УДК 331.2

Воздействия цифровой трансформации и новых технологий, на процессы управления персоналом в агропромышленном комплексе

Хабарова Надежда Денисовна – соискатель звания кандидата экономических наук, ассистент кафедры Бухгалтерского учета, финансов и налогообложения Российского государственного аграрного университета – МСХА имени К. А. Тимирязева.

Научный руководитель Платоновский Николай Геннадьевич – кандидат экономических наук, доцент кафедры Управления Российского государственного аграрного университета – МСХА имени К. А. Тимирязева.

Аннотация: Авторы исследуют изменения в рабочих процессах, внедрение цифровых инструментов и их влияние на управление персоналом, а также рассматривают возможные стратегии для адаптации к новым условиям. Результаты исследования могут быть полезны для руководителей и специалистов в области управления персоналом в агропромышленном секторе при принятии решений о внедрении новых технологий.

С появлением новых технологий и цифровой трансформации, применение инновационных инструментов искусственного интеллекта, автоматизации и роботизации начинает оказывать значительное влияние на эффективность процессов управления персоналом. Данная научная статья направлена на исследование влияния этих технологий на подбор, обучение, оценку и удержание сотрудников, а также он выделяет основные выгоды и вызовы, связанные с применением новых технологий в управлении персоналом.

Ключевые слова: цифровая трансформация, новые технологии, управление персоналом, агропромышленный комплекс, рабочие процессы, цифровые инструменты, адаптация, кадровый потенциал, принятие решений.

Искусственный интеллект (ИИ) предоставляет уникальные возможности для автоматизации процессов подбора персонала. С помощью анализа большого объема данных и использования алгоритмов машинного обучения, системы ИИ могут эффективно отбирать кандидатов, основываясь на предопределенных критериях. Это позволяет сократить время и затраты на подбор кандидатов, а также повысить точность оценки их потенциала.

Системы ИИ могут анализировать резюме кандидатов и автоматически отслеживать соответствие их навыков и опыта требованиям вакансии. Они также могут сканировать профили в социальных сетях и работы, выполненные в прошлом, чтобы лучше понять потенциал кандидата. Благодаря этому, компании могут отобрать более подходящих кандидатов для дальнейшей оценки и интервью, увеличивая вероятность успешного найма.

Кроме того, системы ИИ могут использоваться для предсказания долгосрочной успешности сотрудников, анализируя их прошлые работы и достижения, а также сопоставляя их с показателями успеха в компании. Это помогает компаниям принимать обоснованные решения при выборе кандидата с наибольшим потенциалом и перспективами для успешной карьеры в компании.

ИИ для анализа резюме и соответствия требованиям включают такие системы, как:

  1. Applicant Tracking Systems (ATS): Такие системы автоматически сканируют резюме, анализируют ключевые слова и фразы, и сопоставляют их с требованиями вакансии. Некоторые известные ATS включают Taleo (Oracle), Workday, BambooHR и Bullhorn.
  2. Интеллектуальные аналитические системы: Такие системы используют алгоритмы машинного обучения для анализа и сопоставления резюме с требованиями вакансии. Примеры таких систем включают Vervoe, Ideal и ClearFit.

Системы ИИ, которые сканируют социальные сети и прошлые работы кандидатов, чтобы оценить их потенциал, включают:

  1. Social Media Analytics: Некоторые компании и сервисы могут использовать ИИ для анализа профилей в социальных сетях кандидатов, чтобы получить дополнительную информацию о них. Например, система Social Intelligence анализирует публичные посты и комментарии в социальных сетях, чтобы определить, подходит ли кандидат в организацию с точки зрения культуры и ценностей.
  2. Исследование прошлых работ: Некоторые системы ИИ могут анализировать работы, выполненные в прошлом, такие как проекты, статьи или код, чтобы оценить навыки и репутацию кандидата. Например, платформа GitHub использует алгоритмы машинного обучения для анализа кода и оценки качества разработчиков.

