Введение (Introduction). Общепризнанным является тот факт, что искусственный интеллект (ИИ) может положительно влиять на процесс подбора персонала за счет автоматизации различных процессов рекрутинга. К числу потенциальных результатов такого влияния относится экономия рабочего времени кадровых служащих, снижение рабочей нагрузки и повышение точности при выявлении лучшего кандидата со снижением предвзятости и постановке определенных условий, в том числе на соответствие ценностям компании и противодействия коррупционным проявлениям в будущем. Это имеет значение не только при подборе высококвалифицированного и добросовестного персонала для компаний. Особенно важным является минимизация коррупционных рисков при найме лиц, замещающих государственные должности. В связи с этим довольно важным является обсуждение принципов работы искусственного интеллекта в профилактике коррупционных рисков. Данный подход можно экстраполировать на остальные сферы, где существует высокий уровень подобных опасностей. В качестве успешного методологического примера можно привести систему индикаторов и профилей, используемую в Федеральной антимонопольной службе РФ и Федеральной налоговой службе РФ для определения и последующего анализа степени коррупциогенности как всей отрасли, так и склонности к коррупции некоторых ее участников.
Цель исследования (the aim of the work). Рассмотрим основную роль искусственного интеллекта в сфере подбора персонала, а также распространенность его использования, эволюционный путь развития и проблемные области, в которых он эффективно применяется. Целью коллаборации человека и машины в службе персонала является не вытеснение человека, а радикальный функциональный сдвиг, в результате которого компании организуют сложные бизнес-процессы с необычайной легкостью, простотой и скоростью.
В связи с пандемией COVID-19 искусственный интеллект стал еще активнее использоваться для подбора персонала, помогая автоматизировать и упорядочить сложный рабочий процесс, включающий повторяющиеся задачи в процессе найма, устраняя затраты времени на каждом этапе процесса, начиная с точного описания должности и заканчивая оценкой кандидата в части использования как психологических тестов, так и тестов способностей.
В 2020 году только 10 % компаний использовали ИИ в подборе кадров (Oswal, Khaleeli and Alarmoti, 2020), а еще 36 % планировали его использовать в ближайшие 5 лет. 
Самые популярные платформы, использующие ИИ в подборе персонала, приведены в таблице 1.

Рекрутмент с использованием технологий, основанных на ИИ, включает в себя поиск и сбор данных с использованием системы интеллектуального анализа посредством метода дерева решений (Hmoud and Laszlo, 2019), который часто включается для прогнозирования при отборе большого количества резюме соискателей. Подобные системы поиска работают, в том числе, с социальными сетями, собирая текстовую информацию и классифицируя ее в соответствии с позитивным или негативным настроением контента. В работе рекрутера используются платформы по поиску работы (Indeed, Job-Builder, Monster) с интеллектуальной поисковой системой для подбора вакансий и соискателей на основе заранее определенных требований к функционалу работника. Далее используются чат-боты – интеллектуальные решения, автоматизирующие трудоемкие решения, такие как отбор и оценка с использованием нейронного языка для взаимодействия с кандидатами на основе слуховых и текстовых методов. Чат-бот инициирует общение в режиме реального времени, проводя оценочные тесты и отвечая на вопросы соискателей. Примерами современных чат-ботов являются Mya, HireVue, Wendy. Так, первый из них предоставляет соискателям обратную связь и может анализировать их профиль, задает контекстные вопросы, связанные с работой. В случае неоднозначных вопросов система может самообучаться за счет общения с человеком. Сервис может ранжировать как соискателей, так и результаты собеседований. Такие интеллектуальные решения, как Affectiva, Hire IQ, Hire Vue направлены на оценку кандидата во время интервью, задействуя в своей работе анализ голоса, честность, выбор слов, тон голоса, манеру речи (эмоциональный интеллект). Еще одно ИИ-решение – робот Replika –  персональный искусственный помощник, коммуницирующий в режиме реального времени с проявлением эмпатии.
Четыре этапа развития ИИ представлены на рисунке 1.

