Давид Ян о системе, которая предскажет ваше увольнение

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.

Как работает предсказание

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.