HR с цифровым лицом: как построить организацию будущего (сборник статей)

HR с цифровым лицом: как построить организацию будущего

СБОРНИК СТАТЕЙ

HR с цифровым лицом: как построить организацию будущего

 

Содержание

Кадры под цифрой

Юлия Фуколова

 

«Руководители перестают верить HR-менеджерам»

Анна Натитник

 

Перехитрить искусственный интеллект

Томас Дейвенпорт, Джулия Кирби

 

К увольнению готовы

Сергей Холкин

 

Работа будущего: исчезнет ли средний класс?

Эрик Бриньолфссон, Эндрю Макафи

 

Кадровый переворот в AT&T

Донован Джон, Бенко Кэти

 

В большинстве компаний доступно слишком много технологий

Ольга Волкова

 

Кадры под цифрой

Как сбербанк внедряет цифровые методы работы с персоналом.

Юлия Фуколова

М

ногие компании сегодня внедряют цифровые технологии — в первую очередь в коммерческих подразделениях. Но в отраслях с высокой конкуренцией современные ИТ-системы необходимы и в работе с персоналом. Недавно цифровую HR-трансформацию начал крупнейший банк России. Скоро умные сервисы будут подсказывать, какую карьеру выбрать сотруднику и кому лучше предлагать новую должность.

Департаменты по работе с персоналом крупных компаний сегодня не могут обойтись без цифровых сервисов. Автоматизация HR-процессов, мобильные приложения, онлайн-обучение, использование чат-ботов и искусственного интеллекта — этот список перспективных направлений для кадровых нужд далеко не исчерпан. По данным опросов, российские компании чаще всего переводят на цифровые рельсы процесс рекрутинга, а также системы обучения и развития сотрудников, некоторые начали собирать данные, обрабатывать их и использовать HR-аналитику.

В HR-подразделения технологии проникают позже, чем в коммерческие службы, и Сбербанк — не исключение. Компания вывела на рынок удобные продукты, например «Сбербанк Онлайн», «ДомКлик» и другие, инвестирует в сторонние цифровые сервисы. «Сбербанк стремится стать технологической компанией для своих клиентов. Но сотрудники как внутренние клиенты ощущали это на себе далеко не всегда», — рассказывает заместитель председателя правления, руководитель блоков «Стратегия и развитие» и «HR» Юлия Чупина. Между тем стратегия Сбербанка, утвержденная до 2020 года, предполагает наличие «людей нового качества в эффективных командах». Без полноценной цифровой платформы для управления персоналом реализовать эту задачу было бы невозможно.

ИДЕЯ КОРОТКО

ПРОБЛЕМА

Сбербанк стремится стать технологичной компанией не только для клиентов, но и для сотрудников. Нужно автоматизировать рутинные процессы, объединить HR-данные в одной системе, настроить быстрый и точный рекрутинг на массовые и руководящие позиции, продумать карьерное планирование.

РЕШЕНИЕ

HR-департамент внедрил agile-подход, за год перешел на новую платформу SAP Success Factors. Банк разрабатывает цифровые HR-сервисы. Системы HR-аналитики помогают предсказать уход сотрудников, а также предлагают людям разные варианты карьерного развития.

ВСТАТЬ НА ПЛАТФОРМУ

Сбербанк объединяет 12 территориальных подразделений, в которых работает около 250 тыс. сотрудников. Еще несколько лет назад каждый регион использовал свою ИТ-систему в HR, а это затратно и не очень удобно. Скажем, чтобы собрать HR- статистику, приходилось писать запросы, получать цифры в Excel, а затем вручную сводить их в одну табличку. Банк нуждался в единой платформе, которая позволила бы автоматизировать рутинные операции, а также развернуть новые сервисы для менеджеров и сотрудников. Например, упростить рекрутинг — компания нанимает около 35 тыс. человек в год, причем кандидаты на ключевые менеджерские позиции в обязательном порядке проходят 4 интервью (практику позаимствовали у Google). Всю информацию о соискателях нужно обрабатывать и хранить в удобном виде.

Кроме того, современная карьера перестала быть линейной. Раньше человек четко знал, какой будет следующая ступенька, а сейчас управленческие структуры становятся плоскими, все больше ценится кросс-функциональная экспертиза. К тому же в Сбербанке ввели рекомендуемый срок работы в одной должности для среднего и высшего менеджмента — 3—5 лет. Ожидается, что после этого срока человек поменяет функциональное направление или решится на переезд в другой регион. Иными словами, для умного планирования карьеры и организации переходов нужен серьезный технологический инструмент.

HR-департамент уже давно пытается стать технологичным — за три года с 2012-го до 2015-го Сбербанк внедрил систему SAP Human Capital Management (HCM), с помощью которой автоматизировал кадровое администрирование, рекрутинг, расчет зарплат и оценку персонала. Но этого оказалось недостаточно — по мнению топ-менеджеров, процессы и платформа были тяжеловесными и неудобными, а выполнение доработок в системе занимало более полугода, что в нынешних условиях слишком долго.

В 2016 году в Сбербанке решили, что новая система управления талантами будет облачной, чтобы не тратить время на разворачивание ИТ- инфраструктуры. Плюс в ней должен быть пакет преднастроенных HR-процессов, основанных на мировых практиках. Выбирали среди мировых лидеров автоматизации HR — SAP Success Factors (SF), Workday, Taleo от Oracle и др. В итоге остановились на Success Factors. Правда, для крупного бизнеса альтернатив в России практически нет — SF пока единственный сервис, который имеет центр обработки данных в России, как того требует наше законодательство.

Сбербанк перенес в SF четыре основных HR- процесса — рекрутинг, адаптацию персонала, карьерное развитие и обучение (расчет зарплаты и кадровое администрирование оставили в прежней системе), проект обошелся примерно в 300 млн руб. По предварительным оценкам, на развертывание сервисов требовалось не менее полутора лет, но глава Сбербанка Герман Греф поставил задачу завершить за год. В итоге, по данным SAP, получилось самое быстрое внедрение SF в мире.

ПЕРВЫЕ РЕЗУЛЬТАТЫ

«Переход на цифровую платформу для работы с персоналом можно сравнить с разведением сада, — рассуждает Юлия Чупина. — Сначала вы выполняете тяжелые грязные работы — выкапываете камни, прокладываете дорожки, привозите почву, сажаете деревья. А красоту увидите позже». Как признается Юлия, она испытала ощущение счастья, когда стало понятно, что команда не зря «убивалась» целый год — были решены проблемы, которые не решались годами.

Например, в банке никак не могли запустить сайт для привлечения выпускников вузов, интегрированный с внутренними HR-системами. В итоге за 2—3 месяца сделали прототип, и еще через месяц сайт уже заработал. «Без новой платформы и agile мы этого сделать не могли, потому что сервис, запущенный на коленке, не справился бы с нашими потоками», — продолжает Чупина.

В новой HR-системе у каждого сотрудника есть профиль, где указаны должность, образование, опыт работы в Сбербанке и до него, история обучения, оценки результативности, вплоть до хобби и увлечений. В банке также создали профиль для каждой должности, который включает описание обязанностей, требования к образованию, опыту работы, компетенциям. Всего в Сбербанке сегодня 8 тыс. должностей, которые объединили в 60 семейств (кластеров) со схожим функционалом — продажи типовых продуктов, ИТ-операции, стратегия и развитие и т. д. Это необходимо для подбора сотрудников, их адаптации, планирования карьеры и продвижения.

После того, как 83 тыс. сотрудников прошли оценку по методу 360 градусов, каждый из них увидел, какие компетенции у него развиты ниже уровня, требуемого для данной должности. Люди могут также просматривать каталог обучающих программ (всего их в банке 900, большинство онлайн) и выбирать те, которые развивают нужные компетенции.

ГОД ЗА ДВА

«Внедрить платформу за год нам помогли три вещи», — говорит руководитель проекта HR-трансформации Сбербанка Андрей Трифонов. Во-первых, заранее начали знакомство с системой, формирование команды и проч. Во-вторых, получили поддержку от менеджмента. Наконец, помог agile.

«Большая часть бизнеса к тому моменту уже перешла на гибкую организацию работы, дошла очередь и до поддерживающих функций. Мы решили начать с HR», — рассказывает заместитель председателя правления Юлия Чупина. По ее словам, надоело ругаться с «айтишниками», когда заказанный продукт получали через год, а он уже устарел. Летом 2017 года Чупина собрала своих подчиненных и разработчиков, поставила на столе картинку с сердечками, где было написано «ИТ+HR», и объяснила, что пришло время работать вместе. Основные команды (около 400 человек, из них 70% — представители ИТ, 30% — HR) перебрались в одно помещение. Внедрением SF занимались почти 60 человек, плюс консультанты SAP и другие подрядчики.

Но ИТ и HR подружились не сразу — поначалу чувствовалась настороженность. Как вспоминает Андрей Трифонов, «айтишники» садились с одной стороны стола, а HR-методологи — с другой. Сблизить интересы людей помогали совместные мероприятия — ежедневные стендапы с краткими статусами о ходе работ, двухнедельные спринты (обсуждение результатов и планирование задач). В итоге HR-менеджеры наращивали цифровые компетенции, а ИТ-специалисты учились напрямую коммуницировать с теми, кто ставит им задачу.