В таблице 2 представлены интеллектуальные методы, используемые в процессе подбора персонала.

В таблице 3 представлены 4 вида искусственного интеллекта в процессе подбора кадров.

По результатам опроса hr-специалистов, работающих в сфере подбора кадров (Mirji, 2021), можно сделать вывод, что самая часто упоминаемая выгода от применения ИИ в сфере найма – это экономия время на поиск персонала и возможность общения в любое время, удобное соискателю. При этом часто возникающие проблемы: это подмена человека на собеседовании (невозможность распознать лицо) и неразборчивый сленг, который не всегда может распознать ИИ (чат-боты способны отвечать только на простые и рутинные вопросы). Опыт компаний показывает, что чаще соискатели связываются с компанией через социальные сети и все меньше отправляют запросы через специализированные порталы поиска работы. Решение, основанное только на машинном сопоставлении квалификационных требований и поиска соответствующих кандидатов с необходимыми компетенциями и навыками, зачастую является неполным. Вмешательство человека для этой оценки, запроса рекомендаций и перепроверки собранных данных является необходимым. Еще одним ограничением является поиск сотрудников среднего и старшего возраста, которые имеют меньшие компетенции, связанными с цифровыми технологиями. А для пожилых лиц, работающих на стороне работодателя, это также и определенные затраты на обучение таковых работников.
Использование искусственного интеллекта в профилактике указанных рисков при найме кадров возможно при условии обозначения должностей с высоким риском коррупции. Основные сферы коррупционных рисков содержатся в Методических рекомендациях Минтруда: по оценке коррупционных рисков при реализации функций (в отношении госсектора) , по проведению оценки коррупционных рисков, осуществляющих контрольно-надзорные функции (2017 года), по порядку проведения оценки коррупционных рисков в организации (2019 года), по минимизации коррупционных рисков при осуществлении закупок для обеспечения государственных или муниципальных нужд (2020 года).
Под антикоррупционным рекрутингом мы понимаем подбор и отбор персонала для коммерческой или государственной компании с учетом как квалификационных требований, так и организационных ценностей, включая критерии добропорядочности и нетерпимого отношения к коррупции.
Применительно к работе о возможностях применения искусственного интеллекта в минимизации коррупционных и правовых рисков при найме кадров весьма важной является задача выработки системы индикаторов коррупциогенности, пригодных для машинного обучения и дальнейшего применения при работе искусственного интеллекта в сфере найма. Такая работа характеризуется комплексностью и системностью.
Материалы и методы (Materials and methods). Активно развивающиеся за последние 40 лет методы обработки естественного языка (НЛП – natural language processing) позволили изготавливать технологические инструменты, которые могли бы говорить (озвучивать голосом), переводить документы, отвечать на вопросы и т. д. (Zock and Rapp, 2011). В этой связи ИИ позволяет компьютерам изучать язык не только из встроенных знаний; он также может приобретать смысловые и синтаксические знания из внешних источников. НЛП-подход позволяет системе изучать и понимать естественный язык, как это делает человек через опыт. Когда дело доходит до применения НЛП в управлении человеческими ресурсами, то такие технологии, как анализ голоса и выражения лица, работа с чат-ботами, могут быть использованы в асинхронных видео-интервью для прогнозирования производительности будущих работников (Auer, 2018).
Психолингвисты полагают (Карпов, 2016), что с помощью фиксации определенной лексики возможно выявить потенциального коррупционера. Он пишет: «несомненно, есть определённая лексика, которая встречается в текстах с коррупционной тематикой достаточно часто. Даже в бытовой речи, когда участник диалога ищет эвфемизм, он прибегает к определённой базе такой лексики, подбирая соответствующий ситуации синоним: «занёс чемодан/мешок», «дал на лапу» и пр. Можно предположить, что существует лексика, которая в русском языке имеет потенциально коррупционное значение, эти слова имеют более высокую частотность употребления в текстах с коррупционной тематикой, а, следовательно, могут служить одним из маркеров появления её в тексте. Выявление таких слов-сигналов может помочь при следственных действиях, а также при экспертизе текста по таким делам». В статье он подробно разбирает частотность слова «порешаем», как сигнал о коррупционных контекстах с предложением алгоритма исследования текста в судебных экспертизах по антикоррупционным делам (Карпов, 2018).
