Перевод статьи Moneyball for business: How AI is changing talent management нашего проекта переводы статей по hr-аналитике на английском.
Перевод выполнила Ольга Смирнова (по ссылке профиль на Линкедине - рекомендую френдиться с профи), у Ольги свое, очень интересно дело, она создатель сайтов и он-лайн школ, рекомендую http://smirnovaolga.tilda.ws/ ! Это уже седьмой перевод Ольги. Читайте также
- 10 метрик HR, которые вы можете, но, вероятно, еще не используете
- Лидеры в HR аналитике: непрерывное стремление Capital One к улучшению исследований в области HR
- Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co
- Искусственный интеллект в HR: прорывное приложение
- Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft
- Как удостовериться, что гибкие команды могут работать вместе
Итак
Moneyball для бизнеса: как Искусственный Интеллект меняет управление талантами
Через 15 лет после того, как Билли Бин совершил переворот в Главной лиге бейсбола, применяя аналитику для поиска игроков, корпорации переписывают правила рекрутинга.
Онлайн-игры были легкими - пока мне не пришлось играть против номера шесть. Я подал заявку на работу в Unilever, тяжеловесу в области потребительских товаров, создавшему Axe Body Spray и Hellmann’s Real Mayonnaise. Я был на полпути прохождения ряда головоломок, предназначенных для проверки 90 когнитивных и эмоциональных качеств – всего, начиная от моей памяти и скорости планирования, и заканчивая моим вниманием и стремлением к риску. Компьютер уже проверил мое заявление, чтобы определить, выдавать ли мне вообще допуск к этой стадии тестирования. Теперь, когда я сидел за своим ноутбуком, почесывая голову над вероятностной игрой, смысл которой был в заключении пари на виртуальные деньги о том, смогу ли я ударить по пробелу пять раз в течение трех секунд или 60 раз в течение 12 секунд, а алгоритм, созданный для Unilever, анализировал каждый мой клик. С таймером обратного отсчета на экране… 12… 11… 10… я яростно стучал по клавиатуре, ведь мои шансы присоединиться к одному из крупнейших работодателей мира находились в буквальном смысле у меня под рукой.
Более миллиона соискателей уже имеют опыт такого тестирования, разработанного Pymetrics - пятилетним стартапом, основанным Frida Polli. Нейроученый, обучавшаяся в MIT, получившая степень MBA в Гарварде, Polli является новатором в области оценки талантов для таких брендов, как Burger King и Unilever, основываясь на десятилетиях исследований в нейробиологии, по ее словам, можно предсказывать поведение, характерное для высокоэффективных сотрудников. «Мы поняли, что это сочетание данных и машинного обучения будет чрезвычайно мощным, в результате чего процесс рекрутинга перейдёт от супер-устаревшей бумажной работы в будущее», объясняет Polli, сидя босиком на диване в своем спартанском офисе возле Flatiron District в Нью-Йорке, в пасмурное майское утро, где около четырех десятков инженеров, специалистов по обработке и анализу данных и промышленно-организационных психологов сидят за светящимися iMac.
Pymetrics является частью легиона продвинутых стартапов, использующих искусственный интеллект, big data и другие технические инструменты, чтобы коренным образом изменить процесс рекрутинга. Исследовательская фирма CB Insights ожидает, что венчурные инвестиции в стартапы в области HR-Tech достигнут 2,9 миллиарда долларов в 2018 году, что на 138% больше, чем в прошлом году. Когда мы встретились с Polli, она находилась в середине раунда В по привлечению инвестирования.
Что стимулирует все эти инвестиции? Исследование с участием более 1000 топ-менеджеров, проведенное в январе 2018 года, показало, что привлечение и удержание талантов является их главнейшей задачей, опережая беспокойство по поводу угрозы глобальной рецессии, торговой войны и даже конкурентного разрушения. При этом HR, по словам Polli, по-прежнему является «архаичной системой», которая опирается на «предвзятые» оценки «неуместных» инструментов, таких как резюме и сопроводительные письма. Polli бросается цифрами, как ученый-лаборант в фильме-катастрофе, которого горожане ранее игнорировали: рекрутеры просматривают каждое резюме в среднем за шесть секунд; три четверти кандидатов исключаются на этом этапе, часто произвольно; новые сотрудники из оставшихся резюме в конечном итоге терпят неудачу на своих позициях от 30% до 50% случаев. С уровнем безработицы на 18-летнем минимуме и историческим дефицитом критически важных навыков, затрагивающих каждую отрасль (сейчас в США больше открытых вакансий, чем активных соискателей, чтобы заполнить их), привлечение талантов достигло критической точки. «Эта система принципиально не работает для компаний, кандидатов или экономики», - говорит Polli.
