Skillaz: Как работает система рекрутинга с элементами искусственного интеллекта

МЕНЮ


Новости ИИ
Поиск

ТЕМЫ


Внедрение ИИНовости ИИРобототехника, БПЛАТрансгуманизмЛингвистика, рбработка текстаБиология, теория эволюцииВиртулаьная и дополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

АРХИВ


Июль 2017
Июнь 2017
Май 2017
Апрель 2017
Март 2017
Февраль 2017
Январь 2017
Декабрь 2016
Ноябрь 2016
Октябрь 2016
Сентябрь 2016
Август 2016
Июль 2016
Июнь 2016
Май 2016
Апрель 2016
Март 2016
Февраль 2016
Январь 2016
0000

RSS


RSS новости
птичий грипп
Реновация. Снос пятиэтажек в Москве

Новостная лента форума ailab.ru

2017-07-16 21:00

новости ит

По данным исследовательской компании Bersin, мировой рынок интерактивных сервисов для оценки соискателей вакансий составляет около $2 млрд. Откусить кусок этого пирога пытаются и российские стартапы — как запустившийся прошлым летом сервис Skillaz, позволяющий искать кандидатов в открытых источниках и автоматически оценивать их с помощью интервью, анкетирования и других инструментов. За год стартап заработал около 6 млн рублей чистой прибыли, обзавелся крупными клиентами (среди них — «Азбука вкуса» и «ВымпелКом») и привлек несколько сотен тысяч долларов инвестиций. Руководитель Skillaz Андрей Крылов рассказал Inc., как соискатели реагируют на звонки роботов, чем обернулась демократия в стартапе и почему компании должны уже сейчас собирать все данные про людей.


Как работает Skillaz

Сервис Skillaz позволяет рекрутерам создать и отправить кандидатам список вопросов, записать видеоинтервью. В удобное время кандидаты записывают, а рекрутер просматривает видеоответы, а затем отобранные демонстрирует заинтересованному менеджеру.

Skillaz осуществляет также автоматический поиск кандидатов в соцсетях и на сайтах по поиску работы, оценивает соискателей с помощью машинного обучения, занимается рассылкой приглашений, анкетирует и тестирует кандидатов (в том числе — с помощью геймификации и квестов).

Куда движется рекрутинг

Сейчас с рекрутингом происходит то же самое, что с бухгалтерией в 1990-х. Тогда появились 1С и другие компьютерные программы, а бухгалтеры перестали пользоваться счетами. Большие компании либо сократят HR-отделы, либо переключат их сотрудников на выполнение более творческих задач. Нынешний рекрутер должен уметь работать с социальными сетями и большими данными и —  самое главное — думать не о разовых количественных KPI, а о повышении эффективности бизнеса в целом.

Технологически рекрутинг сильно отстает от других сфер. До Skillaz я работал в «Лаборатории Касперского». Мы делали крутые продукты для развития антивируса — а рядом HR-специалисты забивали резюме в базу руками и очень по этому поводу переживали.

Будущее рекрутинга —  уход от рутинной деятельности HR-специалистов. Потребности клиентов стандартные — сокращение финансовых и трудозатрат. Мы стараемся балансировать между созданием крутого продукта и бизнесом, стараемся «слушать» рынок и работать исходя из его потребностей.

Skillaz в цифрах


$350

тысяч вложено в Skillaz (как собственных средств основателей, так и сторонних инвестиций)


6

млн рублей чистой прибыли получил стартап по итогам 2016 года.


1,5

млн рублей — средний чек за годовую подписку на услуги сервиса.


600

тысяч соискателей вакансий получили оценку с помощью сервиса Skillaz.


15

человек и несколько аутсорсинговых команд сейчас работают над проектом.

Как устроен Skillaz

Сервис нужно делать для пользователей, готовых платить за ощутимый бизнес-эффект. Поэтому мы с самого начала познакомились с несколькими крупнейшими компаниями (включая «Сбербанк» и «Ростелеком») и начали выстраивать для них реальные бизнес-кейсы — где-то даже бесплатно, чтобы наладить отношения. Путь от «зеленой» компании до технологического инноватора у нас занял 8 месяцев.

Над проектом сейчас работают 15 человек и несколько аутсорсинговых команд (в том числе международных). Большая часть из них — программисты, по одному сотруднику — на продажах, пиаре и маркетинге.

80% наших расходов — ФОТ и аутсорсинг. Оставшиеся 20% — тратим на маркетинг.

Я не готов сказать точно, сколько мы закрыли вакансий для наших клиентов. Речь о десятках тысяч человек. До ста тысяч мы еще не дошли.

В первую очередь наш сервис закрывает массовые вакансии — например, продавцов. Но есть и проекты по точечному подбору. У нас был кейс, когда рекрутер говорил, что вакансия штучная (позицию мы не можем раскрыть по договору с клиентом) и на всю страну есть только семь кандидатов. Но наша система за неделю только в Москве нашла 50 заинтересованных человек, которые просто были вне поля зрения кадровых агентств. И это нормально для России, где на открытом рынке — только 30% кандидатов, остальные — в тени.

3 главные бизнес-ошибки Skillaz, по версии Андрея Крылова.


1. Дисбаланс между продуктом и бизнесом.

