Почему кандидат, прошедший лучшее собеседование и получивший его, не оказывается самым успешным сотрудником?

Согласно данным McKinsey Global Institute, спрос на специалистов в области искусственного интеллекта за два года вырос почти в семь раз, что опережает темпы роста спроса на любые другие навыки.

Это мнение разделяют и мои собеседники из числа руководителей технологических компаний; почти все, с кем я общаюсь, ищут сотрудников, обладающих навыками работы с искусственным интеллектом.

Но проблема в том, что очень немногие из них могут рассказать мне, как на самом деле выглядит освоение искусственного интеллекта на практике в их организациях.

Исследование McKinsey показало, что почти 90% компаний инвестировали в искусственный интеллект. Однако менее 40% из них сообщили об измеримых результатах.

Большинство обзоров внедрения искусственного интеллекта после его реализации сосредоточены на моделях, данных и рабочих процессах.

Но мало кто задумывается о людях, нанятых для руководства трансформацией в сфере искусственного интеллекта, а также о том, как и почему они были выбраны.

Опасность путаницы между уверенностью и компетентностью.

Одним из побочных эффектов достижений в области ИИ стало то, что стало намного проще говорить о его применении. Кандидат может начать с названия каждой модели, а затем объяснить архитектурную структуру, о которой он читал на прошлой неделе. В коротком разговоре практически невозможно отделить красноречивые слова от отточенного практического применения.

Чаще всего менеджер по найму производит впечатление тот, кто наиболее свободно говорит об искусственном интеллекте. Вопрос о том, смогут ли они на самом деле использовать ИИ для выполнения работы, — это отдельный вопрос, который в большинстве процессов найма никогда не задают.

Представьте себе собеседование как демонстрацию возможностей ИИ в обстановке, выбранной кандидатом, с тщательной подготовкой и собственным рассказом. Но проблемы начинаются именно с использования ИИ на рабочем месте: без надлежащей подготовки в области ИИ легко потерять контроль.

Многие компании основывают свои критерии найма исключительно на знакомстве кандидата с инструментами. Но более глубокий анализ, устанавливающий стандарт самостоятельного и документально подтвержденного использования, сразу же выявляет истинный пробел в компетенциях.

Существует несколько изменений, которые команды могут внести в процесс найма, чтобы изменить подход к оценке эффективности ИИ:

1. Проверьте работу перед разговором.

Предложите кандидатам сценарий, имитирующий реальную работу, и оцените их производительность на основе фиксированного набора заранее согласованных навыков. Например, если вы нанимаете дизайнера продукта, дайте ему реальное задание, включающее в себя реальные ограничения продукта, и спрашивайте «почему» на каждом этапе.

Кандидат, свободно владеющий языком, предоставит вам сорок тщательно проработанных инструкций. Тот, кто действительно способен выполнить работу, расскажет, какие из них выдержат экстремальные условия, какие стандарты доступности необходимы и какой инженер будет отвечать за строительство. Это тот тест, который большинство собеседований никогда не проводят.

2. Измените вопросы для собеседования.

Прекратите спрашивать о том, какими инструментами пользуются люди. Спросите их, когда в последний раз ИИ дал им неправильный ответ и как они это обнаружили, или попросите показать вам пример неудачной подсказки и как они её исправили.

Давайте разберемся в одном конкретном случае из реальной жизни: что изменилось, что пошло не так, что проверяли и кто пострадал от результата. На эти вопросы не сможет ответить тот, кто не выполнял эту работу лично.

3. Измените сценарий.

Дайте кандидату реалистичную задачу, связанную с ИИ, а затем внесите в нее изменения на полпути, удалив инструмент, добавив ограничение или изменив целевую функцию. Сильные кандидаты переформулируют проблему и продолжат работу, в то время как лучшие либо остановятся, либо опишут, что бы они сделали теоретически.

Требуйте видеть процесс, а не только конечный продукт. Разрешите людям использовать ИИ в оценке, при условии, что они продемонстрируют свой рабочий процесс, автоматизацию, подсказки и лежащую в их основе логику. Теперь любой может создать качественный результат. Но самое важное — это то, как они этого достигли.

4. Оцените результаты совместно.

Каждому кандидату следует предоставить одинаковые критерии оценки, определенные до собеседования, а затем сравнить полученные данные на совместном совещании. Этот совместный анализ данных становится решающим фактором при принятии окончательного решения о найме и определяет компетентность кандидата в области искусственного интеллекта.

Сегодня процесс найма в сфере искусственного интеллекта по-прежнему попадает в ловушку, когда отбирают кандидата, показавшего лучшие результаты на собеседовании, а через четверть года обнаруживают, что он не способен выполнять реальную работу.

Непрозрачный процесс найма может показаться эффективным, поскольку требует меньше усилий от тех, кто его проводит. Однако его влияние на бизнес реально: затраты переносятся на этап внедрения, где отслеживание становится намного сложнее, а исправление ошибок — намного дороже.

В следующий раз, когда вы будете нанимать специалиста по искусственному интеллекту, не задавайте вопросов об используемых им инструментах. Вместо этого сосредоточьтесь на том, когда один из этих инструментов в последний раз подвел его, и что он предпринял в связи с этим.

Мы рассмотрели лучшие программы по управлению персоналом.