Как ИИ экономит Альфа-Банку миллионы и находит лучших работников

Зачем отделу по подбору персонала банка искусственный интеллект

В любой компании существует «жизненный цикл сотрудника». Он начинается с подбора, продолжается оформлением, адаптацией на рабочем месте, обучением и развитием, стимулированием и карьерным ростом, а заканчивается увольнением или выходом на пенсию. Для HR-специалистов самый трудоемкий и ответственный этап — подбор.

У Альфа-Банка ежемесячно открывается около 2000 новых вакансий. Рекрутерам необходимо максимально быстро отобрать из них наиболее подходящих. Для человека это очень трудозатратная задача, зато вполне посильная для искусственного интеллекта. «Искусственный интеллект — это не волшебный джинн, способный выполнять все пожелания или с ходу заменить сотрудника. ИИ — это инструмент упрощения работы, такой же, как калькулятор или Excel. Точно так же снимает часть «рутинной» нагрузки с сотрудников подбора и дает им больше времени для работы с креативными задачами, которые требуют углубленной экспертизы. Что интересно, именно решения этих «нестандартных» задач сотрудниками ложатся в основу постоянного улучшения и обучения ИИ», — комментирует Дмитрий Якимцев.

Сейчас подбором кандидатов для массовых вакансий в Альфа-Банке занимается ИИ — «Модель подбора сотрудников». До ее внедрения все процессы осуществлялись вручную: рекрутер находил резюме, рассматривал его на определенную вакансию, потом оценивал, насколько соискатель подходит или не подходит. А затем либо отправлял его на следующие этапы подбора (телефонное интервью, собеседование с руководителем), либо откладывал резюме в сторону.

«Массовый подбор — это конвейер. Похоже на прием врача в городской поликлинике, где есть норматив — пять минут на пациента. За это время трудно понять все его проблемы со здоровьем. А модель не ограничена во времени, она "смотрит сразу на всю глубину”. Это позволяет оценить каждого из многих тысяч кандидатов гораздо глубже и всеобъемлюще, чем это будет делать рекрутер-человек. Возвращаясь к аналогии с врачами — так поступит только платный врач и при этом ваш хороший знакомый, выделит вам час, сделает кучу анализов», — уверен Дмитрий Якимцев.

Почему первый вариант модели не сработал и что ее исправило

Над первым вариантом модели команда аналитиков начала работу в январе 2022 года. Сначала они опирались на нормативный подход: пытались сопоставить описание вакансии от рекрутеров с информацией в резюме. Однако реальность преподнесла сюрприз. Выяснилось, что на одну ту же вакансию разные рекрутеры могут составить диаметрально противоположное описание вакансии.

При этом резюме на hh.ru как раз отличаются высокой структурированностью и единообразием заполнения. В машинном обучении всегда есть проблема данных. Как итог, единообразные и хорошо структурированные резюме никак не бились со множеством разнородных описаний вакансий. Из последних не получалось вычленить требуемую информацию и добавить в модель. Первый подход оказался провальным.

Поэтому аналитики Альфа-Банка перешли от нормативного подхода к дескриптивному — через исследование и описание резюме успешных кандидатов, ранее уже принятых на должность в банк и хорошо себя показавших в деле. Оказалось, что любая вакансия характеризуется не представлениями рекрутеров о ней, а совокупностью резюме, которые ранее были отобраны для ее закрытия. Причем наибольший вес у профайлов кандидатов, прошедших всю цепочку отбора.

Например, если на вакансию откликнулись 30 кандидатов, из них рекрутер вручную отобрал пятерых, трое дошли до телефонного интервью, двое попали на собеседование с руководителем, одного наняли. Отсюда следует, что резюме этих пятерых кандидатов в полной мере описывают данную вакансию, но лучше всего — тех двоих, что дошли до «финального уровня босса».

Таким образом, вторая модель занимается не сравнением резюме с вакансией, а сравнением одного нового резюме со множеством ранее успешных резюме. И их может быть любое число — от одного до бесконечности. Чем больше успешных профайлов отобрано для обучения модели, тем эффективнее она будет подбирать кандидатов. Если на определенную позицию была рассмотрена 1000 соискателей, то значит — именно их 1000 резюме наиболее полно описывает соответствующую вакансию. Поэтому в дальнейшем модель будет искать профайл, максимально похожий на резюме этой 1000 кандидатов.

Результаты

«Пилотировать проект мы начали в мае 2022-го, но это был первый, неудачный вариант модели. Далее в августе 2022-го мы стали заниматься NLP-признаками, а удачный пилот у нас состоялся уже в мае 2023-го. Сейчас более 30% всего подбора в Альфа-Банке ведется на основании рекомендаций модели», — говорит Вячеслав Носов.

Модель уже помогает нанимать около 700 сотрудников в квартал. И каждый месяц экономит банку от 1,5 млн до 5 млн рублей.

Но модель — не замена рекрутерам, а их помощник. «Принять сотрудников в банк — это очень важное решение, хотя бы с точки зрения рисков. Поэтому мы никогда не уйдем от людей, которые делают итоговый выбор. Брать ли на работу рекомендованного или не рекомендованного кандидата — решение конкретного рекрутера и руководителя. Наша модель всего лишь улучшает воронку подбора. Но делает это так, что по каждому рекомендованному ИИ кандидату руководитель говорит: «Да, человек хороший, именно такого я искал!», — комментирует Дмитрий Якимцев.

Кандидату с плохим резюме модель вряд ли поможет попасть на работу. С другой стороны, соискателю с хорошим резюме она точно даст шанс попасть в финальную группу подбора. Теперь рекрутер уже не пропустит профайл такого специалиста по субъективным причинам.

Что дальше

Основная зона дальнейших поисков — это разработка моделей для более дорогого профессионального подбора уникальных профессионалов: IT-специалистов, юристов, маркетинга, менеджеров высшего звена. Здесь уровень рисков совсем иной и требуются другие подходы, а соответственно, и совсем другая модель.

Если говорить о уже работающей модели, то до конца года запланированы ее технические улучшения, но это все будет лишь мелким тюнингом. У рекрутеров рутинных задач станет еще меньше. Например, модель уже может предсказать не только то, что кандидат будет одобрен руководителем, но и пройдет ли он проверку службы безопасности. Это еще больше снизит потенциальный отсев соискателей. А рекрутеры, по сути, превратятся в менеджеров, контролирующих только узкие места и ключевые точки подбора.