Таким образом, анализ с помощью ИИ лексики кандидатов с составлением базы слов-сигналов, служащих маркерами для выявления работников, склонных к коррупционным правонарушениям, является перспективным инструментом снижения коррупционных рисков.
Следующим инструментом ИИ является машинное зрение, как распознавание лиц и фотографий с точки зрения склонности к коррупции и противоправному поведению. Успешно внедряющаяся технология распознавания лиц во всем мире ставит вполне надежный заслон для проникновения лиц с сомнительным прошлым в коммерческие компании и государственные структуры. Уникальный алгоритм распознавания лиц на основе самообучающихся нейронных сетей российской компании Ntech Lab позволяет найти за несколько секунд человека по 1 фотографии в многомиллионной базе пользователей .
Учеными показано влияние возможностей ИИ не только на обработку естественного языка, но и на машинное зрение, а также автоматизацию и дополнение (Hemalatha, Kumari, Nawaz and Gajenderan, 2021). В ходе опроса 141 специалиста (51,1 % мужчины и основной диапазон выборки – 22–25 лет), работающих в сфере персонала современных индийских компаний, ученые проверили влияние возможностей искусственного интеллекта на процесс найма и отбора персонала. В ходе их исследования подтвердилась гипотеза о том, что именно машинное зрение (как распознавание фотографий лиц и художественных образов) позволяет сделать подбор персонала более интеллектуальным и автономным. Кроме того, показано, что автоматизация существенно усиливает эффективность ИИ в сфере подбора кадров. Авторами выделен и такой фактор? как взаимодополнение (когда люди тесно сотрудничают с машинами для выполнения какой-либо конкретной задачи). Вклад каждого фактора с описанием степени влияния представлен на рисунке 2.

Таким образом, машинное зрение, способное распознавать лица и/или фотографии кандидатов, уже проявивших девиантное поведение, может использоваться как инструмент в антикоррупционном найме сотрудников.
Третьим направлением использования искусственного интеллекта при подборе кадров является система психодиагностики, применяемая в тестовых заданиях работодателем. И хотя такого прямого показателя, как свидетельствуют исследования (Arrigo and Claussen, 2003) не существует, при этом косвенные показатели могут указывать на склонность кандидата к противоправным деяниям и антиобщественным действиям. Так, пятифакторная модель личности (Big five) описывает структуру личности кандидата посредством пяти диспозиций: экстраверсия, доброжелательность, добросовестность, нейротизм, открытость опыту. Ее альтернативные инструменты (экспресс-опросники «NEO-FFI», «HEXACO-PI-R-60») показывают значительную корреляцию с работоспособностью по признакам самодисциплины, активности, идей, компетентности, достижения стремлений, исполнительности, порядка, напористости, доверия, импульсивности, ранимости и обсуждения. Эти инструменты, построенные на основе модели большой пятерки, продемонстрировали высокую надежность при рекрутинге и проверке офицеров перед приемом на работу, показав превосходство над другими психодиагностическими методиками, в том числе MMPI и MMPI-2.
Результаты исследования и их обсуждение (Results and discussion). Ограничения ИИ в сфере подбора кадров состоят помимо ранее отмеченного и в том, что значения прогностической валидности (корреляции) варьируются от 0,13 до 0,68 (составляя в среднем 0,38). Компания Amazon прекратила использовать ИИ-наём в рекрутинге, поскольку ее система найма постоянно занималась гендерной дискриминацией. Проведенный выборочный опрос руководителей рекрутинговых сервисов, основанных на алгоритмах искусственного интеллекта, показал, что пока сравнительно небольшое их число (например, XOR, а также российская компания НПО «Эталон») ведут разработки в этом направлении и вскоре смогут представить для публикации данные, свидетельствующие о значимой взаимосвязи между заложенными индикаторами на стадии отбора и прогнозными значениями в отношении добропорядочности нанятых работников.  
