AI в HR: очень хочется, но нет

Что такое ИИ

• Все, что сегодня называют искусственным интеллектом, не является таковым. ИИ – привлекательный термин: звучит лучше, чем, например, «нейросеть». Это маркетинговый ход, не отражающий реальное положение вещей. Мнения специалистов относительно того, удастся ли когда-нибудь создать настоящий искусственный интеллект, расходятся от «Обязательно!» до «Это невозможно».
• Технология создания моделей ИИ появилась около 15 лет назад. Последние 3 года нейросети «активно шагают по планете». Все началось с простейшей языковой предсказательной модели в телефоне. Затем количество параметров, по которым нейросеть собирает данные, постоянно увеличивали. В 2022 году появился чат GPT, который умеет продолжать обучение. В целом в этой области наблюдается стремительный прогресс.
• Нейросети симулируют работу человеческого мозга. Как и мозг человека, модель ИИ – это большая машина по идентификации паттернов. Получив достаточно большое количество материала, нейросеть может его переработать, сохранить и выдавать данные, релевантные ситуации. Изобретать что-то новое нейросети пока не могут. Они имеют определенные ограничения с точки зрения продолжения обучения, при этом умеют синтезировать данные по-новому и делают это во много раз быстрее, чем человек. 
• Самые распространенные задачи, выполняемые с применением ИИ: создание текста (29%), редактирование текста (24%) и генерация изображений (18%) (по данным исследования LATR 2024). 
• Поскольку нейросети обучаются на данных, полученных от людей, они, так же, как и люди, могут ошибаться и «говорить глупости». Со временем ошибок станет меньше, но тем не менее, они будут возникать. Любой результат, полученный от нейросети, требует валидизации. 
• ИИ не несет ответственность за результаты своей работы. При этом внутри нейросеть является «черным ящиком». Возникает ситуация, когда результат есть, а проверить его до конца невозможно. Ответственность за работу ИИ приходится нести человеку.
• Новые методы создания нейросетей направлены на то, чтобы представить сложную систему в виде набора простых уравнений. Сейчас такие модели требуют больших затрат, однако имеют потенциал к тому, чтобы раскрыть секрет «черного ящика».
• Нейросетями можно заменить процесс, а можно – живого человека. Таким образом поступили, например, в колл-центрах, в результате чего производительность повысилась. Ошибки, допускаемые ИИ в этом варианте использования, устраняют в ручном режиме.

Как устроены модели ИИ

• Сегодня почти везде применяются два типа нейросетей: генеративные модели (например, для создания картинок) и языковые модели (чат GPT и т.п.), подсказывающие, какое следующее слово нужно подставить.
• Чтобы решить, где, как и для чего можно использовать модели ИИ, нужно понимать, как они устроены. Нейросети работают по принципу «если…, то…»: если какое-то условие выполняется, то происходит определенное действие. По сути модели ИИ представляют собой очень длинную цепочку условий и n-нное количество вероятностей перехода по этим связям. 
• Современные нейросети потребляют много электроэнергии, и для их эффективной работы необходимы отдельные устройства.

Взаимодействие с ИИ

• Самая сложная часть работы с ИИ – написание корректных запросов (промптов). От качества запроса зависит то, что модель ИИ выдаст в ответ. Нейросети (как и поисковики) хорошо справляются с конкретными, узкими запросами. Если промпт сформулирован в общем виде, то и ответ ИИ будет содержать много ненужной информации. 
• Чтобы сгенерировать «умный» запрос, нужно указать, какую именно цель важно достичь и какую задачу нейросеть должна решить в рамках этой цели. Кроме того, важно указать дополнительные условия (контекст, детали), роль, которую нейросеть должна занять при поиске информации, ограничения для ответа. Чем лучше описана ситуация и контекст, тем более точную информацию подберет нейросеть.
• Чтобы научиться составлять промпты для нейросети, сначала можно задавать вопросы самим себе. Как бы мы ответили на тот или иной промпт? Достаточно ли в запросе данных, чтобы выдать ответ, который бы устроил спрашивающего? Формулировка запроса должна быть такой же, как если бы спрашивали живого человека, поскольку данные, которые выдаст модель ИИ, готовили люди.

Обучение нейросетей

• Модели ИИ могут учиться и дообучаться (если такой механизм в них заложили). Нейросеть обучится даже в том случае, если данные не подходят по контексту или некорректны по содержанию. Например, если несколько миллионов человек решат переобучить чат GPT, что 2+2 = 5, то в какой-то модель «сдастся» и выдаст такой результат.
• Многое зависит от данных, на которых была обучена модель. Качественные данные необходимо где-то добывать, и здесь могут возникать проблемы (отказ правообладателей и т.д.). Сейчас возникает немало споров на эту тему.

