Наверх

ECM-Journal обновился!

Если вы ещё не зарегистрированы на сайте, сделайте это прямо сейчас. Если у вас уже есть профиль, то просто обновите пароль.

Интеллектуальный поиск в HR-процессах. Когда и где нужен?

Время чтения: 10 минут
3
Интеллектуальный поиск в HR-процессах. Когда и где нужен?

Ваша компания самая прогрессивная, работает на конкурентном рынке. Получить хорошего специалиста не просто. Но вы хотите быть лучшими! Значит вам явно нужен умный поиск умных специалистов.

Кадровые процессы, как и многие другие корпоративные процедуры, подразумевают работу с документами и сбор информации. Но различных данных в системах накоплено уже настолько много, что ориентироваться бывает сложно. На помощь приходит умный поиск и искусственный интеллект.

Рассмотрим задачи HR-служб, как специалисты кадровых служб организуют хранение и поиск информации, и возможные точки улучшения процессов.

Подбор персонала и работа с резюме кандидатов

Открылась новая вакансия — в работу пришла новая заявка на подбор персонала. Например, необходимо организовать подбор менеджеров по продажам, работавших ранее в определенных организациях.

В первую очередь, мы обращаемся к резюме тех кандидатов, которых уже рассматривали ранее, — информация о них еще хранится в системе. Нам известно, что недавно коллега Иванова М., уже занималась подбором кандидатов на подобную вакансию.

Как организован процесс сейчас

Как правило, информация о кандидатах заносится в систему в виде справочных данных — есть какая-то карточка с краткой информацией, к ней прикреплены резюме, копии дипломов и сертификаты обучения, результаты тестовых заданий, копия переписки и др. В карточке кандидата выделены и заполнены некоторые обязательные поля — наиболее важная информация: предыдущие места работы, ВУЗ, специальность, дата окончания вуза, компетенции и др.

Чтобы найти карточки всех нужных нам кандидатов, мы просто используем инструмент «Фильтрация» по колонке «Место работы». Просто? Да, если все заполнено верно.

Накопление и поиск информации весьма трудоемки, велико участие человеческого фактора: ошибка при заполнении наименования места работы, или, например, учебного заведения в карточке приводит к тому, что ценная информация при поиске не будет подобрана.

Как повысить качество подбора данных с помощью интеллектуальных инструментов

Возможно два пути решения вопроса:

1. Интеллектуальная классификация документов и извлечение данных из текста помогают повысить качество занесения данных.

При сканировании резюме искусственный интеллект распознает, что этот документ относится к виду «Резюме кандидата на вакансию», и автоматически формирует карточку кандидата в справочнике нашей системы.

Технологии распознавания и семантического анализа текстов извлекают важную информацию из документа, так автоматически заполняются поля в карточке кандидата. Другими словами, при сохранении в системе, например, полученного от кандидата резюме, информация о предыдущих местах работы, вузе, компетенциях и т.д. будет автоматически занесена в соответствующие поля карточки кандидата.

2. Интеллектуальный полнотекстовый поиск по документам сможет быстро найти всех, кто подходит по критериям.

Запрос вводят на естественном языке, например, «выпускники МГТУ с 2011 года», и результатах выдается полная подборка кандидатов на основе их резюме.

Умный поиск анализирует поисковый запрос по смыслу, и в результатах выделяется полная подборка кандидатов на основании их резюме. Необходимую ключевую информацию для поиска (вуз, год выпуска) технологии искусственного интеллекта извлекают из текста еще при занесении документа в систему, что позволяет улучшить релевантность выборки.

Сбор информации по компетенциям работника

В компании стартует новый масштабный проект, к работе над ним требуется подключить опытных сотрудников, которые знают специфику работы в определенной области. Откуда брать эту информацию? Хорошо, если в компании проводится регулярная переаттестация сотрудников и есть какие-то отчеты, но даже если таковые есть, достаточно ли этого?

Как организован процесс сейчас

На каждого сотрудника в справочнике системы заведена индивидуальная карточка. Как и в случае с кандидатами, к карточке прикреплены документы об обучении, отчеты об аттестации и планы по профессиональному развитию.

