Где эффективно использовать нейросети?

Искусственный интеллект, нейросети и большие языковые модели

Искусственный интеллект – это широкий термин, охватывающий множество методов обработки данных, включая аналитику, создание интерактивных дашбордов, машинное обучение и многое другое.

Нейросети (нейросетевые модели) – это один из подходов в области искусственного интеллекта, который стремится имитировать структуру и работу человеческого мозга. Нейросети обучаются на огромных массивах данных, используя сложные алгоритмы, которые отчасти повторяют то, как мы обучаем наших детей.

Языковые модели – это специализированные типы нейросетей, предназначенные для работы с текстом. Это математическая модель, которая описывает структуру и взаимосвязи слов в языке.

В результате языковая модель может генерировать текст, переводить на другие языки, отвечать на вопросы и даже вести диалог, имитируя человеческую речь. Мы уже давно используем простые языковые модели в своих гаджетах: например, при автозаполнении в наших телефонах или корректировке орфографии. Однако они очень простые, с небольшим объемом параметров.

Большая языковая модель – это более сложные и мощные модели, которые обучены на невероятно больших объемах текстовых данных. Это позволяет им генерировать более качественный и естественный текст.

Важно сразу отметить, что даже самые продвинутые нейросети и языковые модели не свободны от ошибок. В статье мы обсудим, какие типы ошибок могут возникать при работе с нейросетями, и как их минимизировать. Далее мы рассмотрим, как их можно эффективно применять в области управления персоналом, а также углубимся в возможности и ограничения использования больших языковых моделей.

Нейросети в HR: трансформация всех процессов

Применение нейросетей в сфере управления персоналом стремительно растет, и уже сегодня они проникли практически во все аспекты работы с сотрудниками. Чаше всего можно услышать об использовании нейросетей в подборе персонала, но их потенциал гораздо шире. Если мы посмотрим на развитие всех современных HR-систем, то увидим, что абсолютно все стараются ввести те или иные инструменты с использованием технологий искусственного интеллекта. Рекордсменом в этом, конечно, стала система SAP SuccessFactors, в которой есть более 60 различных кейсов и сценариев, использования технологий нейросетей и больших языковых моделей.

На рисунке мы показали только наиболее распространенные задачи, на деле примеров гораздо больше. Разберем несколько областей работы HR, где нейросети и большие языковые модели уже продемонстрировали свою эффективность.

Рисунок. Наиболее частые задачи в области управления персоналом, в которых использовуются нейросетевые модели.

1. Обработка данных на этапе подбора персонала. Первое и самое очевидное применение – обработка больших объемов данных. Нейросети без проблем обрабатывают большое количество резюме, отбирая нужные ключевые слова и характеристики и анализируют вакансии.
2. Автоматизация рутинных задач, связанных с генерацией текстов и видеоконтента. Генеративные возможности больших языковых моделей позволяют автоматизировать создание текстов, например, писем, описаний вакансий, тестовых кейсов, образовательного контента и видеороликов. Нейросеть может сгенерировать текст и записать его голосом вашего персонажа, создавая профессиональный видеоролик за десяток минут.
3. Коммуникация и диалог: от письма до совещания. Нейросети могут помочь руководителям коммуницировать и вести диалог с подчиненными, генерируя письма, содержащие релевантную информацию и подготовленные формулировки.
4. Анализ компетенций и рекомендательные системы. Современные HR-системы со встроенными нейросетями предлагают ещё более продвинутые функции. Они могут помочь разработать модели компетенций, профили должностей и даже проанализировать информацию о производительности сотрудников, предлагая рекомендации по пересмотру заработной платы.

Использование нейросетей в HR: 5 ключевых моментов, которые стоит учитывать

Нейросети – это мощный инструмент с большим потенциалом для HR, но его успешное внедрение требует тщательной проработки и понимания особенностей и ограничений. Начиная проекты по использования нейросетей, стоит знать о нескольких ключевых вещах.

1. Галлюцинации: будьте критичны к тому, что выдает нейросеть. Это самая распространенная проблема нейросетей. Нейросети, несмотря на впечатляющие возможности, склонны к «галлюцинациям», то есть генерации ложной информации, которой не существует в природе. Нейросеть хорошо учится и «любит» создавать иллюзию достоверности. И иногда достаточно сложно валидировать, насколько релевантный или нерелевантный контент вам выдает нейросеть.
2. Навыки работы с нейросетями и большими языковыми моделями. Успех использования нейросетей в реальной работе зависит не только от технологии, но и от умения сотрудников правильно формулировать запросы (промпты) и интерпретировать результаты. Далеко не все умеют корректно работать с искусственным интеллектом, поэтому, в рамках подготовки к запуску тех или иных инструментов, стоит провести обучение. Неправильное использование нейросетей может привести к обратным результатам, усугубив проблемы вместо их решения. На рынке уже есть немало кейсов, где нейросети не помогли, а напротив, усилили проблемы. Например, известен случай, когда HR-специалисты, которые некорректно сформулировали запрос к нейросети для поиска кандидатов, отсеяли всех подходящих претендентов. Дошло до анекдота: когда руководитель HR-отдела, попытался стать кандидатом, он был отсеян системой. Здесь мы видим, что проблема не в самой нейросети, а в недостаточной подготовке специалистов, которые пытались ее использовать.
3. Качество данных, на которых обучаются нейросети. Важно следить за качеством этих данных, иначе модель будет воспроизводить и усиливать ошибки, допущенные пользователями. Это касается и этических вопросов. Например, в ChatGPT есть встроенная защита от грубой лексики, от этических нарушений. Это хороший пример, мы должны следить, чтобы и в наших языковых моделях были такие же защиты. Например, чтобы нейросеть не нарушила какие-то ограничения компании, связанные с безопасностью или с этикой.
4. Защита данных. Это критическое ограничение – важно позаботиться не только о качестве, но и безопасности данных, на которых учится нейросеть. При внедрении ИИ-инструментов необходимо продумать политику конфиденциальности и обеспечить защиту чувствительных данных компании. Это, важнейшее ограничение, не позволяющее использовать модели зарубежных вендоров, которые передают данные на американские, французские сервера и т.д. Существуют открытые модели, причем бесплатные, но на сегодняшний день они немного менее точные, чем модели мировых вендоров. Есть также большие языковые и нейросетевые модели российских вендоров, которые сегодня в основном и используются в ИТ-ландшафтах коммерческих компаний.
5. Отсутствие социального интеллекта. Нейросети и большие языковые модели пока не обладает социальным интеллектом и эмпатией, которые важны для эффективной коммуникации с людьми. Не стоит полностью полагаться на нейросети в ситуациях, требующих эмпатии и тонкого понимания нюансов отношений. Если мы просим нейросеть выполнить некие базовые операции, рутинную работу, это не проблема. Но если мы пытаемся использовать на собеседовании с кандидатом, например голосовых помощников, то, скорее всего, нас ждет разочарование. Например, инструменты с использованием нейросетей могут вполне неплохо провести базовое собеседование, собрать первичную информацию с кандидатов, особенно для массовых вакансий. Но провести первичное интервью с кандидатами, претендующими на более узкоспециализированные сферы, они, на сегодняшний день не смогут. Здесь не стоит экономить и это лучше поручить рекрутерам.

Осторожно: искусственный интеллект – это не «волшебная палочка»

Важно помнить, что нейросети – это мощный инструмент, но не волшебная палочка. Не стоит слепо следовать обещаниям технооптимистов, далеко не все задачи поддаются решению с помощью нейросетей. Целый ряд инструментов и предложений, пока еще относятся к категории красивого будущего, нежели к реальным практическим кейсам.

На практике мы сталкиваемся с ситуациями, когда основанные на нейросетях инструменты, еще не готовы решать задачи на должном уровне. Например, разработка профилей должностей и формирование моделей компетенций остаются областью, где человеческий интеллект необходим. Нейросети способны проанализировать информацию о чем-то, но им пока не всегда удается правильно интерпретировать и изложить сложные концепции. В результате, мы, например, можем получить формулировки одинаковых компетенций различными словами, что, конечно, неприемлемо.

Поэтому стоит ограничить области применения нейросетей.

Нейросеть может эффективно выполнять рутинные задачи, но для нестандартных решений и творческого подхода по-прежнему нужен человеческий интеллект. Важно понимать, что нейросеть – это мощный инструмент, но все решения должны приниматься с участием человека.

Кроме того, если вы, например, внедряете бота, с которым будут взаимодействовать сотрудники компании, необходимо объяснить это им. Далеко не все сотрудники, особенно массовых профессий, могут позитивно среагировать на появление таких «умных технологий». К сожалению, пока есть категории людей, которым тяжело дается взаимодействие с ботами.

Отметим, что у некоторых сотрудников есть обратная точка зрения – технопессимизм, когда они боятся таких «умных» систем. На самом деле нужно находить разумный баланс и воспринимать искусственный интеллект как отдельного сотрудника, которому также нужно обучение, с которым также нужно работать в тандеме и которого можно развивать.

***

Нейросети – это очень перспективное направление для управления персоналом, но важно подходить к нему осознанно и с пониманием ограничений. Нейросети – это мощный инструмент, который может значительно повысить эффективность работы HR-отдела, но необходимо понимать его ограничения и использовать его ответственно. Главное – не превращать нейросети и большие языковые модели в панацею от всех проблем, а искать баланс между технологией и человеческим опытом.

Комментарии 0