1 проект
Skillaz - технология автоматизации подбора и принятия решений, включающая в себя роботизированную обработку job boards, social media и digital оценку кандидатов с последующей аналитикой на основе Machine Learning. Позволяет расширить воронку подбора на 300% и сократить стоимость найма и время закрытия вакансий почти в 2 раза.
Человек в эпоху digital генерирует огромное количество следов: форумы, чаты, сообщества, социальные сети, конференции, wiki, статьи, учебные работы и пр.
Как используется эту информация в рекрутинге и управлении талантами? Да никак.
Традиционные кадровые агентства теряют эффективность, закрытие вакансий до полугода, много ручного труда, монотонные повторяющиеся операции, много рутины.
Ведение кадровой документации, расчет компенсаций и льгот, управление эффективностью уже автоматизированы у большинства крупных организаций, но на рекрутинг до сих пор уходит много времени и денег. С одной стороны, у компаний есть Applicant Tracking System (ATS) — система управления базой кандидатов. С ее помощью можно обрабатывать и хранить входящие резюме, размещать объявления о вакансиях, управлять офферами и т. д. Подобные модули включают в свой «ассортимент» многие крупные игроки на рынке ИТ-систем по управлению человеческим капиталом (SAP, Oracle и другие). Однако при массовом найме, когда речь идет о сотнях и тысячах кандидатов, трудозатраты HR-менеджеров все равно велики — нужна огромная входная воронка и качественный первичный отсев кандидатов. Компании хотят получить софт, который поможет сэкономить на подборе персонала, и желательно, чтобы он интегрировался с уже имеющимися системами.
Очень таргетированный и сфокусированный поиск
Таргетированное привлечение
Прескрининг и сегментирование воронки без участия «живой головы»
Прогноз результативности/адаптации/выбытия.
Что это дает заказчику :
Сокращение ФОТ от 1%
Сокращение затрат на подбор и оценку от 30%
Идея создания платформы автоматизации рекрутинга появилась у нашего CEO Андрея Крылова случайно. В 2008 году он закончил Вологодский технический университет, где занимался системами искусственного интеллекта при отделении РАН. Как раз начались разговоры о «больших данных» — тогда это еще не было так модно. Его карьера была связана с разработкой, внедрением и развитием больших программных систем. В 2013 году Андрей работал аналитиком бизнес-систем в компании Kaspersky Lab, а этажом выше сидели менеджеры по подбору персонала. И он видел их боль. Многие кандидаты присылали резюме наобум, не особо вчитываясь в требования, и рекрутерам приходилось просматривать и отсеивать тонну ненужной информации. Кроме того, уровень проникновения технологий до недавних пор был очень низкий, резюме во многих компаниях заносили в базу вручную. Соискатели тоже недовольны — они испытывают массу неудобств. Рынок труда дает им некую «иллюзию выбора». Например, многие друзья Андрея ездили на бесполезные собеседования, хотя в ряде случаев можно было за пять минут выяснить, что компания и кандидат не подходят друг другу. Онлайн-технологии позволяют избежать подобных ситуаций и сэкономить время.
Андрей начал общаться со стартаперами и HR-менеджерами, помогал с проектированием и разработкой ПО проекту «Биржа квалификаций и компетенций», который развивало Агентство стратегических инициатив. Задача этой платформы — подтвердить компетенции человека и построить для него карьерную траекторию, используя методологию профессиональных стандартов в разных отраслях. Но для стартапа проект развивался слишком медленно, и он задумал запустить собственный бизнес в сфере HR-технологий.
На тот момент Андрей учился в стартап-академии GVA и финальный модуль проходил в Кремниевой долине. Здесь он провел полноценный customer development — тестирование идеи будущего продукта на потенциальных потребителях. Пообщался с HR-директорами крупных компаний, потом повторил исследование и в России, собрав обратную связь от более чем тысячи специалистов, руководителей и предпринимателей в этой сфере. В итоге р
В итоге решили сделать облачную платформу, которая помогала бы компаниям с поиском и оценкой кандидатов. Skillaz — это своего рода конструктор, на базе платформы можно осуществлять автоматический поиск кандидатов по разным источникам (работные сайты, соцсети), рассылать им приглашения, использовать различные форматы предварительной онлайн-оценки (опросники, тесты, кейсы с заданиями, квесты и т. д.). Кроме того, по желанию работодателя кандидаты могут записывать короткие видео- и аудиоинтервью. Платформу можно встроить на корпоративный сайт, она доступна и с мобильных устройств.
В США уже есть подобные сервисы — например, HireVue, JobVite. В России комплексных аналогов пока нет, хотя разные компании автоматизировали отдельные этапы подбора персонала (скажем, компания VCV организовывает видеоинтервью). В сфере управления персоналом появляется много стартапов — за последние шесть лет в России, по разным оценкам, объем инвестиций в HR-софт вырос в восемь раз. Зрелые компании (IBS, Headhunter) тоже запускают новые проекты. Словом, рынок открыт для новых идей.
Компания Skillaz появилась в середине 2015 года, ее основали Андрей Крылов и его тогдашний партнер Григорий Дудаш (сейчас он не участвует в операционной работе). Еще пять человек работали с нами на аутсорсинге. Проект мы запустили на собственные деньги — на создание и тестирование прототипа потратили около 700 тыс. руб. Потом появились инвестиции — сначала группа частных инвесторов вложила в компанию €160 тыс., а в 2017 году экс-руководитель сети Enter, управляющий партнер фонда Salt&Pepper Capital Сергей Румянцев, получил блокпакет, вложив несколько сотен тысяч долларов.