Однако существует пласт информации по участию работника в других проектах, маркетинговых мероприятиях (например, выступлений на конференциях), внутренних корпоративных активностях, публикации на внешних ресурсах. Эту информацию собирают вручную из разных источников: проектная документация, тексты публикаций, планы конференций и т.п.

Как с задачей справляется интеллектуальный поиск

В этой задаче два пункта:

1. Сквозной поиск по нескольким корпоративным источникам гарантирует сбор полной информации.

То есть поиск запускается по всем имеющимся HRM-, ECM-системам, файловым хранилищам, корпоративному порталу, порталу обучения и аттестации, библиотекам знаний.

2. Рейтинг отображения данных определяет, что именно будет наиболее полно отвечать запросу.

Если ввести обычный запрос «опыт в строительстве», поиск выдаст нам все возможные записи и документы с этими словами. Но мы понимаем, что под нашу задачу вероятность найти нужное, больше, если это отчеты по проектам или информация по конференциям. Умный поиск, благодаря классификации запроса по смыслу, и настроенный рейтинг документов позволят отобразить такую информацию первой в списке.

Обучение и развитие персонала

Сотрудники не лишены амбиций, готовы развиваться и обучаться — «прокачивать» свои профессиональные и личностные компетенции. Компания выделяет сотруднику время на обучение и регулярно пополняет базу знаний полезными материалами — если сотрудник заинтересован, то обращаются к этим материалам.

Как организован процесс сейчас

Информация о порядке корпоративного обучения доведена до всех сотрудников компании. Все накопленные обучающие материалы хранятся в базе знаний в специальном разделе «Библиотека тематических изданий». При необходимости сотрудники могут обращаться к этой библиотеке.

Несмотря на то, что база знаний сформирована, сотрудники предпочитают обращаться напрямую к ответственным за обучение. Это свидетельствует о том, что встроенные возможности поиска по базе знаний неудобны.

Какие ограничения у базы знаний:

  • Поиск осуществляется по всем введенным в запрос словам, а не по смыслу. Например, требуется подобрать литературу по компетенциям лидерства. При вводе запроса «Обучение лидерство» первые три результата — это заявки на аттестацию и некоторые рекомендации для обучения новичков компании;
  • Обратная проблема, когда материалов находится очень много и нужно выбрать лучшие, например, именно те, которые подходят для начального или более продвинутого уровня;
  • Встроенный поиск не предусматривает исправления слов при опечатках или неправильной раскладке клавиатуры, так что в случае ошибки приходится вводить запрос заново.

Как работает интеллектуальный поиск по базе знаний

Умный поиск снимает ограничения обычного поиска, поэтому в разы удобнее для пользователей:

  • Интеллектуальные алгоритмы ищут документы по смыслу, исходя из содержания запроса. В этом случае в работу опять же включается распознавание текстового слоя документов.
  • Пользователю предлагается заведомо релевантная категория поиска. То есть при обращении с запросом «Обучение лидерство», умный поиск не будет выдавать в нашем примере именно обучающие материалы, а не заявки на аттестацию, образы документов и прочие ненужные виды документов.
  • Применяются возможности неточного полнотекстового поиска и поиска по синонимам. Искусственный интеллект понимает смысл введенного запроса, поэтому в результатах поиска у вас будут не только документы, где содержится словосочетание «Обучение лидерство», но и все остальные документы из базы знаний, которые касаются темы «Лидерство», в том числе, например, в выдачу попадут документы с синонимами (например, «Курсы по лидерству»).
  • Опечатки и неправильная раскладка клавиатуры автоматически исправляются.
  • Интеллектуальный поиск непрерывно обучается в процессе взаимодействия с пользователем — анализирует определенные действия пользователя, их статистику. Например, если по запросу «Обучение лидерство», несколько пользователей перешли к документу, который находится десятым в списке, в последующих поисковых выдачах искусственный интеллект поднимает этот документ в результатах поиска выше.

И компания DIRECTUM постоянно развивает и совершенствует интеллектуальные решения, чтобы они соответствовали потребностям пользователей.

Закрепление материальной ответственности работника

Проверка инспекции по труду может запросить все документы о закрепленной материальной ответственности. Оформляется закрепление ответственности за работниками разными видами документов: договоры (о закреплении коллективной или индивидуальной материальной ответственности), приказы и распоряжения, трудовой договор главного бухгалтера. Как быстро все это собрать?

