Образец резюме
Подборка наиболее важных документов по запросу Образец резюме (нормативно–правовые акты, формы, статьи, консультации экспертов и многое другое).
Формы документов
Статьи, комментарии, ответы на вопросы
Статья: Краткосрочные трудовые договоры для проверки работников: особенности их продления и преобразования в договоры на неопределенный срок
(Матвейчук Т.И.)
("Кадровик-практик", 2024, N 8)Прием на работу нового работника, как правило, является для работодателя приобретением кота в мешке. Во время развитых технологий, изобилия информации и образцов резюме в Интернете большинство резюме соискателей выглядят так, что, прочитав его, даже самый опытный сотрудник может получить комплекс неполноценности и почувствовать себя на фоне таких "компетенций" кандидата ничего не умеющим школьником. Но по факту, когда этот "выдающийся" новичок начинает работать, может оказаться не все так радужно - окажется, что резюме совершенно не соответствует действительности, работник попросту не может выполнять элементарных вещей и не имеет и десятой доли знаний, о которых писал. И тогда работодатель начинает думать, как же расстаться с таким горе-специалистом без нарушения закона... Опытные кадровики понимают, что даже установление в трудовом договоре периода испытания не очень помогает в таком случае, если работник сам не пожелает уволиться. Ведь для того, чтобы уволить в связи с непрохождением испытания, нужно оформить очень много и, главное, правильно различных документов, фиксировать едва ли не каждое действие новичка, выяснять причины, по которым у него не получилось выполнить свои обязанности, а это очень трудоемкое занятие, и редко в какой организации все это делается.
(Матвейчук Т.И.)
("Кадровик-практик", 2024, N 8)Прием на работу нового работника, как правило, является для работодателя приобретением кота в мешке. Во время развитых технологий, изобилия информации и образцов резюме в Интернете большинство резюме соискателей выглядят так, что, прочитав его, даже самый опытный сотрудник может получить комплекс неполноценности и почувствовать себя на фоне таких "компетенций" кандидата ничего не умеющим школьником. Но по факту, когда этот "выдающийся" новичок начинает работать, может оказаться не все так радужно - окажется, что резюме совершенно не соответствует действительности, работник попросту не может выполнять элементарных вещей и не имеет и десятой доли знаний, о которых писал. И тогда работодатель начинает думать, как же расстаться с таким горе-специалистом без нарушения закона... Опытные кадровики понимают, что даже установление в трудовом договоре периода испытания не очень помогает в таком случае, если работник сам не пожелает уволиться. Ведь для того, чтобы уволить в связи с непрохождением испытания, нужно оформить очень много и, главное, правильно различных документов, фиксировать едва ли не каждое действие новичка, выяснять причины, по которым у него не получилось выполнить свои обязанности, а это очень трудоемкое занятие, и редко в какой организации все это делается.
Статья: Искусственный интеллект в сфере труда
(Хубулова М.И.)
("Трудовое право в России и за рубежом", 2022, N 3)В сфере труда одной из наиболее важных проблем, возникающих в связи с внедрением искусственного интеллекта, является реализация принципа запрещения дискриминации. Работодатели используют возможности ИИ при подборе персонала. Например, компания Unilever рассматривает более 250 тысяч заявок кандидатов с использованием технологии ИИ <7>. В результате продолжительность процесса приема на работу сократилась с 4 месяцев (когда заявки рассматривались вручную) до 4 недель, что сэкономило компании 50 тысяч часов рабочего времени. Так, автоматизированная система подбора персонала способствует устранению повторяющихся и наиболее трудоемких задач. Создается алгоритм, содержащий в себе данные об успешной деятельности работников организации (на примере их резюме), способный оценить деловые качества кандидата и спрогнозировать его потенциальную успешность в определенной должности <8>. Предусматривается, что данный способ подбора персонала полностью обеспечит беспристрастность и объективность всего процесса, ведь ИИ в отличие от человека сфокусирован только на деловых качествах кандидата, без учета других его характеристик (пол, национальность, возраст, внешний вид), которые нередко отмечаются работодателем, наводя на него сомнения по поводу профпригодности кандидата. Тем не менее дискриминация кандидатов не исключается при автоматизированном способе подбора персонала (алгоритмическая дискриминация). Однако система ИИ самостоятельно не порождает дискриминационную практику, этому способствуют данные, которым она обучается. Таким образом, ИИ может быть обучен на основе необъективных данных, предвзятой выборке (то есть отражать прошлый опыт организации, который может быть несправедливым и дискриминационным, содержать стереотипы и человеческие предубеждения).