Границы применения нейросетей

• Все, что человек умеет делать сам, но ему скучно или долго это делать, можно перепоручить ИИ:

- Простые и конкретные задачи, где результат можно проверить самостоятельно. Нейросеть можно воспринимать как коллегу-подчиненного: «Если ошибется, я поправлю»; 
- Задачи, где нет цели получить идеальный результат (допустимы недочеты, ошибки и т.п.). 

Нейросеть отлично справляется с идентификацией стандартизированных (одинаковых) предметов (сравнивает номера машин, выявляет брак детали, …). У модели ИИ «не замыливается глаз»: достаточно предоставить ей эталон (образец), и она может сравнивать его миллионы раз.

• Первое, что нужно сделать для внедрения ИИ, – начать собирать любые возможные данные. Их нехватка является одним из главных препятствий для качественной работы ИИ.
• Ограничить нейросети в выдаче неэтичных или небезопасных результатов вряд ли будет возможно. Вместе с тем, чем «безобиднее» модель ИИ, тем она бесполезнее, поскольку может не выдать ответ на интересующий вопрос. 
• Компании-разработчики могут быть заинтересованы в наполнении ИИ определенными данными. При этом многие пользователи сегодня доверяют ИИ, воспринимая нейросеть как нейтральный источник информации. В этом случае ИИ становится механизмом влияния на людей.

Обучение ИИ

• Самый большой вопрос при самостоятельном обучении моделей ИИ – «Где взять данные?». Если компания добывает данные самостоятельно, это очень долгий и дорогостоящий процесс. При этом нет гарантии, что результат будет удовлетворительным.
• Если данные собирала компания-разработчик, они могу быть нерелевантны особенностям конкретной компании, и это также не является продуктивным результатом. Такой вариант обучения ИИ больше подойдет для решения общих задач. 
• Не вся информация доступна нейросети (например, частная переписка и т.п.). В результате ИИ может обучиться на нерелевантных данных. 

Использование ИИ в обучении людей

• Постоянное обращение за помощью к нейросети может оказать существенный негативный эффект на способность человека к обдумыванию задачи (что и как стоило бы сделать в данном случае). Зачастую человек уверен в том, что справился с задачей самостоятельно, когда на самом деле решил ее с помощью многочисленных подсказок ИИ.
• Ответ, выданный ИИ, будет ограничен знаниями, на которых обучена нейросеть, и эту информацию, скорее всего, не удастся применять за рамками определенной задачи.
• Из-за недостаточно широкого кругозора могут возникать проблемы с тем, чтобы понять, что говорит чат GPT. В этом случае человеку приходится просить нейросеть упростить ответ, что, безусловно, отражается на качестве полученных знаний.
• В рамках обучения важно читать объемные материалы самостоятельно, не обращаясь к ИИ с запросом выдать только самую важную информацию. 

ИИ в HR

• Для разработки ИИ нужны люди с математическими способностями и программисты. Для обучения моделей ИИ – специалисты с релевантным опытом работы.
• В оценке персонала ИИ пока не может приносить пользу. Чтобы обучить нейросеть, нужен набор релевантных данных, что на сегодняшний день является слишком объемной и дорогостоящей задачей.
• Результаты Центра Оценки, обработанные ИИ, скорее всего, не будут валидными, поскольку люди очень отличаются друг от друга. С большой вероятностью нейросеть будет использовать данные только из центральной части кривой нормального распределения. В результате ИИ отсеет как совсем неподходящих, так и талантливых кандидатов.
• Методика общения с чатом GPT очень напоминает проведение интервью по компетенциям, только «думает» и выдает ответ в этом случае не кандидат, а модель ИИ.
• Нейросетями можно заменить «скучную» часть процесса отсева, не требующую личного вовлечения. Можно использовать ИИ для анализа резюме (например, попросить нейросеть отобрать кандидатов по ключевым словам и опыту работы). 
• При наличии данных по KPI, результатов личностных опросников, оценок руководителем на удовлетворенность работой и т.п. нейросеть может найти взаимосвязи «до» и «после» продвижения сотрудников. Важно помнить, что данных должно быть очень много. Это информация, которая собирается на протяжении нескольких лет. 
• Можно попросить чат GPT подсказать варианты управления своей карьерой. Например, задать общий вопрос: «Сейчас я работаю инженером. В каком направлении я могу продвигаться по вертикали и по горизонтали?»

 

Влияние ИИ на рабочую деятельность и эффективность

• 41% респондентов исследования LATR 2024 указали, что ИИ открывает для них более оригинальные решения поставленных задач. Вместе с тем, причиной таких отзывов может быть желание оправдать внедрение новой технологии. 
• По мнению 37% участников LATR 2024, ИИ повышает их продуктивность или эффективность по прежним задачам. 
• 2% опрошенных в исследовании LATR 2024 указали, что использование ИИ снижает продуктивность и эффективность их работы. По данным глобальных исследований, 70% сотрудников жалуются, что после внедрения ИИ возрос объем ненужной работы. Причиной может быть некорректное или недостаточно активное применение нейросетей.