Поэтому компании обращаются к новым технологиям, которые помогают принимать все более грамотные решения в рекрутинге, от приема на работу до производительности. «Это Moneyball для HR », - говорит Polli, ссылаясь на самую продаваемую книгу Michael Lewis о команде Oakland Athletics, которая в 2002 году во главе с дальновидным генеральным менеджером Billy Beane коренным образом изменила игру в бейсбол, применяя статистический анализ для создания команды, которая могла бы конкурировать с ее более крупными соперниками. (Фильм по книге в 2011 году с Brad Pitt в роли Billy Beane заработал шесть номинаций на Оскар.) Подход Beane’а, основанный на числовых показателях, оценивал RBI (число раннеров, которые забежали в дом, благодаря результативному действию бэттера на бите – прим. пер.) и процент занятия базы вместо традиционных показателей, таких как средний процент ударов, а так же анекдотических оценок, как, например, вид раскачивающегося игрока. Корпоративный мир с тех пор стремится адаптировать эту модель рекрутинга, но до недавнего времени не хватало инструментов для полной оценки сотрудников. Сейчас, когда компании используют больше программного обеспечения для повышения производительности и такие корпоративные инструменты, как Slack и Workday, у руководства есть доступ к информации о деятельности сотрудников. Так же, как в Oakland A был применен анализ данных, чтобы определить, что кэтчер с пузцом, который почти никогда не попадал в страйк-аут (не выбывал из игры – прим. пер.), был лучшим кандидатом, чем золоторукий Адонис, от которого у скаутов старой закалки усиливалось слюноотделение, Unilever’ы и Burger King’и мира все чаще используют данные для изучения эффективности и прогнозирования потенциала.
«Когда у Вас уровень безработицы 4% и во всех смыслах дефицит квалификации, вы должны использовать данные, чтобы выиграть таланты, за которые мы боремся сегодня», говорит Travis Kessel, senior director of recruiting в Wal-Mart’s Jet.com, который использует геймифицированное тестирование аналогично Pymetrics. “Война за таланты сейчас в самом разгаре, поэтому вы не можете позволить себе не делать этого”.
После того, как я прошел тест, разработанный Pymetrics для Unilever, мои результаты были мгновенно рассчитаны, и показали, что я осторожный любитель риска, но на 72% более вероятно буду «использовать метод проб и ошибок для формулировки плана», чем заранее продумывать стратегию. Игры Pymetrics собирают такие данные, которые, будучи однажды введенными в их алгоритм, могут определять, где каждый претендент может лучше всего подойти для организации (если вообще подойдет). Для Unilever Pymetrics сопоставляет перспективы для семи внутренних подразделений: например, у человека, подходящего для финансового отдела Unilever, может не быть проблем с решением головоломки вероятности, которая привела в замешательство меня. «Это похоже на то, как Netflix или Spotify показывают вам именно тот [контент], который вы ищете», - говорит Polli.
Это больше, чем Oakland A могли похвастаться в 2002: у Billy Beane не было ИИ, чтобы расширить свою обработку данных. У него также не было компьютерного зрения, еще одного инструмента в арсенале Unilever, который теперь позволяет компаниям автоматизировать начальные интервью, используя веб-камеры для анализа выражений лица и тональности голоса. «Мы захватываем десятки тысяч точек данных - эмоции, слова, которые вы используете, активные или пассивные глаголы, как часто вы говорите« эм »- и автоматически сопоставляем [кандидатов] на основе [квалификаций], которые нам предоставили Unilever», - говорит Loren Larsen, технический директор HireVue, стартапа для сервиса. «Если вы никогда не улыбаетесь, вы, вероятно, не подходите для позиции в розничной торговле».
Цифровой подход Unilever позволил ему в течение последних лет расширить набор выпускников от примерно 20 колледжей до более чем 2500, получая гораздо более широкий выбор кандидатов. «Лучший студент в штате Нью-Мексико, вероятно, так же хорош, как средний студент в Гарварде», - говорит Larsen. «Бизнесы стремятся заполучить хорошие таланты быстро, если Facebook и Google их опередят, то они в проигрыше».