(Хубулова М.И.)
("Трудовое право в России и за рубежом", 2022, N 3)В сфере труда одной из наиболее важных проблем, возникающих в связи с внедрением искусственного интеллекта, является реализация принципа запрещения дискриминации. Работодатели используют возможности ИИ при подборе персонала. Например, компания Unilever рассматривает более 250 тысяч заявок кандидатов с использованием технологии ИИ <7>. В результате продолжительность процесса приема на работу сократилась с 4 месяцев (когда заявки рассматривались вручную) до 4 недель, что сэкономило компании 50 тысяч часов рабочего времени. Так, автоматизированная система подбора персонала способствует устранению повторяющихся и наиболее трудоемких задач. Создается алгоритм, содержащий в себе данные об успешной деятельности работников организации (на примере их резюме), способный оценить деловые качества кандидата и спрогнозировать его потенциальную успешность в определенной должности <8>. Предусматривается, что данный способ подбора персонала полностью обеспечит беспристрастность и объективность всего процесса, ведь ИИ в отличие от человека сфокусирован только на деловых качествах кандидата, без учета других его характеристик (пол, национальность, возраст, внешний вид), которые нередко отмечаются работодателем, наводя на него сомнения по поводу профпригодности кандидата. Тем не менее дискриминация кандидатов не исключается при автоматизированном способе подбора персонала (алгоритмическая дискриминация). Однако система ИИ самостоятельно не порождает дискриминационную практику, этому способствуют данные, которым она обучается. Таким образом, ИИ может быть обучен на основе необъективных данных, предвзятой выборке (то есть отражать прошлый опыт организации, который может быть несправедливым и дискриминационным, содержать стереотипы и человеческие предубеждения).
Статья: Обработка ПДн для исполнения трудового законодательства: какие нюансы требуют внимания кадровых служб
(Кузина Т.)
("Внутренний контроль в кредитной организации", 2024, N 4)Вопросов с записью, систематизацией и накоплением возникнуть не должно: примером записи может быть занесение данных анкетирования работника (или соискателя на этапе закрытия вакансий) в рабочий компьютер, примером использования - анализ информации в анкете соискателя для принятия решений, примером накопления - сбор перспективных резюме "на всякий случай", примером систематизации - распределение этих резюме по направлениям деятельности, по подразделениям в рамках штатного расписания и т.п.
(Кузина Т.)
("Внутренний контроль в кредитной организации", 2024, N 4)Вопросов с записью, систематизацией и накоплением возникнуть не должно: примером записи может быть занесение данных анкетирования работника (или соискателя на этапе закрытия вакансий) в рабочий компьютер, примером использования - анализ информации в анкете соискателя для принятия решений, примером накопления - сбор перспективных резюме "на всякий случай", примером систематизации - распределение этих резюме по направлениям деятельности, по подразделениям в рамках штатного расписания и т.п.
Статья: Цифровые инструменты защиты прав на интеллектуальную собственность: на примере блокчейна и искусственного интеллекта
(Фролова Е.Е., Купчина Е.В.)
