Изначально задуманный как альтернатива SAP Success Factors, «Пульс» сегодня — это больше, чем HR-платформа: экосистема цифровизации и аналитики HR-процессов в Сбере, философия, меняющая культуру управлению людьми и данными.
Алексей Сидорин, CPO платформы «Пульс», рассказал об опыте Сбера в работе с данными и переосмыслении взаимодействия между человеком и организацией.
Вызовы и инсайты работы с данными в платформе «Пульс»
1. Парадокс влияния аналитики: «Наблюдение меняет наблюдаемое»
Аналитика, как инструмент, влияет на поведение, которое призвана измерить. Например, если руководитель видит, что отток сотрудников увеличился на 12%, он предпринимает какие-то действия в отношении команды, и тем самым меняет показатель.
Система должна выходить за рамки метрик или дашбордов, отвечать на вопросы руководителя, которые в перспективе он может задать сам себе, и предлагать пошаговый план действий.
2. Риск стандартизации мышления
«Пульс» формирует персонализированные подсказки-инсайты, которые анализируют за руководителя, что происходит с командой и выдают ему понятную подсказку: например, ваши сотрудники стали больше работать по вечерам. При этом возникает риск создания искусственных ограничений. Если система постоянно напоминает вам не прыгать через две ступеньки, вы в какой-то момент перестаёте пытаться. Хотя, вполне возможно, что вы чемпион по паркуру и в перспективе можете прыгнуть через три ступеньки.
Инсайты как инструмент должны служить гибкими ориентирами, а не загонять в рамки. Задача инструмента — помочь руководителю погрузиться в контекст и принимать осознанные решения, даже если они не совсем вписываются в привычный паттерн действий.
3. Неструктурированные данные
Стандартные транзакционные данные: рабочее время, KPI, даты отпусков – ничего не говорят о сотруднике как о человеке. Тексты презентаций, сообщения в корпоративной сети, результаты тестов SberQ, размышления, стиль мышления — эти данные могут раскрыть личность, но они хаотичны и не ложатся в таблицы.
Использовать симуляции с ИИ, когда не хватает данных. Неструктурированные данные — ключ к эмпатии и чтению человека между корпоративных строк. С их помощью можно понять не только что делает человек, а почему он это делает и как он себя чувствует в этот момент. В будущем именно такие данные позволят создавать реалистичных цифровых двойников.
4. Инвазивные vs неинвазивные методы сбора данных
Опросы, тесты, анкетирования — инвазивны. Для инвазивных методов сбора данных требуется время, зачастую они вызывают напряжение, дают желаемые и не всегда правдивые ответы.
К неинвазивным методам можно отнести наблюдение за поведением сотрудника, но этот процесс требует значительных ресурсов. Информация более ценная, если получена через наблюдение, а не прямой вопрос. Например, можно:
- Не спрашивать «С кем вы больше работаете?», а построить граф коммуникаций в «Пульсе».
- Не интересоваться какой контент интересен сотруднику, а анализировать, что он реально читает, во что вовлекается и как реагирует.
5. Баланс между цифровыми и AI-native процессами
Системы стремятся к автоматизации, унификации и единому алгоритму, в том числе при создании любых сценариев: развития, обучения, мотивации. Это логично, но есть риск не заметить или потерять уникальность каждого сотрудника.
Создание наборов «кубиков данных», из которых система автоматически сложит индивидуальный сценарий.
Для такого пазла требуется три составляющих:
- разметка данных,
- контекстный ИИ,
- постоянная адаптация.
6. Цифровой двойник: от фэнтези к рабочему инструменту
Большинство компаний даже не задумываются о цифровом двойнике сотрудника, это кажется чем-то сложным, неэтичным и в духе сериала «Чёрное зеркало».
Обучение своего двойника / ассистента. Использование LLM, например Gigachat, позволяет собрать все известные данные о человеке и создать модель, способную отвечать, советовать, анализировать, как реальный человек. В чём преимущество такой модели:
- экономит время руководителей,
- повышает вовлечённость,
- создаёт качественно новый формат взаимодействия между человеком и системой.
Раньше перед компаниями стояла задача переосмыслить процессы с учётом автоматизации. О чём нужно задуматься сейчас, с развитием AI, чтобы переосмыслить роль человека в этих процессах?
