Share |

четверг, 15 октября 2015 г.

Машинное обучение в HR - прогноз от Берзина

Джош Берзин (если вы не читали его ранее, достаточно прочесть эту статью Топ 10 прорывов в HR технологиях) 30 сентября опубликовал очередную статью Workday Introduces Learning: A Fresh Approach To The LMS Market. Я давал ссылку на статью в несколько групп в Линкедине, но обратной связи не получил. Потому что коллеги не в контексте. Я в контексте, поэтому радостно прыгаю.
Берзин меня радует тем, что в отличие от Салливана не дает воды, и при этом каждый раз дает новые идеи и мысли. В этот раз он дал старт машинному обучению в HR. Сразу несколько моментов:

  1. Берзин пишет про применение машинного обучения в LMS, я же определяю более широкое применение машинного обучения под нужды HR;
  2. Мне кажется, Берзин еще сам до конца "не врубился" в то, что он пишет (и я это поясню);
  3. Я не даю ссылку на определение машинного обучения - вас это скорее запутает.

Посмотрите картинку из статьи
Машинное обучение в HR - прогноз от Берзина
В топе следующие пункты:

  1. MOOC's
  2. Video
  3. Apps
  4. Machine learning
  5. Content everywhere
  6. Recomendations 

Из приведенного кому то может быть неизвестен MOOC, хотя я про это писал в блоге много, см. например MOOC в корпоративном обучении. Но если про MOOC Берзин писал уже давно, то машинное обучение у него встречается впервые (на моей памяти)

Что такое машинное обучение?


Самый простой пример - пример Амазона или YouTube. В первом случае, когда вы покупаете книгу, сайт вам выдает рекомендации, какие книги вам также могут быть интересными. И в книге Большие данные приводится пример, когда компания Амазон отказалась от редакторов людей (редакторы люди писали рецензии о том, какие книги с какими лучше читать), а отдала все на откуп машинкам, которые на основе машинных алгоритмах определяли, что будут покупать читатели (и машинки легко выишрали соревнование в сравнении с человеком. выиграли в долларовом эквиваленте). Я в одной из своей презентации использовал этот пример показать, что "человеческий" ассессмент заменит машинный, и сейчас мы стоим на пороге этого. Пример YouTube из этой же серии - сервис рекомендует нам смотреть ролики на основе наших предпочтений.

При чем здесь HR?

Берзин же видит применение машинного обучения в HR почти так, как сервис Амазона или Youtube: если в компании огромное количество учебного контента, то машинное обучение помогает ученику найти наиболее соответствующее его опыту, ожиданиям, потребностям.
Это здорово, но это лишь одна из задач машинного обучения.

Управление знаниями

Если развивать тему рекомендаций в дистанционном (и очном!) обучении, то машинное обучение - это потрясающая система организации знаний в компании. Эта система, которая обрушит всех наших "спецов" по управлению знаниями. Сейчас эти товарищи рисуют свои схемки по тому, как должно быть организовано управление знаниями в компании, спорят с друг другом, но в ближайшее время в нормальных компаниях машинное обучение снесет все эти схемки по управлению знаниями, как в Амазоне машинное обучение снесло людей редакторов.
Машинные алгоритмы лучше людей смогут организовать знания в компании. И это следующий шаг в развитии управления знаниями

Подбор персонала

Здесь мне и выдумывать ничего не надо. Читаем Новая рекрутинговая программа Google: поиск поисковых слов кандидатов. Алгоритм как на YouTube: только в одном случае сервис анализирует наши предпочтения в области видеороликов, в случае подбора машинное обучение анализирует по текстам, кто нужен нашей компании и выискивает (рекомендует) потенциальных кандидатов. И это не единственное решение.

И дальше

Я не буду рассказывать всего, поскольку сам планирую создавать такие продукты и не хочу раскрывать идеи раньше времени, но в качестве простых, очевидных прогнозов: машинное обучение заменит оценку 360 градусов, машинное обучение будет заниматься карьерным планированием, будет подбирать команды, будет заменять exit интервью....
Итак, коллеги открываем эру машинного обучения в HR!
Приходите, кстати, на семинар Семинар BigData для HR-директоров, Москва, 18.12. 2015 -  там буду рассказывать в том числе про это

4 комментария:

  1. Обещал, отвечаю.

    Сам зачастую страдаю избытком безумных «прорывных» идей. Часть идей срабатывает, часть ломается, часть остается идеей(не будущее) и часть отметается, как очевидный бред. Поэтому свои и внешние идеи стараюсь рассматривать, как под микроскопом критичности, так и в телескоп радужных перспектив.

