Три міфи про найм: гроші, реклама та штучний інтелект

Три міфи про найм часто з’являються, коли вакансія довго залишається відкритою: варто підвищити зарплату, додати реклами або передати скринінг штучному інтелекту. Кожне рішення може бути доречним, але жодне не замінює чітко визначену роль, точний портрет кандидата й керований процес найму.

Вища зарплата автоматично приведе потрібних кандидатів

Зарплатна вилка впливає на інтерес до вакансії, проте сама по собі не відповідає на головне запитання кандидата: що саме доведеться робити й заради якого результату. Якщо роль нечітка, керівники по-різному бачать пріоритети, а процес ухвалення рішень непрозорий, вища пропозиція не прибере цю невідповідність.

Кількість відгуків і відповідність кандидатів — різні показники. Після підвищення вилки відгуків може стати більше, але рекрутер усе одно витрачатиме час на людей, чий досвід або очікування не збігаються з реальним змістом ролі.

Перед переглядом бюджету варто сформулювати пропозицію для кандидата: зона впливу, команда, критерії успіху, умови роботи й можливість ухвалювати рішення. Якщо компанія не може пояснити цінність ролі без згадки про зарплату, підвищення ставки лише зробить пошук дорожчим.

Більше реклами компенсує слабкий пошук

Канал пошуку варто обирати не за звичкою, а за типом ролі й поведінкою цільових кандидатів. Для одних позицій основним джерелом може бути якісне оголошення на сайті пошуку роботи. Для інших потрібен прямий пошук у власній базі, професійних спільнотах або компаніях, де працюють потрібні фахівці.

Показовий приклад — Zappos. Компанія відмовилася від звичайних оголошень і розвивала Insiders — програму тривалої взаємодії з потенційними кандидатами. LinkedIn Talent Solutions описує причини запуску та перші результати програми. Це не універсальна модель, але вона показує: інколи змінювати потрібно не обсяг реклами, а спосіб формувати кадровий резерв.

Ефективність каналу краще оцінювати за рухом кандидатів далі у воронці: скільки з них пройшли первинний добір, дійшли до фінального етапу, прийняли пропозицію про роботу й успішно завершили випробувальний термін. Так команда бачить не лише кількість відгуків, а й користь кожного джерела для найму.

Штучний інтелект сам розв’яже проблему скринінгу

Автоматизація пришвидшує рутинні завдання, але не виправляє критерії, які команда заклала в процес. Якщо профіль ролі нечіткий або фільтри побудовані на надто жорстких ознаках, система масштабуватиме саме ці обмеження.

Дослідження Harvard Business School про «прихованих працівників» описує, як традиційні процеси найму можуть відсікати кваліфікованих людей через формальні критерії. Окремий експеримент ACL показав, що рішення мовних моделей у завданнях найму можуть змінюватися залежно від імені кандидата; результати також залежали від формулювання запиту. Це не доводить упередженість кожного інструменту, але вимагає перевіряти автоматизацію на власних сценаріях до її використання для ранжування людей.

Штучний інтелект доречно застосовувати для структурування резюме, перенесення даних, підготовки чернеток листів або запитань до співбесіди. Критерії оцінювання, перевірка результатів і рішення щодо кандидата мають залишатися під контролем команди.

Три міфи про найм: що спільного

У цих трьох міфах шукають зовнішній важіль: більше грошей, більше охоплення або новий інструмент. Але проблема може залишатися всередині процесу — у нечіткій ролі, неточному портреті кандидата, слабкій ціннісній пропозиції чи затягнутих рішеннях.

Перш ніж збільшувати бюджет або автоматизувати відбір, команді варто перевірити одну проблемну вакансію за п’ятьма питаннями: навіщо існує роль, кого потрібно знайти, що отримає кандидат, які канали приводять відповідних людей і де процес втрачає час.

Це другий матеріал із серії про системний найм.