Пилотный запуск новой HR-платформы Сбербанк начал в сентябре 2017 года в центральном офисе и в Поволжском территориальном банке. Информацию о нововведении разместили везде, вплоть до столовых и лифтов. С сотрудниками провели разъяснительные занятия, в сеть выложили видеоролики. «Поначалу мы, конечно, выслушали много критики от пользователей платформы», — рассказывает Андрей Трифонов. По его словам, в Сбербанке привыкли к высоким стандартам юзабилити. Скажем, интерфейс «Сбербанка Онлайн» оттачивался несколько лет, его рассчитывали буквально до миллиметра. А в SF дизайн предустановлен: кого-то не устраивал цвет, количество окошек, избыточность информации и т. п. Проблема была еще и в том, что к моменту внедрения в регионах 80% сотрудников не имели доступа в интернет с рабочих компьютеров, этот вопрос пришлось решать одновременно с внедрением.

Окончательный переход Сбербанка на новую платформу состоялся в феврале 2018 года. В банке рассчитывали, что люди будут заходить в систему преимущественно с мобильных устройств, в первую очередь для обучения онлайн. Но оказалось, что гаджетами для саморазвития активно пользуются только в центральном офисе, а в регионах сотрудники привыкли обучаться очно в рабочее время вместе с руководителем. «Мы подсчитали, что с мобильных устройств в систему заходят 17—19% сотрудников, остальные — с рабочих компьютеров. Сегодня это неплохой результат», — говорит Трифонов. По его словам, процент будет расти, когда люди поймут, что учиться выгодно, и вклад в собственное развитие окупается.

Начальник управления развития и карьеры блока «HR» Сбербанка Наталья Журавлева говорит, что раньше обучение всех сотрудников планировали в августе на год вперед, и это считалось серьезным достижением. Но сегодня такой подход не работает — слишком быстро меняется бизнес. Люди выбирают программы самостоятельно или после консультации с руководителем и могут учиться в удобное время. Речь не только о текущей позиции: сотрудник может примерить на себя все возможные профессиональные роли, которые есть в банке, чтобы понимать, какие знания и навыки там необходимы. И при желании подобрать себе программы на будущее.

Руководитель тоже может просматривать профили всех своих подчиненных, тогда как раньше эта информация «жила» в разных системах или ее вообще приходилось собирать вручную. Кроме того, менеджер видит информацию о вакансиях в своем подразделении и всю воронку кандидатов — сколько их, откуда пришли, как прошли собеседования, какие оценки им выставили интервьюеры. Сбербанк также подключил к HR-системе сторонние цифровые сервисы (VCV и Skillaz), которые проводят автообзвон и видеоинтервью с кандидатами на массовые позиции. По большому счету система подталкивает руководителя работать со своими людьми, а не перекладывать эту обязанность на HR.

Помимо внедрения цифровой HR-платформы в Сбербанке следят за появлением на рынке новых цифровых сервисов — оценивают их возможности, стоимость, эффективность. Например, недавно тестировали устройство, которое позволяет оценивать эмоциональное состояние персонала (инкассаторов, сотрудников колл-центров и других). Гаджет выглядит как бейдж и фиксирует, с кем человек общается, тональность его голоса, учащается ли сердцебиение и т. д. Люди какое-то время носили эти бейджи, но в итоге от их закупки отказались.

Но, как правило, все эксперименты правление начинает с себя. Именно так получил «путевку в жизнь» продукт под названием Team. Члены правления установили специальное приложение и регулярно давали друг другу обратную связь по принципу светофора: красный-желтый-зеленый. Из этих оценок видно, как строятся отношения в их команде, есть ли конфликты. Информация субъективная, но когда одни и те же сигналы поступают от разных людей, есть повод задуматься. «Мы расширили функционал системы и распространили эту практику как минимум на половину руководителей Сбербанка. Планируем встроить ее в SF, — говорит Юлия Чупина. — Наша цель — обратная связь в режиме реального времени».

ВКЛЮЧИТЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Собрав все HR-данные в одной системе, Сбербанк начал активно использовать аналитику и строить предиктивные математические модели.

В банке уже научились оценивать вероятность ухода эффективного сотрудника (пока только для массовых специальностей). Как объясняет руководитель проекта HR-трансформации Сбербанка Андрей Трифонов, команда экспериментирует с различными алгоритмами анализа данных. Более высокое прогностическое качество дают так называемые блэк-бокс-модели (от англ. black box — черный ящик), правда, они не позволяют интерпретировать, какие именно факторы влияют на уход сотрудника.

А вот построить усредненный профиль успешного сотрудника Сбербанка и предсказывать на его основе эффективность других сотрудников качественно пока не удается. По словам Юлии Чупиной, для анализа собрали результаты оценки, историю обучения сотрудников, их карьерных перемещений, социально-демографические данные и т. д., но этого оказалось недостаточно. По мнению Трифонова, универсальной модели успешного сотрудника Сбербанка не существует, и сейчас команда строит модели на узких сегментах специалистов.

В Сбербанке также готовят к запуску сервис «Умная карьера» — адресные подсказки, в каком направлении сотруднику стоит развиваться. Алгоритм предлагает будущие карьерные роли на основании анализа успешных карьер в Сбербанке, предыдущего опыта человека, его знаний и навыков, психотипа. Дело в том, что люди могут ошибаться в оценке своих перспектив и выбирать неподходящий вариант, а сервис будет давать рекомендации. В принципе, в банке есть карьерные коучи, но консультация доступна ограниченному числу людей, а цифровая подсказка — всем.

В Сбербанке думают еще об одном сервисе — чтобы после появления вакансии HR-система сама подыскивала наиболее подходящих внутренних кандидатов и помогала принимать качественные кадровые решения. В перспективе банк планирует разработать такой же умный сервис, рекомендующий человеку конкретные программы обучения. «Мы построили модель на имеющихся данных, я даже опробовал ее на себе, — рассказывает Андрей Трифонов. — И могу сказать, что уже сейчас система советует правильно, но нужно дорабатывать дальше».

Оценивать в деньгах эффект от внедрения новой HR-платформы в Сбербанке пока не готовы. «У нас клиентская экономика, а сотрудники и их руководители — это тоже клиенты. Мы все время думаем, “купят” они наш продукт или “не купят”. Будем улучшать HR-сервисы, чтобы “купили”», — рассуждает Андрей Трифонов. В перспективе Сбербанк планирует продавать HR-сервисы, разработанные на базе SAP-решений, сторонним компаниям. Но их убедить будет гораздо сложнее.

Юлия Фуколова — старший редактор «Harvard Business Review — Россия»

«Руководители перестают верить HR-менеджерам»

Анна Натитник

Д

жош Берсин, эксперт по управлению кадрами и основатель консалтинговой компании Bersin by Deloitte, в своих ежегодных программных статьях о тенденциях в области управления персоналом уже несколько лет упоминает HR-аналитику. О том, что это за технология, для чего она используется и как меняется подход к анализу данных, Джош Берсин рассказал в интервью старшему редактору «Harvard Business Review — Россия» Анне Натитник.

HBR — Россия: Инженеры, финансисты, маркетологи в своей работе давно опираются на данные. А большинство менеджеров по персоналу до сих пор действуют по старинке и доверяют интуиции. Почему новые технологии так медленно проникают в кадровое дело?

Берсин: Причин много. Одна из основных — влияние традиций. Работа с персоналом, по сути, никогда не была связана с технологиями — она подразумевала в основном взаимодействие с людьми. Сотрудники HR-отделов, как правило, не сильны в точных науках, они не математики и не аналитики. И все же в этом сообществе есть люди, которые с аналитикой «на ты»: например, многие психологи и специалисты по оценке персонала изучают статистику. Так что анализ данных и вычисления — не такое уж и новое слово в работе кадровых департаментов.

Меняется ли ситуация сейчас?

Программное обеспечение, используемое в кадровой работе, стремительно усовершенствуется. При этом оказывается, что у большинства организаций даже нет единой базы сотрудников. Значит, сейчас основная задача ИТ-специалистов — создать хранилище данных, которые можно было бы анализировать. Мы видим, что ситуация с ПО с каждым годом понемногу улучшается. Причина, мне кажется, в том, что руководители компаний перестают верить на слово менеджерам по персоналу и требуют от них цифр. «Как нам доверять вашим рекомендациям, — говорят они, — если вы не можете прийти к нам с цифрами в руках и аргументировать, почему кого-то нужно нанять, кого-то уволить, кого-то продвинуть, а кому-то повысить зарплату?!».

Наиболее передовые организации уже используют аналитику в работе с персоналом. Среди пионеров — Google и другие высокотехнологические компании. Математические методы все больше и быстрее проникают в сферу человеческих ресурсов. Вспомните, например, книгу и фильм «MoneyBall. Как математика изменила самую популярную спортивную лигу в мире» — в них рассказывается об экономисте, который с помощью математических расчетов собрал уникальную бейсбольную команду.

Как бы вы сформулировали, что такое HR-аналитика?

