🙄 Часто проблема не в автоматизации, а в вас 🙄

Че делаю на 16 неделе 2026 | 2

Очень не хочу лить воду, но придется. Поговорим "по чесноку" почему вы еще не выступаете с кейсом на HR форуме "как мы решили все проблемы инструментом [вставить название]" 🥇

Давайте представим простую ситуацию
Вы ездите как "дед" по дорогам. И тут вы решили, что хватит - сажусь за болид формулы. Хочу быстрее перемещаться, желательно еще и с автопилотом. Думаю очевидно, что произойдет. Первый разгон и... дальше думайте сами))
С автоматизацией, грубо говоря, также.
*️⃣Если не было условий для быстрой езды, то вы скорее быстро встретитесь с проблемами. Так еще и скажете, что инструмент ерунда

Я внедрял разные инструменты. Успешно и не очень.

Часто основной пул проблем один и тот же:
➖ неотлаженный процесс;
➖ неготовность людей работать с новым;
➖ нежелание людей разбираться в инструменте.

Все три пересекаются и тянут друг друга на дно


Начнем с неотлаженного процесса 🤩

Сразу пример
*️⃣У вас есть процесс массового подбора. Вам нужно следить, чтобы наймов было больше с высоким качеством (база)

*️⃣Что можно сделать?
1) управлять по данным - смотрим целевое количество действий, конверсии, сравниваем с бенчмарками. В случае отклонений корректируем работу сотрудника
2) детально анализировать работу сотрудника- что и как говорит рекрутер, кого приглашает, на что тратит время, какой процесс западает и т.д.

*️⃣Как у большинства выглядит процесс на самом деле:
- Марина, почему позиция еще не закрыта?
- Потому что люди хотят много денег(((
- Понятно, пойду общаться с заказчиком

Стоп 🤔

Это супер классическая история с которой я работаю буквально на каждом месте работы. Тим лиды и руки просто верят первому слову рекрутера, без какой либо проверки.
В тупую сразу хочется спросить рекрутера: сколько дозвонился? Сколько из них сказали что "мало денег"? А как ты работал с возражениями?

Рекрутер в реальности позвонил 15 людям, реально по зарплате отказались 3 человека и он словил фикс и транслирует это как системную проблему. А вы уже идете согласовывать повышение вилки
Понятно, что это духота, а вы как хотели? По тем же самым причинам у людей плохой ремонт - не хотят контролировать процесс

Часто руки пытаются автоматизацией решить подобную задачу, но это неправильная постановка проблемы
*️⃣Автоматизация поможет вам легче и быстрее ответить на вопросы, которые вы зададите рекрутеру.

Вместо вопроса «Марина, ну что там по людям?» вы смотрите в ATS сколько звонков, какие статусы, где воронка просела. Дополняете ИИ, который оценивает резюме и отвечает на вопрос «кому мы вообще звоним».

Или другой пример: авточаты с откликнувшимися соискателями. Легко подумать, что это инструмент работающий за нас. И всё еще нет. Задача конкретная "повысить % ответов соискателей", рекрутеры физически не успевают дотянуться до всех. Инструмент лишь закрыл узкое место

Давайте закрепим

*️⃣Пока у нас даже базово не задаются правильные вопросы, то нечего автоматизировать
Да, бывают реально плохие инструменты. Однако ваша позиция должна строиться на фактах, а не словах условной Марины. Поэтому чаще всего проблема реально лежит в неотлаженных процессах.