В прошлом году мы слишком углубились в продуктовую историю и начали «пилить» продукт, не имея обратной связи от рынка. В итоге пришлось выкинуть некоторые из написанных тогда блоков — мы зря потратили на них время. И все же главный ресурс стартапера — право на ошибку. Поэтому все наши оплошности пошли нам только в плюс.


2. Кадровые просчеты.

Главная проблема стартапа — на крутого разработчика из условного «Яндекса» денег нет. Нужно выращивать «звезд» самому, а значит, ошибок при рекрутинге не избежать (что в нашем случае звучит иронично). Но все приходит с опытом — теперь я очень доволен своей командой.


3. Слишком много демократии.

Не зря говорят, что демократия в стартапе ведет к краху. В какой-то момент я дал сотрудникам больше, чем нужно, свободы в принятии решений по их направлениям. Вскоре мне пришлось исправлять их ошибки и заново принимать решения. Фаундер на старте должен контролировать всё — принимать участие во всех процессах и ничего не отдавать на откуп конкретным исполнителям.

Наша платформа сама оценивает кандидата. Она автоматически предлагает ему пройти тестовое задание, оценивает его по ряду критериев, а затем приглашает (или не приглашает) на собеседование с рекрутером. До конца года мы планируем оценить более 1 млн кандидатов.

Для будущих продавцов у нас есть квест «Сложный клиент». Кандидат должен в игровом режиме пообщаться с покупателем и убедить его не писать жалобу.

Мы уже занимаемся первичным обучением кандидатов. Соискателям, которые после первичной оценки по каким-то параметрам не прошли отбор, система рекомендует пройти корпоративное обучение. Затем ему предлагается сдать экзамен и попробовать еще раз.

Бот в помощь

Мы хотим сделать Skillaz системой с элементами искусственного интеллекта. Но пока это скорее «Tinder в сфере рекрутинга». Рекрутеры и нанимающие менеджеры говорят, подходит или не подходит им соискатель вакансии, а машина анализирует результативность пути каждого кандидата.

Машинное обучение помогает нам оценивать эффективность сотрудников, нанятых с помощью нашей системы. Мы делаем это дважды — через 6 и 12 месяцев с начала их работы в компании. Это аналитическая работа с последующим прогнозом деятельности.

Сейчас на рынке недостает открытых данных, чтобы строить валидные модели и правильно обучать AI-системы. Но работать с машинным обучением необходимо. Поэтому мы агрегируем огромное количество данных о кандидатах и обучаем свою систему — замыкаем ее на обратную связь об успешности кандидатов внутри компании, и это дает некоторые возможности для предиктивного прогнозирования.

Мы доверили боту поиск кандидатов и первую коммуникацию. Это может быть автоматический звонок, SMS-информирование, письмо на электронную почту, сообщения в социальных сетях и мессенджерах. Соискатели реагируют по-разному — все зависит от человека и региона, где он живет. Сильно повышает лояльность автоматический звонок кандидату с записанным джинглом компании. Первичную коммуникацию с роботом уже прошли 5 млн человек.

Наши инструменты — все вместе — составляют роботизированную систему. На выходе нанимающий менеджер получит большой профайл о кандидате с двумя кнопками: «Хочу позвать его на собеседование» и «Не хочу». Все дополнительные данные уже собрала машина.

Большие компании должны уже сейчас собирать все возможные данные про людей. В дальнейшем их можно использовать для подбора «звездных» команд. Когда наберется достаточно данных, всю воронку массового подбора персонала можно будет сделать автоматической — первичная нагрузка ляжет на робот, а человек будет только модерировать процесс и принимать финальные решения.

Сервиса «нажал одну кнопку и подбор в компании стал идеальным» — не существует. Мы пытаемся доносить это до клиентов. Необходимо качественно автоматизировать процессы подбора, научиться правильно накапливать данные и «процессить» кандидатов — и тогда «светлое Big Data будущее» станет возможным.

Магазин для рекрутеров

До конца года мы планируем привлечь около $3 млн. Это будет третий раунд инвестиций. В первом мы получили $150 тысяч от группы инвесторов (назвать их имена не можем). Во втором — несколько сотен тысяч долларов в Skillaz вложил фонд Salt&Pepper Capital Сергея Румянцева.

Мы строим решение с архитектурой вроде AppStore. В нем будет много различных средств поиска и оценки кандидатов для крупных, средних и малых предприятий. Кроме уже существующих инструментов, появится автоматическое распознавание видеоконтента  — чтобы по видео оценивать психологические компетенции кандидата. Система также сможет распознавать сказанное человеком в ходе видеоинтервью и вести небольшое собеседование по дереву ответов.

В будущем я вижу Skillaz большим интернет-магазином средств поиска и оценки кандидатов. Работодатель выбирает необходимые ему фишки (будь то видео-интервью с деревом ответов, геймификация, первичный поиск или что-то еще) и получает динамическое ценообразование в зависимости от выбранных функций. Поэтому мы прорабатываем интеграцию со сторонними приложениями — например, сервис SkyEng поможет нам оценивать английский язык кандидатов. Интеграция проходит по двум сценариям: либо процент от будущих сделок, либо покупка API по стандартному чеку.

Европа — наш главный приоритет после России. Европейский рынок менее конкурентен, чем Силиконовая долина, и ближе по менталитету, чем Азия. Выйти на него планируем осенью этого года — это будут англоговорящие страны и Восточная Европа. После этого возьмем паузу — займемся масштабированием команды и адаптацией продукта под конкретные страны.


Источник: incrussia.ru