Многие думают, что речь идет о создании базы данных сотрудников, позволяющей отделу кадров определить, сколько денег организация тратит на персонал, вычислить средние показатели эффективности труда, диверсификации и т. д. Конечно, это важные параметры, но сейчас тенденция меняется: HR-аналитику используют для принятия решений, касающихся компании в целом, а не только управления персоналом. Это серьезный сдвиг, и дальше, как показывают наши исследования, тенденция, скорее всего, будет активно развиваться. Аналитики будут все больше времени посвящать операционным вопросам, а не только выяснять, сколько денег уходит на обучение сотрудников и какова в организации текучесть кадров, — эту информацию легко получить с помощью покупных облачных технологий. Данные о людях будут все чаще применять для оптимизации работы компании.

Каковы основные инструменты HR-аналитики?

Если честно, основной — это Excel. Многие организации пользуются стандартными статистическими инструментами, дополняя ими свою HR-систему. Сегодня ведущие софтверные компании вроде SAP, Oracle, Workday встраивают в свои продукты движки или ПО для выполнения аналитических задач. А молодые и быстрорастущие фирмы, такие как VISaer, Tableau, Click, производят для этого отдельные программные инструменты. Но ни одна из этих компаний пока не лидирует: рынок только формируется и кажется очень раздробленным.

Что вы думаете о перспективах этого рынка?

Пока он нишевой. У всех организаций свои проблемы и задачи: у одних — низкое качество данных, так что им надо вплотную заниматься управлением данными; другие очень быстро растут, и им нужно сосредоточиться на привлечении персонала; третьи — выросли настолько, что им приходится усовершенствовать организационную структуру и культуру. Диапазон проблем, которые решаются с помощью аналитики, очень широк, так что об универсальных инструментах речь пока не идет.

Когда HR-аналитика стала доминирующим трендом и почему?

Анализ данных стал особенно популярным 4—5 лет назад и с тех пор с каждым годом становится все более востребованным. Я бы сказал, что этот тренд совпал с активным внедрением интегрированных систем управления персоналом и облачного программного обеспечения для управления кадрами. Конечно, сама идея не нова — новизна в том, что HR-аналитика перестала быть делом бэк-офиса и вошла в активный арсенал директоров по персоналу. Со временем, мне кажется, HR-аналитика превратится в бизнес-аналитику с использованием данных о персонале.

Какие данные, связанные с людьми, могут использовать компании?

Источников много: это системы управления кадрами, найма и учета персонала, системы расчета и выплаты зарплаты, компенсаций и льгот, системы обучения и т. д. Все они содержат необходимую информацию — не только, например, о вовлеченности персонала, но и о его здоровье и благополучии. Более того, сегодня компании начинают собирать данные даже о трафике электронной почты сотрудников, о том, сколько времени они проводят на совещаниях, какое у них расписание командировок, в каком городе они находятся в тот или иной момент (фиксируется геолокация телефона) и т. д. Организация может использовать самые, казалось бы, незначительные сведения о персонале, которыми она располагает.

В одной из статей вы писали, что полезными могут быть данные из социальных сетей — статусы, чекины, комментарии. Как это соотносится с представлениями о неприкосновенности частной жизни?

Действительно, компании все чаще собирают и анализируют подобную информацию, и это представляет определенную проблему. Я убежден, что организациям следует заранее предупреждать сотрудников о своих действиях. Ведь обычно люди об этом даже не подозревают. Например, многие не понимают, что все электронные сообщения, отправляемые с рабочей почты, — это служебная переписка, принадлежащая компании (по крайней мере, в США). Работодатель, сделав соответствующее предупреждение, может проследить, когда вы послали мейл, кому, что в нем написали и т. д. Сотрудники должны знать, какие именно данные о них собирают.

С какой целью компании могут следить за электронной почтой?

Никто не ставит перед собой задачи завладеть личной информацией сотрудников. Это делается, чтобы повышать производительность труда, выявлять схемы мошенничества, случаи воровства и т. д. Руководитель должен все это объяснить людям. Кстати, сейчас многие производители выпускают специальные программы. Скажем, Outlook, один из самых распространенных почтовых клиентов, встроил в свое приложение инструмент (не бесплатный, но относительно недорогой), позволяющий отслеживать и анализировать характер трафика электронной почты, особенности расписания совещаний и т. д.

Какие задачи чаще всего ставят перед HR-аналитиками?

Какой вклад они могут внести в оптимизацию работы компании? Самое важное, я думаю, — понять, как выполняется работа. Проведя анализ организационных сетей, например, можно увидеть, кто с кем общается в рамках проекта, команды или подразделения, как часто и т. д., и понять, какие сотрудники или группы сотрудников связаны друг с другом наиболее тесно. Это значимые показатели для менеджеров по персоналу.

Вторая задача очень простая — анализ текучести кадров. Кто уходит из компании? Что известно об этих людях? Где они работают, над чем? Какие у них отношения с руководством? Какие проекты они выполняли, как выглядел их карьерный путь? Этот анализ позволяет понять, почему люди увольняются. Он очень важен для организаций, обеспокоенных оттоком лучших сотрудников.

Третья задача — диаметрально противоположная: анализ кадрового состава компании. Необходимо понять, кто лучше всех работает, и собрать об этих людях все сведения, чтобы в дальнейшем находить и нанимать персонал с подобными характеристиками. И еще одна в чем-то схожая задача — определить, кто наиболее успешен на руководящих должностях. Систематизировав полученные данные, можно точнее оценивать претендентов на лидерские позиции.

Какие ресурсы необходимы компаниям, чтобы внедрить и наиболее полно использовать инструменты HR-аналитики?

Во-первых, нужны ИТ-специалисты, которые налаживали бы информационную инфраструктуру — так, чтобы в организации был единый источник данных. Во-вторых — грамотный руководитель, который рулил бы всем процессом и собрал бы сплоченную команду. В задачи этой команды должна входить разработка стандартов для специалистов по кадрам и сотрудников других отделов, которые будут иметь дело с HR-аналитикой, а также создание инструментов, позволяющих людям из разных подразделений пользоваться данными. В-третьих, нужна еще и междисциплинарная команда, состоящая из аналитиков, специалистов по визуализации, сотрудников, которые могут выступать в роли консультантов. То есть требуются люди, не только способные работать над проектами, интересными лично им, но и готовыми аналитическими методами решать проблемы, стоящие перед компанией.

В каких случаях могут возникнуть проблемы с внедрением или использованием HR-аналитики?

Проблемы в основном возникают у организаций, которые относятся к HR-аналитике как к сугубо техническому мероприятию, не понимая, насколько она важна для всего бизнеса. Если, думая об HR-аналитике, вы представляете себе горстку специалистов, которые сидят в углу отдела кадров и что-то там анализируют, вы многого не добьетесь. Если у вас в компании всего пара статистиков и они заняты от силы двумя проектами (нередко — совершенно бессмысленными), то вам нужно серьезно задуматься. Не спорю, некоторые из этих проектов приносят определенную пользу, но масштабировать их невозможно.

В организациях, которые умеют хорошо анализировать маркетинговые данные, информацию о продажах, о потребительском поведении и т.д., обычно есть большие команды и необходимая инфраструктура, чтобы изучать и сопоставлять все данные. В таких компаниях результаты анализа доступны всем сотрудникам, и люди активно их применяют. Постепенно у них появляется возможность использовать данные практически в реальном времени — и они начинают очень быстро принимать решения по самым разным проблемам. Подобных компаний пока очень мало, но многие движутся в этом направлении.

Перехитрить искусственный интеллект

Чтобы не пасть жертвой ширящейся автоматизации, стоит освоить своеобразный «степ-данс».

Томас Дейвенпорт, Джулия Кирби

Ж

ительница Флориды Ю-Мей Хатт, прочитав о свежем исследовании Оксфордского университета о перспективах автоматизации и замещения человека роботами, написала: «Мысль о том, что половина рабочих мест может исчезнуть, заставила меня по-иному взглянуть на будущее моих детей». И это слова не просто матери, но и главы компании. Ю-Мей ведет блог о новых технологиях и хорошо знает, что компьютеризация приносит в нашу жизнь много полезного и приятного, но ее волнуют издержки процесса. «Смогут ли мои дети соперничать с искусственным разумом? А как им конкурировать за все сокращающиеся места с более опытными специалистами?».

Людей все больше тревожат подобные вопросы — и на это есть основания. Если не удастся создать столько новых рабочих мест, сколько отнимут роботы, не избежать печальных последствий массовой безработицы: от экономического спада и отсутствия карьерных перспектив у молодежи до личных трагедий. Под угрозой окажутся и те, кто занят умственным трудом: их реальным конкурентом становится искусственный интеллект (см. врезку «Три эпохи автоматизации»). Под умственным трудом мы подразумеваем деятельность, больше связанную с интеллектуальной нагрузкой, чем с физической, в ходе которой человек должен принимать обоснованные решения и которая, как правило, предполагает наличие высшего образования. В нынешней зрелой экономике доля работников умственного труда очень велика: по мере того, как машины брали на себя все новые и новые задачи, не требующие больших интеллектуальных затрат, людям ничего не оставалось, кроме как уходить в сферу умственной работы. Однако уже в ближайшем будущем, по мнению аналитика Найджела Рейнера из Gartner, «многое из того, что сегодня делают руководители высшего звена, будут делать машины».

Однако нельзя ли взглянуть на проблему под другим углом? Не спрашивать себя, что еще дешевле и быстрее поручить роботу, а понять, какие новые задачи сможет решать человек, если ему придут на помощь более умные машины. Не считать экономику игрой с нулевой суммой, где машины отнимают у людей рабочие места, а представлять себе континуум новых задач. Тогда вместо угрозы автоматизации мы узрим возможности аугментации (наращивания).