Mike Clementi, HR head for Unilever’s North American operations, говорит, что возврат инвестиций в новую методологию рекрутинга существенный: когда компания впервые тестировала систему на определенные начальные позиции и стажировки в конце 2016 года, объем заявителей подскочил на 100%, до 275 000 кандидатов по всему миру. На каждом этапе процесса отбора алгоритмы (такие как разработали Pymetrics и HireVue) резко сузили этот пул талантов до 300 кандидатов в финальном раунде в США и Канаде - до того, как заявители были проинтервьюированы людьми. «Мы делаем большую ставку на это, - говорит Clementi, заявляя, что компания «перешла от процесса, который занимал четыре месяца, к четырехнедельному».
Clementi говорит, что расходы на персонал компании Unilever также снизились. И хотя пока рано говорить о том, будут ли эти сотрудники успешны в долгосрочной перспективе (они только начали свою карьеру в прошлом году), тот факт, что они получили предложения, является явным признаком точности рекрутинговой машины: HR-менеджеры направляли предложения о работе 8 из каждых 10 кандидатов, отобранных роботами. «На мой взгляд, нет никаких сомнений в том, что данные и цифровая автоматизация - это то, куда мы движемся», - говорит Clementi.
Через несколько недель после моего визита в Pymetrics я в New Brunswick, штат Нью-Джерси, с визитом в величественную штаб-квартиру Johnson & Johnson, где Sjoerd Gehring, VP of talent acquisition, демонстрирует внутреннюю работу Shine - лощеной новой платформы, глубоко изменившей подход 132-летнего гиганта здравоохранения к рекрутингу.
Shine - это веб-и мобильный продукт, разработанный, как следует из названия, чтобы пролить свет на исторически непрозрачный процесс получения работы. В настоящее время аналитика обеспечивает большинство взаимодействий между работодателем и соискателем, но традиционно только одна сторона имеет доступ к данным. J & J хочет исправить это, чтобы улучшить «гостевой» опыт. Теперь кандидаты на работу J & J могут войти в сервис, чтобы отслеживать каждый шаг своего путешествия через яркий, понятный интерфейс. Gehring, чей чистый офис обклеен красочными распечатками дорожной карты сроков продукта, сравнивает этот опыт с мониторингом доставки посылок на Amazon. «Наше видение заключается в том, чтобы сделать подход к подбору более прозрачным для соискателей», - говорит он.
Когда Gehring, родившийся в Голландии, перешел в J & J из лаборатории инновационных талантов Accenture три года назад, он обнаружил, что процесс рекрутинга в компании был не столько черным ящиком, сколько черной дырой. Компания применяла то, что Gehring называет «опубликуй и молись»: описания вакансий были невнятными, а процесс найма был «сломан», редко дополнялся данными. «Мы летели вслепую, - говорит он. J & J получала 1,2 миллиона заявок в год на 15 000 вакансий, каждая из которых требует нескольких интервью. Кандидаты часто могли сталкиваться с месяцами молчания, чтобы получить письмо-отказ. «Это была установка медленной, традиционной рекрутинговой организации», - вспоминает Gehring. В масштабах J & J это была не только угроза уровню внутренних талантов, но и риск испортить бренд компании из-за более миллиона людей, которым отказывали в течение года, - людей, которым по словам Gehring, надоело, что компании обращаются с ними как с отбросами.
Руководитель Gehring, chief human resources officer Peter Fasolo, рассказывает мне, что компании отчаянно нужно было отойти от «мифов», которые долгое время управляли рекрутингом. «Не говорите мне анекдотичное «я чувствую», это работает или не работает - идите и изучите», - говорит он. Gehring приступил к «переосмыслению рекрутинга», в результате чего появились дизайнеры и специалисты по обработке данных, которые нейтрализовали болевые точки в процессе J & J. Ключевым моментом являлось создание сплоченной экосистемы, в приоритете которой будет пользователь, а не просто ввод в действие множества новых технологических инструментов. «Многие мои сверстники видят новый инструмент ИИ или чатбот и говорят: «О, позвольте мне добавить это, чтобы я мог показать, что я что-то делаю с ИИ», - говорит Gehring. «Когда вы делаете это год за годом, вы получаете от 40 до 50 инструментов, которые полностью разрознены и не дают результатов».