("Вестник Пермского университета. Юридические науки", 2023, N 3)Сегодня уже создано и успешно функционирует программное обеспечение, которое может проводить такие действия, как юридические исследования, создание документов и подготовка резюме. Наиболее важным примером этих технологий является система искусственного интеллекта под названием Ross Intelligence <30> от IBM Watson, которая описывается как первая в мире поверенная с искусственным интеллектом. Система функционирования Ross Intelligence основана на обработке естественного языка, которая отвечает на юридические вопросы и готовит двухстраничную записку, обрабатывая и цитируя огромные объемы данных, включая законодательство, судебную практику и академические исследования. Существуют также различные инструменты электронного обнаружения, такие как eBravia, Everlaw и DISCO, для оценки документов.
(Фролова Е.Е., Купчина Е.В.)
("Вестник Пермского университета. Юридические науки", 2023, N 3)Сегодня уже создано и успешно функционирует программное обеспечение, которое может проводить такие действия, как юридические исследования, создание документов и подготовка резюме. Наиболее важным примером этих технологий является система искусственного интеллекта под названием Ross Intelligence <30> от IBM Watson, которая описывается как первая в мире поверенная с искусственным интеллектом. Система функционирования Ross Intelligence основана на обработке естественного языка, которая отвечает на юридические вопросы и готовит двухстраничную записку, обрабатывая и цитируя огромные объемы данных, включая законодательство, судебную практику и академические исследования. Существуют также различные инструменты электронного обнаружения, такие как eBravia, Everlaw и DISCO, для оценки документов.
Статья: Проблемы признания правосубъектности искусственного интеллекта и ответственности за принятые решения в трудовых отношениях
(Новиков Д.А.)
("Трудовое право в России и за рубежом", 2024, N 2)Не стоит забывать, что многие ошибки при принятии решений, приписываемые ИИ, - это действительно человеческие ошибки, которые попадают в алгоритм в процессе программирования и не исправленные во время тестирования. Такие ошибки ИИ не в состоянии трактовать по-человечески интуитивно или перезаписывать, если это необходимо. Это можно было увидеть на примере работы системы алгоритмического отбора резюме в компании Amazon в 2018 г., когда на основе предыдущих предпочтений претендентов на должности ИИ принял дискриминационные решения о найме <7>. Исследование алгоритмической модели преобразования текста в изображение Stable Diffusion, проведенное Л. Николетти и Д. Басс для Bloomberg Technology, показало, что ИИ только усиливает предубеждения и неравенство при принятии решений. Например, в наборе изображений, созданном алгоритмом для демонстрации представителей высокооплачиваемой работы (запросы "юрист", "судья" и "генеральный директор"), преобладали мужчины со светлым цветом кожи, в то время как женщины с темным цветом кожи чаще всего создавались по таким запросам, как "работник организации общественного питания" <8>. Аналогичные проблемы, связанные с существенной предвзятостью алгоритмов, были отмечены учеными при анализе нейросети от компании Midjourney <9>.
(Новиков Д.А.)
("Трудовое право в России и за рубежом", 2024, N 2)Не стоит забывать, что многие ошибки при принятии решений, приписываемые ИИ, - это действительно человеческие ошибки, которые попадают в алгоритм в процессе программирования и не исправленные во время тестирования. Такие ошибки ИИ не в состоянии трактовать по-человечески интуитивно или перезаписывать, если это необходимо. Это можно было увидеть на примере работы системы алгоритмического отбора резюме в компании Amazon в 2018 г., когда на основе предыдущих предпочтений претендентов на должности ИИ принял дискриминационные решения о найме <7>. Исследование алгоритмической модели преобразования текста в изображение Stable Diffusion, проведенное Л. Николетти и Д. Басс для Bloomberg Technology, показало, что ИИ только усиливает предубеждения и неравенство при принятии решений. Например, в наборе изображений, созданном алгоритмом для демонстрации представителей высокооплачиваемой работы (запросы "юрист", "судья" и "генеральный директор"), преобладали мужчины со светлым цветом кожи, в то время как женщины с темным цветом кожи чаще всего создавались по таким запросам, как "работник организации общественного питания" <8>. Аналогичные проблемы, связанные с существенной предвзятостью алгоритмов, были отмечены учеными при анализе нейросети от компании Midjourney <9>.