Искусственный интеллект

Введение

Оценка качества является неотъемлемой частью жизненного цикла систем искусственного интеллекта (СИИ) и включает в себя действия, проводимые на стадиях разработки, создания и эксплуатации данных систем в целях обеспечения необходимого уровня соответствия СИИ установленным требованиям. В зависимости от стадии жизненного цикла оценка качества позволяет:

— определить текущие параметры СИИ и выполнить действия, направленные на повышение ее надежности, производительности, востребованности и целенаправленности, а также расширения функциональности системы (путем выполнения процедур по устранению неисправностей и совершенствованию программного обеспечения);
— удостовериться, что выходные данные СИИ являются приемлемыми и обоснованными для решения поставленной задачи в условиях, представленных в описании СИИ, с учетом современного уровня развития отрасли;
— убедиться в достижении целей предназначения СИИ в условиях обеспечения заданной точности, надежности и достоверности выходных данных;
— подтвердить соответствие характеристик СИИ требуемым значениям, установленным в технической документации и/или нормативных правовых актах.

Отсутствие надлежащей оценки качества систем ИИ может привести к снижению уровня безопасности людей, окружающей природной среды, материальных и нематериальных активов. С другой стороны, наличие грамотно выстроенной системы оценки качества позволяет повысить доверие к системам ИИ на физическом уровне путем подтверждения требований к надежности, безопасности и функциональности.

Настоящий стандарт разработан на основе ГОСТ Р ИСО/МЭК 25010—2015, определяющего общие подходы к оценке качества программных продуктов и преимущественно программных вычислительных систем, но не учитывающего специфику вычислительных алгоритмов и характеристик СИИ.

Настоящий стандарт позволяет дополнить представленный в ГОСТ Р ИСО/МЭК 25010 набор показателей качества специализированными характеристиками (субхарактеристиками) и соответствующими метриками для обеспечения полноценной оценки качества СИИ.

В настоящем стандарте: определено понятие качества СИИ; приведена методология, показатели и критерий оценки качества на стадиях жизненного цикла СИИ; формализована модель качества СИИ; приведена классификация существенных характеристик и показателей качества СИИ.

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

ОЦЕНКА КАЧЕСТВА СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

HR-маркетинг

Возрастающая конкуренция за
специалистов высокой квалификации и расширение информационного пространства
мотивируют работодателей увеличивать свое присутствие в различных медиа. Помимо
уже традиционных каналов привлечения кандидатов через сайты для поиска работы,
появляются дополнительные – социальные сети, тематические ресурсы, контекстная
и программатик-реклама. Благодаря им можно выстраивать коммуникацию на узко
таргетированную аудиторию, а также привлекать “пассивных” кандидатов, которые
не находятся в активном поиске работы на данный момент.

Многообразие digital-инструментов упрощает многие процессы и позволяет HR-менеджерам больше времени уделять не найму персонала, а более высокоуровневым задачам по управлению штатом. Современный HR-брендинг имеет сложную структуру и затрагивает самые разные сферы деятельности, и для построения сильного HR-бренда, необходим качественный HR-маркетинг. Большинство предприятий уже запустили или запускают комплексные проекты по развитию HR-бренда: анализируют данные о сотрудниках и кандидатах, проводят исследования среди своей целевой аудитории, формируют ценностное предложение (Employment Value Proposition, EVP) и транслируют его во всех своих коммуникационных каналах. По мнению Нины Осовицкой, руководителя центра консалтинга и развития HR-брендов клиента, компании активно движутся в сторону HR-брендинга, основанного на анализе данных, в первую очередь – опыта кандидатов и сотрудников, этапы взаимодействия и точки контакта с ними.

