Это — короткая версия подкаста «Запуск завтра», в котором наш товарищ Самат Галимов говорит с Давидом Яном. Если есть время — послушайте полную версию:
О Давиде
- Создатель электронного словаря Lingvo и системы распознавания документов FineReader. Это два первых продукта компании ABBYY. Сегодня у ABBYY есть офисы на многих континентах и оборот в миллионы долларов.
- Создал компанию iiko. Если вы сейчас пойдёте в ресторан, то с большой вероятностью официант забьёт ваш заказ именно в систему iiko.
- Сейчас работает над системой Yva, которая обещает предсказать поведение людей: например, когда они выгорят или уволятся.
- Кандидат физико-математических наук.
- Занимается искусственным интеллектом
- Основал 12 компаний.
Об ИИ, который предсказывает поведение людей в компании
Мы несколько лет назад решили применить технологии искусственного интеллекта к самому сокровенному, наверное, что есть в бизнесе, — это к информации о том, как люди сотрудничают. Мы были убеждены, что в корпоративных коммуникациях лежит мудрость организации: кто сильный управленец, кто сильный продавец. Или, наоборот, кто отстраняется от работы или проявляет себя как токсичный менеджер.
Мы подумали, что если кто-то научится расшифровывать эту информацию, то он обеспечит бизнесам всего мира такой магический кристалл и своего рода МРТ-сканер.
Например, система показывает вовлечённость сотрудников в работу: как она растёт и падает. Она показывает продолжительность рабочего дня, как быстро люди отвечают на письма, есть ли у них проблемы, есть ли конфликты. Можно увидеть признаки выгорания сотрудников.
Как предсказать увольнение
Можно даже предсказать увольнение — иногда до того, как сам сотрудник принял решение уволиться. У нас есть ситуации, когда система предсказывала увольнение за 11 месяцев. Система делит этот период на три фазы: фаза фрустрации, фаза раннего выгорания и фаза позднего выгорания.
Это нужно, чтобы удерживать сотрудников. Каждая организация вкладывает огромные деньги, силы, любовь в каждого сотрудника. И очень обидно, если из-за чего-то человек решает уйти. Хочется находить ситуации каких-то недопониманий на раннем этапе, чтобы их исправить и чтобы хорошие сотрудники оставались.
Мы создали такую нейросеть и так её обучили, что она научилась находить изменения в точках корпоративного сотрудничества человека в период за несколько месяцев до того, как он увольняется.
Оказывается, в такие моменты мы меняем своё поведение. Это связано с тем, как быстро мы отвечаем на письма, кому и когда мы пишем, какое количество новых писем и тредов мы начинаем; хвалим мы своих коллег или не хвалим; хвалят ли нас; есть ли похвала вверх или вниз по иерархии, за пределы компании, внутри компании.
Получается такой граф коммуникаций: это десятки тысяч точек данных, которые каждый сотрудник порождает ежегодно. И если смотреть на отдельно взятую метрику, то ничего не меняется. А вот всё вместе — оказывается, там лежит эта информация, мы немножко меняемся в этот период.
И вот мы научили нейросеть замечать эти изменения и с определённой вероятностью предсказывать увольнение.
Был случай в самой компании Yva, где мы разрабатываем эту технологию. У нас было 15 сотрудников, и мы думали, что мы всё про всех знаем. И вот мы первый раз показываем модель выгорания самим себе на стендапе. Данные по нам самим: все сотрудники показываются на экране: кто выгорает, кто — нет.
И тут два инженера показываются в зоне выгорания. То есть у них вероятность увольнения достаточно высокая. Мы переглядываемся: один как-то промолчал, а другой говорит: «Ребят, я же говорил, что это не работает. Ну посмотрите, ерунда какая-то». Допустим, его Олег зовут. Он был одним из наших ключевых сотрудников.
Я говорю: «Олег, ты скажи, если что не так». Он говорит: «Да нет, нет, нет, всё нормально, я не собираюсь увольняться». Дело происходит в апреле.
Через четыре месяца он увольняется. И когда он увольняется, происходит разговор:
— Олег, а почему ты говорил, что ты не собираешься увольняться?
— А я не собирался.
— Но ты год назад подал заявление на переезд на постоянное место жительства в Европу. То есть ты же знал, что ты уезжаешь.
— Ну, понимаешь, мне в апреле тогда ещё визу не дали, вот я как бы и говорил, что не собираюсь увольняться.
А система на самом деле увидела примерно с того момента, когда он подал визу, его изменение. Так что бывает так, что ты работаешь с человеком вот так рядом и совершенно не понимаешь этого.
Этический вопрос предсказаний
Очень важно, что мы доставляем эту информацию в первую очередь самому сотруднику в его личный дашборд. И подобный анализ происходит с согласия сотрудника. Это совершенно принципиально. С одной стороны, мы создаём эту информацию для сотрудника, с другой — мы спрашиваем его разрешение.
Мы считаем, что этический водораздел находится в следующем: кому принадлежат данные, кто инициирует анализ и для чего он это делает.
Если данные принадлежат самому сотруднику и если он является хозяином и инициатором этого анализа, это его решение. Каждый сотрудник может принять решение, допустим, что он не хочет, чтобы создавался личный кабинет о том, как он работает.
