Выбор сильнейших

Я нахожу подтверждение приведенному выше выводу и в собственном опыте. Оглядываясь на свой первый проект подбора, выполненный почти двадцать лет назад, я понимаю, что у меня вообще ничего тогда не было – за исключением мотивации и, конечно, хорошего клиента. Безусловно, я выполнил свою часть работы, подобрав и проинтервьюировав огромное количество кандидатов и детально проверив их рекомендации. Но успех как таковой обеспечили три высококвалифицированных профессионала со стороны клиента, которые провели последовательную, независимую и тщательную оценку.

Одним из интервьюеров от клиента был Франк Бенсон, уходящий в отставку CEO Quilmes, который прошел вместе с компанией огонь и воду. Он знал Quilmes изнутри и знал предъявляемые ей вызовы. Другой – Дэвид Ганли, вновь назначенный CEO Quilmes, – как раз принимал дела от Франка, в то время как мы проводили поиск. Он был новичком в Quilmes, но отлично ориентировался в вопросах маркетинга и продаж FMCG[38] -компаний и глубоко понимал местных потребителей. Последним «фильтром» был CEO материнской компании Норберто Морита, выдающийся «человековед».

То, что в этом случае происходило, иллюстрирует одну из лучших практик совершенствования качества оценки: проведение с кандидатами-финалистами последовательных независимых интервью специалистами высшего уровня. Я назвал эту стратегию «моделью последовательных фильтров» и отразил ее на рис. 7.4.

Рис. 7.4. Модель последовательных фильтров

Обоснование этой стратегии базируется на идее, представленной в главе 3, где я анализировал влияние ошибок оценки. Напомню, что если мы хотим принять на работу исключительно кандидатов, входящих в верхние 10 % по квалификации, то даже при очень высоком уровне точности оценки (порядка 90 %) ошибочность наших решений о найме будет составлять 50 %. На рис. 7.4 это изображено как действие первого фильтра. Но если мы добавим второй независимый фильтр и пропустим через него кандидатов, прошедших через первый фильтр, то снизим вероятность ошибки уже до 10 %.

Как это работает? Представим, что у нас есть 100 кандидатов перед вторым фильтром, 50 % которых на самом деле имеют высшую квалификацию. Ваша оценка с 90 %-ной точностью выявит из них 45, а ошибка в 10 % добавит 5, не обладающих нужной квалификацией. Из 50 кандидатов, прошедших второй фильтр, 45 (90 %) уже «лучшие». Следуя этой логике и поработав с цифрами, вы обнаружите, что применение третьего фильтра позволяет снизить ошибку при окончательной оценке до 1 %.

У семи нянек дитя без глазу

Возможно, у вас возникло искушение довести эту логику до предела, добавив еще несколько этапов оценки и сведя вероятность ошибки практически к нулю? Не делайте этого! Во-первых, вы отсеете многих вполне квалифицированных кандидатов. Во-вторых, вам понадобится сформировать колоссальный первичный пул кандидатов для того, чтобы через все фильтры смог пробиться хотя бы один из них! В табл. 7.2 представлены последствия применения фильтров с разной точностью оценки.

Табл. 7.2. Пример применения трех последовательных независимых фильтров с разным уровнем точности оценки

¹ Вероятность оценки неквалифицированного кандидата как лучшего

² Вероятность оценки лучшего кандидата как неквалифицированного

В примере, который мы обсуждали выше, три фильтра с уровнем точности в 90 % дают лишь 1 % вероятности того, что неквалифицированный кандидат будет оценен как лучший, – и это, конечно же, хорошо. Правда, попутно вы по ошибке отсеете 27 % квалифицированных кандидатов. Чтобы найти одного кандидата высшего уровня, вам надо для начала найти 14 и провести 17 интервью, а это большая работа. Добавление новых фильтров мало что добавит к итоговой точности, поскольку уровень положительных ошибок и так невелик, но значительно повысит уровень отрицательных ошибок, что выльется в огромное количество дополнительной работы.

Вам надо помнить, что многие интервьюеры просто ищут повода отвергнуть кандидата{187}. И учтите, что систематическое отсеивание высококвалифицированных кандидатов – это не только пустая трата времени. Действуя так, вы рискуете подорвать доверие к себе на вашем рынке, что в долгосрочной перспективе – вредно.

Табл. 7.2 иллюстрирует не только важность участия в процессе ограниченного количества отборщиков, но и необходимость наличия у них высшей квалификации (помните, фактор Н в нашей модели HOT SHOT). Вторая строка в табл 7.2 отображает последствия применения трех последовательных независимых фильтров с более низким уровнем точности – 70 %. В итоге вероятность появления неквалифицированных кандидатов составит 42 %, при том что две трети квалифицированных кандидатов будут отсеяны. Но для получения этих плачевных результатов вам придется немало потрудиться, собрав для начала 17 кандидатов и проведя 25 оценочных сессий!