Возрастает роль правильно
сформулированного ценностного предложения, которое должно быть согласовано с
бизнес и HR-стратегиями компании. Также HR-специалистам необходимо учитывать
потребности ключевой целевой аудитории, соответствовать реальной ситуации в
компании, включать в свои ключевые сообщения рациональные и эмоциональные
составляющие, и, самое главное, — отличаться от предложений конкурентов.
Благодаря такому EVP воронка найма превращается в трубу, то есть аудитория практически
не уменьшается от этапа знакомства с вашей вакансией до приема на работу.

Особое внимание стоит уделять подбору
высококвалифицированных ИТ-специалистов из-за сложности и специфики найма, а
также высокой конкуренции за них на рынке. Узкого таргетинга, правильно
сформулированного EVP и сегментации таких кандидатов недостаточно, компаниям
необходимо активно транслировать свои ценности

Традиционные каналы подбора
по-прежнему продолжают эффективно работать, но для завоевания большего внимания
аудитории используются более нестандартные подходы. Так, на рынке возник термин HR-бренда для
ИТ-компаний – “технобренд”, который может быть как частью имиджа работодателя,
так и продуктового бренда в целом. Многие крупные ИТ-компании уже давно
заявляют о себе в таком формате, но пока нет четкого понимания, что необходимо
доносить до целевой аудитории, по каким каналам проще и эффективнее до нее
дотянуться. Главная же сложность заключается в отсутствии понимания эффективного
распределения ролей и того, кто в компании должен за все это отвечать:
маркетинг, ответственный за бренд компании, ИТ-департамент как наиболее близко
знакомый с данной аудиторией или кадровый отдел, которым необходимо закрывать
вакансии и уменьшать текучесть кадров. Все эти вопросы российскому рынку
предстоит решить в ближайшие годы.

Что оценивает искусственный интеллект

Машинный мозг анализирует опыт работы соискателя, его навыки и базовые характеристики, необходимые для прохождения собеседования. При этом, ИИ “разбивает” опыт на этапы – таким образом, он может оценить самый релевантный. Например, специалист всю жизнь работал маркетологом, а потом резко поменял профессию, обучился программированию и стал успешно работать в IT. В процессе отбора на должность “Разработчик” робот проанализирует последний опыт работы, придавая меньшее значение работе в маркетинге, а затем сопоставит эти данные с опытом других претендентов.

“Сейчас всё больше компаний вынуждены проводить все собеседования удаленно. Значит, у работодателя меньше возможностей оценить потенциал кандидата. Умное расширение даст работодателю второе мнение

Это особенно важно, если надо выбрать между двумя похожими кандидатами самого перспективного”, – рассказала Александра Томашевская, CEO Potok.io

Модель анализирует текст резюме/вакансии не только на русском, но и на английском языке. Также модель можно дообучать и масштабировать на другие языки.

“Универсальная скоринговая модель оценки резюме строится на алгоритмах математического моделирования, текущий показатель точности: ROC/AUC 0,92. Можно сказать, что это вероятность, с которой машина выберет более подходящий вариант из двух. Уникальное векторное пространство, которое лежит в основе универсальной модели оценки резюме под вакансию, максимально правдоподобно моделирует смысловую близость резюме и представляет это в виде вектора. Концепция данного векторного пространства учитывает принадлежность резюме/вакансии к нескольким индустриям/специализациям на рынке труда, также учитывается описание обязанностей на предыдущих местах работы кандидата и обязанностях, которые ему предстоит выполнять на том месте, куда он отправил заявку”, – добавил Владимир Ли, СРО Sever.ai.

Искусственный интеллект и рекрутинг: анализ тысяч индикаторов в Hurma

Рекрутинг и вся HR-сфера меняется. И с каждым днем специалисты по найму и управлению талантами понимают, что автоматизация и оптимизация процессов – залог успеха в непростое, кризисное время. Недопустимо тратить время на рутину или монотонные задачи, когда нужно совершенствовать бизнес-стратегии, поддерживать связь с сотрудниками на remote work, искать новые таланты, которые усилят команды и принесут бизнесу доход.