Есть множество примеров того, что работники умственного труда с помощью умных машин выполняют задачи, которые были бы не под силу ни тем, ни другим по отдельности. Когда машины вмешиваются в работу, они выбирают разные стратегии. Обычно считается, что единственный способ предотвратить угрозу того, что твою работу отберет автомат — получить самое лучшее образование, но это не совсем так. На деле есть пять разных способов справиться с проблемой.

ЧТО ТАКОЕ АУГМЕНТАЦИЯ?

Ученый-экономист Дэвид Отор из MIT, наблюдающий за тем, как автоматизация влияет на рынок труда, полагает, что «пресса и эксперты чрезмерно раздувают проблему замещения людей роботами и не видят, какие огромные перспективы сулит сочетание возможностей человека и машины. Это повышение производительности труда, рост доходов, увеличение спроса на высококвалифицированный труд. Машина вряд ли сможет выполнить задание, требующее гибкости, оценочного мнения или здравого смысла». Отор пишет далее: «Работу, которую не в состоянии выполнить машина, как правило, можно сделать лучше с ее помощью».

Поиск путей для плодотворного сотрудничества человека и машины и составляет суть того, что мы называем аугментацией. Это в корне отличается от обычной стратегии автоматизации, которую обычно понимают так: очертим круг выполняемых людьми операций, и все, что можно алгоритмизировать, передадим компьютеру. Так люди хотят сократить затраты, но на деле загоняют себя в колею текущих задач и видов деятельности.

Принцип аугментации, напротив, исходит из того, что анализ работы, которую мы делаем сейчас, — отправная точка для поиска ее улучшения и расширения, а вовсе не сужения. Многие уже поняли это. К примеру, Камиль Никита, CEO компании Gongos из Детройта, занимающейся исследованиями рынка. Считается, что с появлением мощных средств автоматической обработки данных работы у фирм ее отрасли значительно поубавится. Никита согласна, что «большие данные» открывают много нового. При этом, однако, специалисты могут пойти вглубь, чтобы раскрыть «контекст и человеческий аспект картины, стоящей за большими данными, а также ответить на вопрос “почему это так”». Иными словами, не просто выдавать аналитику, а синтезировать полученные о рынке знания и объяснять клиенту их смысл, чтобы он мог принять информированное решение. К счастью, компьютер этого делать не умеет.

По мнению Никиты (в этом и есть «символ веры» аугментации), умные машины не выталкивают людей с рынка труда. Напротив, при определенных обстоятельствах они позволят нам браться за такие задачи, о которых мы бы раньше не могли и мечтать. Или это могут быть задачи, в корне отличающиеся от тех, с которыми справляются машины. И в том, и в другом случае это виды деятельности, плохо поддающиеся формализации и алгоритмизации.

ИДЕЯ КОРОТКО

УГРОЗА

 

Машины давно вытесняют человека с рынка труда, и он ищет себе место на еще не занятых роботами территориях. Сегодня с развитием искусственного интеллекта этот вопрос стоит остро, как никогда: не останутся ли вообще без работы многие профессионалы?

СМОТРИМ НА ПРОБЛЕМУ С ДРУГОЙ СТОРОНЫ

Если компьютеры будут неуклонно брать на себя все больше и больше из того, что делают высококвалифицированные специалисты, то скоро образованные люди окажутся не у дел. Однако, если посмотреть на роль машин с позиций аугментации или наращивания возможностей с помощью компьютера, мы сможем не просто выжить на рынке труда, но и достичь высот, которые нам и не снились.

5 ШАГОВ

 

Кто-то из работников умственного труда сможет сделать «шаг вверх», поднявшись на ступеньку выше в познании. Кто-то сделает «шаг в сторону» и займется тем, что компьютеру не под силу. Кого-то выручит «шаг внутрь», и он будет следить за работой компьютера и корректировать ее. Иные перейдут на более «узкий шаг», уйдя в очень узкую специализацию, и, наконец, кто-то сможет сделать «шаг вперед», работая над созданием машин нового поколения.

 

5 СПОСОБОВ СДЕЛАТЬ УСПЕШНУЮ КАРЬЕРУ В МИРЕ БУДУЩЕГО

КАКОВА БЫ НИ БЫЛА ВАША СПЕЦИАЛЬНОСТЬ, ВЫ МОЖЕТЕ НАЙТИ СВОЙ СПОСОБ СОТРУДНИЧЕСТВА С КОМПЬЮТЕРОМ. ВОЗЬМЕМ В КАЧЕСТВЕ ПРИМЕРА ОБЛАСТЬ МАРКЕТИНГА

 

КАК СОЗДАЕТСЯ ДОБАВЛЕННАЯ СТОИМОСТЬ

ПРИМЕР

ЧТО ДЛЯ ЭТОГО НУЖНО

ШАГ ВВЕРХ

У вас есть шанс стать руководителем высшего звена, ведь вы не в пример компьютеру способны мыслить масштабно.

Работа бренд-менеджера — координировать все действия компании на рынке для успешного позиционирования бренда.

Получите степень МВА или PhD, о которой давно мечтаете, и постоянно расширяйте свой профессиональный кругозор

ШАГ В СТОРОНУ

У вас есть что предложить помимо рационального мышления. Интуиция или художественный вкус не подвластны компьютеру

Только креативный сотрудник может интуитивно понять, чем заинтересовать продвинутого и искушенного клиента

Развивайте свой многогранный («множественный») интеллект и старайтесь набираться опыта у признанных экспертов.

ШАГ ВНУТРЬ

Вы разбираетесь в работе компьютера и следите за ней, а при необходимости ее корректируете.

Специалист по ценообразованию с помощью компьютера ежедневно отслеживает и корректирует цены на товары

Овладейте одной из точных наук и постоянно повышайте свой профессиональный уровень в этой сфере.

УЖЕ ШАГ!

Вы специализируетесь в узкой области, где применение компьютера хоть в принципе и возможно, но экономически неоправданно.

Специалист по рекламе может предложить уникальные решения, в которых будут задействованы разнообразные носители.

Найдите себе узкоспециализированную нишу и отдавайтесь работе со всей страстью.

ШАГ ВПЕРЕД

Вы разрабатываете новое поколение машин и приложений, чаще всего по заказу производителя

Цифровой гуру использует данные, чтобы оптимизировать затраты на рекламу в кабельных сетях.

Будьте в курсе последних компьютерных технологий, искусственного интеллекта и аналитики. Учитесь находить новые сферы автоматизации

 

Мы хотели бы предложить всем, и работникам, и работодателям, в корне пересмотреть подход и вместо автоматизации начать думать в терминах аугментации. Тогда изменятся и способ управления организацией, и пути достижения успеха в работе каждого человека, а специалисты начнут видеть в умных машинах союзников в решении творческих задач.

ПЯТЬ ШАГОВ

Представим себе, что развитие компьютерных технологий может в ближайшее время напрямую затронуть вашу профессию. Более того, скоро появится программа, способная выполнять большинство сложных интеллектуальных операций, а также принимать решения, практически ничем не хуже (а то и лучше) тех, что принимает 90% людей на вашей должности. Что делать, чтобы не потерять работу? Вот пять способов предложить вашему работодателю нечто новое, по-иному выстроив свои отношения с компьютером.

Шаг вверх. Один из лучших способов уцелеть на будущем рынке труда — встать на ступеньку выше машины, взяв на себя более сложные интеллектуальные задачи. Это могут сделать люди, способные, в отличие от компьютера, увидеть за деревьями лес и подняться на более высокий уровень абстракции. В принципе это ничем не отличается от традиционного рецепта против «угрозы» автоматизации: пусть машина делает то, что ниже нас, а мы сами займемся более содержательной работой.

Нивен Нараин, занимающийся научными исследованиями в онкологии, приводит замечательный пример. В 2005 году он стал сооснователем компании Berg. Целью этого массачусетского стартапа было использование искусственного интеллекта для создания новых лекарств. Для анализа образцов крови и тканей он использовал мощные масс-спектрометры, день и ночь выдававшие триллионы данных, и мощные компьютеры, выявляющие паттерны, которые, возможно, сигнализируют о воздействии на клетки определенных молекул.

«Сегодня было бы глупо поручать подобный анализ сотне биохимиков, чтобы в итоге услышать нечто вроде: “Пожалуй, эта структура перспективна…” — заметил Нараин в интервью в марте 2015 года. И все же у него в лаборатории трудятся более ста представителей этой профессии. Они не корпят над цифрами и не делают туманных предположений относительно потенциала той или иной молекулы. Они вступают в игру, когда компьютер выполнил свою работу и нужно проверить, верна ли предложенная искусственным разумом гипотеза или нет.

В конкуренции с умными машинами Нараин поднялся на ступеньку выше, выйдя на новый уровень разработки новых лекарственных препаратов. Для этого ему потребовался солидный опыт, знания и, главное, понимание того, как мир меняется. А хедж-фонды и инвестбанкиры Уолл-стрит зарабатывают состояния, если могут подняться над электронными торгами и автоматическим управлением портфелем.

