Czytaj książkę: «Как ИИ меняет HR»

Эта книга написана не профессиональным писателем, а практиком, который много лет работает в HR. За плечами – опыт классического HR, позиция HR Business Partner и роль специалиста по автоматизации HR-процессов. Именно поэтому здесь нет литературных украшательств ради украшательств – только наблюдения, выводы и идеи, рожденные в работе.

Главная цель книги – показать, как сегодня меняется HR под влиянием искусственного интеллекта и автоматизации, какие перспективы и риски открываются перед специалистами, и что нас может ждать завтра. Это не учебник и не сборник готовых рецептов, а взгляд практикующего специалиста на технологии, которые постепенно становятся частью повседневности.

Здесь вы найдете размышления о ИИ в HR, о трансформации привычных процессов, прогнозы на будущее и предложения, как можно пробовать новые инструменты в реальной работе. Но главное – акцент сделан на профессиональном подходе: не останавливаться на уровне «игры с промптами», а думать глубже – о системах, агентах и полноценной автоматизации.

Автоматизация

Прежде чем обсуждать влияние искусственного интеллекта на HR, давайте разберемся, что такое автоматизация. Возможно, этот вопрос не кажется вам особенно важным, и вы хотите сразу перейти к сути. Однако стоит уделить ему внимание, чтобы лучше понять содержание и конструктивно оценить его.

Простыми словами, автоматизация – это использование технологий и программ для выполнения рутинных и повторяющихся задач. Она позволяет человеку сосредоточиться на более сложных, творческих и стратегических этапах работы. Простыми словами уйти от операционки.

Долгое время автоматизация воспринималась не как замена, а скорее как инструмент, который делает труд человека легче. Машины брали на себя физический, монотонный труд, но не могли выполнять аналитические или творческие задачи.

ИИ – это не просто следующий шаг в эволюции, это настоящая революция. Он способен не только выполнять рутину, но и анализировать данные, принимать решения и даже создавать контент. Здесь он в чём то соперничает с человеком. В некоторых случаях ИИ может взять на себя целые бизнес-процессы, что кардинально меняет подход к работе.

Для многих слово «автоматизация» по-прежнему звучит пугающе, так как ассоциируется с одним – сокращениями.

Вспомните промышленную революцию, когда на смену ручному труду пришли паровые двигатели и станки. Многие рабочие места исчезли, но на их месте появились новые: инженеры, дизайнеры, менеджеры. Улучшились условия труда, а у людей появилось больше времени на досуг и развитие.

С искусственным интеллектом происходит нечто подобное. Он может заменить некоторые бюрократические и рутинные должности, но это не значит, что людям не останется места. Напротив, ИИ создаёт новые возможности и направления, где ценится человеческий опыт, креативность и способность к адаптации.

Но так-же искусственный интеллект – не панацея. У него есть свои ограничения, особенно когда речь идёт о больших языковых моделях (технически – LLM), которые сейчас принято называть «искусственным интеллектом» хотя это всего лишь одна из итераций подобного.

LLM, такие как ChatGPT или Llama – это всего лишь инструменты, которые работают на основе вероятностей и данных, на которых их обучили, это "таблицы". Они не обладают сознанием, критическим мышлением или пониманием реального мира. Именно поэтому у них есть серьёзные недостатки, которые особенно заметны в профессиональной среде.

Один из главных проблем— «галлюцинации», когда модель выдаёт абсолютно ложную информацию, но делает это с полной уверенностью.

По данным исследования Gartner, до 30% ответов, сгенерированных LLM, могут содержать неточности или быть полностью вымышленными.

Связанно это всё с данными на которых "модель" (что то вроде версии) обучали.

Такое поведение особенно опасно в сферах, где цена ошибки высока, например, при составлении юридических документов или анализе финансовых отчётов.

Ещё одна проблема – предвзятость данных. Она зависит от набора данных, на которых обучалась ИИ, содержащих стереотипы или дискриминацию (например, по полу или расе), то и модель будет воспроизводить эти предубеждения.

Исследование MIT показало, что некоторые модели ИИ при анализе резюме склонны отдавать предпочтение кандидатам с «мужскими» именами.

В целом, если говорить об этих проблемах, их можно сравнить с человеческим фактором, который иногда может стать куда более серьёзной проблемой, чем «галлюцинации» ИИ. Однако, это не отменяет необходимости учитывать и оценивать риски, связанные с использованием искусственного интеллекта.

Агенты

ИИ-агенты – это программы или логические элементы, которые могут выполнять задачи, обычно требующие человеческого интеллекта, процесса, такие как планирование, решение проблем, восприятие и обучение. Они используют алгоритмы машинного обучения и искусственного интеллекта для взаимодействия с окружающей средой и задачей.

Как встраиваются в процесс:

ИИ-агенты встраиваются в процессы путём интеграции с существующими системами и приложениями. Они могут быть разработаны как отдельные модули или сервисы, которые взаимодействуют с другими компонентами системы через интеграции (API). Для предоставления персонализированных услуг для решения задач.

Почему решают проблему галлюцинаций и предвзятости данных ИИ-моделей:

● Галлюцинации в контексте ИИ – агенты могут быть обучены на более разнообразных и качественных данных, что помогает снизить вероятность галлюцинаций. Также разрабатываются методы и алгоритмы для проверки и коррекции выходных данных моделей.

● Предвзятость данных агенты могут решить, используя техники для обнаружения и устранения предвзятости, такие как балансировка данных, перевзвешивание и регуляризация. Кроме того, разработчики ИИ-агентов могут внедрять алгоритмы, которые учитывают разнообразие и справедливость при принятии решений.

Давайте адаптируем эти идеи к сфере HR.

Например, анализ резюме с помощью ИИ-чата может быть полезен, но если этот чат обучен на примерах ваших кандидатов или аналогичных (анонимных) данных, то вероятность точной оценки резюме значительно возрастает. Поэтому для каждого процесса лучше использовать ИИ-агента, который уже подготовлен для конкретной задачи.

Аналогично, для проверки документов кандидата лучше использовать модель, обученную на локальных данных. Она должна учитывать особенности заполнения документов в вашей стране или регионе. Такой агент будет выступать как дополнение к ИИ и поможет избежать ошибок, связанных с различиями в требованиях.

Однако стоит подчеркнуть: попытка решать сложные бизнес-задачи исключительно с помощью «промптов» в обычном чате ИИ – это не лучшая идея. Один и тот же промпт нельзя без потерь использовать на потоке задач – каждое обращение остаётся ручной работой, а значит, процесс не автоматизируется.

Поэтому в профессиональной среде всё чаще делают ставку не на «промптинг», а на готовые ИИ-инструменты и специализированных агентов. Эти решения проходят дообучение на доменной задаче и умеют учитывать специфику процессов.

Но если вы всё же решили работать через промпты, есть несколько правил, которые помогут снизить количество ошибок.

1. Формулируйте запрос максимально конкретно, сразу задавайте контекст – кто вы, какую задачу решаете и какие ограничения есть. Используйте короткие и ясные формулировки, разбивайте большие задачи на шаги и проверяйте результаты на каждом этапе. Сохраняйте удачные промпты и шаблоны, чтобы потом не изобретать заново.

2. Для работы лучше использовать платные версии GPT – они стабильнее, точнее и лучше справляются с профессиональными запросами. Если платформа поддерживает «проекты» или аналогичные режимы, используйте их, чтобы минимально дообучать чат под свою задачу и сохранять контекст. Это не полноценный агент, но уже шаг к адаптации под конкретные потребности.

3. Важно и то, как вы локализуете работу модели: задавайте региональные особенности (например, трудовое право, формат резюме или документы в вашей стране) и адаптируйте промпты под специфику отрасли. Для IT и ритейла будут разные термины, разные ожидания и даже разная логика процессов – всё это нужно явно обозначать в запросах.