Команда Shine, которую Gehring сформировал в середине 2016 года, нуждалась в создании персонализированного опыта, потому что, Gehring объясняет: «Сейчас кандидаты больше оценивают организации, чем организации оценивают таланты». Он и его коллеги расширили функции отслеживания, чтобы пользователи могли видеть не только ту часть пути, которой они достигли (например, «Вы на третьем этапе: Скрининг рекрутеров»), но также получают приблизительные сроки обратной связи и понимание прогресса («15% кандидатов доходят так далеко»), а также информацию о том, что будет дальше. Чтобы провести людей через этот процесс, J & J стала партнером карьерного сайта the Muse для создания 80 оригинальных видеороликов с советами и статей, которые опубликованы в Shine.
Еще один важный акцент для J & J - это равноправие. Для своих карьерных списков компания объединилась с Textio, стартапом ИИ, который анализирует описания должностных обязанностей для устранения гендерно-предвзятого языка определяя при этом, какие условия наиболее эффективны в привлечении талантов. «Если вы пытаетесь конкурировать в рекрутинге с такими компаниями, как Google и Apple, вам действительно нужно искать инновационные способы, чтобы добиться успеха», - говорит СЕО Textio Kieran Snyder. «Amazon не случайно использует слово «маниакальный» в своих описаниях должностей в 11 раз чаще, чем остальные в отрасли».
Когда J & J запустила эту систему в октябре прошлого года, ставки откликов на опубликованные вакансии взлетели на 24%, а система Shine - Net Promoter Score - стандартная метрика в отношении того, насколько вероятно пользователи будут рекомендовать ее – пятикратно увеличилась в течение четырех месяцев. Наиболее существенно обработка Textio списков вакансий J & J повлияла на устранения гендерной предвзятости, что привело к 14% увеличению числа квалифицированных женщин-претендентов на роли в области STEM и 7% -ному увеличению числа наемных работников.
Это как раз тот вид тектонического сдвига, который стартапы в ИИ обещают в каждой области уже сегодня. Но Porter Braswell, сооснователь Jopwell - карьерной платформы, предназначенной для меньшинств в поиске работы, говорит, что компании не должны рассматривать технологию как панацею от своих проблем с привлечением. Мало того, что существует риск машинного перекоса, когда алгоритмы непреднамеренно спроектированы выделяя одну демографию над другой, но равноправие - это вопрос культурного характера, который работает глубже, чем что-либо, что может решить только машина. Компании все еще должны вести «трудные и неудобные разговоры о том, что на самом деле означает равноправие и где у них с этим проблемы», - говорит он. (Представитель J & J говорит, что их подход к равноправию многопрофильный, включая инвестирование в исключение неосознанного предубеждения и программы обучения STEM для недостаточно представленных меньшинств.)
22-летний Parag Kothari только выпустился из колледжа, когда подал заявку на позицию в финансах через Shine. Он рассказал мне о том, что считает возможность прозрачного отслеживания освежающей и от процесса можно получить удовольствие, несмотря на то, что работу он не получил. «Похоже, что они заботились о кандидатах, как если бы они уже были сотрудниками», - говорит он.
Поскольку Gehring и его команда готовятся к полномасштабному запуску Shine во всем мире к октябрю (услуга будет интегрирована с WeChat в Китае, чтобы удовлетворить местный спрос), они обращают особое внимание на страницу отказов, чтобы она могла создавать дополнительные возможности. Таким образом, J & J не потеряет кандидатов, таких как Kothari, просто потому, что они не получили первую работу, на которую подали заявку.
В недавний дождливый вторник около 70 разработчиков собрались на хакатон в Mass Lab IBM, крупнейший в мире программный центр технологического гиганта в Северной Америке, в Littleton, штат Массачусетс. Группа молодых инженеров стоит перед большим конференц-залом, объясняя, как они пытаются дать голос Watson Career Coach, советнику по талантам на базе ИИ. Бот предназначен для того, чтобы помочь сотрудникам ориентироваться в своей карьере в IBM, обеспечивая обратную связь через мобильное приложение обо всем: от возможностей смены квалификации до продвижения по работе. Сотрудники задают конкретные карьерные цели в приложении, а Watson будет подсказывать им возможные пути развития, разъяснять требования к обучению, оценивать время до повышения и предоставлять автоматизированные ответы на вопросы.
