реальном времени.

Пересмотрите процесс собеседования. Согласно исследованию Glassdoor, сегодня работодатели тратят на собеседования почти в два раза больше времени, чем в 2009 году. Трудно сказать, ­насколько это связано с задержками при подготовке к встрече, однако сам этот факт отчасти объясняет, почему вакансии закрываются так долго. Собеседование — тот этап найма, который труднее всего усовершенствовать: ведь чтобы выбрать лучших кандидатов, интервьюер должен задавать всем одни и те же вопросы (как правило, о прежних успехах и опыте). Импровизировать и задавать произвольные вопросы малополезно.

Что еще важнее, на собеседованиях часто проявляется пристрастность: интервьюер может на ходу решить, что у кого спросить и как интерпретировать ответ. Наверняка у каждого есть знакомый руководитель, уверенный в том, что знает главный вопрос для выявления лучшего кандидата («Представьте, что вы попали на необитаемый остров…»). Социолог Лорен Ривера исследовала собеседования на высшие посты (в частности, в фирмах профессиональных услуг) и выяснила, что важнейшим критерием отбора оказались хобби кандидата — особенно те, которые свойственны богатым людям.

Исследование Фонда Рокфеллера показало, что во время собеседований оценивается «соответствие культуре»: сами работодатели называют этот критерий важнейшим. Впрочем, этот момент сложнее всего оценить: редкая организация обладает четким и цельным представлением о собственной культуре (и даже если оно есть, весьма непросто понять, какие качества кандидата позволят ему вписаться в эту культуру). Например, если соискатель входил в мужское студенческое братство, о чем это говорит: об умении работать в команде? О снобизме? О сексизме? Или вообще ни о чем не говорит? Принимать здесь решение без должного опыта и обучения значит нанимать не тех и дискриминировать многих. Задумайтесь, насколько оправдан ваш подход к собеседованиям, и не поддавайтесь искушению привлечь к ним еще больше менеджеров.

Разберитесь в плюсах и минусах моделей машинного обучения. Поставщики ИТ-решений захватывают и сферу корпоративной культуры. Как правило, они собирают данные об имеющихся сотрудниках, создают модель машинного обучения, чтобы выявить признаки лучших из них, а потом с ее помощью ищут кандидатов с теми же признаками. Такое решение кажется логичным — но лишь на первый взгляд. А дальше возникают проблемы. Изучая лучших работников прошлого, алгоритм почти наверняка решит, что их главные признаки — белый и мужчина. Если же эти категории исключить вручную, их место займут косвенные признаки белых мужчин — например, любовь к регби.

Модели машинного обучения способны находить важные, но ранее не учитывавшиеся взаимосвязи. Психологи, больше других ученых изучавшие рекрутинг, как правило, исследовали привычные для себя аспекты (например, свойства личности) и не пытались выяснить, что определяет перспективного ­кандидата. В своих работах они часто игнорируют тот факт, что полученные результаты не помогают выявить лучшего из соискателей — особенно когда нужно учесть множество критериев. Машинное обучение, напротив, способно предложить значимые прогностические факторы. Исследования Evolv, пионера кадровой аналитики (ныне часть Cornerstone OnDemand), показали: вероятность увольнения того или иного сотрудника можно довольно точно спрогнозировать исходя из расстояния от его дома до работы. Психологи не склонны рассматривать подобные аспекты в своих моделях.

Какой же совет по отбору кандидатов можно дать с уверенностью? Вполне конкретный: проверяйте навыки. Требуйте от разработчиков доказательства того, что их решения действительно помогают выявлять лучших специалистов. Проводите меньше собеседований, но сделайте их более единообразными.

АНАЛИТИКА ДАННЫХ НЕ РЕШАЕТ ПРОБЛЕМЫ НАЙМА (ПОКА)