Важно отметить, что эти примеры представляют лишь некоторые возможности систем ИИ, применяемых в процессе подбора персонала. Различные компании и сервисы могут использовать разные системы, которые могут иметь свои уникальные функции и возможности, чтобы помочь в решении конкретных задач подбора персонала.

Однако, несмотря на все преимущества, внедрение систем ИИ в подбор персонала также вызывает некоторые вызовы. Например, системы ИИ могут не в полной мере учитывать некоторые качества и навыки, которые неуловимы для алгоритмов, такие как межличностные навыки и характеристики личности. Поэтому, важно поддерживать баланс между автоматизацией и ручным участием в процессе подбора персонала, чтобы учесть все аспекты кандидатов и принять правильное решение.

В целом, применение искусственного интеллекта в процессе подбора персонала может значительно улучшить эффективность и результативность этого процесса. Он позволяет компаниям быстро находить перспективных кандидатов, минимизировать ошибки в оценке и выборе персонала и повышать качество найма. Однако, необходимо учитывать преимущества и ограничения систем ИИ и использовать их в сочетании с участием и экспертизой людей, чтобы достичь наилучших результатов.

Автоматизация процессов обучения персонала может значительно улучшить его эффективность и результативность. С помощью онлайн-платформ и интерактивных курсов, сотрудники могут получать доступ к обучению в удобное для них время и темп. Это позволяет персоналу обновлять свои знания и навыки непосредственно на рабочем месте, что способствует улучшению производительности и адаптации к изменяющимся требованиям рынка труда.

  1. Learning Management Systems (LMS): Это программные платформы, которые позволяют организациям создавать, управлять и отслеживать обучение своего персонала. Они обеспечивают доступ к онлайн-курсам, видеоматериалам, тестам и другим образовательным ресурсам. Примеры популярных LMS включают Moodle, Cornerstone, TalentLMS и SAP SuccessFactors.
  2. Виртуальная реальность (VR): VR-технологии предлагают сотрудникам иммерсивное обучение через симуляцию реалистических рабочих ситуаций. Они могут помочь сотрудникам усвоить навыки и развить интуицию в безопасной и контролируемой среде. Например, врачи могут использовать VR-обучение, чтобы тренироваться в проведении сложных операций.
  3. Микрообучение: Это формат обучения, который предлагает короткие и конкретные уроки или модули, доступные в удобное время для сотрудников. Микроуроки могут быть представлены в виде видео, электронных карточек, инфографики и других форматов контента. Они позволяют сотрудникам быстро получать новые знания или улучшать существующие навыки, не выходя из рабочего процесса.
  4. Адаптивное обучение: Это подход к обучению, который использует ИИ для адаптации образовательного опыта под нужды каждого сотрудника. Системы ИИ анализируют данные о производительности и навыках сотрудников, чтобы предлагать персонализированные курсы и материалы. Такая индивидуализация помогает максимизировать эффективность обучения и сфокусироваться на конкретных областях для развития.

Использование автоматизации в процессе обучения персонала предлагает множество преимуществ, включая более гибкую доступность к образовательному контенту, самостоятельное обучение в любом месте и в любое время, адаптацию программы обучения под индивидуальные потребности сотрудников, улучшение удержания сотрудников и сокращение затрат на обучение и развитие.

Роботизация может существенно изменить процессы оценки производительности сотрудников. С помощью автоматизированных систем сбора данных и анализа результатов работы, руководители могут получать объективную информацию о производительности каждого сотрудника. Это позволяет более точно определить индивидуальные структуры вознаграждений и разработать персонализированные планы развития для улучшения производительности и мотивации персонала.

Оценка производительности с помощью роботизации может включать следующие примеры:

Автоматизированный сбор данных: Автоматизация процесса сбора данных позволяет сотрудникам использовать цифровые платформы и инструменты для записи выполненной работы, достижений и поставленных целей. Это может включать использование специализированного программного обеспечения или приложений, интегрированных с рабочими инструментами и системами.