Использование ИИ в рекрутинге сеет множество вопросов юридического характера и свидетельствует о необходимости законотворческой проработки белых пятен, связанных со сбором и обработкой персональных данных. Оптимальным авторы считают необходимость вдумчивого сочетания традиционных и ИИ-методов в найме, а также обучение как сотрудников HR-отдела, так и самих соискателей при работе с ИИ-рекрутингом.
Наряду с возможностями искусственного интеллекта в сфере рекрутинга, выделяются также и соответствующие риски (Ore and Sposato, 2021), состоящие в открытии организаций для судебных исков о дискриминации, поскольку ИИ не преднамеренно создает этические дилеммы, исключая женщин, этнические меньшинства, инвалидов и работников старше 40 лет.
Когда социальное измерение важнее финансового, при отборе талантов основное внимание уделяется человеческим аспектам, которые не видны в резюме и которые не просто определить с помощью интервью. Одним из эффективных инструментов являются симуляционные игры, которые сочетают в себе серьезное применение и увлекательную игру – симуляторы, воссоздающие реальную среду или придумывающие искусственные пространства, в которых игроки сталкиваются с искусственным интеллектом, который бросает им вызов, анализирует их поведение, взаимодействует с неигровыми персонажами, предлагая им сложные и увлекательные сценарии (Yannakakis and Togelius, 2015). Потенциальные кандидаты воплощают собой супергероев или шпионов, препятствуют деятельности преступников, завоевывают рынки, территории или планеты, спасают мир или просто становятся лидерами собственного бизнеса (Allal-Cherif and Makhlouf, 2016). Ярким примером является игра Misivias компании Randstad, которая обошлась в $200 тыс. и была разработана для оценки управленческих навыков анализа и принятия решений (Allal-Cherif, Aranega and Sanchez, 2021). Еще одним примером симуляционной игры является игра Reveal от компании Loreal, предназначенная для студентов и выпускников, целью которой является помощь в понимании организационной культуры компании и вовлечении в ее ценности. В ходе игры участники посещают отделения компании и запускают новые продукты компании, осваивая специальные методы Loreal. В этой игре оцениваются способности кандидатов переносить свои и полученные в ходе игры знания в виртуальную игру, которая является имитацией реального мира. Воронка рекрута является следующей: в первый год в игре приняло участие свыше 70 тыс. кандидатов, из них 4500 человек смогли закончить игру и только 3 300 попали в шорт-лист. По итогам отбора и ранжирования компанией было отобрано 185 стажеров, которые смогли приступить к работе. В некоторых странах прохождение этой игры является обязательным.
Еще одной площадкой для рекрутинга с помощью ИИ является платформа массовых открытых онлайн курсов (МООК), одним из основных вкладов которой является создание сетей, где встречаются талантливые потенциальные соискатели с последующими исследовательскими проектами и стартапами. Таким образом, МООК выступает в роли инкубаторов и рекрутинговых площадок (Porter, 2015).
Чат-бот Ari от компании Textrexruit – калифорнийский стартап, запущенный в 2014 году, коммуницирующий через мобильные приложения с использованием технологии Watson компании IBM (машинное обучение с помощью ответов соискателей и их анализа). Его цель – автоматизация простых операций, выполняемых рекрутером: анализ резюме и баз данных в режиме онлайн; создание шорт-листов с потенциальными кандидатами и определение приоритетности в соответствии с требованиями и заданными критериями отбора; коммуникация через более удобную систему мессенджеров для кандидата; запросы о знаниях, навыках, опыте работы; представление описаний вакансий, информации о ценностях и об организационной культуре компаний; сбор административной информации о кандидатах; получение общих документов онлайн; назначение встреч для очного или онлайн-интервью; ответы на часто задаваемые вопросы; поддержка контакта, чтобы кандидаты не забывали о сервисе и не скучали. Чат-бот может работать 24/7, контактируя одновременно с сотнями кандидатов.