Пандемия и кризис 2020 года ускорили развитие технологий, о которых ранее говорилось как о глобальных, к этим технологиям относится и искусственный интеллект.

Только на поиск кандидата на всего лишь одну вакансию у рекрутеров уходит 13 часов рабочего времени в неделю. Не говоря уже о том, что 52% специалистов по найму утверждают, что поиск и отбор кандидатов – самая сложная часть процесса.

А что если рекрутеры будут сразу видеть список специалистов, которые подходят по необходимым критериям и не будут тратить время на ручной отбор?

Искусственный интеллект в Hurma постоянно самообучается и использует широкий набор алгоритмов и инструментов машинного обучения. Он выявляет все закономерности, неочевидные взаимосвязи и предоставляет список из наиболее релевантных кандидатов рекрутерам. Главное преимущество ИИ в том, что его алгоритмы не полагаются на интуицию и в считанные секунды анализируют миллионы индикаторов информации, распределяя их на разные категории.

Итак, как именно ИИ в Hurma выбирает лучших кандидатов – рассказываем и показываем

Хотим отметить, что данная функция сейчас находится на стадии бета-тестирования, и часть наших клиентов уже имеют возможность её использовать. Если вы хотите присоединиться к числу пользователей бета-версии — сообщите в техподдержку.

С выходом новой функции, на странице просмотра вакансии, вы сможете увидеть новую кнопку «AI подбор». Нажав на неё, рекрутер одним кликом сможет посмотреть список кандидатов, которых модуль подбора посчитал наиболее подходящими под требования конкретной вакансии.

После нажатия на «AI подбор», вы увидите модальное окно с текстом: «AI подбирает кандидатов. Идет оценка профилей и определение наиболее релевантных кандидатов для этой вакансии».

После завершения подбора, в списке отобразятся именно те кандидаты, которых искусственный интеллект Hurma определил как самых релевантных. А для еще большего удобства, мы реализовали возможность сортировки по релевантности. Можно отсортировать результаты по:

алфавиту;
ожидаемой ЗП;
стажу работы;
времени обновления;
релевантности.

В результате чего кандидаты будут отображаться по порядку – от наиболее до наименее подходящих, с учетом необходимого параметра.

Выбор подходящих кандидатов включает также показатели его опыт и навыков. Поэтому под фотографией кандидата отображается, насколько релевантными интеллектуальный подбор определил опыт и навыки кандидатов.

Три зеленые отметки обозначают самый высокий уровень кандидата по показателю. Уровень релевантности по опыту и навыкам вы увидите отдельно, но ИИ учитывает комбинацию этих факторов для формирования общего списка подходящих кандидатов.

О релокации из регионов и других стран

Рекрутеру важно понимать, где географически популярна нужная технология, и «тянуть» специалистов оттуда, предлагая им хороший релокейшн-пакет. Но есть безнадежные рынки для иностранного рекрутера

Например, перевезти разработчика из Швеции или Ирландии невозможно — там хороший социальный пакет от государства. Китай тоже лучше не рассматривать. Там платят космические деньги специалистам-экспатам, переманить их оттуда нереально. А уровень местных разработчиков низкий — им сложно изучать английский, а технических материалов на китайском просто нет, их никто не переводил в таком объеме

Но есть безнадежные рынки для иностранного рекрутера. Например, перевезти разработчика из Швеции или Ирландии невозможно — там хороший социальный пакет от государства. Китай тоже лучше не рассматривать. Там платят космические деньги специалистам-экспатам, переманить их оттуда нереально. А уровень местных разработчиков низкий — им сложно изучать английский, а технических материалов на китайском просто нет, их никто не переводил в таком объеме.

В регионах есть талантливые разработчики, которые к своим 25 годам поработали удаленно на Штаты или Европу и достигли максимума в своем городе. При этом переехать в столицу или за границу им по разным причинам сложно. Им нужно помочь — здесь включается персональный подход.