  1. Asana: Это инструмент управления проектами, позволяющий сотрудникам записывать текущие задачи, отслеживать прогресс в работе и записывать выполненные задачи. Информация с Asana может быть использована для анализа производительности сотрудника.
  2. SalesForce: Базовый функционал этой платформы тесно связан с отслеживанием работы продажников. Однако, SalesForce позволяет автоматизировать сбор данных не только о продажах, но и обо всех аспектах деятельности компании.
  3. Time Doctor: Эта программа отслеживает время, проведенное в работе, также он позволяет следить за проектами, над которыми работают сотрудники, изучать веб-сайты и приложения, которыми пользуются, и делать скриншоты экрана.
  4. Jira: Это система отслеживания ошибок, которая может быть использована для записи задач, отслеживания прогресса в работе и сбора данных о производительности сотрудников, особенно в IT-секторе.
  5. Trello: Trello позволяет управлять проектами и задачами в режиме реального времени и отслеживать прогресс в виде канбан-доски. Это может быть мощным инструментом для сбора данных об эффективности работы команды и отдельных сотрудников.
  6. com: Эта платформа управления работой предлагает комплексные инструменты для планирования, отслеживания и координации работы в командах и среди отдельных сотрудников.

Важно отметить, что использование этих инструментов зависит от специфики работы компании и ее потребностей. Многие из них предлагают настраиваемые функции и могут быть интегрированы с другими инструментами и системами, что упрощает сбор и анализ данных для оценки производительности сотрудников.

Анализ производительности: Роботизация позволяет собирать, обрабатывать и анализировать большие объемы данных, относящихся к производительности сотрудников. Например, системы могут анализировать ключевые показатели производительности (KPI) и метрики эффективности работы, такие как объем работы, качество выполняемых задач и время выполнения.

Обратная связь и оценка: Автоматизированные системы могут предоставлять руководителям инструменты и аналитику, позволяющие дать объективную обратную связь и оценку производительности сотрудников. Это может быть основано на собранных данных и анализе конкретных результатов работы. Руководители могут использовать эти инсайты для определения индивидуальных структур вознаграждения, планирования развития сотрудников и предоставления специализированных обучающих программ.

Машинное обучение и прогнозирование: Роботизация может использовать алгоритмы машинного обучения, чтобы предсказывать будущую производительность сотрудников на основе их прошлых результатов. Это может помочь в определении наиболее эффективных стратегий вознаграждения и развития для улучшения результативности и мотивации персонала.

Применение роботизации в оценке производительности сотрудников имеет ряд преимуществ, включая объективность и независимость от субъективного мнения руководителей, увеличение точности оценки производительности и способность предоставлять более индивидуализированную обратную связь и планы развития для сотрудников.

Цифровая трансформация дает возможность создать более привлекательные условия работы и улучшить удержание сотрудников. Применение технологий, таких как удаленная работа, гибкий график и дистанционное обучение, позволяет предоставить персоналу большую свободу и автономность, что способствует повышению удовлетворенности и лояльности. Кроме того, использование современных коммуникационных инструментов и платформ для обратной связи может укрепить командный дух и содействовать эффективной работе виртуальных команд.

Для обратной связи и коммуникации включают:

  1. Цифровые рабочие пространства: Они предоставляют удобные виртуальные пространства для совместной работы и обмена информацией между членами команды. Примеры таких платформ включают Microsoft Teams, Slack и Google Workspace.
  2. Проектные инструменты: Эти инструменты позволяют командам совместно работать над проектами, делиться и отслеживать задачи, а также обновлять информацию о ходе проекта. Примеры таких инструментов включают Trello, Asana и Jira.
  3. Видеоконференции и онлайн-созвоны: Эти инструменты позволяют командам проводить виртуальные собрания, обсуждать и решать проблемы, обмениваться идеями и устанавливать контакт в режиме реального времени. Примеры таких инструментов включают Zoom, Microsoft Teams и Google Meet.
  4. Обратная связь и оценка производительности: Эти инструменты предоставляют возможность для формирования обратной связи, как от руководителя, так и от коллег, и оценки производительности виртуальных команд. Примеры таких инструментов включают 15Five, Lattice и Small Improvements.
  5. Совместное редактирование и обмен файлами: Эти инструменты позволяют командам совместно работать над документами, редактировать их и делиться файлами в режиме реального времени. Примеры таких инструментов включают Google Документы, Microsoft OneDrive и Dropbox Paper.

