---

Скачать книгу

---

рабатывает информацию, пропуская ее через множество слоев нейросети. Скажем, если машина распознает изображение, то первый слой нейросети имеет дело с массой необработанных пикселей. «Нейроны» следующего слоя складывают из этих пикселей штрихи. Следующий слой комбинирует из этих штрихов круги и квадраты. Наконец, все вместе складывается в целостное изображение.

      3. Глубокое обучение. Чем больше таких слоев, тем глубже сеть, тем она умнее.

      4. Обработка человеческого языка. Еще недавно нейросети изучали язык путем контролируемого обучения: получали правильные входные данные, а затем учились выдавать результат, соответствующий заданным параметрам. Это было долго и неэффективно. Ныне нейросети с помощью глубокого обучения умеют учить языку сами себя. Благодаря этому голосовые помощники и чат-боты общаются с нами все эффективнее.

      Нейросеть GPT-3, разработанная компанией OpenAI, умеет писать не только инструкции и пресс-релизы, но даже стихи.

      Что поручить ИИ

      ИИ наиболее эффективен, когда имеет дело с огромным количеством исходных данных, но при этом решает узкоспециальную задачу. При этом компьютер уже обыгрывает человека в шахматы, но все еще путает кошку и тумбочку. Таков парадокс Моравека[1]: чем древнее навык, которым должен овладеть ИИ, тем труднее ему это сделать.

      Игра в шахматы, решение задач, создание текстов – за это отвечают самые молодые с эволюционной точки зрения отделы нашего мозга. А вот ходьба относится к навыкам, контролируемым самыми древними участками мозга. Неудивительно, что нынешние роботы такие неуклюжие.

      Какие же из рабочих процессов надо переложить на ИИ? Те, которые:

      ▶ связаны с большими объемами данных;

      ▶ все еще управляются вручную;

      ▶ чреваты большим количеством ошибок, вызванных человеческой рассеянностью.

      Кроме того, любому продуктивному работнику знакома матрица Эйзенхауэра[2]:

      Так вот, преимущество ИИ в том, что он помогает нам справиться со всеми делами матрицы, в том числе из графы «Неважное/несрочное». И тем самым приближает продуктивность работника, отдела, компании к 100%!

      Главное достоинство ИИ – он освобождает нам массу времени. Но здесь кроется главный подвох. Надо помнить про закон Паркинсона: «Работа отнимает все время, на нее отведенное». Практика показывает: компании, внедряющие ИИ, склонны растягивать оставшуюся людям работу на весь день. Напротив, эффективные компании экономят до 25 часов в месяц на работника. Руководитель, внедряющий ИИ, должен спросить себя: какую новую ценность поможет создать освободившееся благодаря технологиям время?

      ИИ в работе с персоналом

Наем персонала

      HR-специалисты проигрывают ИИ по многим причинам (впрочем, дело не в них, тем же заблуждениям подвержены представители прочих профессий):

      ▶ Мы регулярно склонны переоценивать свои способности («Я на этой должности уже 10 лет, понимаю, что к чему»).

      ▶ Мы интерпретируем факты так, чтобы они совмещались с нашим мировоззрением, а остальные данные отбрасываем (так называемая предвзятость подтверждения).

      ▶ Мы склонны искать причины наших побед в себе, а причины наших поражений в других. Именно поэтому мы всегда можем найти оправдание своим поступкам («N довольно слабый бухгалтер, не стоило его нанимать, но на собеседовании я поддался уверенности коллеги Y»).

      ▶ Мы слишком цепляемся за нынешний порядок вещей, даже если это уже невыгодно («У N ничего не получается, но искать другого работника на эту должность долго, дорого и не хочется»).

      ▶ Один впечатливший нас аспект может повлиять на оценку всей ситуации (эффект ореола). Исследования показывают, что красивых людей мы воспринимаем как более умных, надежных, честных, таким легче сделать карьеру.

      Словом, мы предвзяты, а еще путаем предвзятость и интуицию. Выход в том, чтобы соединить преимущества человеческого и машинного интеллекта.

      Поиск наилучшего сотрудника из сотен и тысяч вакансий – это поиск иголки в стоге сена, и технологии тут – магнит. Они:

      1) систематизируют информацию в Сети. Ежедневно мы оставляем в интернете массу данных о себе, и работодатели заинтересованы в том, чтобы соединить эту информацию в единое представление о способностях того или иного сотрудника. Такие платформы, как TalentScan.pro или Swoop Talent, позволяют объединять разрозненные данные из многих источников (Linkedin, TurboHiring, GitHub). Далее ИИ выбирает подходящих кандидатов и сам отправляет им предложение о работе;

      2) помогают конкретизировать набор навыков, который требуется от сотрудника. Скажем, разработка программного обеспечения может быть ключевым навыком вакансии, но в тени всегда останутся навыки, которые не столь очевидны для конкретной должности, но предполагаются. Компьютеру обработать такие сведения

---

Скачать книгу