Основные виды и технологии искусственного интеллекта

В настоящее время принято говорить о 4-х основных видах искусственного интеллекта:

О реактивных машинах — систем ИИ, которые решают только лишь конкретные задачи, не способны на запоминание прежнего опыта с дальнейшим его применением.
Об ограниченной памяти – системы ИИ с памятью, основанной на прошлом опыте, хотя и опыт тот не подлежит сохранению и накапливанию.
О теории разума – системы ИИ, которая способна «прочесть» эмоции и планы человека, а также пригодна для командной работы, поскольку имеет социальный интеллект.
О самосознании — системы ИИ, которая имеет некое представление о себе, что позволяет с большой точностью имитировать человеческий интеллект.

Далее, скажем о технологиях, которые в большинстве своем используются при создании искусственного интеллекта:

Технология машинного обучения – компьютер способен на обработку данных и принятие решений, вне зависимости от строго обозначенных схем. Он может обнаружить закономерности, точные ответы и грамотные прогнозы в заданиях с обширными параметрами, на что не способен человек.
Технология глубокого обучения – позволит найти закономерности в огромных массивах информации (Big Data). Обработкой данных в технологии глубокого обучения занимаются искусственные нейронные сети (ИНС), которые созданы по подобию биологических нейронных сетей, а также они моделируют и обрабатывают входные и выходные сигналы.
Технологии обработки и генерации естественного языка – то, что позволяет преобразовать данные в естественный язык, который расшифровывает компьютер, а потом выдает человеку в том же понятном ключе.

ТОП-30 IT-профессий 2022 года с доходом от 200 000 ₽

Команда GeekBrains совместно с международными специалистами по развитию карьеры
подготовили материалы, которые помогут вам начать путь к профессии мечты.

Подборка содержит только самые востребованные и высокооплачиваемые специальности
и направления в IT-сфере. 86% наших учеников с помощью данных материалов определились
с карьерной целью на ближайшее будущее!

Скачивайте и используйте уже сегодня:

Александр Сагун
Исполнительный директор Geekbrains

Топ-30 самых востребованных и высокооплачиваемых профессий 2022

Поможет разобраться в актуальной ситуации на рынке труда

Подборка 50+ ресурсов об IT-сфере

Только лучшие телеграм-каналы, каналы Youtube, подкасты, форумы и многое другое для того, чтобы узнавать новое про IT

ТОП 50+ сервисов и приложений от Geekbrains

Безопасные и надежные программы для работы в наши дни

Получить подборку бесплатно

pdf 3,7mb
doc 1,7mb

Уже скачали 16881

Чего ждут от HR работодатели и клиенты

Я считаю, что Researcher и Recruitment — это про soft skills и личные качества. Вы либо подходите для этой работы, либо нет. Это не та специальность, которой можно обучиться, если нужных данных нет.

Теоретически базовые навыки в нашей профессии можно получить, пройдя курсы или окончив школу рекрутинга. Но у многих выпускников складывается искажённое впечатление о том, как всё у нас устроено.

Преподаватели часто дают идеальную картинку с чётким разделением: что должен делать заказчик, что — рекрутер, а что — кандидат. В их мире заказчик — супергибкий и лояльный, всегда идёт навстречу, подробно отвечает на каждый вопрос. На самом деле, конечно, всё не так.

Зачастую рекрутерам нужно буквально вытягивать информацию из заказчика или искать её самим. Клиенты далеко не всегда входят в положение, нередко случаются конфликты с кандидатами и коллегами.

Например, одна моя коллега жаловалась, что не может начать искать кандидата, пока заказчик не ответит на все её вопросы. У меня заняло немало времени донести до неё, что идеального рекрутмента нет и не будет. Нужно постоянно «дёргать» заказчика, анализировать ситуацию, задавать возникающие по ходу поиска вопросы. Это нормально.