Использование современных коммуникационных инструментов и платформ помогает укрепить командный дух, улучшить взаимодействие и обмен информацией в виртуальных командах. Это позволяет всем участникам работать и сотрудничать эффективно, несмотря на физическое разделение и удаленность.

Технологии, такие как искусственный интеллект, автоматизация и роботизация, вносят существенные изменения в процессы управления персоналом. Они обеспечивают более эффективный и точный подбор кадров, повышают эффективность обучения, улучшают оценку производительности и способствуют удержанию персонала. Однако внедрение новых технологий также может вызывать определенные вызовы, такие как потребность в новых навыках и компетенциях у персонала, а также требование более гибкого и адаптивного подхода к управлению.

Список литературы

  1. Платоновский, Н. Г. Адаптивное обучение в системе современного образования в условиях цифровой трансформации / Н. Г. Платоновский, Н. Д. Хабарова // Цифровые технологии в образовании, науке и сельском хозяйстве : Материалы национального форума с международным участием, Иркутск, 26–29 сентября 2023 года. – Молодежный: Иркутский государственный аграрный университет им. А.А. Ежевского, 2023. – С. 89-95. – EDN INDLWY.
  2. Управление в АПК. Альбом наглядных пособий : учебное пособие для студентов высших учебных заведений, обучающихся по специальности 080502 "Экономика и управление на предприятии АПК" / Ю. Б. Королев, В. Д. Коротнев, Г. Н. Кочетова [и др.]. – Москва : Издательство КолосС, 2009. – 360 с. – (Учебник и учебные пособия для студентов высших учебных заведений). – ISBN 978-5-9532-0563-4. – EDN QTHCQJ.
  3. Обеспечение продовольственной безопасности государства и развитие экспортного потенциала аграрного сектора России / Г. К. Джанчарова, Р. Р. Мухаметзянов, Н. В. Чекмарева [и др.] // Московский экономический журнал. – 2022. – Т. 7, № 6. – DOI 10.55186/2413046X_2022_7_6_387. – EDN XAMBPB.
  4. Романюк, М. А. Проблемы сельской бедности в России / М. А. Романюк, Н. Г. Платоновский, И. М. Павлова // Экономика сельского хозяйства России. – 2019. – № 6. – С. 100-105. – DOI 10.32651/196-100. – EDN XBQOVH.
  5. Оценка экспортного потенциала АПК России / В. М. Кошелев, Д. С. Алексанов, Н. В. Чекмарева [и др.]. – Москва : Российский государственный аграрный университет-Московская сельскохозяйственная академия им. К.А. Тимирязева, 2022. – 199 с. – ISBN 978-5-9675-1864-5. – EDN GNJRBI.
  6. Ибрагимов, А. Г. Эффективность молочной отрасли России : Научно-аналитический обзор / А. Г. Ибрагимов, Н. Г. Платоновский. – Москва : Редакция журнала "Механизация и электрификация сельского хозяйства", 2021. – 84 с. – ISBN 978-5-6046183-3-2. – EDN IFJDLS.
  7. Бутырин, В. В. Потери в агропродовольственной сфере России и возможности их снижения / В. В. Бутырин, О. Г. Карапоткин, Н. Г. Платоновский // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2022. – № 10. – С. 16-24. – DOI 10.31442/0235-2494-2022-0-10-16-24. – EDN PHWAME.
  8. Ибрагимов, А. Г. Использование земельных ресурсов России: состояние и проблемы / А. Г. Ибрагимов, Н. Г. Платоновский // Экономика и предпринимательство. – 2021. – № 9(134). – С. 165-168. – DOI 10.34925/EIP.2021.134.9.024. – EDN IVWECR.