Одна из крупнейших в мире площадок по управлению человеческими ресурсами и второе по величине в мире агентство временного персонала – Randstad (оборот $24 млрд в 2016 году), запустила в 2016 году сервис Randstad Big Data. На основе алгоритмов Oracle и Capgemini компания имеет инструменты, которые сопоставляют профессиональные навыки и предложения с запросами работодателей. Приобретя компанию Monster за $426 млн в 2016 году, Randstad получила доступ к 12 млн вакансий, ссылки на 11 тыс. профессий и навыков, базы данных корпоративных партнеров, 150 млн резюме, базы данных государственных и общественных учреждений, находящихся в открытом доступе. В компании работают алгоритмы, помогающие искать и другую недостающую информацию.
Заключение (Conclusions). Таким образом, проведенный анализ позволил сформулировать следующие выводы. Уровень охвата рекрутинга алгоритмами искусственного интеллекта составляет не более 10%, а свыше трети компаний собираются использовать его в ближайшие 5 лет. В таких компаниях искусственному интеллекту может быть делегирован поиск и отбор соискателей, приглашение и проведение интервью чат-ботами, а также оценка кандидата во время интервью и предсказание эффективности работы в будущем. 
Ряд российских и зарубежных компаний уже ведут тестовые разработки с алгоритмизацией искусственного интеллекта и определение инструментов, позволяющих достоверно судить о потенциальной степени честности будущего работника. Однако на сегодняшний день прогностическая валидность (корреляция) варьируются от 0,13 до 0,68 (составляя в среднем 0,38).
Выделяются три основных инструмента выявления склонности к коррупции и противоправному поведению, которые можно использовать в алгоритмах искусственного интеллекта при подборе персонала:
1. Анализ лексики кандидатов с составлением базы слов-сигналов, служащих маркерами для выявления работников, склонных к коррупционным правонарушениям;
2. Машинное зрение, способное распознавать лица и/или фотографии кандидатов, в прошлом уже проявивших девиантное поведение;
3. Система психодиагностики, применяемая в тестовых заданиях работодателем, составленная на основе пятифакторной модели личности («Большая пятерка»).
Наряду с возможностями искусственного интеллекта в сфере рекрутинга, существуют соответствующие риски, состоящие в открытии организаций для судебных исков о дискриминации, поскольку ИИ не преднамеренно создает этические дилеммы, исключая женщин, этнические меньшинства, инвалидов и работников старше 40 лет.
Помимо психодиагностической оценки кандидатов искусственный интеллект в сфере подбора кадров привлекается к разработке симуляционных игр, сочетающих в себе серьезное применение и увлекательную игру – симуляторы, воссоздающие реальную среду или придумывающие искусственные пространства, в которых потенциальные кандидаты игроки изучают особенности организационной культуры компании, а последние оценивают их стратегии поведения и этические установки.
В настоящее время нам видится множество сфер работы с персоналом, где возможно внедрить данную систему – алгоритмы искусственного интеллекта. В сфере подбора кадров почти все проблемы видятся типичными, а это значит, что у hr-специалистов в арсенале имеется широкий спектр исходного материала для организации и проведения машинного обучения, что позволит получить исходные данные для анализа и последующей интерпретации. Одновременно с этим необходимо обсуждение выделенных индикаторов в экспертном сообществе с целью дополнения их количества и придания им весовых коэффициентов с последующей оценкой эффективности системы ИИ-рекрутинга.
Подобный подход мы рассматриваем и в корпоративном секторе, и государственном секторе: в госуправлении, в контрольно-надзорном секторе, закупочной деятельности, в управлении кадров, поскольку выделенная нами проблема нивелирования коррупционных и правовых рисков имеет единый знаменатель.

Информация о конфликте интересов: авторы не имеют конфликта ин-тересов для декларации. 
Conflicts of Interest: the authors have no conflicts of interest to declare.