Рекрутеры нашего агентства получают фикс за каждую закрытую вакансию — в моей практике был максимум в 70 тысяч за позицию уровня СЕО. Плата не зависит от будущего оклада соискателя, поэтому нет такого, что нам выгодно предложить заказчику самого дорогого или, наоборот, самого дешёвого кандидата.

Однажды мне нужно было найти трёх продакт-оунеров в маркетплейс. Заказчик был супертребовательный, приходилось серьёзно отсеивать претендентов: с каждым из них нужно было не меньше часа говорить по телефону, прежде чем отправлять резюме на предварительное рассмотрение. И даже при этом была высокая вероятность, что CPO его развернёт, даже не пожелав пообщаться.

Когда на вакансию ищут «мифических единорогов» — тех, кого в природе не существует, — всегда возникают сложности. Это был тот самый случай: компании требовались люди, которые придут, подхватят все процессы и сделают из них конфетку, а потом все будут счастливо работать и развиваться. Конечно, это «проклятые» вакансии. Сколько истерик у меня с ними было — не передать.

Поиск длился полтора года. Причём первую позицию я закрыла буквально за две недели, прямо перед Новым годом, как по волшебству. Человек вышел сразу после праздников, всё было восхитительно. А потом началось: то от офферов откажутся, то условия не согласуют, то просто никто не нравится. Более того — саму вакансию в итоге переделали.

В конце концов нашла двух человек к середине июля, причём почти одновременно. А уже в начале августа руководитель написал мне, что оба не прошли испытательный срок.

В рекрутинговом агентстве есть правило замены: если кандидат не проходит испытательный срок, мы бесплатно ищем другого. Первую замену я нашла только осенью, вторую — вообще в июне следующего года.

Это показательно негибкий подход заказчика, но не мне судить: не я ведь строю огромный маркетплейс. Надеюсь, поиск того стоил и в итоге счастливы оказались все — и компания, и ребята.

С другой стороны, у каждого рекрутера бывают интересные кейсы, которые долго потом вспоминаешь с улыбкой. Как, например, у Тани рекрутера, которая вынудила кандидата общаться угрозами про котиков.

Нужно было достучаться до кандидата, который никогда не выходил на связь, не отвечал на сообщения рекрутеров. Она ему написала: «Если этого не случится, мне придётся пойти на крайние меры. Я буду вынуждена отправлять вам грустных котов, пока они не закончатся во всём интернете». И дальше описала стек, условия и закончила словами: «Отправьте 1, если вам интересно пообщаться, отправьте 2, если вам нужно время подумать, и отправьте ответ на уравнение (очень сложное), если вам неинтересно». И кандидат ответил. Это прикольный кейс с нестандартным подходом.

Я сама не люблю, когда ко мне приходят в соцсети с запросами о работе или, ещё хуже, звонят. В 2022 году звонки без договорённости и предупреждения — это моветон. Сообщениями в Telegram и WhatsApp я тоже стараюсь не злоупотреблять. Если рекрутер пишет вам в Telegram — скорее всего, он уже на последней стадии отчаяния.

Я стараюсь ограничиваться теми инструментами, которые указывает кандидат, а не устраивать «пляски с бубном». Если в резюме в качестве средства связи указана только почта и закрыт телефон, я не ищу личные соцсети.

Основные разработчики технологий искусственного интеллекта

Конечно, этот технологический титан активно занимается разработкой ИИ. Специалисты Google создают наработки, а потом их же и тестируют в продуктах, получая прибыль. Самые очевидные ИИ-проекты заключены в сфере онлайн-продаж. Есть и множество других, которые связаны с обучением распознавания человеческой речи, с переводом с иностранных языков, с шаблонными разговорами в различных автоматически настроенных программах.

OpenCog

Компания придерживается принципа работы сообща, а потому предоставила каждому желающему имеющиеся кусочки компьютерного кода, с помощью которого можно создать полноценный искусственный разум.