Если и вы решите пойти по этому пути, вам, скорее всего, придется долго учиться, и без диплома магистра или PhD скорее всего не обойтись. С первого дня работы в компании, чтобы быть на хорошем счету, вы должны проявлять любознательность и способность к творчеству. Нужно стремиться на самый верх и не упускать возможности сделать шаг в этом направлении. К примеру, Барни Харфорд, СЕО компании Orbitz, которая радикально сократила число «интеллектуальных» рабочих мест, по его собственному признанию, подбирая людей на оставшиеся должности, ищет кандидатов, обладающих глубокими знаниями в своей области и в то же время отличающихся широким кругозором и неподдельным интересом к тому, чем занимается компания и как она устроена.

И это отличный совет всем, кто хочет подняться на ступеньку выше. Ключевым здесь становится синтез человека и машины; поручите ей всю «черную» умственную работу, но при этом будьте в курсе того, как именно она ее выполняет. Сам Харфорд применил «машинное обучение» при разработке алгоритма, позволяющего оптимально спланировать путешествие для каждого клиента.

Шаг в сторону. Первый способ подойдет далеко не всем. Однако есть еще множество видов не менее важной умственной работы, которую нельзя описать с помощью алгоритма. Поэтому второй путь — это, так сказать, пойти в сторону, то есть использовать не только возможности своего рационального мышления, но и навыки общения, понимание людей и главное — осознание своих интересов и целей и учет собственных сильных сторон.

Легендарный тренер Д. Уэйн Лукас не может объяснить, как ему удается разглядеть талант в годовалом ребенке. Он просто это умеет. Знаменитый дизайнер Apple Джонатан Айв не может привить свой художественный вкус компьютеру. Комик Рикки Джервейс заставляет людей смеяться над шутками, до каких искусственный интеллект бы в жизни не додумался. Пользуются ли они при этом компьютером? Конечно! Однако их гениальность в том, что они сумели обнаружить у себя особенный талант его использовать. А компьютеры просто экономят их время и силы.

Не стоит думать, что «второй путь» — лишь для художественных и артистических натур. Скажем, ведущие специалисты или партнеры юридических фирм — это вовсе не самые опытные крючкотворы. Их талант — в умении заключать крупные выгодные сделки и давать мудрые советы клиентам. И чем больше механической работы сделает компьютер, тем больше времени будет у них на выполнение своей основной миссии. То же можно сказать и об инвестиционных банкирах, бизнес- консультантах и т.п.

Возьмем еще сферу социальных услуг для престарелых. Производители роботов считают ее одной из самых перспективных для их отрасли, ведь, по мнению многих, это механическая работа, не требующая особого ума. Но для нее нужно особое качество — принимать старого, немощного, зачастую физически и интеллектуально беспомощного человеком таким, какой он есть, не судя и не укоряя его за промахи, а лишь стараясь помочь. Разве сможет машина заменить человеческое тепло и участие? В хосписе сочувствие — абсолютно незаменимое качество.

Способность к душевной поддержке, терпение и понимание людей пригодятся и в любой другой работе. И если вы считаете, что именно этот путь подходит вам больше всего, научитесь ценить свои неформальные достижения, а не только те, за которые вам ставили отметки в школе. Развивайте и демонстрируйте эмоциональный интеллект, ведь научиться можно и тонким духовным материям, а не только математике.

Шаг внутрь. В 1967 году, увидев первые попытки передать некоторые интеллектуальные функции компьютеру, Питер Друкер воскликнул: «Да это полный дебил!». Сегодня компьютеры уже нельзя назвать дебилами, однако очень часто результаты их работы нуждаются в доводке силами человека.

Широко известен случай, когда человек, поменяв место работы, обратился в свой банк с просьбой о рефинансировании ипотечного кредита и ему отказали, невзирая на то, что до этого момента он 8 лет был на госслужбе, а перед этим 20 лет профессорствовал в университетах. Умный компьютер посчитал недавний переход слишком серьезным фактором риска: хотя уровень ожидаемых доходов вполне соответствовал установленному банком порогу, новая работа в большей степени была подвержена неопределенности. Возможно, банковская автоматическая система была не слишком умна, ведь заявку подал не кто иной, как Бен Бернанке, бывший председатель Федерального резерва США. Он собирался заняться чтением лекций и только что подписал контракт на $1 млн. Этот пример доказывает, что любая компьютерная оценка нуждается в корректировке на основе знаний о мире, доступных человеку.

Если вы способны анализировать и изменять решения компьютера — этот путь для вас. Опытный консультант по налогам может уберечь клиента от дорогостоящих ошибок, весьма вероятных при заполнении налоговой декларации с помощью компьютерной программы. Какими бы совершенными ни были системы электронного маркетинга, только опытный специалист способен предостеречь компанию от потенциально опасного для бренда рекламного шага или скорректировать программу продвижения.

ТРИ ЭПОХИ АВТОМАТИЗАЦИИ

УГРОЗА, ИСХОДЯЩАЯ ОТ УМНЫХ МАШИН, КАЖЕТСЯ ВСЕ СИЛЬНЕЕ, И ДЛЯ ЭТОГО ЕСТЬ ВПОЛНЕ ОБЪЯСНИМЫЕ ПРИЧИНЫ. ПО МЕРЕ ТОГО, КАК ВСЕ БОЛЬШЕ ВАЖНЫХ РЕШЕНИЙ БЕРУТ НА СЕБЯ КОМПЬЮТЕРЫ, НА РЫНКЕ ТРУДА ЧЕЛОВЕКУ ОСТАЕТСЯ ВСЕ МЕНЬШЕ МЕСТА.

ПЕРВАЯ ЭПОХА

ВТОРАЯ ЭПОХА

ТРЕТЬЯ ЭПОХА

Первые промышленные станки избавляют человека от самого тяжелого, грязного и опасного ручного труда.

Автоматические системы берут на себя рутинную работу — от бронирования авиабилетов до предоставления услуг колл-центра.

Умные машины начинают принимать решения: от автоматического ценообразования для авиабилетов до когнитивных систем Watson, созданных IBM.

XIX ВЕК

XX ВЕК

XXI ВЕК

 

Вы спросите, в чем же тогда заключается аугментация? Кто кого дополняет в такой ситуации? Хочу еще раз подчеркнуть, что аугментация предполагает взаимную поддержку: человек призван следить, чтобы компьютер правильно выполнял свою работу, а затем вносить необходимые коррективы.

По мнению апологетов образования в области точных наук, будущий рынок труда будет представлен преимущественно позициями, предполагающими умение сделать этот самый «шаг внутрь», и подобная подготовка должна помочь людям найти свое место на этом рынке. Но, если вы выберете эту стратегию, понадобится развивать наблюдательность, умение объяснять и понимание человеческих отношений.

Уже шаг! Задумайтесь, что именно в вашей специальности трудно передать компьютеру — в силу экономической нецелесообразности. Недавно журналист газеты The Boston Globe решил выяснить, как живут наиболее крупные держатели франшизы пончиковой империи Dunkin’ Donuts. Один из них, Гари Джоял, обеспечил себе далеко не бедное существование (если судить по тому, что разъезжает он на шикарном «Роллс-ройсе») тем, что сводит потенциальных покупателей франшизы с продавцам. В этом ему помогают накопленные за долгие годы знания о самых разных аспектах деловой и частной жизни существующих и потенциальных клиентов и их финансовом положении. Эти знания обеспечивают ему прочное место в цепочке между предоставляющим и получающим франшизу. На его счету на $0,5 млрд сделок. Наверное, знания Джояла и можно было бы заложить в компьютер, однако в данном случае овчинка выделки явно не стоит — не те масштабы, чтобы тратиться на разработку программы.

Другой пример приводит журнал Johns Hopkins Magazine: некая француженка, Клер Бюстарре, сделала карьеру на том, что она лучше всех разбирается во всех тонкостях и разновидностях писчебумажной продукции, подобно тому, как хороший сомелье разбирается в вине. Буквально наощупь она может определить возраст и происхождение бумаги, что делает ее незаменимым экспертом для исторической атрибуции документов и произведений искусства. Наверное, и можно было бы попробовать записать ее знания в виде компьютерной программы, однако за то время, что на это уйдет, сама Клер наверняка пополнит их запас.

Таким образом, «сузить шаг» — значит найти свою нишу и глубоко в ней окопаться. Если того, кто делает «шаг вверх», можно сравнить с осматривающей поле лисой, то ограниченная полянка характерна для ежа. У большинства «ежей» прекрасное образование, но самые ценные знания они получили в ходе работы. Их характерная черта — целеустремленность.

Если и вы хотите примкнуть к этой когорте, начинайте создавать себе имя и репутацию человека, больше других знающего о каком-то узком предмете. Это не исключает разносторонности, однако в профессиональном плане вы должны сосредоточиться на чем-то одном. Может ли вам в вашей работе помочь компьютер? Пожалуй, он пригодится для ведения базы данных, а также для того, чтобы соотносить свои специальные знания и умения с тем, что делают другие люди.

Шаг вперед. В данном случае речь идет о разработке новых поколений компьютеров и других средств автоматизации. Истину, что за каждой более совершенной машиной стоит человек, да не один, никто не отменял. Ведь кто- то решает, имеет ли смысл вкладывать деньги в разработку ПО для оптимизации франшизных сделок Dunkin’ Donuts или дает зеленый свет инвестициям в проект создания автоматической системы для разработки новых онкологических препаратов. Целиком же эта цепочка выглядит так: сначала на интуитивном уровне понять, что появилась необходимость в более совершенном решении, затем — определить, в какой части это решение может быть автоматизировано, написать программу и задать условия ее применения. Для работы в этой сфере необходимы глубокие знания в сфере компьютеров, искусственного интеллекта и аналитики. Стив Лор в своей книге «Data-ism» («Информизм») приводит примеры: Ник Докузян, топ-менеджер винокуренной компании E. & J. Gallo Winery, и Хендрик Хаманн, сотрудник центра научных исследований компании IBM, объединились, чтобы придумать способ автоматизировать разработку индивидуального режима ухода за каждой виноградной лозой в зависимости от ее возраста, состояния и прочего. Это задача не из простых. Однако, обладая экспертными знаниями, каждый в своей области (один защитил докторскую по физиологии растений, другой — физик с огромным опытом применения сенсорных сетей), Докузян и Хаманн сумели с ней справиться. Для успеха в данном направлении одних только технических знаний, даже самых глубоких и широких, недостаточно: надо уметь видеть новую потребность в автоматизации и понять, как ее можно удовлетворить.

Если вы выберете этот путь, имейте в виду: вы должны мыслить нестандартно, видеть ограничения существующих систем и придумать принципиально новые инструменты. Возможно, настанет день, когда разрабатывать новые программы станут сами компьютеры и человека вытеснят и из этой ниши. Однако, по мнению Билла Гейтса, «пока программистам ничто не угрожает».

ЗА ЧТО РАБОТОДАТЕЛЬ ЛЮБИТ (ИЛИ ДОЛЖЕН ЛЮБИТЬ) АУГМЕНТАЦИЮ

Когда мы обсуждали эти вопросы с представителями разных профессий, от физиков, учителей и журналистов до финансовых консультантов, юристов и архитекторов, они признали, что все пять перечисленных шагов применимы в их сферах. Не каждый подойдет конкретному человеку, но найти тот, что годится именно тебе, всегда возможно. В стратегию аугментации пока еще верят не все. Мир по-прежнему находится в плену идеи автоматизации, и в глазах менеджера машина часто выигрывает по сравнению с человеком. Вспомнить хотя бы знаменитые слова Генри Форда: «Почему, когда мне нужна пара рук, я получаю еще и голову в придачу?».

Чтобы мир завоевала стратегия аугментации, каждый работодатель должен поверить в то, что человек и машина вместе лучше, чем каждый в отдельности. И это прозрение наступит тем раньше, чем быстрее бизнес поймет, что залогом его успеха является не экономия, а постоянные инновации. До сих пор работодатели смотрят на машину и человека как на взаимозаменяемые ресурсы — если одно обходится дороже, его меняют на другое. Однако подобный подход может быть оправдан только в статичной ситуации, когда завтра перед нами будут стоять все те же задачи, что сегодня. Ю-Мей Хатт сказала, что применение автоматических систем в ее небольшой компании (Golden Lighting, производитель электрооборудования для жилых помещений) дало очень неплохие результаты, но теперь креативность сотрудников еще важнее. Дизайнеры должны быть в курсе последних тенденций и в устройстве интерьера, и в светотехнике и предлагать инновационные решения, соединяя то и другое. Сейлзы используют CRM, однако в итоге их успех определяет умение правильно установить личный контакт с покупателем.

В эпоху инноваций главным фокусом должны стать не слабые, а сильные стороны человеческой породы. Люди всегда будут источником новых идей и того конкурентного преимущества, которое труднее всего копировать. Да, они несовершенны, могут быть эгоистичными, нечестными и лениться на работе. Да, учиться порой приходится заставлять из-под палки. И конечно же, роботы в подобных грехах не замечены. Однако стратегия аугментации позволит людям проявить все лучшее, что есть у них и только у них.

ЭСТАФЕТА ВМЕСТО ГОНКИ

Нет сомнений, что скоро многих работников умственного труда заменят роботы. Трудно, например, сказать, какова будет роль человека в финансовом консультировании, но вряд ли это будет рекомендация оптимального состава инвестиционного портфеля. «Наша работа все больше и больше зависит от компьютеров, да и мы сами стимулируем клиентов пользоваться нашими интернет-сервисами, — признался нам один финансовый консультант. — Боюсь, скоро нас совсем вытеснят». И все же в конце у него в глазах блеснул луч надежды: «Хотя вряд ли компьютеру когда-либо удастся убедить кого-нибудь инвестировать больше денег. Это под силу только человеку. Последнее время я все чаще чувствую себя скорее психологом, чем биржевым брокером».

Следуя принципу аугментации, мы можем избавиться от страха автоматизации и превратить гонку на выживание в эстафету. И в выигрыше будут те, кто ловчее будет передавать палочку — от человека к машине и обратно.

Томас Дейвенпорт (Thomas H. Davenport) — почетный профессор в колледже Бэбсона, научный сотрудник Центра цифровых бизнес-технологий MIT и старший советник Deloitte Analytics. Джулия Кирби (Julia Kirby) — старший редактор HBR. В данный момент они вместе работают над книгой, посвященной проблемам автоматизации умственного труда.

К увольнению готовы

Сергей Холкин

Н

ежелательная текучесть кадров (то есть непрогнозируемые увольнения по собственному желанию) — острая проблема для всех индустрий от торговли до ИТ. На квалифицированных специалистов идет настоящая охота, а полная стоимость замены работника может составлять до 400% от его годового дохода. Особенно дорого обходится потеря недавно нанятых и наиболее эффективных сотрудников, а также работников с высоким потенциалом или уникальным набором знаний.

Обычно между моментом принятия решения об увольнении и увольнением проходит какое-то время (как правило, два-три месяца). В этот период с сотрудником, попавшим в зону риска, еще можно работать, то есть влиять на его решение.

Помочь отследить этот важный момент может предиктивная аналитика, в частности, прогнозирование увольнений работников на основе цифровой самообучающейся модели. Прогнозирование становится возможным с накоплением большого количества данных об однородной группе персонала и использованием технологий машинного обучения.

Задача по прогнозированию увольнений схожа с другими задачами из области предиктивной аналитики — прогнозированием оттока клиентов или неисправностей в работе оборудования. Вот шесть рекомендаций, которые помогут вам начать работу с цифровым прогнозированием увольнений.

Не теряйте данные об уволившихся и собиравшихся уволиться. Важно вести подробные профили таких специалистов (с описанием причин увольнения и событий, им предшествовавших, в том числе на основе интервью с их коллегами), а также профили тех, кто намеревался уволиться, но не уволился.

Сравнение профилей тех, кто уволился, с профилями тех, кто работает, позволяет выявить похожих на них (по своим социально-демографическим и производственным характеристикам) действующих сотрудников и обратить на них пристальное внимание. А профили тех, кто хотел уволиться, но решил остаться, дадут возможность выработать рекомендации для HR по удержанию сотрудников, оказавшихся в зоне риска.

Наладьте систему сбора данных о сотрудниках. Основное сырье для предиктивных моделей — данные. Кроме основных HR-систем, в которых хранятся все данные о сотрудниках (от персональных данных до информации об обучении и вознаграждениях), обратите внимание на источники, не связанные напрямую c HR-функцией. Это могут быть системы управления финансами, хранящие данные о финансовом состоянии бизнес-подразделений, CRM, электронная почта, системы управления доступом в офис. Чем разнообразнее источники, тем точнее предсказательная способность модели.

Для старта аналитики необходимо, чтобы данные из этих систем были доступны за значительный период (два-три года). Принципиально важно и качество данных: собирайте их из месяца в месяц и регулярно проверяйте их консистентность (согласованность, целостность, внутреннюю непротиворечивость). Много непроверенных данных, собранных в системе, не дадут возможности вырабатывать работающие модели.

Сформулируйте гипотезы о причинах и симптомах увольнений. Первоначальные вводные для предиктивной модели можно сформулировать так.

1. Между решением сотрудника об увольнении и самим увольнением обычно проходит два-три месяца.

2. У сотрудников на момент принятия решения об уходе из компании прослеживаются общие черты, паттерны в поведении.

Пример из нашей практики. Крупная международная ИТ-компания была обеспокоена проблемой нежелательных увольнений ключевых специалистов. Первый этап работы по прогнозированию увольнений был построен следующим образом. С нашей помощью HR-менеджеры сформулировали первоначальные гипотезы о причинах и симптомах увольнений (на основе экспертного опыта и результатов интервью с HR и руководителями бизнес-подразделений). Для проверки гипотез все работники компании были поделены на несколько фокус-групп по основным специальностям: разработчики, архитекторы систем, тестировщики, аналитики. Каждую гипотезу проверили по базам уволившихся, тех, кто намеревался уволиться, но не ушел, а также тех, кто подает заявление об уходе. В результате появился список гипотез увольнений, который постоянно дополнялся, уточнялся и перепроверялся. По аналогичной схеме нужно действовать и в других отраслях.

Дифференцируйте симптомы и причины увольнений при формировании гипотез. События, после которых происходит увольнение, — это не всегда их причина. Во многих случаях они лишь симптом подготовки к увольнению. При этом четкое знание симптомов помогает искать причины.

