Инклюзивность и разнообразие (I&D) имеют решающее значение для успеха любого бизнеса. Они являются одним из ключей к привлечению и удержанию лучших талантов, созданию отличной рабочей культуры и продвижению инновационного мышления. Но это не то, что произойдет само по себе. Вместо этого его необходимо тщательно и активно проектировать, культивировать и развивать. По нашему опыту, один из лучших способов сделать это — подходить к I&D так, как если бы это был продукт машинного обучения. Только прилагая такую строгость и дисциплину к тому, что вы делаете, вы можете максимизировать свои шансы на успех.
Давайте посмотрим, как это работает.
Найди свою северную звезду
Во-первых, установите полярную звезду. Хороший продукт создается на основе сильной миссии и видения, а также четкой цели и задачи. Ваша программа инклюзивности и разнообразия не должна быть исключением. Вы не ожидаете убедить высокопроизводительную команду создать новую функцию продукта только потому, что это правильно. Напротив, вы хотели бы, чтобы у вашей команды была четкая и убедительная причина для создания функции, которая соответствует общему видению продукта.
Так почему вы ожидаете, что ваша команда будет поддерживать вашу программу I&D, если ваше единственное обоснование этого состоит в том, что это правильно? Вы не должны. Вместо этого вам нужно видение ваших усилий в области ИиД, которое связано с общей миссией и целями вашей компании.
Пример с сайтаintegr.ai
Наша миссия интегрировать.ai — строить лучшее будущее для людей и бизнеса. В рамках этой миссии мы понимаем, что лучшее будущее означает разные вещи для разных людей во все более разнообразном населении. Вот почему мы пытаемся привнести в компанию разные точки зрения посредством найма, развития и культуры, чтобы гарантировать, что мы создаем продукты, которые вдохновляют и способствуют позитивным социальным изменениям. Мы знаем, что добьемся успеха в поддержании этой культуры только в том случае, если создадим инклюзивную среду, в которой люди всех типов и разного происхождения будут чувствовать себя сопричастными и наделенными полномочиями.
Выявление требований, «ошибок» и расстановки приоритетов
Когда у вас появится четкое представление о вашем продукте, следующее, что нужно сделать, — это собрать требования и идеи. И, как известно каждому хорошему менеджеру по продукту, лучшие идеи исходят непосредственно от людей, которые действительно используют продукт. Итак, кто является вашим заказчиком, когда речь идет об инициативах I&D? Твоя команда! Вовлекайте их, собирая их требования и идеи снизу вверх.
Одна компания в Сиэтле дошла до того, что создала резерв I&D в Jira. Любой в компании может добавлять пользовательские истории и баги. Примером пользовательской истории может быть менеджер, которому нужны лучшие инструменты обучения, чтобы помочь своей команде понять преимущества разнообразия, чтобы они разделили миссию компании по разнообразию. Между тем ошибкой может быть объявление о вакансии, которое рискует не привлечь репрезентативное сочетание кандидатов, потому что оно содержит такие выражения, как «жестко» и «усердно работай, играй усердно», которые традиционно отпугивают кандидатов-женщин.
Конечно, как и в случае с любым другим продуктом, вы не можете создать все в бэклоге одновременно. Вы должны расставить приоритеты. То же самое относится и к вашим инициативам в области I&D, особенно если вы предпочитаете качество, а не количество. Это означает, что вам нужен кто-то, кто будет играть роль менеджера по продукту для вашего журнала I&D и ранжировать истории и ошибки, которые выдвигает ваша команда (а также добавлять свои собственные идеи). Этот человек может быть формальным руководителем отдела разнообразия и инклюзивности, если он есть в вашей компании, специалистом по кадрам, членом команды, который хочет взять на себя это, или лидером в компании. Кто бы это ни был, он или она должны идти в ногу с полярной звездой вашей программы I&D и не торопиться, чтобы установить соответствующие критерии приоритетности.
Разработайте цикл обратной связи и экспериментируйте
До сих пор мы говорили о сходстве между управлением продуктами и созданием разнообразия в вашей компании. Вот где в игру вступает компонент машинного обучения.
Что особенного в продуктах машинного обучения, так это петля обратной связи. Вы устанавливаете цель для алгоритма, и алгоритм учится оптимизировать для этой цели на основе набора данных. Затем он делает прогноз на основе того, что он узнал, и цикл обратной связи сообщает ему, был ли он правильным или неправильным, чтобы со временем он мог улучшаться.
Это именно та строгость, с которой вы должны подходить к своей программе I&D. Установите свой базовый уровень, используя интересующие вас показатели (например, демографические характеристики вашей рабочей силы, результаты опроса на рабочем месте и т. д.), а затем запустите инициативу, которую вы определили как приоритетную из своего списка невыполненных работ, и измерьте улучшение по сравнению с базовым уровнем. Измеряйте и отслеживайте, что происходит в рамках этой инициативы, чтобы знать, что работает, а что нет.
Позвольте мне воспользоваться моментом, чтобы проповедовать эксперименты. Чтобы запустить цикл обратной связи, вам не нужно запускать инициативу на миллион долларов. Вы можете запустить небольшой эксперимент, чтобы сначала проверить идею. Например, предположим, вы хотите внедрить новую инициативу по обучению, которая дает каждому двухминутный тренинг по бессознательной предвзятости, прежде чем он пойдет брать интервью у кандидата.
Вместо того, чтобы внедрять новый тренинг для всей компании, сначала попробуйте его с командой по найму для одной роли, на которую вы набираете, и сравните ее с подходом другой команды для другой роли. В конце обоих поисков проанализируйте свою воронку найма, чтобы понять статистику разнообразия на каждом этапе, и опросите команду по найму и кандидатов, которые были вовлечены, на предмет того, насколько инклюзивным, по их мнению, был процесс. Если это сработало, увеличьте масштаб и попробуйте в следующий раз с несколькими ролями. Если это не так, вернитесь к своему отставанию и попробуйте что-нибудь еще.
Размещение машинного обучения в I&D
Лучшие продукты на основе машинного обучения появляются в результате сбора требований, определения их приоритетности, экспериментов и изучения каждого нового фрагмента данных. То же самое можно сказать и о стратегии вовлечения и разнообразия, меняющей правила игры. Следуйте советам, которые я изложил выше, и вы должны увидеть реальный импульс в ваших усилиях по ИиД. Попробуйте и дайте нам знать, что вы узнали, оставив комментарий ниже!