На старте мы тестировали платформу, корректировали бизнес-модель, проводили бесплатные запуски в компаниях, собирали обратную связь. Далеко не все пилотные проекты «взлетели». Каким-то работодателям такой сервис пока не нужен, где-то мы ощущали саботаж со стороны рекрутеров — ведь наш сервис, по сути, отбирает их хлеб. Но думаю, смерть этой профессии не грозит — скорее, она серьезно трансформируется. Рутиной будут заниматься роботы, а специалистам придется овладеть новыми компетенциями, их ждут более интересные функции.
Первый коммерческий контракт мы заключили в августе 2016 года с небольшим стартапом, затем начали общаться с другими работодателями. Сейчас среди наших клиентов около 20 крупных компаний — «Почта Банк», Leroy Merlin, «Азбука Вкуса», «Санлайт», ВТБ24, Сберанк, UBER готовим проект с Газпром-Нефтью и Яндекс.Такси. Через нашу платформу прошли в общей сложности около 600 тыс. соискателей. На маркетинг особо не тратились — как только Skillaz засветилась как новый игрок на рынке массового подбора персонала, заработало сарафанное радио. Один успешный запуск привлекает внимание десяти других клиентов, и компании сами приглашают нас на встречи.
Мы вышли на операционную окупаемость через несколько месяцев после начала продаж, и если работать с нынешней командой (сейчас у нас 12 человек, ряд функций мы отдали на аутсорсинг) и текущим уровнем расходов, Skillaz может стать прибыльной по итогам 2017 года. Другое дело, что мы масштабируем бизнес, поэтому время от времени уходим в минус. До конца года планируем закрыть раунд А и привлечь от инвесторов несколько миллионов евро, чтобы выходить на европейский рынок. На сегодняшний день у нас уже в работе пилотный проект в Румынии с производителем автомобилей.
Мы изначально проектировали Skillaz как конструктор, поэтому работодатель может комбинировать разные сценарии поиска и первичного отбора кандидатов. Все инструменты настраиваются индивидуально, вплоть до цвета подложки, максимум за две недели (сначала с нашей помощью, потом самостоятельно). Если обобщать опыт реализованных проектов, то большинство клиентов выбирают простые схемы. Сначала умный бот ходит по работным сайтам и социальным сетям, анализирует профили и резюме кандидатов. Затем, если по формальным критериям человек подходит, ему присылают письмо, смс или робот делает ему звонок, пересылая ссылку для прохождения оценки. Здесь человека ждет короткое тестирование (на 1—2 компетенции). Вопросы в таких тестах не всегда кажутся серьезными («Раздражает ли вас резкий запах духов?»), но для массовых позиций они могут быть важными.
Для проектов, связанных с массовым подбором, сервис видеоинтервью в России пока не очень востребован, да и кандидаты на начальные позиции не очень любят сниматься. Я слышал от других предпринимателей, что в некоторых проектах видео записывают лишь 3,2% соискателей. В среднем конверсия в записанные видео на массовом подборе — 20—30%. Зато для позиций более высокого уровня этот инструмент доказал свою высокую эффективность.
После всех оценочных процедур в кадровую ИТ-систему работодателя поступают данные кандидатов, которые прошли первичный фильтр (иногда компании просят никого не отсеивать, а пересылать им все результаты оценки для HR-аналитики). И на очное собеседование приглашают уже тех, кто имеет более высокие шансы прижиться на новом месте.
Автоматизация поиска, предварительной оценки кандидатов и рекрутинга в целом позволяет в два раза ускорить процесс подбора персонала и снизить расходы компании, а также существенно расширить воронку найма. Например, банк «Открытие», с которым мы недавно завершили пилотный проект, обнародовал данные о результатах использования Skillaz. Компания наняла более 100 сотрудников колл-центра и девять менеджеров по продажам, причем за неделю робот-рекрутер нашел больше кандидатов, чем пять «живых» специалистов за месяц.
С выходом кандидата на работу его «жизненный цикл» не заканчивается для Skillaz. Поскольку наш сервис можно интегрировать с кадровыми ИТ-системами клиентов, есть возможность отслеживать, что происходит дальше с нанятыми людьми, как новичок прошел адаптацию и обучение, какие показывает результаты. Работодатели сами предоставляют нам обратную связь, потому что заинтересованы построить с нашей помощью валидный профиль «идеального кандидата» — какой тип сотрудника наиболее результативен в данной компании, на данной позиции и для данного региона.
HR-менеджеры часто формулируют требования к кандидатам интуитивно, не используя инструменты HR-аналитики. Во многих компаниях, например, считается, что продавец должен быть коммуникабельным и стрессоустойчивым, но это не всегда верно. Бывает, что ранимые интроверты продают лучше, поскольку более чутко реагируют на потребности клиента. Подтвердить или опровергнуть эти гипотезы можно с помощью данных, и чем больше статистики, тем точнее будет модель. Безусловным лидером по использованию предсказательной аналитики можно считать американскую HireVue — у нее сотни клиентов, включая Walmart, которые генерируют огромный поток информации. В России такого количества данных пока нет ни у кого.
Мы используем в работе Skillaz элементы искусственного интеллекта и со временем сможем подсказывать компаниям, какие типажи сотрудников им подходят, а какие нет. В идеале HR-директор будет выбирать регион, а система автоматически подсказывать ему, на каких профессионалов стоит обратить особое внимание. Но наша цель — быть полезными не только работодателям, но и давать дополнительную ценность соискателям. Например, если у человека не хватает компетенций или профессиональных знаний, система на почту вышлет рекомендации по обучению или даже ссылку на курсы в его регионе. Либо порекомендует ему компанию, которая в наибольшей степени подходит для развития его карьеры. Таким образом, Skillaz со временем будет давать клиентам дополнительный поток мотивированных кандидатов.
Основатель Skillaz