Более того: система имеет несколько уровней приватности.
- Первый уровень — ты не разрешаешь системе анализировать своё поведение вообще.
- Следующий уровень — ты разрешаешь анализировать, но только с целью того, чтобы правильно задавать вопросы про правильных людей. Но система не имеет права считать выгорание, ширину рабочего дня и всё прочее.
- Самая глубокая степень приватности — когда ты разрешаешь системе смотреть содержание переписки для цели вытаскивания таких семантических сигналов, как похвала, позитив, негатив, когда мы ставим задачи друг другу.
Такие семантические конструкции система вытаскивает из содержания, ставит надписи на конверте «здесь есть задача», «здесь есть похвала», «здесь есть позитив», «здесь есть негатив». И дальше она не хранит в себе само содержание переписки.
Как это ни странно, большинство людей разрешают системе самый глубокий уровень приватности. У нас практически нет случаев, когда сами сотрудники отказывались от анализа.
Когда сотрудники участвуют в опросах и отвечают на вопросы про других людей, в конце у них есть кнопка: «А хочешь посмотреть информацию о себе, как твои коллеги по работе рекомендуют тебе улучшиться?». Это оказывается настолько важно, что люди подписываются на систему и дают согласие и получают этот личный кабинет.
О пивоте
Когда мы начинали делать Yva, это была система умного поиска по документам в почте. Потом произошёл классический пивот в стиле стартапов Кремниевой долины. Мы начинали с того, что хотели решить проблему, когда ты знаешь, что у тебя есть этот документ, но ты не можешь его найти. И эта проблема никуда не девалась, кажется, что она до сих пор есть. И когда-нибудь всё-таки, наверное, кто-нибудь её решит.
Но чтобы вообще решить проблему умного семантического поиска, надо действительно было понять и сантименты, и задачи, и многое другое. Пока мы решали эту задачу, у нас появилось 160 000 пользователей, и как-то вдруг наши пользователи начали говорить: «Слушай, Давид, а что, ваша система умеет понимать позитивные и негативные письма? Она умеет понимать, что в письме была поставлена задача? А она может напоминать, что задача была поставлена кем-то, а я не ответил? Она может мне помочь просто найти те письма, где меня о чём-то просили, а я так и не ответил и забыл про это?» На всё это у нас был положительный ответ.
Так появилась система Yva Task Assistant. Это был промежуточный пивот между Findo и текущей Yva. И мы это сделали. У нас появилось много пользователей, которые сказали: «О, круто, то есть теперь она может подсказывать неисполненные задачи!»
И вот когда мы уже отрабатывали эту продуктовую идею, мы вдруг увидели большой пласт: мы вдруг поняли, что можно сделать систему, которая в целом поможет сотруднику стать эффективнее: развить лидерские качества, вовлечённость, удовлетворённость, управление командами и т. д.
И эта задача, оказывается, огромная, это многомиллиардный бизнес. Он называется Employee Experience Platforms. Их только на пальцах одной руки можно насчитать, наверное, — это миллиардные компании.
Но мы поняли и другое — что все эти компании очень old-fashioned, они в основном используют активную аналитику и опросы. А мир ушёл вперёд. Нельзя ли эти опросы снабдить объективной аналитикой того, как на самом деле люди работают? Не спрашивать о том, как вы работаете, а на самом деле смотреть, чем отличается сильный продавец от слабого продавца, сильный управленец от слабого? Вот этот орешек мы хотели вскрыть.
Предсказание успешности человека
Есть такая тема: понять, какого типа человек. Он из того типа, который, скорее всего, станет через два-три года самым сильным и успешным, продвинется по службе и станет начальником. Или он через шесть месяцев покинет работу? Сейчас Yva не умеет этого делать.
Yva нужен хотя бы за восемь месяцев исторический цифровой след сотрудника, чтобы начать принимать какие-то решения. Это не значит, что после установки Yva первые восемь месяцев она не работает. Она смотрит исторические данные: она тебе покажет сразу всю историю твоей компании, все твои взлёты и падения. Но если сам сотрудник работает меньше восьми месяцев у тебя в компании, то у тебя будет ограниченная информация. И мы сейчас над этим работаем.
Ошибки системы
Как и у любой системы, построенной на статистике и на глубоком обучении, у неё есть понятия false positive, false negative, ошибки первого рода, ошибки второго рода. И в этом смысле информацию, которую показывает любая подобная система, необходимо рассматривать только как один из сигналов.
Что касается семантических сигналов: как поставлена задача, письмо, требующее ответа, похвала. Там точность на 100 языках достаточно высокая: более 90, 92% и выше.
Что касается оценок выгорания и предсказаний увольнения, на допандемических данных и на модели «из коробки» точность была от 58 до 86%. Но, например, мы хорошо понимаем, что в период пандемии изменилось всё. То есть даже если мы были чем-то недовольны и уже думали о поиске новой работы до 31 марта, то начиная с апреля огромное количество людей изменили своё решение о потенциальном увольнении.
Что ещё
В полной версии подкаста — о работе Давида с университетской скамьи, компаниях ABBYY и других предприятиях, а также об эмоциональном доме и роботе-собаке с эмоциональным интеллектом. Страшные вещи рассказывает. Слушайте, если хотите оказаться в будущем.