Китайский институт искусственного мозга

Очень полезные наработки созданы в Поднебесной. Их занятие – нейросети, которые могут распознать сообщение человека или создание искусственного интеллекта, который может мгновенно передать в службу помощи тревожное сообщение о ком-либо. Одна из самых серьезных работ китайских ученых — система социального доверия.

Microsoft

Microsoft имеет искусственный интеллект Azurе, который понимает речь человека, дает прогнозы, и имитирует прочие возможности человеческого интеллекта. Еще одна фишка — AI, способный распознать любую ошибку в коде. Это ведет к логичному исходу — вскоре ИИ обучат самостоятельно создавать программы.

Глубокое машинное обучение

Глубокое машинное обучение –нейронные сети и используемые в них алгоритмы принимают полезную для извлечения информацию путем обработки, с помощью прохода через слои нейросети, для обнаружения требуемых выходных данных.

Обучение без учителя (unsupervised learning) — когда методика глубокого обучения замечательно себя проявляет, а грамотно настроенная ИНС способна на автоматическое определение основных черт входных данных и получение полезного результата обработки этих данных.

По сути, этим занимается программист, но модель глубокого машинного обучения хороша тем, что сама найдет способ извлечения полезной информации из входных данных, сокращая требования к вычислительной мощности, памяти и энергии для поддержки работы модели после завершения обучения.

Только до 22.12

Как за 3 часа разбираться в IT лучше, чем 90% новичков и выйти надоход в 200 000 ₽?

Приглашаем вас на бесплатный онлайн-интенсив «Путь в IT»! За несколько часов эксперты
GeekBrains разберутся, как устроена сфера информационных технологий, как в нее попасть и
развиваться.

Интенсив «Путь в IT» поможет:

За 3 часа разбираться в IT лучше, чем 90% новичков.
Понять, что действительно ждет IT-индустрию в ближайшие 10 лет.
Узнать как по шагам c нуля выйти на доход в 200 000 ₽ в IT.

При регистрации вы получите в подарок:

«Колесо компетенций»

Тест, в котором вы оцениваете свои качества и узнаете, какая профессия в IT подходит именно вам

«Критические ошибки, которые могут разрушить карьеру»

Собрали 7 типичных ошибок, четвертую должен знать каждый!

Тест «Есть ли у вас синдром самозванца?»

Мини-тест из 11 вопросов поможет вам увидеть своего внутреннего критика

Хотите сделать первый шаг и погрузиться в мир информационных технологий? Регистрируйтесь и
смотрите интенсив:

Только до 22 декабря

Получить подборку бесплатно

pdf 4,8mb
doc 688kb

Осталось 17 мест

Алгоритмы «натаскивают» программу на задачу с помощью необходимых данных.

Теневое обучение (shadow learning) — одна из форм глубокого обучения, упрощенная за счет того, что поиск ключевых особенностей данных следует после их обработки специалистом и внесением в систему специфических для сферы, к которой относятся эти данные, сведений.

Обработка распознанных текстов

Чтобы перевести перечень слов в читабельный текст, Skyeng использовал готовую модель BERT для английского языка и собственную модель для русского. Обе модели делят слова на предложения и расставляют пунктуацию. С текстом в таком виде уже можно работать и оценивать его по трем параметрам, указанным в начале:

Лексика. Оценивается, как часто используемые слова используют носители и в каком возрасте добавляют их в свой лексикон. Также определяется, насколько эти слова академические и насколько разнообразна речь.
Грамматика. Парсер извлекает и определяет более 400 грамматических конструкций английского языка.
Беглость речи. Измеряется соотношением плотности и скорости речи.

Отдельно оценивается произношение. Команда машинного обучения Skyeng главной задачей ставила определить, сможет ли понять ученика англоговорящий человек.

Для этого снова использовали датасет Common Voice — во всех его записях говорят носители языка. Модель wav2vec 2.0 считывает датасет побуквенно. Это дает возможность побуквенно оценить, как произносится то или иное слово. Затем остается сравнить с этой оценкой произношение ученика.

Этот подход дает возможность определить уровень от Beginner до Advanced с точностью до 96%.

Вот как это выглядит в тестовом режиме:

Как это работает

Модель нейросети оценивает информацию по разметке данных, заранее составленной 150 профессиональными рекрутерами. Входные данные для нейросети – это описание вакансии. Далее она обучается на всех доступных базах с вакансиями. После обучения она размечает резюме кандидатов – проставляет оценку соответствия вакансии. Данный подход не требует ресурсов HR-специалистов для разметки выборки: установив расширение, рекрутер может сразу же начать его использовать.

“Использование этого расширения позволило мне сосредоточиться на более глобальных, стратегических задачах, не тратить время и усилия на прозвоны кандидатов – робот делает это за меня, быстро и точно охватывая большие объемы информации”, – прокомментировала Яна Антонова, ведущий HR-специалист холдинга TalentTech.

Поиск резюме на профессиональных порталах

Почему специалистам по HR так важно пользоваться специальными программами? Потому что они позволяют существенно упростить работу эйчарщиков, сделать ее более эффективной. Основная проблема, с которой сталкиваются специалисты по HR, – отсутствие единой базы кандидатов

И вот к чему это приводит:

Основная проблема, с которой сталкиваются специалисты по HR, – отсутствие единой базы кандидатов. И вот к чему это приводит:

важные файлы могут потеряться;
неудобно работать из-за невозможности применять фильтры с большим количеством информации;
на составление пула кандидатов тратится много времени.

Да и не очень-то удобно, когда документы и переписки находятся на разных каналах, их нужно постоянно искать. Используя специальные платформы и приложения, все рутинные операции по подбору персонала можно существенно ускорить.

Предлагаем список наиболее популярных по мнению эйчарщиков программ:

E-Staff Рекрутер. Одно из лучших ПО на рынке рекрутинга. Благодаря ему можно в автоматическом режиме размещать объявления о работе и находить подходящие резюме, собирать отклики соискателей, вести учет вакансий и созданных заявок, автоматически переносить резюме из документов, почтовых сервисов и интегрировать эти данные с другими системами.
JCat. С помощью этого сервиса размещения объявлений можно быстро закрыть любую вакансию. Создавая на сайте объявление, вы всего в один клик размещаете его на 49 специализированных сайтах о работе. Через личный кабинет можно управлять вакансиями: обновить, продлить, снять с публикации. Причем изменения будут действовать для объявлений, размещенных сразу на всех сайтах. Все кандидаты будут собраны в одном месте, что существенно облегчит работу специалиста по HR. Каждому из соискателей можно присвоить отдельный статус, чтобы в дальнейшем быстро находить отобранных специалистов. Удобная статистика позволяет получать отчеты по всем вакансиям и откликам. Просматривать отчеты можно в цифровых показателях или с помощью демонстрационного графика. Отвечать кандидатам легко с помощью встроенных и созданных самостоятельно шаблонов.
CleverStaff. Хороший сервис для хранения данных о потенциальных сотрудниках. Подходит для рекрутинговых компаний, так как ПО удобно пользоваться ежедневно. Основные преимущества приложения: добавление кандидатов в 1 клик, синхронизация соискателей с новыми резюме и информацией с job-сайтов, детальная аналитика работы эйчарщиков, статистика по каждой отдельной вакансии. Кроме того, с помощью CleverStaff можно вытягивать информацию с сайта анонимного поиска работы Djinni, находить соискателей в соцсетях Facebook и ВКонтакте по заданным профессиям.
Zoho Recruit. Популярный зарубежный сервис с русификацией. Есть удобная статистика для каждой вакансии, интеграция с соцсетями LinkedIn, Facebook. Также все резюме можно подгрузить со своих баз данных и job-сайтов. Информацию по каждому кандидату можно собирать сразу из нескольких источников и получать все данные в одну карточку. Быстрый поиск в системе производится благодаря тегам. Предусмотрена функция дополнительного доступа к результатам работы, а также назначение ролей и предоставление прав каждому из коллег.
Hello Talent. Молодой сервис (всего год на рынке), который существенно облегчит работу любого рекрутера. На данный момент с помощью ПО можно эффективно работать с претендентами. Сервис сам находит подходящих соискателей в соцсетях Facebook, LinkedIn и подтягивает данные в общую базу. Каждому претенденту можно присвоить персональный статус, чтобы в дальнейшем быстро отсеять неподходящих и выделить наиболее перспективных. Работать с ПО можно совместно с другими рекрутерами. Из недостатков сервиса стоит выделить невозможность поиска по тексту резюме. Также нет воронки рекрутинга и статистики по работе.

Кроме того, будет полезна и Jira. Она предназначена не столько для ведения базы кандидатов, как для планирования времени рекрутера. Эта система управления проектами и процессами особенно актуальна для коллективов, где над одной задачей работает одновременно группа людей. Что можно сделать с помощью этой программы-органайзера? Назначать и распределять задачи, мониторить и составлять отчеты по факту их выполнения. Удобное общение онлайн с командой дает возможность отслеживать положение текущих дел.

Какая в рекрутменте градация

В принципе, она аналогична градации в разработке: Junior, Middle, Senior и Teamlead.

Researcher — стартовая позиция, которая не требует навыка прямой коммуникации. Задача этого специалиста — первичный поиск кандидатов и передача резюме коллегам. Сам он ни с кем не связывается, занимается лишь поверхностным отбором.

Сначала трудно из всего потока резюме отобрать релевантные. Если опытному рекрутеру достаточно пробежаться глазами за две-три секунды, чтобы провести предварительный отсев, то у ресёрчера-новичка это может занимать до трёх минут.

Junior чуть старше, чем Researcher. Его вотчина — суперпростые джуновские позиции с базовым интервьюированием кандидатов. В отличие от ресёрчера, он выходит на прямую связь с кандидатом.

У Middle отбор вакансий сложнее по уровню. Если работу джуна менторит сеньор или тимлид, то мидл может работать сам. Он проводит интервью, ему не нужно ни с кем согласовывать кандидатов. Только если вакансия особо сложная, в коммуникацию включаются старшие коллеги или руководитель.

Senior — абсолютно независимое звено. Его задача — отбор сложных позиций, самостоятельное проведение глубоких интервью, в том числе с техническими вопросами, передача подробной обратной связи заказчику для дальнейшего общения с кандидатами. Позиции, которые он ведёт, ближе к условным лидам, руководителям направлений, CPO, CTO.

Teamlead — человек, у которого есть своя команда рекрутеров. В крупных компаниях он занимается управлением командой и настройкой показателей. В компаниях поменьше — ещё и помогает с суперсложными позициями.

Работа рекрутера — это нетворкинг: нужно еженедельно общаться с десятками людей. Чем тактичнее и грамотнее вы себя проявите, тем больше шансов, что человек вернётся к вам либо порекомендует вас коллеге или родственнику.

Заключение

Искусственный интеллект применяется минимум в 16 сферах. Его использование позволило упростить и повысить качество выполняемых задач, снизить нагрузку на человеческий ресурс и оптимизировать многие процессы.

В медицине увеличилась скорость постановки диагнозов и повысилась их точность. В образовательной сфере улучшилось качество обучения за счет того, что стали учитываться индивидуальные особенности учеников. Транспортная сфера пополнилась беспилотными автомобилями. В логистике упростился учет товаров, снизилось количество ошибок. Приход ИИ в сельское хозяйство упростил удобрение и обработку культур, повысил производительность по сбору урожая.

Пользу искусственного интеллекта сложно оценить объективно, но в перечисленных областях он действительно упрощает многие процессы. Поскольку ИИ постоянно совершенствуется и обучается, прогнозы остаются оптимистичными.