Руководители кадровых отделов нуждаются в новых инструментах, поскольку существующие (рекомендации, ненаправленные интервью, личностные тесты) недостаточно эффективны. Последние разработки в этой сфере — алгоритмы поиска и оценки кандидатов на основе анализа данных — одновременно вселяют оптимизм и вызывают тревогу. По моим подсчетам, сегодня такие решения создают и распространяют более 100 фирм. Увы, аналитика данных в сфере рекрутинга и найма пока только делает первые шаги и не в состоянии оправдать все надежды работодателей.
Разработчики новых решений обещают, что те помогут снизить влияние социальных предрассудков на процесс подбора кадров. И действительно, алгоритмы позволяют выявлять хороших кандидатов, которые ранее оказывались за бортом из-за происхождения или отсутствия формального образования. Однако те же алгоритмы порой выявляют и используют для прогнозов факторы, вызывающие беспокойство.
Как правило, разработчики плохо разбираются в ­тонкостях процесса найма, а потому создаваемые ими программы могут оказать бизнесу медвежью услугу. Например, немалая доля алгоритмов просто анализирует отличительные особенности лучших сотрудников и подбирает кандидатов с теми же характеристиками. Программные решения учитывают разные параметры, которые легко проанализировать: мимику, лексику, комментарии в соцсетях и т. д. Но польза от такой аналитики сомнительна: пока еще никто не доказал, что у эффективных и неэффективных сотрудников все эти признаки как-то заметно различаются. Кроме того, сам факт получения данных из соц­сетей и с посещенных сайтов вызывает этические вопросы. Да, такую информацию можно найти совершенно легально — но человек, пишущий заметки и комментарии в интернете, не предполагает, что кто-то будет изучать их в процессе найма, и не дает на это свое согласие. И разве справедливо, что текст, написанный вами в юности, может через много лет повлиять на решение о вашем найме?
Другой недостаток использования машинного обучения в том, что работодатели редко собирают достаточные объемы данных (о числе нанятых, о результатах их аттестаций и т. д.), которые нужны алгоритмам для составления точных прогнозов. Конечно, разработчики могли бы собирать сведения от множества работодателей, — но как выяснить, насколько индивидуальна конкретная компания и применимы ли к ее условиям алгоритмы, основанные на усредненных данных?
Еще одна сложность в том, что все аналитические решения для отбора кандидатов ретроспективны: прогнозируя будущее, они опираются на прошлые результаты. (Алгоритмы действуют так отчасти из-за того, что им требуется огромный массив данных — даже у крупного работодателя такой объем информации может накопиться лишь за многие годы.) Однако, как показал опыт Amazon, прошлое может серьезно отличаться от того будущего, которого вы ждете. Компания обнаружила, что алгоритм подбора кадров, использовавшийся ею с 2014 года, последовательно занижал баллы женщинам (даже по таким пунктам, как прохождение учебных программ для женщин) — просто потому, что в прошлом среди лучших работников было несопоставимо больше мужчин. Алгоритм всего лишь искал таких же, как они. Решить проблему не удалось, и в 2017 году Amazon отказалась от этого инструмента. Впрочем, многие другие продолжают использовать подобные решения.
Исходная проблема для аналитиков данных в сфере рекрутинга состоит в том, что кадровые вопросы не так легко поддаются прогнозированию, как, скажем, износ подшипника. Проблема подбора сотрудников очень сложна и должна решаться не только в рамках закона, но и с учетом общественных представлений о справедливости. Если некий параметр коррелирует с высокой результативностью, этого еще недостаточно, чтобы учитывать его при найме.
Рассмотрим, к примеру, фактор с доказанной прогностической ценностью — расстояние от дома до работы. Данные показывают: чем дальше вам приходится ездить, тем выше вероятность, что вы уволитесь. Однако расстояние до работы зависит от того, где вы живете, а на это, в свою очередь, влияют цены на жилье, ваши доходы и даже раса. Таким образом, выбирая кандидата по месту его проживания, компания рискует ущемить интересы защищаемых групп, в том числе расовых меньшинств.
Если вы используете дискриминирующие критерии найма и не можете доказать, что более этичные критерии не дают столь же хороших результатов (а в случае с алгоритмами доказать это весьма непросто), вы нарушаете закон. Но даже если такие доказательства найдутся, вам придется показать, как работает используемый критерий, чтобы защититься от обвинений в предвзятости. В случае с расстоянием от дома до работы это еще возможно, но как быть с распознаванием мимики и анализом публикаций в соцсетях, а также с другими метриками, значимость которых невозможно доказать (по крайней мере сейчас)?
В конечном счете главная проблема — это наше стремление упростить применение алгоритмов: строить модели с оглядкой на лучших, а не на всех сотрудников; использовать лишь те параметры, которые легко измерить; верить обещаниям разработчиков вместо того, чтобы самим проверить эффективность их решений. Попытки удешевить и ускорить процесс так рискованны, что лучше не задействовать аналитику вообще, чем стремиться сэкономить на ней.

ПУТЬ К ПРОГРЕССУ

Добиться улучшений в найме не удастся, если вы не начнете проверять, хорошие ли сотрудники получаются из выбранных кандидатов. Если вы не знаете, куда вам надо попасть, вам все равно, куда идти. Постарайтесь выяснить, что отличает лучших сотрудников от всех прочих.

Почему многие не ­осознают важность этого процесса? Опрошен­ные работодатели считают, что оценивать сотрудников слишком сложно, и даже не пытаются понять, помогают ли их методы нанимать лучших специалистов. Это пример ситуации, когда лучшее кажется врагом хорошего. При этом ряд показателей не так уж сложно измерить. Часто ли люди увольняются? Часто ли уклоняются от работы? Практически все работодатели проводят аттестацию. Если вы не доверяете ее результатам, просто спросите менеджеров: «Вы не жалеете, что взяли этого человека? Приди он сейчас, вы бы наняли его снова?»

Если вы не следите за тем, помогают ли ваши методы нанимать лучших сотрудников, то упускаете один из важнейших аспектов современного бизнеса.

Об авторе. Питер Каппелли (Peter Cappelli) — профессор менеджмента в Уортонской школе бизнеса и директор местного Центра человеческих ресурсов. Его последняя книга — «Will College Pay Off? A Guide to the Most Important Financial Decision You’ll Ever Make» (PublicAffairs, 2015).