fbpx
изображение

Как инвестбанки отказываются от стереотипов в процессе найма

Как инвестбанки отказываются от стереотипов в процессе найма

Нанимая на высокооплачиваемые посты исключительно выпускников престижных вузов, играющих в лакросс, инвестиционные банки упускают талантливых специалистов. Основатели стартапа Suited утверждают, что искусственный интеллект поможет решить эту проблему

Есть верный способ попасть в одну из компаний Уолл-стрит: нужно получить бизнес-образование в Уортоне, Гарварде или Чикагском университете, а потом начать искать работу в инвестиционном банке. Если кандидат играет в сквош или лакросс, это добавит ему очков, так же как и членство в «правильном» клубе или университетском братстве.

Когда речь идет о поиске новых талантов, белые мужчины с дипломом престижных вузов, возглавляющие главные финансовые фирмы США, как правило, ищут более молодые копии самих себя. Претенденты из числа золотой молодежи могут быстро оказаться на нужной позиции. А все остальные, включая женщин и представителей меньшинств, оказываются в куда менее выгодном положении.

Но в эпоху, когда все больше ценятся разнообразие и инклюзивность, компаниям стоит сменить подход. Некоторые фирмы прибегают к помощи искусственного интеллекта. Все больше инвестиционных банков, в том числе Houlihan Lokey, Lazard, Moelis, и PJT Partners обращаются к предиктивным алгоритмам, когда нужно найти лучших кандидатов, отбросив предрассудки, свойственные рекрутеру.

Все они работают с Suited — лосанджелесским стартапом, разработавшим специальный инструмент поиска сотрудников для инвестиционных банков. Как и в сервисах онлайн-знакомств, кандидату нужно заполнить анкету. На это уходит около 30 минут: необходимо указать опыт работы и черты характера. «Одно дело, когда вы говорите об этом абстрактно, — рассказывает глава HR- отдела PJT Partner Стивен Мюррей. — Но когда есть еще и стопка резюме, тогда наши банкиры видят данные и спрашивают: «О, а сколько баллов набрал этот вот кандидат?»

Подходы инвестиционных банков к найму сотрудников почти не изменились за несколько десятилетий. Все начинается с того, что представители таких учреждений начинают наведываться в престижные университеты. Обычно сначала они рассказывают о себе, а потом следует что-то вроде серии «быстрых свиданий», во время которых студенты стараются пообщаться с максимальным количеством банкиров и произвести на них впечатление. На кону стажировки в отделе аналитики — для первокурсников, и на более престижных позициях — для успешных студентов первого года обучения по программе MBA.

Многие из этих стажеров впоследствии станут отличными сотрудниками. Но невозможно с уверенностью сказать, работает ли эта система или же она просто подпитывает сама себя. Что если бы банки рассматривали кандидатов и из других университетов? Что если бы на выбор не влияли неосознанные предрассудки? В Suited полагают, что искусственный интеллект может автоматизировать самую трудозатратную часть рекрутинга, сделать процесс более эффективным и улучшить конечный результат.

Начиная со следующего учебного года банк PJT будет принимать во внимание оценки, проставленные кандидатам алгоритмом Suited. Поначалу некоторые коллеги Мюррея говорили о нашествии роботов. Но теперь, кажется, смирились.

Каждый работодатель говорит о важности отбора правильных кандидатов. Особенно это справедливо для инвестиционных банков, где нет никакого волшебного приложения и всю работу выполняют только люди. Проведение той или иной сделки может принести серьезную выгоду и банкиров достойно вознаграждают за работу. Рядовой аналитик обычно получает около $125 тыс. в год. Зарплаты его более высокопоставленных коллег могут исчисляться семи- и восьмизначными суммами.

«Наш бизнес напрямую зависит от умения находить новые таланты и работать с ними, — объясняет сооснователь банка Moelis & Co Мишель Миякава. — Я даже не могу сказать, как много времени мы тратим на подбор сотрудников».

Из-за того, что список потенциальных кандидатов ограничен выпускниками престижных бизнес-школ, банки могут упускать перспективных специалистов. С другой стороны, это помогает как-то решить вопрос первичного отбора, хоть такая система и не идеальна.

Идея Suited пришла в голову Мэтту Спенсеру в 2015 году, когда он только возглавил HR-отдел в лос-анджелесском инвестиционном банке Houlihan Lokey. Как бывший банкир, специализирующийся на M&A-сделках и глубоко погруженный в процесс подбора и найма сотрудников, Спенсер видел много странного: «хищные» тактики рекрутеров, абсурдно высокие зарплаты и «горящие» предложения по трудоустройству, которые истекают в течение 24 часов.

В поисках лучшего выхода Спенсер вместе с другим сооснователем Suited Сэмом Фогарти собрал команду из волонтеров, фрилансеров и штатных специалистов по программированию, data science, искусственному интеллекту, а также промышленной и организационной психологии. В Houlihan Lokey мотивировали Спенсера развивать проект и получить инвестиции под его развитие. В марте бывший HR-директор покинул банк и возглавил Suited.

Всего за несколько месяцев более 10 тыс. кандидатов оставили анкеты на Suited. Спенсер, который сам окончил Университет Вандербильда, позволил регистрироваться в сервисе кандидатам из самых разных вузов, а не только тех, на которые обращали внимание инвестбанкиры. Теперь предприниматель хочет расширить сферу деятельности и подбирать специалистов для компаний из других областей, где человеческий капитал не менее важен — в частности, для бирж, коммерческих банков и юридических фирм.

Главный риск, сопряженный с использованием искусственного интеллекта в рекрутинге, в том, что он может не устранить предрассудки, а напротив, лишь укрепить их. Все-таки данные для Suited получают от работников той самой сферы, в которой 73% топ-менеджеров — белые мужчины. Спенсер осознает всю опасность. Он говорит, что перед тем, как клиент сможет использовать определенную модель подбора, ее строго проверяют на возможность дискриминации по расе, полу или возрасту.

В Moelis пока обучают искусственный интеллект выбирать кандидатов, которые обладают качествами, присущими их лучшим банкирам — добротой и любопытством. Для этого нужно загружать в систему больше анкет и проверять результаты вручную. «Мы пока в самом начале пути», — поясняет Миякава. Уже весной компания планирует использовать Suited в качестве вспомогательного инструмента для подбора персонала.

Пройдут годы, прежде чем в банках поймут, действительно ли подобранные с помощью алгоритмов Suited кандидаты лучше работают и вписываются в коллектив. Но пока компании просто осваивают новый подход. В конце концов, если data science находит применение и в радиологии, и в онлайн-продажах, то, возможно, искать сотрудников для инвестиционных банков тоже лучше с помощью данных и алгоритмов.

Bloomberg Businessweek, pro.rbc.ru

оставьте свой комментарий