Удачный кадр. Как технологии помогают бизнесу экономить на зарплатах
Идеи автоматизации больше века вдохновляли ученых, инженеров и писателей-футурологов. Постепенно они становятся реальностью, и компании начинают использовать роботов и различные алгоритмы для оптимизации.
Автоматизация помогает увеличить производительность за счет сокращения ошибок, повышения качества и скорости выполнения процессов, которых иногда не способен добиться сам человек. В глобальном масштабе внедрение таких инноваций может увеличить производительность компаний мира на 0,8-1,4% в год, подсчитал McKinsey Global Institute. В этом же исследовании сказано, что 30% функционала 60% мировых специальностей могут быть автоматизированы. В денежном выражении это может сэкономить компаниям $16 трлн заработной платы.
Среди областей, где можно успешно применить инновации с выгодой для бизнеса, находится и сфера управления персоналом. Внедрение технологий в этом направлении позволяет не только оптимизировать фонд оплаты труда (ФОТ) предприятия, но и увеличить товарооборот.
Наем вовремя и точно
Сегодня, по словам известного HR-эксперта Джона Салливана, «рекрутинг наконец-то переходит от модели принятия решения, основанной на интуиции, на модель, основанную на данных».
Использование искусственного интеллекта (ИИ) при подборе персонала помогает создать профиль идеального кандидата с помощью анализа лучших сотрудников. На основании этих данных ищутся потенциальные работники. Чем больше человек соответствует идеальному профилю, тем меньше будет срок адаптации и текучка кадров. Подбор подходящего сотрудника положительным образом также сказывается и на результатах компании.
На мировом рынке уже функционирует несколько таких решений. Среди них созданная компанией First Job платформа Mya, в основе которой — искусственный интеллект. Разработчики утверждают, что ее применение способно автоматизировать 75% рекрутингового процесса. Тестирование Mya показало, что она повышает эффективность рекрутера на 35% и вовлеченность кандидата на 150%. Более того, люди, которые проходили собеседование с Mya, в три раза чаще получали положительную обратную связь. Это значит, что с внедрением системы подходящие кандидаты, которые упускались из виду из-за человеческого фактора, получали шанс быть обнаруженными и могли занять интересную для них позицию, что является выигрышной комбинацией как для них, так и для компании.
В России при подборе кандидатов тоже используется искусственный интеллект: HeadHunter предлагает чат-бот XOR, а компания Stafory создала «Робота Веру», который обзванивает потенциальных сотрудников. Что интересно, подбор искусственным интеллектом через рассылки в мессенджерах дает более высокую конверсию по сравнению с роботом, выполняющим телефонные звонки. Объясняется это просто — человеку может быть неудобно ответить на телефон «прямо сейчас», а на сообщение в мессенджере он может откликнуться позже.
100% рабочего времени
Вы точно уверены, что ваш сотрудник проводит на работе те часы, которые вы ему оплатили? По данным Американской ассоциации менеджеров по начислению зарплат (American Payroll Association), при традиционных схемах учета сотрудники могут «выкрасть» себе до 4,5 часа в неделю, или почти шесть недель в год. С технологическими инновациями для учета рабочего времени такая ситуация просто невозможна. Бесконтактные карты, биометрические системы, распознавание лиц, которое искусственный интеллект позволил вывести на новый уровень (до точности определения 99,5%), — теперь сотрудники никак не смогут подделать время прихода на работу или попросить коллег отметиться вместо себя. В России внедрение такого учета позволяет сэкономить от 0,5% до 1% ФОТ.
Кроме того, автоматизированный учет значительно разгружает HR, ведь решается общая боль, связанная со сбором и учетом табелей работников.
Правильный персонал в правильное время
Еще одно обширное направление — построение рабочих графиков сотрудников. Этот сегмент выходит за рамки управления персоналом и находится скорее на стыке HR и бизнес-задач. Правильное количество людей, выведенных на работу в правильные часы, — ключ к росту удовлетворенности клиентов, поэтому планирование графиков работы находится в зоне основного внимания менеджмента во многих бизнесах.
Например, в банках остро стоит задача по снижению процента очередей со временем ожидания выше 10 минут. Компании, использующие консультационную модель продаж (fashion-ретейл, DIY, магазины электроники и бытовой техники и др.), бьются за то, чтобы проработать каждого посетителя. Для розничных сетей самообслуживания важной задачей является повышение доступности товара на полке (On Shelf Availiability, OSA).
Раньше планирование персонала осуществлялось на основе экспертных оценок руководителей и было неточным. Сегодня же все больше компаний прогнозируют рабочее время на основе потребительского спроса. И помогает им в этом Workforce Management (WFM) — системы, применение которых способно дать компаниям ощутимый результат в самой краткосрочной перспективе. Использование современных алгоритмов, искусственного интеллекта и Big Data в WFM-решениях позволяет делать точные прогнозы потребности в персонале вплоть до конкретного часа и составлять оптимальные графики. Это непосредственно влияет на эффективность деятельности компаний и способствует увеличению продажи и оптимизации расходов. По данным российского разработчика VERME, внедрение автоматического планирования гибких графиков персонала в работе с продавцами-консультантами увеличивает продажи от 4% до 7%, а в модели самообслуживания дает оптимизацию ФОТ на 7-12%. Московская сеть супермаркетов «Оливье» и вовсе смогла достигнуть экономии 15% на ФОТ.
Что дальше?
Развитие технологий не стоит на месте. В мире высокой конкуренции компании ищут пути оптимизации расходов и повышения эффективности, и помочь им в этом могут инновации. Сфера HR не исключение. Автоматизация рутинных процессов, конечно, продолжит развиваться, однако она будет также нацелена на задачи, непосредственно влияющие на бизнес.
Совсем скоро искусственный интеллект будет составлять программы обучения для сотрудника, исходя из его психологического портрета, результатов его работы и оценки коллег. Все больше будут использоваться симуляторы, где работники будут разыгрывать с ИИ бизнес-кейсы из реальных ситуаций в компании. После того как предприятия перейдут на гибкое планирование линейного персонала, задачи менеджмента также частично перейдут к искусственному интеллекту, который сможет выполнять рутинную работу (например, создание типовых отчетов).
Розница продолжит расширять возможности аналитики Big Data. В системах начнут учитываться не только исторические данные по проданным товарам, но и информация о местоположении и точном времени прихода машин, уровне заполненности полки, сведения о клиентских предпочтениях. Розница перейдет от накопления и «посмертного» анализа к предсказательной аналитике: появятся персонализированные промо, ситуации в магазине будут прогнозироваться, исходя из планового клиентского потока, планируемого персонала и планируемых поставок.