HR-специалисты одного из банков обратили внимание на исследование аналитической организации, в котором утверждалось, что после летнего отпуска у многих сотрудников появляется желание сменить место работы. (Причем речь шла, о «белых» компаниях, где нет необходимости перед увольнением отгуливать отпуск, чтобы потом не было проблем с получением отпускных.)

Однако анализ данных по увольнениям показал, что работник намеревался уволиться, но пришел к этому решению до отпуска, либо брал отпуск, чтобы посвятить время обучению и поиску новой работы. Дополнительные интервью показали, что во многих случаях взятие отпусков было связано с подготовкой к увольнению — то есть являлось его симптомом. Выявление этой закономерности позволило сформулировать новую гипотезу: перед увольнением сотрудники чаще ходят в отпуск и продолжительность отпуска дольше.

Другой пример. FMCG-компания с широкой региональной сетью сталкивалась с нежелательными увольнениями менеджеров по привлечению поставщиков. Сотрудники уходили к конкурентам без видимых причин на аналогичные зарплаты.

Ответ дал анализ данных по статистике увольнений. Оказалось, что большинство увольнений приходилось на сотрудников небольших офисов в регионах России (в которых работает не больше четырех человек), а кураторы продаж работали удаленно в региональных центрах.

Это было симптомом увольнений. Причина же состояла в том, что эти менеджеры по продажам во многом были предоставлены сами себе, вынуждены были решать многочисленные проблемы без оперативного общения с руководителем, часто не имея необходимых ресурсов. План продаж устанавливался в зависимости от численности населения на определенной территории, но без учета плотности населения и количества ресурсов, необходимых для ее охвата. Подобное непонимание географических особенностей и приводило к нежелательной текучести.

В компании изменили нормативы выработки в отдельных регионах, установили новые регламенты коммуникации с руководством и функциональными службами, изменили структуру региональных офисов, и нежелательная текучесть заметно сократилась.

Выделите конкретные факторы нежелательных увольнений и их опасные сочетания. Фактор — характеристика, которая точно связана с увольнением и может выступать в качестве ее причины.

Например, сотрудники чаще увольняются из бизнес-юнитов, численность которых падает. Это и есть фактор нежелательного увольнения. Возможно, причина увольнения сотрудников в том, что компания постепенно сокращает это бизнес- направление и сотрудник знает, что новых интересных проектов с его специализацией в компании больше не будет.

В ИТ-компании из примера выше выявили шесть факторов увольнения программистов:

  1. сотрудник брал больше дней отпуска, чем в среднем за последний год;
  2. количество проектов у сотрудника снизилось по сравнению со средним за год;
  3. средняя численность бизнес-юнита сократилась в сравнении со средней численностью за год;
  4. расходы на командировки в бизнес-юните превысили средние расходы на командировки в других бизнес-юнитах, где работают коллеги с аналогичными специализациями, позицией и городом;
  5. среднее рабочее время увеличилось по сравнению со средним за последний год;
  6. совокупный доход сотрудника в последние три месяца уменьшился по сравнению со средним доходом за год.
     

По нашему опыту очень редко можно выделить несколько «сильных» факторов, которые объясняют большую часть увольнений. Как правило, значимых факторов много и они «играют» в комбинации друг с другом. Вот пример по одному сотруднику.

  • В последние три месяца средняя численность бизнес-юнита, в котором он работает, сократилась в сравнении со средней численностью за год.
  • Одновременно среднее рабочее время сотрудника в последние три месяца больше, чем в среднем за последний год.
  • Кроме того, сотрудник работает в текущей позиции дольше, чем в среднем его коллеги с аналогичными ролью, специализацией и в том же городе.
  • Вместе с тем совокупный доход сотрудника ниже, чем доход сотрудников в аналогичной роли и городе.
  • Доход сотрудника не менялся в последние три месяца.
  • Кроме того, количество вакансий, открытых внутри компании, с ролью и специализацией сотрудника меньше, чем для других ролей и специализаций.
     

Разумеется, такой список не нечто раз и навсегда данное: список факторов должен корректироваться и дополняться с каждой новой итерацией выработки и проверки гипотез. Отметим, что для каждой компании характерна своя симптоматика увольнений и набор факторов, которые влияют на решение сотрудника покинуть компанию.

Сформируйте стратегию профилактики нежелательных увольнений и предложите HR-специалистам варианты решений. Результат работы предиктивной модели — индивидуальный прогноз для каждого сотрудника (вероятность того, что сотрудник уволится по собственной инициативе на горизонте, например, трех месяцев), а также выявление ключевых факторов нежелательной текучести персонала.

В ИТ-компании из первого кейса предиктивная аналитика помогает достаточно точно выявлять типичные профили увольняющихся и их паттернов поведения, а также добиться качества прогноза с точностью до 0,8, где 0,5 — это результат «случайного гадания», а 1,0 — «точное попадание». Благодаря самообучению такие предиктивные модели учатся распознавать симптомы все лучше и лучше. В компании из кейса модель применяется полгода, и уже сейчас эффект от ее применения выразился в снижении нежелательной текучести квалифицированных специалистов почти на 50%.

В сочетании с другими элементами системы управления текучестью персонала использование предиктивной модели дало возможность достигнуть экономического эффекта в приросте EBITDA на 5% по компании.

Использование предиктивных моделей помогает скорректировать HR-стратегию компании, принимать управленческие решения не только на основе экспертного мнения, но и на основе данных, а также сосредоточить усилия по мотивации и удержанию на узкой группе работников с высоким риском увольнения. С помощью собранной информации можно принимать и дальнейшие решения о том, стоит ли удерживать каждого конкретного сотрудника. Достаточно лишь проанализировать его эффективность.

Сергей Холкин — директор программ аналитики дивизиона HR-сервисов компании IBS.

Работа будущего: исчезнет ли средний класс?

Продукции производится все больше, но на доходах трудящихся это не отражается.

Эрик Бриньолфссон, Эндрю Макафи

М

ашины, похоже, могут делать абсолютно все то же, что делают люди. Автомобили начинают даже сами себя водить. Что это означает для бизнеса и рынка труда? Останется ли для людей хоть какая-нибудь работа? Возьмут ли на себя машины только труд, не требующий высокой квалификации, или они будут выполнять и функции специалистов высокого уровня? Если человек и машина будут работать бок о бок, то кому принимать решения? Вот лишь некоторые из вопросов, которые встают перед компаниями, отраслями и экономиками по мере того, как цифровые технологии преображают бизнес.

Научно-технический прогресс делает мир лучше, но и порождает новые проблемы. Так считают Эрик Бриньольфссон и Эндрю Макафи из Школы управления Слоуна Массачусетского технологического института, которые много лет изучают влияние новых технологий на экономику. Их последняя книга — «The Second Machine Age: Work, Progress and Prosperity in a Time of Brilliant Technologies» — свидетельствует о том, что они с оптимизмом смотрят в наше высокотехнологичное завтра. Книга вышла в 2014 году. С тех пор эти ученые исследуют проблему, масштаб которой поражает даже их: почему цифровые инновации стали одной из причин стагнации среднего дохода американцев и исчезновения очень многих должностей со средним уровнем зарплаты.

В этом интервью, которое они дали редакторам HBR Эми Бернштейн и Ананду Раману, Бриньольфссон и Макафи объясняют, что хотя цифровые технологии и помогут экономикам быстрее расти, кто-то выиграет от этого больше, кто-то — куда меньше; самые последние научные данные это уже подтверждают. Благодаря цифровым технологиям появляется больше рынков, на которых «победитель получает все», — в этом отличие нашего времени от эпохи промышленной революции. Кроме того, Бриньольфссон и Макафи считают, что, несмотря на стремительное развитие технологий, темпы роста бизнеса замедляются, а власти, по их мнению, не умеют адекватно реагировать на это. Вывод их заключается в том, что, хотя будущего знать никому не дано, сейчас уже пора серьезно заняться негативными для экономики последствиями новых технологий.

HBR: В вашем недавнем исследовании цифровые технологии рассматриваются как двигатель прогресса. Но позже вы говорили о побочных эффектах. Какие вас особенно настораживают?

МАКАФИ: Давайте сразу уточним: для интеллектуального труда цифровые технологии то же самое, что для ручного — паровой двигатель и другие машины в эпоху промышленной революции. Благодаря им быстро расширяются наши возможности и перед нами с небывалой скоростью открывают новые горизонты. Это очень важно. Но непонятно, что именно из этого выйдет.

Паровой двигатель доводили до ума несколько десятилетий, пока наконец он не стал настолько эффективным, что началась промышленная революция. Точно так же нужно время, чтобы оттачивать цифровые технологии. Компьютеры и роботы будут совершенствоваться и невероятно быстро учиться выполнять все новые и новые функции. Вот почему человечество сейчас живет в переломный момент — стоит на пороге того, что мы называем второй машинной эрой.

ТРУДЯЩИЕСЯ ОТСТАЮТ

До 1980-х годов в США производительность труда, реальный ВВП на душу населения, занятость в частном секторе и медианный доход населения повышались. Затем производительность и ВВП продолжили свой рост, а медианный доход начал отставать. В 2000-х все меньше создается рабочих мест, и этот показатель лишь недавно снова начал расти.

Эта эра будет лучше первой по той простой причине, что благодаря цифровым технологиям мы сможем больше создавать — в здравоохранении, образовании, сфере досуга; мы сможем производить больше материальной продукции и предоставлять больше нужных нам услуг. И доступ к этому изобилию будет получать все больше и больше людей, и при этом мы не будем разбазаривать ресурсы планеты.