А еще чаще бывает, что все перечисленное выше лень или "некогда" делать. Это уже история следующего поста - про людей. Этот слишком длинный получился 😵‍💫

*️⃣#простая #hrавтоматизация

👀Бесплатный HR EdTexh проект в котором каждый нашел бы пользу для себя 👀

Че делаю на 17 неделе 2026

Поговорив с многими hr-ми, побывав на куче hr конференций пришло понимание, что все очень плохо информированы. Много шлака который надо фильтровать, а что то вообще не доходит до сознания

Это происходит из-за следующих проблем:
*️⃣Трудности с восприятием и пониманием
*️⃣Информационная фрагментарность
*️⃣Устаревание
*️⃣Отсутствие аргументированной базы

1️⃣Трудности восприятия
Каждому из нас требуется объяснение, которое подойдет конкретно вам. Сколько раз бывало, когда вы что-то изучаете и вам было много раз непонятно, а потом шальной пример расставил все на свои места?
А сколько раз было когда автор решил написать тяжелую для понимания работу, которую вы не поняли?
Тут то и оно. Каждый по своему учится и воспринимает информацию

2️⃣Информационная фрагментарность
Вышла новая штука или новый подход? А кто об этом знает?
Только если вы сидите в разных группах и пабликах. Может общаетесь с коллегами в чатиках
Для начала хорошо бы узнать об этих группах и чатах, верно?

3️⃣Устаревание
В инфо поле часто рассказывают одни и те же кейсы, один и тот же опыт. Часто вообще бывает что это все пяти-десяти летней давности. А кто-то платит даже за такое большие деньги…
Особенно за какие-нибудь курсы…

4️⃣Нет аргументированной базы
Кто-то что-то пробует, внедряет и потом рассказывает взятые с потолка кейсы. Мы заряжаемся энтузиазмом, пробуем это повторить, тратим бюджет и не получается.
Подрядчик, конечно, скажет «вы все не так делаете»
А мы должны задать себе вопрос - действительно ли мы что то не так делаем или нам просто втюхивают ерунду?

📌Какого человека я в итоге вижу:
Задолбанного специалиста, который пытается найти информацию для решения своей проблемы.
Ему нужно перерыть кучу источников и еще лучше пообщаться с кучей коллег (а не все готовы быть такими проактивными). При этом нужно как то это все в голове систематизировать, накидать план, убедить всех что идея крутая и начать пробовать
Важно отметить, что информация на любом этапе может быть не точная, ложная, противоречивая, а может вы вообще неправильное все поняли

То есть между началом действия и работой с информацией нужно проделать титаническую работу с информацией и по итогу столкнуться с результатом, который не понятно будет положительный или отрицательный.


Что я предлагаю?

Я предлагаю от себя сервис который будет агрегировать всю информацию для hr по всем основным направлениям
Данный сервис уже в разработке

Для самых ленивых «Какие задачи решает сервис простыми словами?»

«я сейчас по знаниям нахожусь в точке X, что мне надо узнать, чтобы я оказался в точке Y при этом получил максимальную полную картину»

Буду очень рад, если распространите 💋
Моральную поддержку никто не отменял) ⬅️

😋Развлекаемся и представляем три дня дождя HR работающего в майские😋

По версии людей, которые уверены, что HR это «абсолютная бесполезность с раздутым комплексом вахтера» представляю зарисовку к предстоящим выходным:

Планы:
Пятница
1️⃣Открыть hh, посмотреть 50 откликов, ни на один не ответить
«Формирую так называемый пул талантов»
2️⃣Сделать рассылку «вы нам очень интересны» людям, которых не открывал
Карма минус, лояльность плюс
3️⃣Поставить интервью на 9:00 понедельника. Без ссылки, без формата, без контактов
Кто дойдёт тот точно «наш человек»
4️⃣Отправить сообщение кандидатам через неделю «мы остановили подбор по данной позиции»,
выдав оффер другу руководителя пару дней назад

