Зарплата с интеллектом
Искусственный интеллект не способен заменить человека, зато умеет устанавливать размер его зарплаты
В мире набирает популярность новый тренд — начисление зарплат, премий и бонусов с использованием искусственного интеллекта (ИИ), следует из отчета «Пульс зарплаты» компании Korn Ferry. ИИ способен на основе проанализированных данных сравнить оплату труда на рынке, оценить пользу того или иного сотрудника и назначить ему зарплату «по справедливости». Впрочем, недостатков у этой технологии тоже хватает, и в первую очередь вызывает вопрос именно заявленная «справедливость».
Фото: Олег Харсеев, Коммерсантъ
Фото: Олег Харсеев, Коммерсантъ
Статистика-свидетель
Согласно исследованию Total Rewards Pulse компании Korn Ferry, проведенному с участием более 5717 руководителей HR-отделов из 138 стран, около четверти компаний уже используют ИИ для начисления заработной платы, денежных поощрений и бонусов, а 76% находятся на начальных этапах внедрения таких технологий.
Используют ИИ по-разному: 59% опрошенных проводят анализ тенденций рынка, 43% выявляют факторы текучки кадров, 43% составляют прогнозы внутренних затрат на вознаграждения, а 38% анализируют закономерности поведения работника и его отношение к своей зарплате. Между тем есть и сложности, мешающие внедрению технологии. К основным проблемам относятся конфиденциальность и безопасность данных, системная интеграция и финансовые вложения. Также работодатели и сотрудники говорят о таких проблемах, как страх перед сокращением рабочих мест, этические сложности.
Будущее наступило
Технологически использовать ИИ для определения уровня зарплат и решения вопросов с вознаграждением вполне возможно. Современные ИИ-системы, например, могут проводить анализ рыночных зарплат в реальном времени на основе вакансий, резюме, открытых баз и внутренних данных компании, рассказывает руководитель и сооснователь компании по разработке цифровых продуктов и иммерсивных решений VRT Константин Негачев.
Благодаря этому анализу технологии могут давать рекомендации по уровню окладов для кандидатов и сотрудников на основе их профиля и текущих задач, проводить расчет премий с учетом KPI, выработки, обучаемости, вовлеченности. Они обнаруживают аномалии в системе оплаты (например, гендерный дисбаланс, необоснованные различия между отделами). На практике это реализовано, например, в решениях IBM, Workday, SAP SuccessFactors, Gloat и других HR-Tech-платформ, которые уже используют элементы машинного обучения для расчетов и рекомендаций.
Один из главных вызовов — объяснимость алгоритмов, напоминает Константин Негачев. Многие модели, особенно на базе нейросетей, дают высокую точность, но не могут объяснить свою логику в привычных терминах. Для кадровиков и руководителей это проблема: объяснить сотруднику, почему он получил такую сумму, а не другую,— ключевой элемент доверия и мотивации. Поэтому сейчас все больше внимания уделяется Explainable AI (объяснимый ИИ) — системам, которые могут расшифровать свою рекомендацию на «человеческом языке»: какие факторы были учтены, какие данные повлияли и каков был вес каждого из них. Без этого доверие к таким решениям будет ограниченно, особенно в крупном бизнесе и госсекторе.
Но чтобы ИИ действительно помогал компаниям справедливо и точно оценивать вознаграждение сотрудников, он должен опираться на большие объемы данных, отмечает директор по персоналу КРОС Дмитрий Дударев. По его словам, наличие широких и качественных массивов информации — о рынке, должностях, результатах, компетенциях, исторической динамике выплат — позволяет алгоритмам выдавать действительно релевантные и обоснованные рекомендации.
За зарплату отвечает
Сегодня в рамках отдельной компании абсолютно реально запустить ИИ-агента, который будет считать эффективность и производительность сотрудника и оценивать причитающуюся ему заработную плату, говорит доцент, академический руководитель программы «Прикладные модели искусственного интеллекта» МИЭМ НИУ ВШЭ Сергей Сластников. Надо лишь дать этому агенту доступ к бухгалтерской системе и трекеру задач, выполняемых работниками.