Команда, выступающая сегодня, надеется, что речь сделает чат Watson более доступным. Их прототип очень грубый, и Watson испытывает проблемы с местным диалектом. «Сильный акцент может быть более трудным, чем иностранный язык, - говорит когнитивно-программный инженер Cameron MacArthur, который шутит, что система «построена так, что понимает испанский или мандарин, но не понимает бостонцев».
Watson Career Coach в настоящее время является пилотным проектом с 12 000 сотрудниками, но в этом году он будет доступен для 366 000 сотрудников IBM глобально, позднее в этом году в рамках приверженности компании к удержанию и переобучению талантов, особенно миллениалов – поколению, смена работы для которых почти вдвое более вероятна чем для старших коллег, согласно отчету Gallup 2016 года - именно они стали в этом году крупнейшей составной частью рабочей силы США. «Все чрезвычайно изменилось с наличием больших данных и ИИ», - говорит chief HR officer Diane Gherson. «В эту новую эру существует реальная нехватка навыков».
Да, даже компания, получающая 2,5 млн. резюме в год для десятков тысяч позиций, по-прежнему сталкивается с дефицитом талантов, и инновации, такие как Watson Career Coach, помогают IBM перенастраиваться на будущее. В конце концов, компания может похвастаться более чем 1500 сотрудников блокчейн, области, которая не существовала десять лет назад. Кого лучше нанимать на эти должности, как не собственных талантов? Компания ежегодно инвестирует 500 миллионов долларов в обучение и переподготовку сотрудников. В компании есть внутренняя академия развития, а так же она является партнером Coursera и Udacity по портфолио онлайн-курсов. Watson отслеживает развитие навыков сотрудников через цифровую систему: IBMers получила 40 000 сертификатов ИИ за прохождение курсов, например, в области архитектуры и разговорных сервисов. «Мы знаем, какие навыки у вас есть, и скажем, если они не соответствуют направленности, чтобы вы могли скорректировать стратегию», - говорит Gherson. «Если вы программист на Java, и спрос на этот навык снижается, [Watson] скажет: «Вот шесть блокчейн программистов. Они прошли эти курсы и получили этот [рабочий] опыт, и с тех пор их трижды повышали».
Gherson признает, что эти программы обучения могут привести к тому, что сотрудники станут более привлекательными для конкурентов. Это одна из причин, почему компания также серьезно инвестировала в аналитику рабочей силы. Через Watson руководители и супервизоры могут также анализировать производительность и развитие сотрудников - «Fitbit для менеджеров», как его назвал Gherson, - будет автоматически предупреждать их, если член команды, скажем, недостаточно зарабатывает на основе его или ее профессионального уровня. Благодаря запатентованным проактивным алгоритмам удержания, система движется к точке, в которой IBM начинает предвидеть увольнения сотрудников. Сравнивая тенденции данных по ушедшим работникам с текущими, компания может идентифицировать типовые модели риска.
Компания заявила, что в прошлом году эта система предупреждения привела к чистой экономии в размере 100 миллионов долларов, исходя из того, сколько стоило бы заменить потерянный талант.
14 июня Billy Beane выступил с вступительным словом на Recruiting Automation Summit в Сан-Франциско. В настоящее время executive VP of operations в Oakland A, частым гостем на конференциях по рекрутингу и данным в последние годы, и в это яркое утро четверга, Beane снова поет оду Moneyball. «Moneyball заключался в оплате за правильные навыки, которые помогли бы нам выиграть, а не в поиске тех, кто хорошо выглядел в бейсбольной форме», - сказал Beane аудитории из 400 человек, подчеркнув, что данные, а не мифы, - это ключ к найму нужного таланта.
Учитывая, что Окленд А не выигрывали World Series с 1989 года, не зашла ли аналогия слишком далеко? Профессор Wharton School J. Scott Armstrong применил статистический анализ Beane к своим исследованиям по подбору персонала - одна статья, где он был соавтором, называлась «Подход «Moneyball» к найму руководителей», - но даже с ростом искусственного интеллекта Армстронг не видел достаточно научных доказательства в поддержку его широкого внедрения в HR. «Это массовая истерия:« Все остальные верят в это, поэтому и мы тоже верим», - говорит он об отрасли.
