- Генерация персонализированных рекомендаций/траекторий для обучения/карьеры (ML). Здесь может использоваться простое машинное обучение.
- Прогнозирование увольнений (ML). В эту модель можно загрузить некоторые характеристики людей: например, как долго кандидат продержался на испытательном сроке на предыдущих местах работы. При загрузке в модель нового кандидата, она сможет дать прогноз, например, «с вероятностью 70% через 3 месяца стажер уволится».
- Генерация контента – курсы, вакансии, должностные инструкции (NLP). Для этой задачи нужны уже большие языковые модели.
- Ранжирование (ML) и тегирование (NLP) кандидатов.
- Расшифровка аудио (SR) интервью, встреч, вебинаров.
- Анализ соответствия кандидатов по итогам видео-интервью (NLP + CV).
- Определение аномалий поведения при тестировании, прокторинг (CV).
- Боты для ответов на вопросы по базам знаний (NLP) – извлечение информации и её классификация, генерация текстов, ответы на вопросы.
- Анализ конфликтов (NLP) и выгорания (ML).
- Мониторинг техники безопасности (CV) и т.д.
При наличии огромного количества инструментов ИИ может быть множество сценариев использования в HR.
Например, идеальный сценарий, при котором процесс обучения сотрудника на 80% был поддержан ИИ:
- Сформировал описание вакансии на основе требований
- Проранжировал кандидатов, откликнувшихся на вакансию
- Проранжировал кандидатов, прошедших видео-интервью, тестирование
- Сформировал оффер на основе данных рынка и компании
- Сформировал индивидуальный план адаптации на основе входных тестов и резюме новичка
- Отвечал на вопросы и поддержал новичка в процессе адаптации
- Подготовил для сотрудника рекомендации по развитию
- Обнаружил потенциальное выгорание сотрудника и информировал руководителя
- Отвечает на вопросы сотрудника по любым HR вопросам и внутренним политикам
- Предсказал увольнение сотрудника и рекомендовал руководителю варианты карьерного развития для его удержания