Как организован процесс сейчас

Соглашения о материальной ответственности хранятся в личных делах работников. В карточке сотрудника в информационной системе стоит отметка о том, что за сотрудником закреплена какая-либо материальная ответственность. При необходимости мы фильтруем записи справочника по колонке «Материальная ответственность», соответственно, удается быстро сформировать список всех сотрудников. Дело за малым — подобрать все личные дела, снять копии.

В некоторых крупных организациях подобных документов может быть много. Информация по договорам материальной ответственности фиксируется в специальных журналах регистрации или номенклатурах отдельных дел, в которых и хранятся оригиналы документов. Такой способ упрощает сбор документов для проверки, особенно если документы запрашиваются за определенный период. Но не стоит забывать, что условие о материальной ответственности главного бухгалтера прописывается в трудовом соглашении, а еще могут быть случаи оформления материальной ответственности приказами.

Как поможет интеллектуальный поиск

Если обеспечить хранение копий документов в электронном виде, то умный поиск поможет подготовить выборку по одному простому запросу «Материальная ответственность сотрудников 1 полугодие 2018».

Нужные документы отобразятся в результатах поиска благодаря семантическому анализу содержания документов. При этом в отличие от полнотекстового поиска, в выборку не попадут сторонние документы, например, внутренние регламенты о закреплении материальной ответственности в организации.

А каким вам видится умный поиск для задач HR?

В статье приведено лишь несколько примеров по организации хранения и поиска информации из жизни кадровой службы. Какие вы считаете наиболее полезными, в каких процессах вам было бы интересно попробовать возможности интеллектуальных сервисов? Ответьте на опрос, и вы узнаете мнение других участников сообщества.

Источник: "HR по-русски" - блог профессионального сообщества менеджеров по персоналу.

Чтобы прочитать эту статью до конца,
или зарегистрируйтесь

Комментарии 3

Мне, как аналитику, важно быстро находить информацию по новой для меня предметной области. Я знаю, что в компании есть специалисты, которые разбираются в интересной мне теме, но дергать никого не хочется. В ECM-системе и на портале хранится много нужной информации. Но её действительно очень много. Пересматривать каждый документ/статью – это долго. Вот тут и приходит на помощь умный поиск. Он подсказывает что лучше посмотреть в первую очередь, а что потом.

Евгения, спасибо за комментарий! Ваш кейс не просто популярный, я бы сказала повсеместный. И смело бы добавила "боли":

  • Оценивают ли организации, сколько операционных потерь кроется за выискиванием информации "вручную"? Повезет, если исполнитель сразу найдет эксперта в нужной области, а бывает так, что придется пройти по цепочке в десяток человек!
  • Качество поиска и консолидации данных обратно-пропорционально  объему просматриваемой информации: насколько хватит человеческого внимания и терпения, чтобы при пересмотре всех документов отыскать действительно нужную информацию? Не пропустить важные, актуальные факты, сделать верные выводы?
  • Иногда информация нужна не просто, а СРОЧНО - тогда только "караул" кричать, если нужных людей, которые могут "спасти ситуацию" нет на месте.

И примеры в статье, и ваш кейс - это лишь небольшая часть ситуаций поиска в растущих объемах корпоративных данных. Современные технологии и решения поиска готовы прийти на помощь, но готовы ли сами компании всерьез задуматься над данной проблематикой и вкладываться в развитие корпоративного поиска?

Станислав Ефимов 3 сентября 2019

Качество поиска в большой степени зависит от того, была ли система спроектирована для такого поиска. Лучше проектировать поиск еще на этапе организации сбора информации. Если идея о поиске с применением системы ИИ пришла позже, то качество поиска по структурированным данным может оказаться даже хуже, чем просто по тексту.  В связи с этим, следует ли пытаться обучать ИИ структуре и всем особенностям источников данных, либо сначала установить определенный протокол с разработчиками систем сбора информации под конкретные узкие задачи, но зато не испытывать в дальнейшем разочарований.

Чтобы прокомментировать, или зарегистрируйтесь