В развитом мире трудно прожить и день без использования продукта компании Unilever. Многонациональная компания производит и продает более 400 брендов потребительских товаров, включая продукты питания и напитки, бытовые чистящие средства и средства личной гигиены.
С таким количеством процессов, которыми необходимо управлять и координировать, ИИ быстро становится неотъемлемой частью для организаций подобного масштаба. Это относится как к исследованиям и разработкам, так и к огромной инфраструктуре, необходимой для бизнеса с 170 000 сотрудников.
Недавно они объявили, что разработали алгоритмы машинного обучения, способные понюхать вашу подмышку и сообщить вам, страдаете ли вы от запаха тела. Хотя это и может показаться «использованием кувалды для раскола грецкого ореха», разработанная технология вполне может быть использована для проверки продуктов питания на свежесть, помогая решить проблему перепроизводства продуктов питания и увеличения отходов в обществе.

Рекрутинг, усиленный искусственным интеллектом

Unilever принимает на работу более 30,000 человек в год, и обрабатывает около 1,8 миллиона заявлений о приеме на работу.
Процесс занимает огромное количество времени и ресурсов. Будучи многонациональным брендом, представленным в 190 странах, соискатели для компании находятся по всему миру. Поиск подходящих людей является неотъемлемой частью успеха, и Unilever не может позволить себе упустить из виду талант только потому, что его резюме похоронено в самом низу всей кипы.Чтобы решить эту проблему, Unilever заключила партнерские отношения с Pymetrics, специалистами по подбору с применением ИИ, для создания онлайн-платформы, которая позволяет изначально оценить кандидатов из их собственного дома, перед экраном компьютера или мобильного телефона.Сначала их просят поиграть в игры, которые проверяют их способности, логику, ход рассуждений и склонность к риску. Затем используются алгоритм машинного обучения для оценки их пригодности для той роли, на которую они претендуют, путем сопоставления их профилей с профилями ранее успешных сотрудников.Второй этап процесса включает в себя предоставление видео-интервью. Опять же, оценщик — это не человек, а алгоритм машинного обучения. Алгоритм проверяет видео кандидатов, которые отвечают на вопросы в течение примерно 30 минут, и, используя смесь обработки  естественного языка и анализа языка тела, определяет, кто, вероятнее всего подойдет  на должность.HR Директор Unilever, Лина Наир (Leena Nair), рассказала мне, что благодаря автоматизированной системе проверки было сокращено около 70,000 человеко-часов на собеседование и оценку кандидатов.Она сказала: «Мы ищем целеустремленных людей — с системным мышлением, гибкостью, деловой хваткой. Основываясь на этом, игры и видеоинтервью запрограммированы на поиск подобных признаков в их поведении, которые помогут нам понять, кто впишется в Unilever.»Ссылаясь на аналитику видео-интервью для их программы будущих лидеров, она говорит: «Каждый кадр даёт нам много данных о человеке, поэтому мы работаем с рядом партнеров, и используем вместе с ними множество запатентованных технологий, а затем мы отбираем около 3500 человек, чтобы тщательно поработать с ними в нашем центре изучения.» Проведя день с реальными лидерами и рекрутерами, Unilever выбирает около 800 человек, которым будет предложена работа.Система также разработана таким образом, чтобы предоставлять обратную связь всем заявителям, даже тем, кто не прошёл отбор.«Что то мне нравится в этом процессе, так это то, что каждый, кто обращается к нам, получает обратную связь », — говорит Наир.«Как правило, когда люди отправляют заявку в крупную компанию, она может попасть в «черную дыру» — большое спасибо за ваше резюме, мы свяжемся с вами — и вы больше никогда не услышите их снова.«Все наши соискатели получают отзыв на пару страниц, как они справились с игрой, как они прошли видео-интервью, какие подходящие характеристики у них есть, и если они не подходят, то по какой причине, и что мы думаем по поводу того что они должны сделать, чтобы быть успешным в будущих заявках.«Это  пример того как искусственный интеллект позволяет нам быть в большей степени людьми». Таким образом, хотя Unilever еще не совсем готовы передать весь процесс подбора персонала машинам, они показали, что ИИ может помочь с первоначальным «просеиванием», когда речь заходит о предварительном отборе кандидатов.

Роботы, чтобы помочь вам освоиться на работе

После получения должности еще одна инициатива, основанная на ИИ, помогает новым сотрудникам начать работу — адаптироваться к повседневным рутинам, а также к корпоративной культуре в компании.Unabot — это NLP бот, построен на основе платформы Microsoft Bot, он разработан таким образом, чтобы понимать, что сотрудникам необходимо знать, и выдавать информацию по запросу.«Мы шутим о том, что не знаем, мужчина это или женщина — это Унабот», — говорит Наир.«Unabot отвечает не только на кадровые вопросы, вопросы касающиеся всего, что влияет на сотрудников, должны быть отвечены Unabot, и теперь он является основным коммуникатором для любого вопроса сотрудника — они могут задавать вопросы об ИТ-системах или об их жаловании — поэтому мы узнаём о том, что важно для сотрудников в режиме реального времени».Взаимодействуя с сотрудниками, Unabot научился отвечать на такие вопросы, как наличие  свободной парковки, расписание автобусов, и сроки ежегодного пересмотра заработной платы. В отличие, например, от Alexa или корпоративных чат-ботов, обслуживающих клиентов, Unabot также должен иметь возможность фильтровать и применять информацию в зависимости от того, с кем он общается. Он способен дифференцировать передаваемую информацию на основе географического положения пользователя и уровня его стажа в компании.Впервые Unabot был представлен филлипинским сотрудникам, и в настоящее время работает в 36 странах. Он был выбран в качестве следующей инициативы AI, которая будет развернута на глобальном уровне, во всех 190 рынках Unilever.«Это новый способ работы, — говорит Наир. — Мы никогда не заходим и не говорим, что он идеален, поэтому давайте развернем его во всех странах», — мы изучаем, что мы можем в одной стране, и затем запускаем в другой».В настоящее время все его данные поступают из внутренних источников, таких как руководящие принципы компании, графики, программные документы и вопросы, задаваемые самими сотрудниками. В будущем это может быть расширено за счет включения внешних данных, таких как учебные материалы.И хотя это только первые годы (начальный этап), первоначальный анализ показывает, что инициатива пользуется популярностью среди персонала — 36% из тех, в которых она внедрена, использовали ее хотя бы один раз, и около 80% продолжают использовать ее снова.Один усвоенный на ранних этапах урок заключался в том, что важно предоставлять опыт без трения.«Итак, мы усвоили, что должны сделать все, что взаимодействует с сотрудниками или потребителями, без усилий», — говорит Наир.«Люди взаимодействуют по-разному — программный документ написан особым образом, на трех-четырех страницах того, что сотрудник не должен делать. Но сотрудник, как правило, задает вопросы очень упрощенно — как это влияет на мою жизнь, где я это найду, что я могу сделать?».Машинное обучение – в особенности НЛП — может преодолеть эту проблему благодаря своей способности определять, какие вопросы задаются неоднократно, даже если они задаются по-разному, и предоставлять правильную информацию.


Источник : edwvb.blogspot.com

Похожая запись