Суббота
1️⃣РАЗРАБОТАТЬ новую бесполезную метрику своей работы
Добавляю «лояльность» и «вовлечённость», но никому не объясню, как они считаются
2️⃣Коллеги спрашивали про премию, ответить «идите к своему руководителю»
3️⃣Ответить на вопрос про отпускные. Отправить читать регламент на 17 страниц
Сам регламент никогда в лицо не видел
4️⃣За час до конца дня перенести все собесы с ответом «руководитель еще не определился с выбором»
5️⃣Посмотреть ролик «КАК HR УБИВАЕТ РЫНОК ТРУДА», ведь там то всю правду расскажут о работе hr
Воскресенье
1️⃣Запустить очередной «обязательный опрос вовлечённости»
Никому не говорю, что результаты всё равно посмотрят три человека и забудут
2️⃣Ставлю на понедельник ровно в 9:00 встречу «о важных изменениях в компании» без повестки
Надо дисциплинировать сотрудников, а то стали опаздывать

Закрываю ноут
Отдыхаю, зная, что полкомпании уже морально уволилось

Всем отличных выходных 💗

🤩Простой гайд | Как работать с большими объемами неструктурированных данных с помощью ИИ 🤩

Речь не про «мелкие» датасеты на 100–1000 строк. На практике вы можете столкнуться с массивами в десятки тысяч записей: 5 000, 50 000 и более. Вот я столкнуося с 100 000+ строк 😷

😏Зачем вам это знать?
Ответ: а как вы хотите разобраться с данными за огромный промежуток времени? 🤔

Обычно типичный источник в любом бизнесе: ATS, CRM или любые системы, куда данные годами заносились вручную в любой форме.
Данные там почти всегда:
➖ неструктурированные поля (комментарии, заметки, описания);
➖ разный стиль ввода (заполняют разные люди);
➖ ошибки, сокращения, и прочая «гразь».

🔫Попытка “скормить слона” ИИ целиком в 99,9% гарантированно даст плохой результат:
➖ модель теряет контекст из-за ограничений окна;
➖ растёт уровень галлюцинаций;
➖ ответы становятся нестабильными;

Тут важно уяснить, что проблема вообще не в модели, а в архитектуре обработки.

🤯Почему ИИ «делает ерунду»?
LLM не понимает данные “как человек”. Она работает через вероятностное сопоставление токенов. Без явного контекста она:
➖ тупо не знает, какие категории важны;
➖ не понимает бизнес-логики;
➖ начинает “додумывать” структуру;

Например, если вы попросите:
«Классифицируй кандидатов по специализациям» или «Сделай с моим эхсэль файликом так, чтобы все было рОвно и чОтко»

Конечно модель сама придумает категории. Причем они будут нестабильны от запроса к запросу.

Базовый принцип: сначала структура (каркас), потом ИИ
Это как с шашлыками. Мы сначала нанизываем мясо на шампур, а не наоборот.

🧛‍♂️Перед использованием ИИ в таких задачах нужно задать жесткую систему понятий и координат:
Определить конечный результат
Не «что-то структурировать», а конкретно:
➖ классификация по ролям;
➖ нормализация навыков;
➖ выделение сущностей;

☕️Создать справочник
В котором будет задан:
➖ список категорий;
➖ их описание;
➖ примеры;
Пример примера 😛:
“Аналитик данных” — работа с SQL, BI, отчетность
“Исследователь данных” — ML, модели, Python, статистика
➖Зафиксировать правила
Например:
- можно выбирать только из списка
- если не подходит, то значит другое
- не придумывать новые категории

🥚Ключевая техника: декомпозиция (разделение на чанки)
Большой массив нельзя обрабатывать целиком. Его нужно разбивать:
➖ как пример на 10–100 строк за итерацию
➖ без передачи предыдущих результатов в контекст

🌻Зачем это все делать?
➖ модель не “засоряет” память предыдущими ответами;
➖каждый батч обрабатывается независимо;
➖ результат становится стабильным

🏄‍♂️Пример архитектуры:
1️⃣ Делим данные на батчи
2️⃣ Для каждого батча подставляем справочник
3️⃣ Передаем данные
4️⃣ Получаем структурированный ответ
5️⃣ Сохраняем результат
6️⃣ Переходим к следующему батчу

Надеюсь получилось понятно и без сильной духоты 🧱