    Горячо поддерживаю оптимизм относительно машинного обучения. Скорее всего, это действительно станет трендом ближайшего будущего. Удобно, системно, прогрессивно!

    И в то же время, какая-то часть меня тревожно бьет в набат благоразумия.
    Переспал с информацией. Во сне, консервативный критицизм начал строить защиту от неведомых угроз непонятного новшества. Кирпичики логических доводов начали возводить непробиваемую стену недоверия. Наступило утро…
    Как оказалось, стена есть, но в ней остались огромные открытые ворота возможностей.

    Мы говорим об обучении, т.е. о донесении новых знаний и навыков до человека, который потом будет применять все это богатство на практике. Обучение возможно:
    1 При необходимости, т.е. для получения объема знаний, требуемого для решения какой-то уже имеющейся задачи. Скажем так, учеба как неизбежное зло для достижения цели, или как инструмент для удовлетворения базовых потребностей.
    2 На перспективу, т.е. для расширения имеющихся возможностей, что потенциально позволит решить бОльший круг задач в будущем. Другими словами, обучение - источник получения положительных эмоций: то, что на верхушке пирамиды Маслоу.

    Суть учебных материалов – «информация», свойств которой довольно много. Есть простые тематические свойства – теги. Но есть и сложные базовые свойства качества информации: достоверность, актуальность, доступность(понятность), полнота др.
    Для машинизации обучения необходим предзаполненный список свойств, для каждого объекта машинизируемых знаний. Частично заполнение и изменение свойств возможно автоматизировать (особенно в части тематической категоризации), но большую часть качественных свойств потребуется указывать вручную. Тут наступает вопрос субъективизма.
    Если мы говорим о донесении неких знаний, «на перспективу», то субъективизм некритичен, поскольку потребителю будет предложено некое меню возможных знаний (с предполагаемой полезностью выше определенной отметки), из которых он может выбирать желаемые по вкусу. Если же обучение требуется провести при необходимости, то подход с меню знаний «на выбор» противопоказан, поскольку неизбежно возникнет масса проблем, связанных с тратой времени на лишнюю информацию, а также упущение критически важной.

    Я могу ошибаться, но для обучения «по требованию» следует использовать именно старый добрый ручной подбор оптимальной траектории квалифицированным методистом, несущим ответственность за результат. По крайней мере до тех пор, пока автоматизация не сможет добраться до приемлемой оценки потребности в инструментах для достижения базовых человеческих потребностей.

    Youtube, Amazon, яндекс-маркет и прочие системы пока не шибко хорошо угадывают мои потребности и часто ошибаются с инструментами. Тест Тьюринга далек от преодоления.
    Таким образом, по моему мнению/заблуждению, машинизация возможна и даже полезна только для тех, кто стремиться развиваться, опережая цели, получать больше, еще больше информации именно ради получения информации. Т.е. там, где цена ошибки не столь велика.

    Добавлю, особенная польза от такой машинизации будет даже не для потребителей, а для владельцев(генераторов) информации. Следующий этап маркетинга, следующий этап социального управления. Надо признаться эта часть меня довольно сильно пугает.

    ОтветитьУдалить
  2. Эд это очень интересно) меня как специалиста в обучении вообще не пугает перспектива машинного обучения, она даже радует. Насколько проще будет всем участникам учебного процесса. Просто у специалистов по обучению сместится фокус работы, какие то функции возьмёт на себя машинное обучение, какие то функции будут просто не нужны, что-то останется и что-то добавится. Я даже представила как это будет) предположим компании нужен продажник, система проанализировала ресурсы, нашла по ключевым компетенциям подходящие варианты (насколько я знаю это уже возможно) - дальше система протестировала кандидатов и отобрала лучшего, исходя из оценки выдала ИПР. Теперь задача спеца учиться согласно ИПР, а задача машины отслеживать и предлагать варианты дальнейшего развития исходя из особенностей) Мне нравится.

    ОтветитьУдалить
  3. О, еще по прогнозам машинизации есть такая инфа от Gartner:
    http://www.cnews.ru/news/top/2015-10-13_robotybossy_i_tsifrovoj_vandalizm_chto_zhdet_mir

    ОтветитьУдалить
  4. А вот это совсем интересно:
    http://tensorflow.org/

    Google опубликовал исходный код движка машинного обучения, сделав его доступным всем, кто желает принять участие в развитии
    технологий искусственного интеллекта.
    http://www.cnews.ru/news/top/2015-11-10_google_sdelala_iskusstvennyj_intellekt_dostupnym

    ОтветитьУдалить

рек