Вероятно, однако, что компании будут только больше зависеть от алгоритмов найма талантов. Для некоторых соискателей, находящихся на милости машины, это страшная перспектива, о чем свидетельствуют многие онлайн-форумы, такие как популярный на Reddit «Recruiting Hell», где кандидаты рассказывают ужасные истории, а также дают советы о том, как обыграть такие новые системы как Pymetrics и HireVue. «Обязательно посмотрите на камеру, как в глаза человека, [потому что] она фиксирует это», - предупреждает пользователь о видеоинтервью в HireVue. Другие говорят о выбивающем из колеи опыте завершения онлайн-оценки Pymetrics - только для того, чтобы получить письмо-отказ от работодателя почти сразу же после того, как компьютер обработает результаты. «Я потратил два часа на заполнение анкеты [компании] и сыграл в 12 их гребаных игр», - написал один пользователь. «Я получил электронное письмо примерно через 10 минут после завершения игр, сообщающее, что мне автоматически отказали в должности, и я не могу подать заявку на любую работу в компании в течение 12 месяцев… Какого черта?» (Представитель Pymetrics разъясняет, что отвергнутым кандидатам разрешено подавать заявления на разные вакансии в одной компании, и им настоятельно рекомендуют делать это в уведомлениях об отказе).
Laszlo Bock, сооснователь стартапа по анализу данных Humu и бывший HR гуру в Google, опасается этого все более автоматизированного будущего. Он советует компаниям проявлять осторожность при внедрении систем ИИ, чтобы они непреднамеренно не наказывали тех людей, которых пытаются привлечь. «Существует риск огромного вреда», - говорит Bock. «Если вы строите новую систему продаж, и ошибаетесь, то вы просто не получаете продажу, но если вы строите систему, связанную с людьми, и ошибаетесь, вы разрушаете чьи-то жизни. Вы заставили кого-то чувствовать себя ужасно. Вы просто закрыли для кого-то возможность, которую он заслуживает».
«Компании должны найти правильный баланс между суждением человека и машинным обучением, - говорит Dane Holmes, head of human capital management в Goldman Sachs, где теперь используют HireVue и изучают применение виртуальной реальности в рекрутинге. В противном случае эта история о современном Moneyball может стать более похожей на эпизод Black Mirror. «Мы не заинтересованы в создании утопического общества, - говорит Holmes. «Мы никогда не рассматриваем это как процесс, в котором вы включаете алгоритм и ожидаете, что он выдаст [правильного кандидата] в приложении».
Согласен и Reid Hoffman, венчурный инвестор и сооснователь LinkedIn. Его новая книга о выстраивании эффективности организации, названная Blitzscaling, рассказывает о том, что новые стартапы запускаются быстро, но даже он советует полностью не полагаться на современные методики рекрутинга. «Послушайте, я не думаю, что Billy Beane сказал: « Я просто собираюсь нанять любого, кого укажет статистика ». Он сказал: « Статистика говорит мне, что этот игрок намного ценнее, чем думает рынок , поэтому я собираюсь взглянуть на него», - говорит Hoffman.
Слова Hoffman напомнили мне кое-что, о чем я слышал во время моего визита в университетский городок IBM в Массачусетсе. После хакатона у меня была возможность встретиться с небольшой группой разработчиков, все недавние выпускники слегка за двадцать, в том числе Cameron MacArthur, когнитивно-программный инженер, помогающий строить платформу карьерной аналитики компании. Он когда-нибудь беспокоился о том, что в конечном итоге лишит себя карьеры?
Высшие руководители IBM слышали, как MacArthur с солнечной улыбкой сказал мне, что он не обеспокоен. В конце концов, это всего лишь система обучения, которая дает вам выбор профессии. «В этом суть ИИ: главная особенность в том, что вы можете сказать:« Нет, вы совершенно не правы. Я ненавидел эту работу ». И тогда компьютер может предложить: « О, это действительно интересно: если вы ненавидите эту работу, может быть, вам понравится эта? », - говорит молодой инженер. «Подход «Компьютер решает, где тебе работать »- я не думаю, что компания хочет этого». Я пожал руку MacArthur и пожелал ему удачи в его будущей карьере. В эту эпоху трудоустройства, основанного на данных, она, вероятно, ему не понадобится.
__________________________________________________________
Спасибо за перевод интересной статьи!
ОтветитьУдалитьСам сейчас в размышлениях о том, как соединить множество разрозненных HR-сервисов воедино и выстроить прозрачную удобную road map для кандидатов.