Но пока такие системы внедрены точечно, в основном в крупных компаниях и в IT-индустрии, говорит Константин Негачев. В России эта практика пока единична и, как правило, не афишируется, хотя интерес к цифровизации HR-решений растет. Впрочем, в российской практике уже есть кейсы, когда в режиме реального времени формируется карта рынка труда с рекомендациями по пересмотру зарплат более чем в 8,5 тыс. городов и населенных пунктов по всей стране, рассказывает HR-директор института AIRI Мария Звонарева.
В целом эксперты убеждены, что ИИ может улучшить процессы на рынке труда, и это уже активно происходит в ряде сфер, например при анализе вакансий, на что у человека уходит несколько часов, а у цифровой технологии — несколько секунд. При наличии же технологических возможностей и данных в соответствующих форматах можно создавать алгоритмы для определения рыночных трендов и формирования зарплатных вилок. Расчет будет учитывать общие тенденции на рынке и региональные особенности, а также экономические факторы, такие как инфляция, колебания рынка или изменение налогового законодательства. «Подобный комплексный подход призван помочь сохранять баланс между мотивацией персонала и финансовой устойчивостью бизнеса»,— полагает госпожа Звонарева.
Спешить не надо
И все же пока сложно говорить о сроках, а также о масштабах такого «пересчета» зарплат для людей силами ИИ, считает директор Solar Staff Камилла Столповских. «Чего стоит однозначно ожидать,— говорит она,— так это повышения интереса в использовании ИИ для зарплатной аналитики». Хотя новость может поначалу вызвать опасения, использование ИИ в расчете зарплат потенциально улучшит существующие процессы. Например, исключит так называемый человеческий фактор. Беспристрастная оценка ИИ поможет трезво оценить продуктивность работников и их компетенции. Зарплатная аналитика также учитывает изменение спроса на различных специалистов на рынке труда. Грамотно рассчитав размер повышения гонорара, можно удержать ключевых сотрудников в компании или привлечь новые таланты.
В целом же ИИ — это помощник HR-специалиста, перекладывать на него весь процесс расчета вознаграждений сотрудников нельзя, уверена Камилла Столповских. Он скорее играет роль своеобразного консультанта, мнение которого можно учитывать в спорных ситуациях. Искусственный интеллект не способен учитывать многие факторы, заметные лишь человеку,— например, климат в компании, личные цели сотрудников и их отношения в коллективе. В данном случае задача HR-специалиста сводится к анализу всей доступной информации и принятию верного решения.
Кроме того, ИИ все еще не регулируется полноценно с правовой точки зрения, а значит, непонятно, насколько легально использовать подобные ИИ-решения и кто окажется виноват в случае возникновения проблем, предупреждает Камилла Столповских. Этический вопрос также очень важен — для грамотной аналитики искусственному интеллекту необходимо «скормить» огромное количество информации, часть которой может быть конфиденциальной.
Ну и наконец — вопрос предвзятости ИИ. Любую ИИ-модель, как уже было отмечено, необходимо сначала обучить — этим занимаются разработчики. Если данные, на основе которых «учился» искусственный интеллект, были недостаточно «чистыми» и объективными, риск предвзятости получившейся модели будет велик. Использование таких «предвзятых» ИИ-инструментов может привести к ошибкам в работе, проблемам с кандидатами и сотрудниками и даже к репутационным рискам для бизнеса.
Полного доверия нет
ИИ никогда не научится решать проблемы, лежащие в поле этики, уверен руководитель лаборатории международных экономических исследований школы управления «Сколково» Владимир Коровкин. «Конечно, можно создать бездушного робота, который будет регистрировать какие-то “продуктивные” действия и начислять за них бонусы. Подозреваю, что это приведет к быстрой бизнес-катастрофе: сотрудники начнут делать только то, что учитывается роботом, и компания окажется в ситуации итальянской забастовки»,— говорит эксперт.
Владимир Коровкин приводит несколько примеров: «Представим себе молодого, но не очень умелого сотрудника, который усердно работает и тратит на это много времени, и его старшего коллегу, который делает тот же объем работы, но значительную часть рабочего времени откровенно бездельничает. Какое соотношение их бонусов будет справедливым? Возьмем и обратную ситуацию: один руководитель проекта — хронический микроменеджер, перепроверяющий все за всеми, который работает по 12 часов в сутки почти без выходных. Его коллега наладил качественное распределение ролей и делегирование и спокойно уходит с работы по часам, а на выходные отключает мобильный. Результат работы команд примерно одинаков. Как премировать этих руководителей?» Данные примеры можно приводить до бесконечности.