Технологии искусственного интеллекта, позволяющие онлайн-ритейлерам делать клиентам спецпредложения на основе данных о предыдущих покупках, а водителям - добираться до цели по оптимальному маршруту, вскоре могут преобразить и управление персоналом.

Уже сейчас они помогают кадровикам. Например, рекрутер может составить описание вакансии, а программа соберет и проанализирует множество данных из разных источников и предложит ему кандидатов, обладающих оптимальным набором качеств. Другая программа может анализировать переписку сотрудников по электронной почте и определять уровень их удовлетворенности работой. Искусственный интеллект можно использовать и для выявления сотрудников, которые с большой вероятностью покинут компанию.

Но у технологий есть и слабые стороны. Искусственный интеллект может отдавать предпочтение кандидатам, обладающим тем набором навыков, с которым программа уже знакома. Чересчур полагаясь на технологию, менеджеры могут отказываться выносить собственные суждения. А желание собрать о сотрудниках как можно больше данных, необходимых системам искусственного интеллекта, может побудить работодателей нарушить границы приватности.

Программы, помогающие рекрутерам подбирать персонал, либо выбирают из множества резюме самые многообещающие, либо анализируют данные из многих источников и составляют широкий список кандидатов, из которого менеджеры сами выбирают тех, с кем стоит пообщаться.

Программа Resume Matcher, разработанная SAP, обращается к статьям в Wikipedia, чтобы понять описания вакансий, требуемых навыков и т. д. Кроме того, у нее есть база из нескольких десятков тысяч анонимных резюме, предоставленных клиентами компании, с пометками о том, был ли кандидат отобран на вакансию, приглашен на собеседование, принят на работу. Программа может находить свежие резюме, которые сочтет наиболее соответствующими заданным работодателем критериям.

Компания Entelo использует другой подход: ее приложение помогает рекрутерам искать кандидатов не по резюме, а по открытой информации о них в сети интернет. В приложении можно указать, что предложенные кандидаты не подошли и почему, и в следующий раз настройки поиска будут точнее.

Технологии, помогающие нанять лучших сотрудников, впоследствии следят, чем они занимаются на рабочем месте. Например, программа компании Veriato с определенной периодичностью делает скриншоты, которые в течение 30 дней хранятся на сервере работодателя. Кроме этого она отправляет на сервер Veriato информацию о датах и времени отправки сообщений. Там их анализирует искусственный интеллект и ищет аномалии, свидетельствующие о низкой производительности сотрудника (часы, проведенные на сайтах, не имеющих отношения к деятельности компании), попытках несанкционированного доступа к закрытой информации (повторяющиеся попытки ввода неправильного пароля) или намерении покинуть компанию (копирование базы контактов).

Отслеживать можно и передвижение сотрудников по офису. Bluvision разработала радиобейджи, которые передают информацию о передвижении сотрудника и посылают предупреждение, если, например, он входит в зону, в которую не имеет допуска. С помощью этой же системы можно узнать, сколько времени работник проводит за своим столом, а сколько - в буфете или комнате отдыха.

Искусственный интеллект может помочь менеджерам понять, довольны ли подчиненные работой. Так, алгоритм Veriato может анализировать текст электронных писем, сообщений чатов и сигнализировать, например, о резкой смене тона с позитивного на негативный.

Некоторые системы помогают предсказать уход ценного сотрудника и вовремя предложить повышение или другие меры поощрения, чтобы удержать его. Такие программы есть у Entelo, IBM, Workday и Microsoft. Например, приложение Workday использует базу данных о 100 000 сотрудников разных компаний за 25 лет и рассчитывает индивидуальный риск ухода для каждого сотрудника компании-клиента по 60 параметрам.

Однако у людей еще недостаточно опыта применения новых технологий в управлении персоналом, чтобы сделать выводы, что машина принимает более правильные решения, чем человек. Ошибки в расчетах могут загубить чью-то карьеру, опасаются исследователи.

Аналитики Forrester Research Дэвид Джонсон и Джей Пи Гаундер указывают, что возможности компаний по сбору данных о своих сотрудниках превзошли способность менеджеров эти данные должным образом интерпретировать. Кенни Мендес, менеджер по персоналу компании - разработчика ПО, консультировавший Entelo, считает, что проблемы управления персоналом слишком сложны для нынешнего поколения программ. Основные ограничения, по его мнению, - это трудность построения корректных заключений на неполных данных. Например, статистика производительности учитывает только работников конкретной компании, но есть компании, где сотрудники ту же работу делают быстрее. К тому же в разных компаниях одни и те же показатели оцениваются по-разному, говорит Мендес.