БРИНЬОЛЬФССОН: Но цифровые технологии породили некоторые опасные проблемы. Это естественно. На протяжении всей истории человечества экономическое развитие нередко сопровождалось неприятными последствиями. Скажем, первая промышленная революция создала огромные материальные блага, но тогда же началось много плохого: загрязнение окружающей среды, профессиональные болезни, эксплуатация детского труда.

Компьютеризация вызывает новые экономические потрясения. Отчасти это следствие того, что с увеличением мощности компьютеров компаниям становятся не нужны некоторые профессии. Технологический-то прогресс идет вперед, но кого- то — может быть, даже многих, он оставляет позади.

Перед другими же открываются самые радужные перспективы. Сейчас как никогда выгодно иметь техническое образование. Именно такие специалисты могут создавать и получать стоимость. А для обычных профессий сейчас не лучшее время: компьютеры и роботы стремительно осваивают многие основные виды работ.

МАКАФИ: Нет такого закона экономики, который гарантировал бы, что по мере того, как благодаря научно-техническому прогрессу растет благосостояние, каждый получит равную долю общего пирога. Цифровые технологии могут очень дешево воплощать ценные идеи, воспроизводить процессы и инновации. В результате общество получает изобилие, новаторы — богатство, но зато падает спрос на некоторые виды труда.

ПОДРЫВ ЦИКЛА ЭКОНОМИЧЕСКОГО ПРОЦВЕТАНИЯ

Судя по статистике, производительность растет, а доходы многих американцев застыли на прежнем уровне или даже сокращаются. Как вы это объясняете?

БРИНЬОЛЬФССОН: Давайте обратимся к четырем основным показателям здоровья экономики; это ВВП на душу населения, производительность труда, количество рабочих мест и медианный доход населения. Когда мы изучали соответствующие американские данные, мы обнаружили такую интересную вещь. После Второй мировой войны все четыре показателя больше 30 лет стабильно росли, причем почти с одинаковой скоростью. То есть количество рабочих мест и зарплата увеличивались так же, как производительность и объем выпускаемой продукции. Американские трудящиеся не только создавали больше материальных благ, но и получали пропорциональную долю дохода.

Однако в 1980-х рост медианного дохода населения стал затормаживаться. А за последние 15 лет вообще стал отрицательным. С поправкой на инфляцию американцы 50-го процентиля распределения доходов получают сейчас меньше, чем в 1998 году, даже если учесть, что изменился средний размер семьи. Рост количества рабочих мест в частном секторе тоже замедлился, и не только из-за кризиса 2008 года. Он был слабым и в 2000-х, когда экономика развивалась. Мы этот феномен называем Великим разделением. Две половины цикла экономического процветания уже не составляют единого целого: траектория экономического изобилия, которое отражается ВВП и производительностью труда, по-прежнему направлена вверх, траектория же дохода и перспектив трудоустройства для среднестатистического работника стала более пологой (см. график «Трудящиеся отстают»).

Такое с нами происходит впервые. Хотя машины последние 200 лет выполняли все больше и больше работы, а численность народонаселения быстро увеличивалась, фактически человеческий труд ценился все выше. Это видно по тому, что зарплата среднестатистического работника стабильно повышалась. Немудрено, что все поверили, будто технологии — благо для каждого. Но это не так, удача не выпадает всем автоматически. Все зависит от природы технологий и от того, как к ним адаптируются люди, организации и власти. Мы столкнулись с огромной проблемой.

А Великое разделение происходит только в США?

БРИНЬОЛЬФССОН: Нет, то же самое наблюдается в большинстве развитых стран. Скажем, в Швеции, Финляндии и Германии последние 30 лет усугубляется неравенство доходов, хотя и не так быстро, как в США.

Сам факт того, что средний класс размывается то в одной стране, то в другой, означает, что Великое разделение происходит не только из-за изменений в общественном договоре. У Германии, Швеции и США разные представления о капитализме, о том, как надо обращаться с людьми, и так далее. Мы не говорим, что от социальной политики ничего не зависит или что глобализация не играет никакой роли. Но складывается впечатление, будто на все эти страны воздействует какая-то сила. Она одна для всех, и это, на наш взгляд, не что иное, как технологии.

МАКАФИ: Один из способов оценить перспективы трудящихся — подсчитать, какая доля ВВП ежегодно выплачивается в виде зарплаты. В Америке эта доля ВВП много десятилетий не изменялась, но с 2000 года резко сократилась (см. врезку «Больше прибыль — меньше зарплата»). Между тем, перед последним экономическим кризисом прибыль организаций быстро росла и на удивление быстро восстановилась после него. Сейчас она самая высокая со времен Второй мировой войны.

В развивающемся мире перспективы трудящихся тоже ухудшаются. По данным недавнего научного исследования Лукаса Карабарбуниса и Брента Неймана, «зарплатная» доля ВВП снизилась в 42 странах из 59, в том числе в Китае, Мексике и Индии. Ученые пришли к выводу, что, поскольку с развитием информационных технологий заводы, машины и оборудование подешевели, инвестиции компаний в труд сократились, а в капитал увеличились.

БРИНЬОЛЬФССОН: За последние 30 лет в США количество рабочих мест в промышленности уменьшилось: американские компании ради экономии перемещают производство за границу. По оценкам нашего коллеги из MIT Дэвида Отора и его коллег Дэвида Дорна и Гордона Хэнсона, сокращение занятости на производстве в США примерно на четверть обусловлено конкуренцией со стороны Китая. Но и американцы, и китайцы стали работать эффективнее благодаря автоматизации.

Но ведь исчезают не все виды труда? Почему одни пропадают, а другие остаются?

МАКАФИ: Появились ПО для расчета заработной платы и управления запасами, промышленная автоматика, станки с программным управлением, инструменты планирования, и стали не нужны рабочие в цехах, делопроизводители и сотрудники, которые механически обрабатывали информацию. Зато большие данные, аналитика и скоростная передача информации увеличили потребность в инженерах, конструкторах, программистах и специалистах других творческих профессий, и ценность этих людей возросла. В общем и целом, падает спрос на менее квалифицированных работников умственного труда и растет — на высококвалифицированных.

БРИНЬОЛЬФССОН: Эту тенденцию отмечали в своих исследованиях десятки экономистов: Отор, Лоуренс Кац, Алан Крюгер, Фрэнк Леви, Ричард Мернейн, Дарон Аджемоглу. В статьях, которые я публиковал вместе с Тимом Бреснахеном, Лорином Хиттом и другими, ей тоже уделено внимание. Экономисты называют ее «технологическими изменениями с упором на квалифицированный персонал». Она благоприятна для людей более образованных, квалифицированных или опытных.

О последствиях этого феномена написали в своей статье Отор и Аджемоглу. До 1973 года у всех трудящихся Америки довольно быстро росла зарплата; росла и производительность, в результате чего повышался доход каждого, независимо от образования. А после нефтяного кризиса 1973 года и экономического — 2008-го стало хуже, но опять-таки не всем.

Дальше все более явно проявляется разделение. К началу 1980-х у людей с университетскими дипломами зарплата снова начала повышаться. А людям без таких дипломов пришлось довольствоваться, как правило, менее привлекательными видами деятельности. Их зарплата осталась на прежнем уровне, а у тех, кто не получил полного среднего образования, она снизилась. Как раз в то время началась компьютерная революция. Вряд ли это совпадение.

История становится еще интереснее, если учесть, что с 1960-го по 1980 год количество поступающих в вузы выросло более чем вдвое: с 750 тысяч до 1,5 млн. При таком потоке выпускников относительный уровень их зарплаты должен был снизиться, но этого не произошло. Сочетание более высокой оплаты труда и растущего предложения наводит на мысль о том, что относительный спрос на квалифицированный труд рос быстрее, чем предложение.

В то же время, хотя ряды людей без полного среднего образования редели, количество доступных им вакансий уменьшалось еще быстрее. Отсутствие спроса на неквалифицированных работников способствовало дальнейшему сокращению их зарплат. Соответственно, увеличилось неравенство доходов.

МАКАФИ: А технологии, между тем, продолжали развиваться. Согласно исследованию, проведенному Отором и Дорном, с 1980-го по 2005 год главным фактором, определявшим ситуацию с рабочими местами и зарплатой, была компьютеризация. Кроме того, авторы отмечали, что должности, связанные с видами деятельности, которые легко можно было компьютеризировать, занимали, как правило, представители среднего класса. Размывание среднего класса — главная причина снижения медианного дохода. Вторая машинная эра разворачивается совсем не так, как первая: долгосрочное движение к материальному изобилию продолжается, а к увеличению спроса на рабочую силу — нет.

ПОБЕДИТЕЛИ И ПОБЕЖДЕННЫЕ

Так, значит, цифровые технологии создают экономику по принципу «победитель получает все»?

БРИНЬОЛЬФССОН: Цифровые технологии позволяют делать копии практически с нулевыми затратами. Каждая копия идеально точна, и каждую можно почти мгновенно переслать в любую точку планеты. В первую машинную эру ничего такого не было, а для цифровой продукции это — обычное дело. Что приводит к кое-каким необычным результатам — например, появляются рынки, функционирующие по принципу «победитель получает все».