  9. Ибрагимов, А. Г. Уровень и качество жизни населения России: состояние и проблемы / А. Г. Ибрагимов, Н. Г. Платоновский // Экономика и предпринимательство. – 2021. – № 6(131). – С. 144-146. – DOI 10.34925/EIP.2021.131.6.025. – EDN FOARTV.
  10. Платоновский, Н. Г. Сельская бедность в России / Н. Г. Платоновский, В. Г. Русский // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2019. – № 11. – С. 88-92. – DOI 10.31442/0235-2494-2019-0-11-88-92. – EDN OLLGUV.
  11. Агропромышленный комплекс России: Agriculture 4.0 : В 2 томах / Е. Д. Абрашкина, Е. Г. Антонова, Н. В. Арзамасцева [и др.]. Том 1. – Москва : Ай Пи Ар Медиа, 2021. – 509 с. – ISBN 9785449711540(т.1),9785449710437. – EDN UVABWW.
  12. Ибрагимов, А. Г. Зеленая экономика в России и мире: состояние и перспективы / А. Г. Ибрагимов, Н. Г. Платоновский // Экономика сельского хозяйства России. – 2021. – № 9. – С. 103-108. – DOI 10.32651/219-103. – EDN VEVCKL.
  13. Управление развитием мясного производства в России / А. Г. Ибрагимов, Н. Г. Платоновский, М. А. Романюк [и др.] // Экономика и предпринимательство. – 2023. – № 8(157). – С. 195-198. – DOI 10.34925/EIP.2023.157.8.031. – EDN QBUFPW.
  14. Оценка наукоемких проектов в сфере селекции и семеноводства овощных культур / В. М. Кошелев, Д. С. Алексанов, Н. В. Чекмарева [и др.]. – Москва : Российский государственный аграрный университет - МСХА им. К.А. Тимирязева, 2023. – 83 с. – EDN QOCXHP.
  15. Развитие сельского хозяйства в России: состояние и перспективы / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков [и др.] // Экономика и предпринимательство. – 2022. – № 9(146). – С. 31-34. – DOI 10.34925/EIP.2022.146.9.002. – EDN BNBPLQ.
  16. Ибрагимов, А. Г. Хозяйствующие субъекты в различной организационно-правовой форме в АПК России как объекты менеджмента / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков // Экономика и предпринимательство. – 2022. – № 8(145). – С. 700-703. – DOI 10.34925/EIP.2022.145.8.138. – EDN WPHUPG.
  17. Развитие сельских территорий в России / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков, Н. В. Чекмарева // Экономика и предпринимательство. – 2022. – № 8(145). – С. 355-358. – DOI 10.34925/EIP.2022.145.8.068. – EDN TLLOSE.
  18. Ибрагимов, А. Г. Социально-экономическое развитие Российской Федерации: состояние и перспективы / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков // Экономика и предпринимательство. – 2022. – № 8(145). – С. 31-34. – DOI 10.34925/EIP.2022.145.8.002. – EDN CHXKRJ.
  19. Цифровая трансформация в сельском хозяйстве России / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков [и др.] // Экономика и предпринимательство. – 2022. – № 7(144). – С. 921-926. – DOI 10.34925/EIP.2022.144.7.182. – EDN ZZSUEJ.
  20. Ибрагимов, А. Г. Развитие рыбохозяйственного комплекса в России / А. Г. Ибрагимов, Н. Г. Платоновский, А. В. Шулдяков // Экономика и предпринимательство. – 2022. – № 7(144). – С. 36-39. – DOI 10.34925/EIP.2022.144.7.003. – EDN IEILTU.

Интересная статья? Поделись ей с другими: