Forwarded from HR-аналитика
Канторович
2026 год в HR – год управления эффективности и оптимизации
Чаще для нас это сокращение костов и персонала, но на самом деле оптимизация это лучше вариант соотношения выгод и потерь.
Сегодня, 7 апреля 2026 года, годовщина смерти Леонида Витальевича Канторовича — одного из создателей линейного программирования и целочисленной оптимизации. Единственный советский / российский математик, получивший нобелевскую премию по экономике.
И методы Канторовича идеально ложатся на главный тренд: линейную целочисленную оптимизацию человеческих ресурсов. Давайте отдадим дань памяти человеку, который сделал в том числе HR более точным
Я показывал, как можно применять его методы, см.
Оптимизация бюджета рекрутинга
Автоматизация расчета графика отпусков Excel
Ниже реальные задачи, где методы применяются, и что вы можете взять для себя.
1️⃣Оптимизация графиков смен и расписаний сотрудников
Классическая задача: бинарные переменные «сотрудник — смена», цель — минимум затрат при полном покрытии, учёте предпочтений, максимальной длине смены и обязательных выходных. Применяется в ритейле – ау, доставка!, колл-центрах и больницах (nurse scheduling). Walmart и подобные компании уже используют такие модели автоматически.
2️⃣Планирование численности персонала и найма временных работников
При колеблющемся спросе модель ЛП точно считает, сколько временных сотрудников нужно нанять, чтобы покрыть нагрузку и при этом строго соблюсти нормы отдыха и трудового законодательства. Пример: для склада модель PuLP показала ровно 53 временных работника вместо «на глаз» — полное покрытие и экономия бюджета.
3️⃣Распределение сотрудников по типам работ и проектам
Еженедельное ЛП-распределение работников по задачам (сборщики, маляры и т.д.) с целью минимизировать общую численность и избежать переработок. Реальный кейс автосборочного завода в Бангладеш: экономия 26 тысяч долларов за 8 недель по сравнению с традиционным подходом.
4️⃣Планирование численности и графиков с минимизацией фонда оплаты труда
Российский вариант ЛП-модели: вход — потребность в человеко-часах и стоимость часа, выход — оптимальный штат и графики. Ограничения — тип учёта времени, минимальный отдых, уровень сервиса. Результат — минимальный ФОТ при 100 % покрытии нагрузки.
5️⃣Оптимизация затрат на обучение персонала
Линейное программирование распределяет бюджет и места на тренингах так, чтобы при минимальных расходах все сотрудники получили нужные компетенции. Классическая задача, которая уже более 15 лет успешно решается в крупных компаниях.
Мы в телеге | Наш канал в макс | Наш канал в VK
2026 год в HR – год управления эффективности и оптимизации
Чаще для нас это сокращение костов и персонала, но на самом деле оптимизация это лучше вариант соотношения выгод и потерь.
Сегодня, 7 апреля 2026 года, годовщина смерти Леонида Витальевича Канторовича — одного из создателей линейного программирования и целочисленной оптимизации. Единственный советский / российский математик, получивший нобелевскую премию по экономике.
И методы Канторовича идеально ложатся на главный тренд: линейную целочисленную оптимизацию человеческих ресурсов. Давайте отдадим дань памяти человеку, который сделал в том числе HR более точным
Я показывал, как можно применять его методы, см.
Оптимизация бюджета рекрутинга
Автоматизация расчета графика отпусков Excel
Ниже реальные задачи, где методы применяются, и что вы можете взять для себя.
1️⃣Оптимизация графиков смен и расписаний сотрудников
Классическая задача: бинарные переменные «сотрудник — смена», цель — минимум затрат при полном покрытии, учёте предпочтений, максимальной длине смены и обязательных выходных. Применяется в ритейле – ау, доставка!, колл-центрах и больницах (nurse scheduling). Walmart и подобные компании уже используют такие модели автоматически.
2️⃣Планирование численности персонала и найма временных работников
При колеблющемся спросе модель ЛП точно считает, сколько временных сотрудников нужно нанять, чтобы покрыть нагрузку и при этом строго соблюсти нормы отдыха и трудового законодательства. Пример: для склада модель PuLP показала ровно 53 временных работника вместо «на глаз» — полное покрытие и экономия бюджета.
3️⃣Распределение сотрудников по типам работ и проектам
Еженедельное ЛП-распределение работников по задачам (сборщики, маляры и т.д.) с целью минимизировать общую численность и избежать переработок. Реальный кейс автосборочного завода в Бангладеш: экономия 26 тысяч долларов за 8 недель по сравнению с традиционным подходом.
4️⃣Планирование численности и графиков с минимизацией фонда оплаты труда
Российский вариант ЛП-модели: вход — потребность в человеко-часах и стоимость часа, выход — оптимальный штат и графики. Ограничения — тип учёта времени, минимальный отдых, уровень сервиса. Результат — минимальный ФОТ при 100 % покрытии нагрузки.
5️⃣Оптимизация затрат на обучение персонала
Линейное программирование распределяет бюджет и места на тренингах так, чтобы при минимальных расходах все сотрудники получили нужные компетенции. Классическая задача, которая уже более 15 лет успешно решается в крупных компаниях.
Мы в телеге | Наш канал в макс | Наш канал в VK
👍3
Forwarded from HR-аналитика
Когда HR-метрика меняет менеджмент
Мы уже смирились, что HR-метрики это красивый, декоративный, но бессмысленный элемент HR, иначе бы нам не пришлось вовлекать спецов в просмотры дашбордов (см. Как правильно разрабатывать систему HR-метрик).
Но есть метрики, которые не просто «работают», а отражают чуть процессов компании.
На диаграмме: текучесть желательная / нежелательная в разрезе до и после года. Нормируем по строке, т.е. среди всех сотрудников, чье увольнение было признано желательным, 37% отработали больше года.
Это пример, когда метрика отражает суть HR-стратегии, суть HR-менеджмента – то, на что направлены все усилия всей HR-команды.
Чаще мы всю раннюю текучесть определяем как плохую. Но сейчас ситуация на рынке изменилась: количество откликов на вакансии резко выросло, нагрузка в части отбора «наших» кандидатов увеличилась, резюме теперь пишет ИИ, и это снизило наши возможности отбирать нужных кандидатов. Итого: вероятность ошибки найма резко выросла. Мы должны это принять.
Задача менеджмента меняется:
🔹Признаем, что не вся ранняя текучесть одинаково вредна
🔹Внедряем процедуру оценки уходящих на «желательную» и «нежелательную» текучесть (это отдельная непростая задача – как сделать объективной оценку)
🔹Внедряем инструменты и процедуры отбора на этапе адаптации
🔹Следовательно, «наши» должны работать максимально долго, «не наши» - максимальны быстро покинуть компанию.
Исходя из этой логики смотрим опять на диаграмму и задаемся вопросом, как так получилось, что 37% тех, чье увольнение признано желательным, работали в компании больше года? Понятно, что многие из них сменили отдел, попали к новому руководителю, который оценивает по другому, это уже следующий виток анализа, но отправной – эта сводная таблица.
Внедряем простую финансовую модель:
🔹Потери: средний размер выплаченной зарплаты желательным (сумма зарплаты делить на число отработанных месяцев)
🔹Приобретения: средний размер выплаченной зарплаты нежелательным (сумма зарплаты делить на число отработанных месяцев)
И любые агрегаты из этих показателей.
Просто покажите это бизнесу – это тот самый «язык цифр», на котором HR мечтает разговаривать с бизнесом. И когда бизнес учует запах денег в этом, не надо будет никого вовлекать в просмотры дашбордов.
Заходит логика рассуждения? Продолжить? Ставим лайк
Мы в телеге | Наш канал в макс | Наш канал в VK
Мы уже смирились, что HR-метрики это красивый, декоративный, но бессмысленный элемент HR, иначе бы нам не пришлось вовлекать спецов в просмотры дашбордов (см. Как правильно разрабатывать систему HR-метрик).
Но есть метрики, которые не просто «работают», а отражают чуть процессов компании.
На диаграмме: текучесть желательная / нежелательная в разрезе до и после года. Нормируем по строке, т.е. среди всех сотрудников, чье увольнение было признано желательным, 37% отработали больше года.
Это пример, когда метрика отражает суть HR-стратегии, суть HR-менеджмента – то, на что направлены все усилия всей HR-команды.
Чаще мы всю раннюю текучесть определяем как плохую. Но сейчас ситуация на рынке изменилась: количество откликов на вакансии резко выросло, нагрузка в части отбора «наших» кандидатов увеличилась, резюме теперь пишет ИИ, и это снизило наши возможности отбирать нужных кандидатов. Итого: вероятность ошибки найма резко выросла. Мы должны это принять.
Задача менеджмента меняется:
🔹Признаем, что не вся ранняя текучесть одинаково вредна
🔹Внедряем процедуру оценки уходящих на «желательную» и «нежелательную» текучесть (это отдельная непростая задача – как сделать объективной оценку)
🔹Внедряем инструменты и процедуры отбора на этапе адаптации
🔹Следовательно, «наши» должны работать максимально долго, «не наши» - максимальны быстро покинуть компанию.
Исходя из этой логики смотрим опять на диаграмму и задаемся вопросом, как так получилось, что 37% тех, чье увольнение признано желательным, работали в компании больше года? Понятно, что многие из них сменили отдел, попали к новому руководителю, который оценивает по другому, это уже следующий виток анализа, но отправной – эта сводная таблица.
Внедряем простую финансовую модель:
🔹Потери: средний размер выплаченной зарплаты желательным (сумма зарплаты делить на число отработанных месяцев)
🔹Приобретения: средний размер выплаченной зарплаты нежелательным (сумма зарплаты делить на число отработанных месяцев)
И любые агрегаты из этих показателей.
Просто покажите это бизнесу – это тот самый «язык цифр», на котором HR мечтает разговаривать с бизнесом. И когда бизнес учует запах денег в этом, не надо будет никого вовлекать в просмотры дашбордов.
Заходит логика рассуждения? Продолжить? Ставим лайк
Мы в телеге | Наш канал в макс | Наш канал в VK
👍1🤔1
HR-аналитика
Когда HR-метрика меняет менеджмент Мы уже смирились, что HR-метрики это красивый, декоративный, но бессмысленный элемент HR, иначе бы нам не пришлось вовлекать спецов в просмотры дашбордов (см. Как правильно разрабатывать систему HR-метрик). Но есть метрики…
мне в основном канале три антилайка поставили. Попинайте пост - что в нем не так?
Forwarded from HR-аналитика
HR-аналитика: расчет и автоматизация показателей в Excel (он-лайн курс)
Курс, который уже несколько лет проводится в офлайн-формате, переношу в он-лайн формат. Старт после майских праздников, в конце апреля проведём тестовое (бесплатное) занятие, где можно понять, подходит ли вам программа.
За 8 занятий разберём цикл HR-аналитики в Excel: от базовой статистики и медиан до Power Query, Power Pivot и автоматизации ключевых показателей (eNPS, текучесть, воронка найма, ФОТ).
Практика — на реальных HR-кейсах и данных.
Ведущий курса — Бабушкин Эдуард.
Начало занятий в 19:00 Мск (возможна корректировка по группе).
Полное описание курса
Регистрация по ссылке: https://forms.gle/62xbHYnfNSPdw8u7A
Мы в телеге | Наш канал в макс | Наш канал в VK
Курс, который уже несколько лет проводится в офлайн-формате, переношу в он-лайн формат. Старт после майских праздников, в конце апреля проведём тестовое (бесплатное) занятие, где можно понять, подходит ли вам программа.
За 8 занятий разберём цикл HR-аналитики в Excel: от базовой статистики и медиан до Power Query, Power Pivot и автоматизации ключевых показателей (eNPS, текучесть, воронка найма, ФОТ).
Практика — на реальных HR-кейсах и данных.
Ведущий курса — Бабушкин Эдуард.
Начало занятий в 19:00 Мск (возможна корректировка по группе).
Полное описание курса
Регистрация по ссылке: https://forms.gle/62xbHYnfNSPdw8u7A
Мы в телеге | Наш канал в макс | Наш канал в VK
МТС заходит в HRTech с ИИ-агентами
МТС выводит на рынок мультиагентную ИИ-систему для HR. Решение от MWS AI — это набор «виртуальных сотрудников», которые берут на себя рекрутинг и часть HR-операций: обрабатывают отклики, ведут переписку с кандидатами, планируют интервью и отслеживают эффективность на всех этапах — от найма до адаптации. Пилоты уже идут в телекоме и энергетике.
Как это устроено
Система состоит из специализированных агентов (скрининг, коммуникации, планирование), объединённых оркестратором. Он отслеживает действия кандидатов, распределяет задачи и передает контекст между этапами. Решение разворачивается в контуре заказчика и интегрируется с HR-системами, почтой и мессенджерами.
Экономика и масштаб
Стоимость — 10–20 млн рублей для полнофункционального решения, пилоты — 2–5 млн. Но главный барьер — не цена, а внедрение: интеграция в сложный IT-ландшафт, неформализованные процессы, требования безопасности и сопротивление команд. Масштабирование почти всегда сложнее пилота.
Контекст рынка
HR-функция под давлением: бизнес требует скорости, кандидаты — персонализации. До 60% времени рекрутеров уходит на рутину. Уже 78% компаний используют ИИ хотя бы в одной HR-задаче, а к 2030 году до половины операционной работы может быть передано ИИ-агентам. При этом рынок HRTech растёт медленно: 94 млрд руб. в 2025 (+9,3% г/г).
Риски и ограничения
Ниша частично занята нишевыми игроками. У МТС есть инфраструктурное преимущество, но интеграция в «зоопарк систем» остаётся ключевым риском. Потенциальный рынок ограничен (~500 крупных компаний), а доверие к ИИ и готовность команд — отдельный фактор успеха.
Что это значит
Главный вопрос - не «может ли ИИ», а «встроится ли в процессы». Рабочая модель - усиление HR, а не замена: автоматизация рутины при сохранении человека в критических точках - оценке, переговорах и принятии решений.
Мы в телеге | Наш канал в макс | Наш канал в VK
МТС выводит на рынок мультиагентную ИИ-систему для HR. Решение от MWS AI — это набор «виртуальных сотрудников», которые берут на себя рекрутинг и часть HR-операций: обрабатывают отклики, ведут переписку с кандидатами, планируют интервью и отслеживают эффективность на всех этапах — от найма до адаптации. Пилоты уже идут в телекоме и энергетике.
Как это устроено
Система состоит из специализированных агентов (скрининг, коммуникации, планирование), объединённых оркестратором. Он отслеживает действия кандидатов, распределяет задачи и передает контекст между этапами. Решение разворачивается в контуре заказчика и интегрируется с HR-системами, почтой и мессенджерами.
Экономика и масштаб
Стоимость — 10–20 млн рублей для полнофункционального решения, пилоты — 2–5 млн. Но главный барьер — не цена, а внедрение: интеграция в сложный IT-ландшафт, неформализованные процессы, требования безопасности и сопротивление команд. Масштабирование почти всегда сложнее пилота.
Контекст рынка
HR-функция под давлением: бизнес требует скорости, кандидаты — персонализации. До 60% времени рекрутеров уходит на рутину. Уже 78% компаний используют ИИ хотя бы в одной HR-задаче, а к 2030 году до половины операционной работы может быть передано ИИ-агентам. При этом рынок HRTech растёт медленно: 94 млрд руб. в 2025 (+9,3% г/г).
Риски и ограничения
Ниша частично занята нишевыми игроками. У МТС есть инфраструктурное преимущество, но интеграция в «зоопарк систем» остаётся ключевым риском. Потенциальный рынок ограничен (~500 крупных компаний), а доверие к ИИ и готовность команд — отдельный фактор успеха.
Что это значит
Главный вопрос - не «может ли ИИ», а «встроится ли в процессы». Рабочая модель - усиление HR, а не замена: автоматизация рутины при сохранении человека в критических точках - оценке, переговорах и принятии решений.
Мы в телеге | Наш канал в макс | Наш канал в VK
Performance Culture Quadrant: как компании выходят в Peak Performance
Исследование (по ссылке полный перевод) Culture Amp показывает: устойчиво высокая производительность формируется не на уровне отдельных сотрудников, а на уровне культуры. Performance Culture Quadrant (PCQ) описывает, как именно культура определяет бизнес-результаты.
Проблема индивидуального подхода
Долгое время считалось, что high performance — это свойство людей. Но данные показывают обратное: лишь около 2% сотрудников демонстрируют устойчиво высокую результативность два цикла подряд. Индивидуальная эффективность нестабильна, она зависит от контекста, а не только от личных качеств. Это приводит к ключевому выводу: устойчивый перформанс — это коллективный эффект, а не индивидуальная характеристика.
Переход к культуре как единице анализа
Анализ миллиардов ответов сотрудников и десятилетий исследований показывает повторяющийся паттерн: вовлечённость падает, а ключевым фактором производительности становится качество лидерства и среды. Сильные менеджеры повышают вовлечённость, удержание и долю высоких исполнителей в командах. При этом «героический перформанс» даёт краткосрочный эффект, но не создаёт устойчивой системы. Устойчивость возникает там, где есть правильные культурные условия.
Performance Culture Quadrant
Модель PCQ строится на двух осях: вовлечённость сотрудников и уверенность в успехе компании. На их пересечении выделяются четыре типа культур. Peak Performance — высокая вовлечённость и высокая уверенность: сотрудники заряжены, верят в стратегию и связывают себя с успехом компании. Engaged Skepticism — высокая вовлечённость и низкая уверенность: энергия есть, но нет доверия к направлению. Strained — низкая вовлечённость и высокая уверенность: люди понимают, что компания может победить, но выгорают от темпа. Disconnected — низкая вовлечённость и низкая уверенность: потеря энергии и связи с результатом.
Почему Peak работает
Компании в Peak показывают более высокую долю высокоэффективных сотрудников, лучшее удержание и более сильные финансовые результаты. В среднем фиксируется около 21% преимущества по ключевым метрикам эффективности и росту стоимости бизнеса по сравнению с другими культурными состояниями. Это не случайный эффект, а повторяющийся паттерн.
Динамика переходов
Peak — не редкое состояние. Около 76% компаний сохраняют его из года в год, а примерно четверть организаций из других культур переходят в Peak за тот же период. Это означает, что культура управляемая и подвижная, а не фиксированная.
Вывод
PCQ показывает, что производительность — это не функция отдельных людей, а результат культурной системы. Peak Performance достигается там, где совпадают вовлечённость и вера в успех компании. Это не точка для избранных, а управляемое состояние, в которое можно перейти через работу с культурой, а не через давление на сотрудников.
Мы в телеге | Наш канал в макс | Наш канал в VK
Исследование (по ссылке полный перевод) Culture Amp показывает: устойчиво высокая производительность формируется не на уровне отдельных сотрудников, а на уровне культуры. Performance Culture Quadrant (PCQ) описывает, как именно культура определяет бизнес-результаты.
Проблема индивидуального подхода
Долгое время считалось, что high performance — это свойство людей. Но данные показывают обратное: лишь около 2% сотрудников демонстрируют устойчиво высокую результативность два цикла подряд. Индивидуальная эффективность нестабильна, она зависит от контекста, а не только от личных качеств. Это приводит к ключевому выводу: устойчивый перформанс — это коллективный эффект, а не индивидуальная характеристика.
Переход к культуре как единице анализа
Анализ миллиардов ответов сотрудников и десятилетий исследований показывает повторяющийся паттерн: вовлечённость падает, а ключевым фактором производительности становится качество лидерства и среды. Сильные менеджеры повышают вовлечённость, удержание и долю высоких исполнителей в командах. При этом «героический перформанс» даёт краткосрочный эффект, но не создаёт устойчивой системы. Устойчивость возникает там, где есть правильные культурные условия.
Performance Culture Quadrant
Модель PCQ строится на двух осях: вовлечённость сотрудников и уверенность в успехе компании. На их пересечении выделяются четыре типа культур. Peak Performance — высокая вовлечённость и высокая уверенность: сотрудники заряжены, верят в стратегию и связывают себя с успехом компании. Engaged Skepticism — высокая вовлечённость и низкая уверенность: энергия есть, но нет доверия к направлению. Strained — низкая вовлечённость и высокая уверенность: люди понимают, что компания может победить, но выгорают от темпа. Disconnected — низкая вовлечённость и низкая уверенность: потеря энергии и связи с результатом.
Почему Peak работает
Компании в Peak показывают более высокую долю высокоэффективных сотрудников, лучшее удержание и более сильные финансовые результаты. В среднем фиксируется около 21% преимущества по ключевым метрикам эффективности и росту стоимости бизнеса по сравнению с другими культурными состояниями. Это не случайный эффект, а повторяющийся паттерн.
Динамика переходов
Peak — не редкое состояние. Около 76% компаний сохраняют его из года в год, а примерно четверть организаций из других культур переходят в Peak за тот же период. Это означает, что культура управляемая и подвижная, а не фиксированная.
Вывод
PCQ показывает, что производительность — это не функция отдельных людей, а результат культурной системы. Peak Performance достигается там, где совпадают вовлечённость и вера в успех компании. Это не точка для избранных, а управляемое состояние, в которое можно перейти через работу с культурой, а не через давление на сотрудников.
Мы в телеге | Наш канал в макс | Наш канал в VK
💯2
Forwarded from HR-аналитика
Правила движения в HR: как данные начинают управлять процессом
Раскручиваю пост Когда HR-метрика меняет менеджмент
Самое слабое место – субъективность оценки руководителя, который и будет чаще всего выставлять признак «желательной» / «нежелательной» текучести.
Задача HR – верифицировать оценку – сделать ее максимально объективной.
Предлагаю один из инструментов такой верификации.
Скоринговая карта новичка - в конце первой недели новичка мы спрашиваем у новичка, встречался ли с ним руководитель, были ли ему поставлены цели и т.п., и если новичок указывает, что нет, HRBP это проверяет. И если после этого новичок у нас попадает в желательную текучесть на раннем этапе, мы это выносим в отдельную категорию.
Теперь у нас не 2×2, а 3 категории увольнений:
1️⃣Руководитель выполнил обязательства + текучесть желательная → Чистый сигнал. Менеджмент сработал правильно, кандидат не подошёл. Доверяем оценке.
2️⃣Руководитель выполнил обязательства + текучесть нежелательная → Тревожный сигнал. Смотрим глубже: почему ушёл ценный сотрудник? Что пропустили?
3️⃣Руководитель НЕ выполнил обязательства → Стоп. Здесь мы не имеем права классифицировать увольнение как «желательное». Менеджмент не дал новичку честного шанса. Это отдельная категория — «текучесть менеджмента».
Аналитика дополняется такими сентенциями:
- без оценочных выводов.
Это уже не просто аналитика. Это подход к управлению удержанием на основе данных.
Мы видим, что 37% «желательных» проработали больше года, и если копнем глубже, то выясним, что добрая половина сменили руководителя, которому они уже не пришлись по душе.
Давайте это тоже включим в аналитику и зададимся вопросами:
Почему сотрудник, который вполне устраивал компанию в прежней роли и/или прежнего руководителя, стал желательным на увольнение в новой роли?
Вдогонку вопрос: а если вдруг выяснится, что большая доля желательной текучести происходит после смены руководителя, то может вводить еще испытательный срок для внутренней ротации? С обязательствами менеджмента.
И это все уже не просто сбор данных и HR-аналитика. Это выстраивание бизнес-процесса (в данном случае Удержания персонала) на основе данных. Данные здесь — как дорожная разметка, знаки и светофоры: они не просто показывают, что происходит, а задают правила движения.
Мы в телеге | Наш канал в макс | Наш канал в VK
Раскручиваю пост Когда HR-метрика меняет менеджмент
Задача менеджмента меняется:
Признаем, что не вся ранняя текучесть одинаково вредна
Внедряем процедуру оценки уходящих на «желательную» и «нежелательную» текучесть (это отдельная непростая задача – как сделать объективной оценку)
Внедряем инструменты и процедуры отбора на этапе адаптации
«наши» должны работать максимально долго, «не наши» - максимальны быстро покинуть компанию.
Самое слабое место – субъективность оценки руководителя, который и будет чаще всего выставлять признак «желательной» / «нежелательной» текучести.
Задача HR – верифицировать оценку – сделать ее максимально объективной.
Предлагаю один из инструментов такой верификации.
Скоринговая карта новичка - в конце первой недели новичка мы спрашиваем у новичка, встречался ли с ним руководитель, были ли ему поставлены цели и т.п., и если новичок указывает, что нет, HRBP это проверяет. И если после этого новичок у нас попадает в желательную текучесть на раннем этапе, мы это выносим в отдельную категорию.
Теперь у нас не 2×2, а 3 категории увольнений:
1️⃣Руководитель выполнил обязательства + текучесть желательная → Чистый сигнал. Менеджмент сработал правильно, кандидат не подошёл. Доверяем оценке.
2️⃣Руководитель выполнил обязательства + текучесть нежелательная → Тревожный сигнал. Смотрим глубже: почему ушёл ценный сотрудник? Что пропустили?
3️⃣Руководитель НЕ выполнил обязательства → Стоп. Здесь мы не имеем права классифицировать увольнение как «желательное». Менеджмент не дал новичку честного шанса. Это отдельная категория — «текучесть менеджмента».
Аналитика дополняется такими сентенциями:
«Из 40 желательных увольнений за квартал — 18 пришлись на подразделения, где руководитель не провёл встречу с новичком в первую неделю. Суммарный фонд оплаты труда по этим людям составил X рублей»
- без оценочных выводов.
Это уже не просто аналитика. Это подход к управлению удержанием на основе данных.
Мы видим, что 37% «желательных» проработали больше года, и если копнем глубже, то выясним, что добрая половина сменили руководителя, которому они уже не пришлись по душе.
«Из 37% желательной текучести после года – 19% стали таковыми после смены места работы / руководителя»
Давайте это тоже включим в аналитику и зададимся вопросами:
Почему сотрудник, который вполне устраивал компанию в прежней роли и/или прежнего руководителя, стал желательным на увольнение в новой роли?
Вдогонку вопрос: а если вдруг выяснится, что большая доля желательной текучести происходит после смены руководителя, то может вводить еще испытательный срок для внутренней ротации? С обязательствами менеджмента.
И это все уже не просто сбор данных и HR-аналитика. Это выстраивание бизнес-процесса (в данном случае Удержания персонала) на основе данных. Данные здесь — как дорожная разметка, знаки и светофоры: они не просто показывают, что происходит, а задают правила движения.
Мы в телеге | Наш канал в макс | Наш канал в VK
Как измеряются инновации
Смелость проектов
— так ставил задачи своей команде инженеров Моше Пелед, руководитель компании «Рафаэль», считающуюся одним из образцов израильской инновационной машины.
Как вам такой подход в инновациях?
Мы в телеге | Наш канал в макс | Наш канал в VK
Смелость проектов
«Если любой проект приводит к успеху — значит, вы недостаточно смелы. Я хотел бы, чтобы общая доля неудач составляла 50%»,
— так ставил задачи своей команде инженеров Моше Пелед, руководитель компании «Рафаэль», считающуюся одним из образцов израильской инновационной машины.
Как вам такой подход в инновациях?
Мы в телеге | Наш канал в макс | Наш канал в VK
👍3
Mercer Global Talent Trends 2026
Mercer опросил ~12 000 руководителей, HR-лидеров, инвесторов и сотрудников по всему миру. Вот что происходит с рынком труда прямо сейчас.
Главная тема года — уравнение человек + машина
ИИ уже не эксперимент. В 2026 компаниям нужно либо научиться масштабировать связку человек + ИИ, либо проиграть конкуренцию. Тем, кто трансформируется — большой выигрыш, остальным — отставание.
4 ключевых тренда:
🧠 Переизобретение ради человеческого преимущества (Reinvent for a human advantage) — ИИ сам по себе недостаточен: несмотря на $30–40 млрд корпоративных инвестиций в генеративный ИИ, 95% компаний не получают никакой отдачи. Работу нужно переосмыслить с нуля: разобрать задачи на части, понять, где ИИ замещает или усиливает человека, и выстроить новые способы работы — вокруг навыков, а не должностей. При этом 83% сотрудников верят, что ИИ улучшит их работу в ближайшие два года, но только 32% руководителей уверены, что их команды умеют эффективно сочетать человека и машину.
📊 Прыжок вперёд с помощью аналитики (Leap forward with insight) — talent intelligence становится главным конкурентным преимуществом, но большинство компаний хронически недоиспользуют накопленные данные о сотрудниках. Топ-менеджеры хотят знать: какой ROI даст ИИ, как он меняет востребованность навыков, что удерживает лучших людей — а HR отвечает на другие вопросы. Компании высокого роста в 2× чаще рассматривают кадровую аналитику так же серьёзно, как финансовую.
🤝 Пересмотр ценностного обмена (Recalibrate the value exchange) — отношения работодатель–сотрудник трещат по швам: рекордно низкий уровень благополучия сотрудников, нарастающая тревога из-за ИИ и стоимость жизни. Простое «улучшение опыта сотрудника» больше не работает — нужна оптимизация: каждый вложенный рубль в EVP должен давать измеримый результат для бизнеса. Системы управления производительностью тоже требуют перезагрузки: лишь 39% сотрудников считают, что performance review реально помогает им расти.
⚙️ Новая эра HR (Unleash a new HR era) — только 8% топ-менеджеров считают свою HR-функцию стратегически встроенной в бизнес, хотя там, где HR таким является, компании значительно более устойчивы и конкурентоспособны в борьбе за таланты. HR должен перестать быть операционным партнёром и стать архитектором системы работы. 56% HR-лидеров ожидают слияния HR и IT в обозримом будущем — граница между ними уже стирается.
Цифры, которые пугают:
📉 Доля сотрудников, которые чувствуют, что процветают (thrive) на работе — исторический минимум за 8 лет наблюдений. Выгоревшие люди не дадут компании экспоненциального роста.
⚠️ 54% топ-менеджеров называют дефицит талантов главным макрофактором, влияющим на кадровые планы.
🤖 63% руководителей видят переосмысление работы под ИИ как инициативу с наибольшим ROI — но лишь 32% верят, что их команды реально умеют сочетать человека и машину.
🙈 Только 8% руководителей считают свою HR-функцию стратегически встроенной в бизнес.
Вывод: Эпоха экспериментов с ИИ закончилась. 2026 — год намеренной, масштабной трансформации. Талант, а не технология, остаётся главным множителем силы. Но сотрудники устали и тревожатся — и это главный риск для роста.
🔗 Полный отчёт
Мы в телеге | Наш канал в макс | Наш канал в VK
Mercer опросил ~12 000 руководителей, HR-лидеров, инвесторов и сотрудников по всему миру. Вот что происходит с рынком труда прямо сейчас.
Главная тема года — уравнение человек + машина
ИИ уже не эксперимент. В 2026 компаниям нужно либо научиться масштабировать связку человек + ИИ, либо проиграть конкуренцию. Тем, кто трансформируется — большой выигрыш, остальным — отставание.
4 ключевых тренда:
🧠 Переизобретение ради человеческого преимущества (Reinvent for a human advantage) — ИИ сам по себе недостаточен: несмотря на $30–40 млрд корпоративных инвестиций в генеративный ИИ, 95% компаний не получают никакой отдачи. Работу нужно переосмыслить с нуля: разобрать задачи на части, понять, где ИИ замещает или усиливает человека, и выстроить новые способы работы — вокруг навыков, а не должностей. При этом 83% сотрудников верят, что ИИ улучшит их работу в ближайшие два года, но только 32% руководителей уверены, что их команды умеют эффективно сочетать человека и машину.
📊 Прыжок вперёд с помощью аналитики (Leap forward with insight) — talent intelligence становится главным конкурентным преимуществом, но большинство компаний хронически недоиспользуют накопленные данные о сотрудниках. Топ-менеджеры хотят знать: какой ROI даст ИИ, как он меняет востребованность навыков, что удерживает лучших людей — а HR отвечает на другие вопросы. Компании высокого роста в 2× чаще рассматривают кадровую аналитику так же серьёзно, как финансовую.
🤝 Пересмотр ценностного обмена (Recalibrate the value exchange) — отношения работодатель–сотрудник трещат по швам: рекордно низкий уровень благополучия сотрудников, нарастающая тревога из-за ИИ и стоимость жизни. Простое «улучшение опыта сотрудника» больше не работает — нужна оптимизация: каждый вложенный рубль в EVP должен давать измеримый результат для бизнеса. Системы управления производительностью тоже требуют перезагрузки: лишь 39% сотрудников считают, что performance review реально помогает им расти.
⚙️ Новая эра HR (Unleash a new HR era) — только 8% топ-менеджеров считают свою HR-функцию стратегически встроенной в бизнес, хотя там, где HR таким является, компании значительно более устойчивы и конкурентоспособны в борьбе за таланты. HR должен перестать быть операционным партнёром и стать архитектором системы работы. 56% HR-лидеров ожидают слияния HR и IT в обозримом будущем — граница между ними уже стирается.
Цифры, которые пугают:
📉 Доля сотрудников, которые чувствуют, что процветают (thrive) на работе — исторический минимум за 8 лет наблюдений. Выгоревшие люди не дадут компании экспоненциального роста.
⚠️ 54% топ-менеджеров называют дефицит талантов главным макрофактором, влияющим на кадровые планы.
🤖 63% руководителей видят переосмысление работы под ИИ как инициативу с наибольшим ROI — но лишь 32% верят, что их команды реально умеют сочетать человека и машину.
🙈 Только 8% руководителей считают свою HR-функцию стратегически встроенной в бизнес.
Вывод: Эпоха экспериментов с ИИ закончилась. 2026 — год намеренной, масштабной трансформации. Талант, а не технология, остаётся главным множителем силы. Но сотрудники устали и тревожатся — и это главный риск для роста.
🔗 Полный отчёт
Мы в телеге | Наш канал в макс | Наш канал в VK
🔥2
Forwarded from HR-аналитика
Компания без KPI, OKR и отделов. Как устроен Kimi — один из самых быстрорастущих ИИ-стартапов Китая.
Очень краткое резюме статьи Как устроен Кими — один из самых быстрорастущих ИИ-стартапов Китая
Moonshot AI — компания за Kimi, оценка $16 млрд, 300+ сотрудников, средний возраст до 30 лет. Журналист провёл внутри 100 часов и описал то, что увидел. И это действительно странно.
Никаких отделов
Здесь нет HR-отдела, маркетинга, продуктового департамента в привычном смысле. Есть «команды», но границы между ними размыты намеренно. Больше половины из 30 опрошенных сотрудников меняли роль несколько раз — и ~80% из них сейчас занимаются чем-то принципиально иным, чем когда пришли.
Никаких KPI и OKR
Вообще. Нет системы оценки, нет метрик эффективности, нет ревью. Нет даже отметки о приходе. Статус основателя в мессенджере: четыре слова — «Общайтесь напрямую».
Обратная сторона — некоторые сотрудники приходят утром и не знают, что делать. Один бывший сотрудник назвал это «базовой организационной физикой» — иерархия неудобна, но она даёт определённость.
Никаких согласований
Нужна помощь коллеги — просто напиши ему. Не нужен менеджер, одобрение, координационная встреча. Один из сотрудников пришёл из компании, где днём были совещания, а работал он ночью. Здесь наоборот.
Найм вместо менеджмента
Самую сложную задачу менеджмента — контроль качества людей — компания перенесла на этап найма. Больше 100 человек за последний год пришли по рекомендациям. Критерий номер один при найме — «вкус». Не диплом, не опыт, а что-то труднее формализуемое: способность видеть красивое решение и отличать его от некрасивого.
Опыт как недостаток
Несколько топ-менеджеров из крупных технологических компаний не смогли «приземлиться». Один ушёл из индустрии совсем: люди вокруг оказались слишком молодыми и слишком быстрыми. Компания ищет людей с «обобщением» — как у базовой модели ИИ, которая не заучила ответы, а поняла структуру. Человек с 20 годами в одной системе KPI — это «переобученная модель».
Деньги не удерживают
Одной сотруднице предложили двойную зарплату конкуренты. Она отказала. Причина: «здесь нет чиновничьего духа» — никаких статусных игр, показного авторитета, бюрократического самолюбования.
Что вместо этого удерживает?
Несколько человек думали об уходе. Один остался, посмотрев как коллега после многих месяцев провалов всё-таки запустила проект. Другая осталась после одного разговора с сооснователем. Третий пришёл, потому что во время собеседования не узнал, что интервьюер — основатель компании, настолько тот был поглощён технической дискуссией, а не самопрезентацией.
Это не утопия. Компания сама признаёт: такая модель хрупка. При масштабировании до 3000 человек «прямое общение» превращается в информационный хаос. Но пока работает — и довольно радикально.
Мы в телеге | Наш канал в макс | Наш канал в VK
Очень краткое резюме статьи Как устроен Кими — один из самых быстрорастущих ИИ-стартапов Китая
Moonshot AI — компания за Kimi, оценка $16 млрд, 300+ сотрудников, средний возраст до 30 лет. Журналист провёл внутри 100 часов и описал то, что увидел. И это действительно странно.
Никаких отделов
Здесь нет HR-отдела, маркетинга, продуктового департамента в привычном смысле. Есть «команды», но границы между ними размыты намеренно. Больше половины из 30 опрошенных сотрудников меняли роль несколько раз — и ~80% из них сейчас занимаются чем-то принципиально иным, чем когда пришли.
Никаких KPI и OKR
Вообще. Нет системы оценки, нет метрик эффективности, нет ревью. Нет даже отметки о приходе. Статус основателя в мессенджере: четыре слова — «Общайтесь напрямую».
Обратная сторона — некоторые сотрудники приходят утром и не знают, что делать. Один бывший сотрудник назвал это «базовой организационной физикой» — иерархия неудобна, но она даёт определённость.
Никаких согласований
Нужна помощь коллеги — просто напиши ему. Не нужен менеджер, одобрение, координационная встреча. Один из сотрудников пришёл из компании, где днём были совещания, а работал он ночью. Здесь наоборот.
Найм вместо менеджмента
Самую сложную задачу менеджмента — контроль качества людей — компания перенесла на этап найма. Больше 100 человек за последний год пришли по рекомендациям. Критерий номер один при найме — «вкус». Не диплом, не опыт, а что-то труднее формализуемое: способность видеть красивое решение и отличать его от некрасивого.
Опыт как недостаток
Несколько топ-менеджеров из крупных технологических компаний не смогли «приземлиться». Один ушёл из индустрии совсем: люди вокруг оказались слишком молодыми и слишком быстрыми. Компания ищет людей с «обобщением» — как у базовой модели ИИ, которая не заучила ответы, а поняла структуру. Человек с 20 годами в одной системе KPI — это «переобученная модель».
Деньги не удерживают
Одной сотруднице предложили двойную зарплату конкуренты. Она отказала. Причина: «здесь нет чиновничьего духа» — никаких статусных игр, показного авторитета, бюрократического самолюбования.
Что вместо этого удерживает?
Несколько человек думали об уходе. Один остался, посмотрев как коллега после многих месяцев провалов всё-таки запустила проект. Другая осталась после одного разговора с сооснователем. Третий пришёл, потому что во время собеседования не узнал, что интервьюер — основатель компании, настолько тот был поглощён технической дискуссией, а не самопрезентацией.
Это не утопия. Компания сама признаёт: такая модель хрупка. При масштабировании до 3000 человек «прямое общение» превращается в информационный хаос. Но пока работает — и довольно радикально.
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
Удержание: финансовый след
Как показать бизнесу эффект удержания в деньгах.
Продолжаю раскручивать тему управления удержанием, см. последний пост серии Правила движения в HR: как данные начинают управлять процессом
Краткое содержание предыдущих серий:
🔹Не всякая текучесть одинаково полезна
🔹Мы поделили текучесть на желательную и нежелательную
🔹Построили матрицу 2Х2: желательная / нежелательная и До года / Больше года
🔹Слабое место: субъективность оценки менеджмента, поэтому вводим верификацию оценок со стороны HR
🔹У нас появляется третий тип текучести: Текучесть менеджмента
А теперь давайте раскроем финансовую составляющую матрицы текучести.
Эту метрику можно перевести в рубли (см. диаграмму). В рублях задача сводится к максимизации ФОТ нежелательной текучести и минимизации «желательной» и текучести менеджмента.
На диаграмме показан накопленный ФОТ по категориям текучести:
✅Нежелательная текучесть начинает резко накапливать ФОТ после года в выборке уволенных нежелательных мало до года — поэтому кривая когорты начинает расти позже. Но они есть и это потерянный ФОТ
✅Текучесть менеджмента в идеале вообще должна быть минимальна. И увольнения чаще происходят в начале пути в компании
✅Желательная текучесть – это наши потери (кроме случаев, когда сотрудник стал «желательным» после карьерного шага – но это тема других постов)
Задача не удалить фот желательной - мы говорили ранее, что у нас нет возможности дать 100% точность найма, но наша задача минимизировать ФОТ "желательной" (на языке математики это звучит как минимизация площади кривой и максимизация параметра Лямбды - скорость выхода на плато - чем больше λ, тем быстрее уходят желательные).
Как вам кажется, бизнесу будет интересно посмотреть эти кривые?
Мы в телеге | Наш канал в макс | Наш канал в VK
Как показать бизнесу эффект удержания в деньгах.
Продолжаю раскручивать тему управления удержанием, см. последний пост серии Правила движения в HR: как данные начинают управлять процессом
Краткое содержание предыдущих серий:
🔹Не всякая текучесть одинаково полезна
🔹Мы поделили текучесть на желательную и нежелательную
🔹Построили матрицу 2Х2: желательная / нежелательная и До года / Больше года
🔹Слабое место: субъективность оценки менеджмента, поэтому вводим верификацию оценок со стороны HR
🔹У нас появляется третий тип текучести: Текучесть менеджмента
А теперь давайте раскроем финансовую составляющую матрицы текучести.
Задача HR и менеджмента удерживать категорию «нежелательной» текучести, избавляться от «желательной» текучести и сделать минимальной долю текучести менеджмента.
Эту метрику можно перевести в рубли (см. диаграмму). В рублях задача сводится к максимизации ФОТ нежелательной текучести и минимизации «желательной» и текучести менеджмента.
На диаграмме показан накопленный ФОТ по категориям текучести:
✅Нежелательная текучесть начинает резко накапливать ФОТ после года в выборке уволенных нежелательных мало до года — поэтому кривая когорты начинает расти позже. Но они есть и это потерянный ФОТ
✅Текучесть менеджмента в идеале вообще должна быть минимальна. И увольнения чаще происходят в начале пути в компании
✅Желательная текучесть – это наши потери (кроме случаев, когда сотрудник стал «желательным» после карьерного шага – но это тема других постов)
Задача не удалить фот желательной - мы говорили ранее, что у нас нет возможности дать 100% точность найма, но наша задача минимизировать ФОТ "желательной" (на языке математики это звучит как минимизация площади кривой и максимизация параметра Лямбды - скорость выхода на плато - чем больше λ, тем быстрее уходят желательные).
Как вам кажется, бизнесу будет интересно посмотреть эти кривые?
Мы в телеге | Наш канал в макс | Наш канал в VK
ИИ нанимает себе подобных: как LLM-рекрутёры дискриминируют людей
Языковые модели, оценивающие резюме, систематически предпочитают тексты, написанные такой же моделью, — даже если человеческое резюме объективно лучше.
Авторы и год:
Университет Мэриленда, Национальный университет Сингапура, Университет штата Огайо — 2025 (февраль 2026, arXiv)
Метод:
Correspondence experiment (аналог аудита найма Бертрана и Муллайнатана). Каждому резюме создавались «двойники» от разных LLM — только резюмирующий блок менялся, остальное оставалось идентичным. Модели попарно сравнивали резюме и выбирали «лучшее». Оценка велась по двум метрикам справедливости: statistical parity и equal opportunity.
Выборка:
2 245 настоящих человеческих резюме с LiveCareer.com (написаны до эпохи генеративного ИИ). Тестировались 9 моделей: GPT-4o, GPT-4o-mini, GPT-4-turbo, LLaMA 3.3-70B, LLaMA 3.2-3B, LLaMA 3.2-1B, Mistral-7B, Qwen-2.5-72B, DeepSeek-V3. 24 профессиональные категории.
Результаты — цифры:
→ LLM vs. Человек (Statistical Parity): 8 из 9 моделей предпочитают собственный текст. GPT-4o — на 97,6% чаще выбирает свой вариант; LLaMA 3.3-70B — 96,3%; DeepSeek-V3 — 95,5%
→ LLM vs. Человек (Equal Opportunity, контроль качества): предвзятость сохраняется даже при сопоставимом качестве. GPT-4o — 81,9%; LLaMA 3.3-70B — 78,9%; Qwen-2.5-72B — 78%; DeepSeek-V3 — 71,6%; Mistral-7B — 28%
→ LLM vs. LLM: DeepSeek-V3 предпочитает себя перед LLaMA на 69%, перед GPT-4o на 28%. GPT-4o и LLaMA — непоследовательны
→ Симуляция найма (24 профессии, 30 прогонов каждая): кандидат с резюме от той же LLM, что используется для отбора, попадает в шортлист на 23–60% чаще человека с равной квалификацией. Разрыв максимален в продажах и бухгалтерии, минимален в сельском хозяйстве и автомобильной сфере
→ Митигация: system prompt снижает предвзятость на 17–62% в относительном выражении; ансамблевое голосование (большая модель + две маленькие с низкой self-recognition) — более чем на 50% у всех трёх протестированных моделей
Выводы:
Предвзятость возникает из способности модели «узнавать» собственный стиль текста. Это новый тип алгоритмической дискриминации — не по полу или расе, а по тому, каким ИИ-инструментом пользовался кандидат. При неравном доступе к «правильным» моделям эффект будет воспроизводить и усугублять социальное неравенство. Действующие регуляторные рамки AI fairness этот риск не покрывают.
Мы в телеге | Наш канал в макс | Наш канал в VK
Языковые модели, оценивающие резюме, систематически предпочитают тексты, написанные такой же моделью, — даже если человеческое резюме объективно лучше.
Авторы и год:
Университет Мэриленда, Национальный университет Сингапура, Университет штата Огайо — 2025 (февраль 2026, arXiv)
Метод:
Correspondence experiment (аналог аудита найма Бертрана и Муллайнатана). Каждому резюме создавались «двойники» от разных LLM — только резюмирующий блок менялся, остальное оставалось идентичным. Модели попарно сравнивали резюме и выбирали «лучшее». Оценка велась по двум метрикам справедливости: statistical parity и equal opportunity.
Выборка:
2 245 настоящих человеческих резюме с LiveCareer.com (написаны до эпохи генеративного ИИ). Тестировались 9 моделей: GPT-4o, GPT-4o-mini, GPT-4-turbo, LLaMA 3.3-70B, LLaMA 3.2-3B, LLaMA 3.2-1B, Mistral-7B, Qwen-2.5-72B, DeepSeek-V3. 24 профессиональные категории.
Результаты — цифры:
→ LLM vs. Человек (Statistical Parity): 8 из 9 моделей предпочитают собственный текст. GPT-4o — на 97,6% чаще выбирает свой вариант; LLaMA 3.3-70B — 96,3%; DeepSeek-V3 — 95,5%
→ LLM vs. Человек (Equal Opportunity, контроль качества): предвзятость сохраняется даже при сопоставимом качестве. GPT-4o — 81,9%; LLaMA 3.3-70B — 78,9%; Qwen-2.5-72B — 78%; DeepSeek-V3 — 71,6%; Mistral-7B — 28%
→ LLM vs. LLM: DeepSeek-V3 предпочитает себя перед LLaMA на 69%, перед GPT-4o на 28%. GPT-4o и LLaMA — непоследовательны
→ Симуляция найма (24 профессии, 30 прогонов каждая): кандидат с резюме от той же LLM, что используется для отбора, попадает в шортлист на 23–60% чаще человека с равной квалификацией. Разрыв максимален в продажах и бухгалтерии, минимален в сельском хозяйстве и автомобильной сфере
→ Митигация: system prompt снижает предвзятость на 17–62% в относительном выражении; ансамблевое голосование (большая модель + две маленькие с низкой self-recognition) — более чем на 50% у всех трёх протестированных моделей
Выводы:
Предвзятость возникает из способности модели «узнавать» собственный стиль текста. Это новый тип алгоритмической дискриминации — не по полу или расе, а по тому, каким ИИ-инструментом пользовался кандидат. При неравном доступе к «правильным» моделям эффект будет воспроизводить и усугублять социальное неравенство. Действующие регуляторные рамки AI fairness этот риск не покрывают.
Мы в телеге | Наш канал в макс | Наш канал в VK
🔥2❤🔥1👍1
Архитектура HR для эпохи агентного ИИ
Перевод статьи The Death of the Three-Legged Stool: Rebuilding HR Architecture for the Age of Agentic AI
Почти 30 лет HR строился на модели Дейва Ульриха: Центры экспертизы, HR бизнес-партнёры, Общие сервисы. Блестящая модель для своего времени. Но в 2026 году табурет шатается.
Мы годами спорим, почему HRBP тонут в административных задачах вместо стратегического партнёрства. Почему «Общие сервисы» стали синонимом безликих порталов, где умирает employee experience. Почему «белые перчатки» заменили чат-боты без контекста.
Можно продолжать спорить о прошлом. А можно посмотреть на то, что происходит прямо сейчас.
🎓Бэк-офис: от 100 исполнителей к 10 оркестраторам
~80% работы любого HR-департамента — транзакционная рутина. Необходимая, но не стратегическая. Раньше мы аутсорсили это в низкозатратные сервисные центры. Мы просто перемещали ручной труд — не решали неэффективность.
Теперь иначе. AI-агенты — не чат-боты 2023 года — умеют планировать, исполнять и аудировать процессы автономно. Они справятся с логикой коллективных договоров и кросс-бордерных выплат точнее любого человека. Итог: команда из 100 специалистов по вводу данных превращается в 10 HR Tech Orchestrators, которые управляют AI, разбирают исключения и следят за этикой цифровой рабочей силы.
🎓Сервис-деск: эмпатия вместо тикетов
Если рутину забирают агенты, что остаётся людям на Tier 1? Только верхние 5% обращений — те, что нельзя автоматизировать. Это не тикеты. Это жизненные события: сотрудник столкнулся с харассментом, менеджер ведёт команду через ментальный кризис, молодой родитель планирует декрет. Здесь нужны глубокая экспертиза, психологическая безопасность и радикальная эмпатия — то, что AI не симулирует. Сервис-деск будущего меньше по размеру, но значительно старше по уровню. Когда сотруднику действительно нужен человек — он получает эксперта, а не номер обращения.
🎓Виртуальный HRBP: демократизация коучинга
Самый радикальный сдвиг — в модели бизнес-партнёрства. Мы обещали «стратегическое партнёрство», а большинство HRBP тратили дни на обучение менеджеров базовой обратной связи. Ценно, но не масштабируется. В результате — «белые перчатки» только для вице-президентов.
В новой архитектуре каждый сотрудник — от стажёра до директора — получает персонального виртуального HRBP с первого дня. Он знает историю карьеры, навыки и амбиции. Для сотрудника — карьерный коуч. Для менеджера — just-in-time советник: перед сложным разговором об эффективности проигрывает его с менеджером, даёт советы по тону и правовым рискам в реальном времени.
Живые HRBP перестают работать с общими популяциями. Они выходят туда, где их не заменить: M&A-интеграции, культурные трансформации, архитектура организации.
🎓Парадокс человечности
HR-департамент будущего состоит из значительно меньшего числа людей. Это экономическая реальность технологического сдвига.
Но парадокс в том, что, убирая людей из машинерии HR, мы делаем функцию более человечной. Мы снимаем бюрократию, которая делала HR холодным и административным. Каждый сотрудник получает персонального коуча. А когда случается кризис — живого эксперта с эмпатией, не тикет.
Архитектура HR будущего — не трёхногий табурет. Это бионическая нервная система: автоматизированная, data-driven, но созданная для того, чтобы раскрывать человеческий потенциал.
Технология готова. Вопрос в нас: хватит ли смелости это построить?
Мы в телеге | Наш канал в макс | Наш канал в VK
Перевод статьи The Death of the Three-Legged Stool: Rebuilding HR Architecture for the Age of Agentic AI
Почти 30 лет HR строился на модели Дейва Ульриха: Центры экспертизы, HR бизнес-партнёры, Общие сервисы. Блестящая модель для своего времени. Но в 2026 году табурет шатается.
Мы годами спорим, почему HRBP тонут в административных задачах вместо стратегического партнёрства. Почему «Общие сервисы» стали синонимом безликих порталов, где умирает employee experience. Почему «белые перчатки» заменили чат-боты без контекста.
Можно продолжать спорить о прошлом. А можно посмотреть на то, что происходит прямо сейчас.
🎓Бэк-офис: от 100 исполнителей к 10 оркестраторам
~80% работы любого HR-департамента — транзакционная рутина. Необходимая, но не стратегическая. Раньше мы аутсорсили это в низкозатратные сервисные центры. Мы просто перемещали ручной труд — не решали неэффективность.
Теперь иначе. AI-агенты — не чат-боты 2023 года — умеют планировать, исполнять и аудировать процессы автономно. Они справятся с логикой коллективных договоров и кросс-бордерных выплат точнее любого человека. Итог: команда из 100 специалистов по вводу данных превращается в 10 HR Tech Orchestrators, которые управляют AI, разбирают исключения и следят за этикой цифровой рабочей силы.
🎓Сервис-деск: эмпатия вместо тикетов
Если рутину забирают агенты, что остаётся людям на Tier 1? Только верхние 5% обращений — те, что нельзя автоматизировать. Это не тикеты. Это жизненные события: сотрудник столкнулся с харассментом, менеджер ведёт команду через ментальный кризис, молодой родитель планирует декрет. Здесь нужны глубокая экспертиза, психологическая безопасность и радикальная эмпатия — то, что AI не симулирует. Сервис-деск будущего меньше по размеру, но значительно старше по уровню. Когда сотруднику действительно нужен человек — он получает эксперта, а не номер обращения.
🎓Виртуальный HRBP: демократизация коучинга
Самый радикальный сдвиг — в модели бизнес-партнёрства. Мы обещали «стратегическое партнёрство», а большинство HRBP тратили дни на обучение менеджеров базовой обратной связи. Ценно, но не масштабируется. В результате — «белые перчатки» только для вице-президентов.
В новой архитектуре каждый сотрудник — от стажёра до директора — получает персонального виртуального HRBP с первого дня. Он знает историю карьеры, навыки и амбиции. Для сотрудника — карьерный коуч. Для менеджера — just-in-time советник: перед сложным разговором об эффективности проигрывает его с менеджером, даёт советы по тону и правовым рискам в реальном времени.
Живые HRBP перестают работать с общими популяциями. Они выходят туда, где их не заменить: M&A-интеграции, культурные трансформации, архитектура организации.
🎓Парадокс человечности
HR-департамент будущего состоит из значительно меньшего числа людей. Это экономическая реальность технологического сдвига.
Но парадокс в том, что, убирая людей из машинерии HR, мы делаем функцию более человечной. Мы снимаем бюрократию, которая делала HR холодным и административным. Каждый сотрудник получает персонального коуча. А когда случается кризис — живого эксперта с эмпатией, не тикет.
Архитектура HR будущего — не трёхногий табурет. Это бионическая нервная система: автоматизированная, data-driven, но созданная для того, чтобы раскрывать человеческий потенциал.
Технология готова. Вопрос в нас: хватит ли смелости это построить?
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
Внутренняя мобильность в Tencent.
Кейс от компании в развитие темы внутренней мобильности. Я уделяю много времени этой теме:
Внутренний маркетплейс талантов
Skill-based удержание: 7 техник 2026
Главная идея – внутренняя мобильность должна работать по рыночным механизмам торговли навыки. Мне кажется, кейс Tencent в эту же тему. Ниже описания программы в компании.
Программа называется Flowing Water ( Huoshui Program — HSP).
Главная идея
HSP — это внутренний «рынок талантов», где сотрудники и подразделения свободно и напрямую взаимодействуют по принципу рыночного механизма (supply & demand). Сотрудник сам выбирает, куда пойти, а новый отдел сам решает, кого взять. Старый руководитель не имеет права блокировать переход.
Как именно работает механизм (пошагово)
1️⃣Условия входа (минимальные барьеры)
Сотрудник должен проработать на текущей позиции минимум 1 год.
Последняя оценка performance — не ниже 2 звёзд (не «below expectations»).
2️⃣Двухкнопочная система (самая важная «изюминка»)
Когда сотрудник находит интересную вакансию внутри компании в системе HSP:
Кнопка А: «Подать заявку и уведомить текущего руководителя».
Кнопка Б: «Подать заявку без уведомления текущего босса» (большинство выбирает именно её). → Заявка идёт напрямую в новый отдел. Интервью проходит конфиденциально.
3️⃣Двусторонний выбор (market mechanism)
Новый отдел проводит интервью и принимает решение.
Если кандидат подходит — он получает оффер.
Старый руководитель узнаёт только после успешного интервью.
4️⃣Защита от саботажа
Старый босс может уговаривать остаться (retention talk).
Но не может запретить переход.
Максимальный срок на передачу дел и уход — 60–90 дней (в разных версиях правил).
После этого сотрудник автоматически переходит в новый отдел.
5️⃣Дополнительные защиты для сотрудника
Зарплата и уровень (грейд) обычно сохраняются (salary protection).
Оценку performance можно делать либо в старом, либо в новом отделе (в поздних версиях).
Всё происходит через специальную внутреннюю платформу (типа LinkShow или внутренний job board).
Почему это именно «рыночный механизм»?
Xidan (senior vice president Tencent) прямо говорил: «The ‘Flowing Water’ program provides a market mechanism to allocate talent effectively.»
Суть в том, что:
▪️Талант (сотрудник) — как «товар», который сам ищет лучшую «цену» (интересную работу, рост, проект).
▪️Подразделения — как «покупатели», которые конкурируют между собой и с внешним рынком за хороших людей.
▪️Компания перестаёт быть жёсткой иерархией, а становится внутренним рынком, где талант течёт туда, где он нужнее и где человеку интереснее.
Зачем это нужно Tencent?
▪️Не дать талантам «застояться» в одном отделе (keeping the water fresh).
▪️Быстро закрывать кадровые дыры в приоритетных продуктах (WeChat, игры и т.д.).
▪️Повысить мотивацию и удержание сотрудников.
▪️Сделать компанию более динамичной и инновационной.
Мы в телеге | Наш канал в макс | Наш канал в VK
Кейс от компании в развитие темы внутренней мобильности. Я уделяю много времени этой теме:
Внутренний маркетплейс талантов
Skill-based удержание: 7 техник 2026
Главная идея – внутренняя мобильность должна работать по рыночным механизмам торговли навыки. Мне кажется, кейс Tencent в эту же тему. Ниже описания программы в компании.
Программа называется Flowing Water ( Huoshui Program — HSP).
Главная идея
HSP — это внутренний «рынок талантов», где сотрудники и подразделения свободно и напрямую взаимодействуют по принципу рыночного механизма (supply & demand). Сотрудник сам выбирает, куда пойти, а новый отдел сам решает, кого взять. Старый руководитель не имеет права блокировать переход.
Как именно работает механизм (пошагово)
1️⃣Условия входа (минимальные барьеры)
Сотрудник должен проработать на текущей позиции минимум 1 год.
Последняя оценка performance — не ниже 2 звёзд (не «below expectations»).
2️⃣Двухкнопочная система (самая важная «изюминка»)
Когда сотрудник находит интересную вакансию внутри компании в системе HSP:
Кнопка А: «Подать заявку и уведомить текущего руководителя».
Кнопка Б: «Подать заявку без уведомления текущего босса» (большинство выбирает именно её). → Заявка идёт напрямую в новый отдел. Интервью проходит конфиденциально.
3️⃣Двусторонний выбор (market mechanism)
Новый отдел проводит интервью и принимает решение.
Если кандидат подходит — он получает оффер.
Старый руководитель узнаёт только после успешного интервью.
4️⃣Защита от саботажа
Старый босс может уговаривать остаться (retention talk).
Но не может запретить переход.
Максимальный срок на передачу дел и уход — 60–90 дней (в разных версиях правил).
После этого сотрудник автоматически переходит в новый отдел.
5️⃣Дополнительные защиты для сотрудника
Зарплата и уровень (грейд) обычно сохраняются (salary protection).
Оценку performance можно делать либо в старом, либо в новом отделе (в поздних версиях).
Всё происходит через специальную внутреннюю платформу (типа LinkShow или внутренний job board).
Почему это именно «рыночный механизм»?
Xidan (senior vice president Tencent) прямо говорил: «The ‘Flowing Water’ program provides a market mechanism to allocate talent effectively.»
Суть в том, что:
▪️Талант (сотрудник) — как «товар», который сам ищет лучшую «цену» (интересную работу, рост, проект).
▪️Подразделения — как «покупатели», которые конкурируют между собой и с внешним рынком за хороших людей.
▪️Компания перестаёт быть жёсткой иерархией, а становится внутренним рынком, где талант течёт туда, где он нужнее и где человеку интереснее.
Зачем это нужно Tencent?
▪️Не дать талантам «застояться» в одном отделе (keeping the water fresh).
▪️Быстро закрывать кадровые дыры в приоритетных продуктах (WeChat, игры и т.д.).
▪️Повысить мотивацию и удержание сотрудников.
▪️Сделать компанию более динамичной и инновационной.
Мы в телеге | Наш канал в макс | Наш канал в VK
🔥2
Новая ДНК организационного дизайна
Вышел свежий отчёт Visier про то, как компании реально перестраивают структуры на фоне ИИ и давления на эффективность. Важно: это не мнения и не кейсы из презентаций, а анализ данных по ~170 компаниям и 7,7 млн сотрудников за несколько лет. Центральный вопрос исследования — так ли повсеместна «флатинизация» и как именно меняются команды при росте и сокращениях.
Флатинизация — это идея, что компании убирают уровни управления, уменьшают число команд и делают оставшиеся команды крупнее, чтобы снизить издержки и ускорить принятие решений. См. в тему Великое сглаживание останется с нами
Флатинизация (flattening или organizational flattening)— миф. На данных это нишевая стратегия: только около 10% компаний действительно идут в сторону уменьшения числа команд и укрупнения оставшихся. Это означает, что массового перехода к «плоским» структурам нет, а риск перегрузки менеджеров и сбоев координации сдерживает распространение такого подхода.
При росте штата (в среднем +23%) компании ведут себя так:
• 56% — «расти, оставаясь маленькими»: +20% команд, средний размер −7%, цель — скорость и автономия, риск — изоляция и групповое мышление
• 20% — растут в обе стороны: +22% команд, размер +10%, цель — масштаб, риск — усложнение координации
• 3% — уплощаются: −6% команд, размер +12%, цель — снижение издержек, риск — перегрузка менеджеров
При сокращении штата (в среднем −25%) картина такая:
• 44% — «прореживание»: −20% команд, размер −11%, цель — эффективность и фокус, риск — потеря экспертизы и синдром выжившего
• 7% — уплощаются: −23% команд, размер +6%, цель — снижение управленческих расходов, риск — провалы координации
• 7% — дивестируют: размер −10%, число команд +2%, цель — реструктуризация направлений, риск — размытость фокуса
Вывод: компании не идут в одну модель, а управляют структурой как переменной — увеличивают или дробят команды в зависимости от задачи, балансируя между скоростью, контролем и сохранением экспертизы.
См. также в тему
Управление эффективностью персонала от HR
Управление эффективностью персонала ≠ оптимизация
Мы в телеге | Наш канал в макс | Наш канал в VK
Вышел свежий отчёт Visier про то, как компании реально перестраивают структуры на фоне ИИ и давления на эффективность. Важно: это не мнения и не кейсы из презентаций, а анализ данных по ~170 компаниям и 7,7 млн сотрудников за несколько лет. Центральный вопрос исследования — так ли повсеместна «флатинизация» и как именно меняются команды при росте и сокращениях.
Флатинизация — это идея, что компании убирают уровни управления, уменьшают число команд и делают оставшиеся команды крупнее, чтобы снизить издержки и ускорить принятие решений. См. в тему Великое сглаживание останется с нами
Флатинизация (flattening или organizational flattening)— миф. На данных это нишевая стратегия: только около 10% компаний действительно идут в сторону уменьшения числа команд и укрупнения оставшихся. Это означает, что массового перехода к «плоским» структурам нет, а риск перегрузки менеджеров и сбоев координации сдерживает распространение такого подхода.
При росте штата (в среднем +23%) компании ведут себя так:
• 56% — «расти, оставаясь маленькими»: +20% команд, средний размер −7%, цель — скорость и автономия, риск — изоляция и групповое мышление
• 20% — растут в обе стороны: +22% команд, размер +10%, цель — масштаб, риск — усложнение координации
• 3% — уплощаются: −6% команд, размер +12%, цель — снижение издержек, риск — перегрузка менеджеров
При сокращении штата (в среднем −25%) картина такая:
• 44% — «прореживание»: −20% команд, размер −11%, цель — эффективность и фокус, риск — потеря экспертизы и синдром выжившего
• 7% — уплощаются: −23% команд, размер +6%, цель — снижение управленческих расходов, риск — провалы координации
• 7% — дивестируют: размер −10%, число команд +2%, цель — реструктуризация направлений, риск — размытость фокуса
Вывод: компании не идут в одну модель, а управляют структурой как переменной — увеличивают или дробят команды в зависимости от задачи, балансируя между скоростью, контролем и сохранением экспертизы.
См. также в тему
Управление эффективностью персонала от HR
Управление эффективностью персонала ≠ оптимизация
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
HR-бюджеты 2026: сухие цифры, которые на самом деле про стратегию
Gartner выпустил HR Budget Benchmarks 2026
Если отбросить разговоры про «ценность HR», остаются цифры. И они довольно честно показывают, чем HR на самом деле занимается и куда идут деньги. Ниже — выжимка из бенчмарков.
💰Сколько стоит HR
$2 799 — медианные расходы на HR на одного сотрудника в год
1,22% — доля HR от выручки
0,67% — доля HR в операционных расходах
Что включено в эти доли:
фонд оплаты труда HR (зарплаты, бонусы, налоги)
рекрутинг (внутренний и внешний, агентства, job boards)
HR-технологии (ATS, HRIS, лицензии, внедрение, поддержка)
обучение и развитие (внутренние программы, провайдеры)
компенсации и льготы администрирование (C&B функции, но не сами выплаты сотрудникам)
payroll и кадровое администрирование
employee relations, внутренние коммуникации
консалтинг, аутсорсинг HR-функций
Важно: сами зарплаты сотрудников бизнеса, бонусы и бенефиты персонала сюда не входят — только стоимость управления этим контуром.
Это важная рамка: HR — это не «поддержка», это вполне измеримый cost-центр с понятной долей в экономике компании.
💪Нагрузка на HR
62 сотрудника — на 1 HR FTE ≈1,6 HR на 100 сотрудников
Любая дискуссия про «у нас перегружен HR» или «у нас раздута функция» должна начинаться с этой цифры.
🎓Куда уходят деньги (на сотрудника в год)
$461 — рекрутинг
$280 — HR-администрирование
$273 — total rewards
$265 — HR-технологии
$216 — обучение и развитие
$200 — payroll
$163 — employee relations
$136 — talent management
$102 — оргдизайн и изменения
$91 — workforce planning
$76 — DEI
$59 — people analytics
Картина простая: больше всего денег — там, где «текучка процесса» (найм, админка), а не там, где «стратегия».
🎓Приоритеты инвестиций на 2026
60% — HR-технологии
42% — обучение и развитие
39% — talent management
38% — total rewards
То есть компании пытаются «выкупить эффективность» через технологии и навыки, а не через рост численности HR.
💼Что из этого следует
Первое. HR по-прежнему — это операционная функция с дорогим рекрутингом. Все разговоры про стратегию разбиваются о бюджет.
Второе. People analytics и workforce planning — внизу списка. Это означает, что решения всё ещё принимаются без нормальной аналитической базы.
Третье. Фокус на HR-tech — это не про «цифровизацию ради моды». Это попытка разорвать зависимость: больше людей → больше HR.
Четвертое. Консервативный бюджет (тренд с 2023 года) означает, что рост эффективности — не опция, а требование.
🎓главный вывод:
структура HR-бюджета — это зеркало зрелости функции.
Не стратегия в презентации, а реальные доли расходов показывают, чем HR является в компании.
Мы в телеге | Наш канал в макс | Наш канал в VK
Gartner выпустил HR Budget Benchmarks 2026
Если отбросить разговоры про «ценность HR», остаются цифры. И они довольно честно показывают, чем HR на самом деле занимается и куда идут деньги. Ниже — выжимка из бенчмарков.
💰Сколько стоит HR
$2 799 — медианные расходы на HR на одного сотрудника в год
1,22% — доля HR от выручки
0,67% — доля HR в операционных расходах
Что включено в эти доли:
фонд оплаты труда HR (зарплаты, бонусы, налоги)
рекрутинг (внутренний и внешний, агентства, job boards)
HR-технологии (ATS, HRIS, лицензии, внедрение, поддержка)
обучение и развитие (внутренние программы, провайдеры)
компенсации и льготы администрирование (C&B функции, но не сами выплаты сотрудникам)
payroll и кадровое администрирование
employee relations, внутренние коммуникации
консалтинг, аутсорсинг HR-функций
Важно: сами зарплаты сотрудников бизнеса, бонусы и бенефиты персонала сюда не входят — только стоимость управления этим контуром.
Это важная рамка: HR — это не «поддержка», это вполне измеримый cost-центр с понятной долей в экономике компании.
💪Нагрузка на HR
62 сотрудника — на 1 HR FTE ≈1,6 HR на 100 сотрудников
Любая дискуссия про «у нас перегружен HR» или «у нас раздута функция» должна начинаться с этой цифры.
🎓Куда уходят деньги (на сотрудника в год)
$461 — рекрутинг
$280 — HR-администрирование
$273 — total rewards
$265 — HR-технологии
$216 — обучение и развитие
$200 — payroll
$163 — employee relations
$136 — talent management
$102 — оргдизайн и изменения
$91 — workforce planning
$76 — DEI
$59 — people analytics
Картина простая: больше всего денег — там, где «текучка процесса» (найм, админка), а не там, где «стратегия».
🎓Приоритеты инвестиций на 2026
60% — HR-технологии
42% — обучение и развитие
39% — talent management
38% — total rewards
То есть компании пытаются «выкупить эффективность» через технологии и навыки, а не через рост численности HR.
💼Что из этого следует
Первое. HR по-прежнему — это операционная функция с дорогим рекрутингом. Все разговоры про стратегию разбиваются о бюджет.
Второе. People analytics и workforce planning — внизу списка. Это означает, что решения всё ещё принимаются без нормальной аналитической базы.
Третье. Фокус на HR-tech — это не про «цифровизацию ради моды». Это попытка разорвать зависимость: больше людей → больше HR.
Четвертое. Консервативный бюджет (тренд с 2023 года) означает, что рост эффективности — не опция, а требование.
🎓главный вывод:
структура HR-бюджета — это зеркало зрелости функции.
Не стратегия в презентации, а реальные доли расходов показывают, чем HR является в компании.
Мы в телеге | Наш канал в макс | Наш канал в VK
👍3
Forwarded from HR-аналитика
Глубинный смысл этой картинки простой – приглашаю вас поучаствовать в бенчмарке текучести персонала и рейтинга DreamJob. Я посчитаю место вашей компании относительно рынка с учетом размера компании, отрасли, региона. По текучести и рейтингу.
И покажу, почему срок работы сотрудника в компании более чувствительная метрика, чем текучесть персонала
Пишите @Edvb777
Мне нужны такие данные (excel файл) в формате
🔹Дата приема
🔹Дата увольнения
Данные нужны за 2025 год: всех, кто работал в 2025 и/или был уволен в 2025 (соответственно дата приема может быть как в 2025, так и ранее)
Опционально: пол и возраст на момент приема
Также прошу прислать рейтинг дримджоб и отрасль (отрасли – если несколько) компании.
Мы в телеге | Наш канал в макс | Наш канал в VK
И покажу, почему срок работы сотрудника в компании более чувствительная метрика, чем текучесть персонала
Пишите @Edvb777
Мне нужны такие данные (excel файл) в формате
🔹Дата приема
🔹Дата увольнения
Данные нужны за 2025 год: всех, кто работал в 2025 и/или был уволен в 2025 (соответственно дата приема может быть как в 2025, так и ранее)
Опционально: пол и возраст на момент приема
Также прошу прислать рейтинг дримджоб и отрасль (отрасли – если несколько) компании.
Мы в телеге | Наш канал в макс | Наш канал в VK
👍2❤1
Forwarded from HR-аналитика
ИИ-митация бурной деятельности: работники Amazon уже освоили новую корпоративную игру
По материалам Financial Times
Это продолжение сериала Лучший кейс по внедрению ИИ - только это реализация кейса в реальности
В компании начали массово внедрять внутренних ИИ-агентов, и почти сразу появилась новая форма офисного спорта — tokenmaxxing («накрутка потребления токенов»).
Суть простая: жечь как можно больше AI-токенов, чтобы показать менеджерам «активное использование ИИ».
Нужно ли для задачи столько вычислений?
Помогает ли это продукту?
Экономит ли время?
Да кого это волнует, если в отчёте красиво растёт usage («уровень использования»).
Разработчики начали скармливать ИИ бессмысленные, раздутые и заведомо ненужные задачи — просто чтобы не выглядеть отстающими на фоне коллег. Потому что как только метрика появляется в KPI, люди начинают оптимизировать не работу, а метрику.
Классический закон Гудхарта:
И это уже не история только про Amazon.
Похожие сюжеты всплывают в Meta (признана в России террорической), Microsoft, Google, JPMorgan, Disney и дальше везде, где менеджмент пытается измерять “AI-эффективность” цифрами потребления.
Самое смешное — компании сейчас тратят сотни миллиардов долларов на ИИ, а сотрудники учатся превращать эти вычисления в новую форму имитации бурной деятельности.
Раньше люди:
— делали вид, что заняты;
— ставили бесконечные созвоны;
— писали никому не нужные отчёты.
Теперь будут с серьёзным лицом прожигать GPU-кластеры.
Добро пожаловать в экономику токенов, где KPI измеряется не результатом, а количеством сожжённого кремния.
Мы в телеге | Наш канал в макс | Наш канал в VK
По материалам Financial Times
Это продолжение сериала Лучший кейс по внедрению ИИ - только это реализация кейса в реальности
В компании начали массово внедрять внутренних ИИ-агентов, и почти сразу появилась новая форма офисного спорта — tokenmaxxing («накрутка потребления токенов»).
Суть простая: жечь как можно больше AI-токенов, чтобы показать менеджерам «активное использование ИИ».
Нужно ли для задачи столько вычислений?
Помогает ли это продукту?
Экономит ли время?
Да кого это волнует, если в отчёте красиво растёт usage («уровень использования»).
Разработчики начали скармливать ИИ бессмысленные, раздутые и заведомо ненужные задачи — просто чтобы не выглядеть отстающими на фоне коллег. Потому что как только метрика появляется в KPI, люди начинают оптимизировать не работу, а метрику.
Классический закон Гудхарта:
«Когда показатель становится целью — он перестаёт быть хорошим показателем».
И это уже не история только про Amazon.
Похожие сюжеты всплывают в Meta (признана в России террорической), Microsoft, Google, JPMorgan, Disney и дальше везде, где менеджмент пытается измерять “AI-эффективность” цифрами потребления.
Самое смешное — компании сейчас тратят сотни миллиардов долларов на ИИ, а сотрудники учатся превращать эти вычисления в новую форму имитации бурной деятельности.
Раньше люди:
— делали вид, что заняты;
— ставили бесконечные созвоны;
— писали никому не нужные отчёты.
Теперь будут с серьёзным лицом прожигать GPU-кластеры.
Добро пожаловать в экономику токенов, где KPI измеряется не результатом, а количеством сожжённого кремния.
Мы в телеге | Наш канал в макс | Наш канал в VK
😁2💯2🤣2
Система рекрутинговой аналитики
я вчера готовил корпоративный семинар по этой теме и понял, что хочу сделать его открытым. Идея простая: как сделать метрики рекрутинга работающими, не просто набор цифр на дашборде, а смотреть через призму задач, как метрики превратить в систему, как показать взаимосвязь показателей.
Семинар минимум на целый рабочий день, т.е. 8 астрономических часов
Попинайте меня, насколько это будет востребовано?
я вчера готовил корпоративный семинар по этой теме и понял, что хочу сделать его открытым. Идея простая: как сделать метрики рекрутинга работающими, не просто набор цифр на дашборде, а смотреть через призму задач, как метрики превратить в систему, как показать взаимосвязь показателей.
Семинар минимум на целый рабочий день, т.е. 8 астрономических часов
Попинайте меня, насколько это будет востребовано?
🔥4❤1
Идентификация целей и KPI измерения корпоративной культуры
Gartner выпустил презентацию Identify Goals and KPIs for Culture Measurement - даю резюме
1️⃣Определение и выбор верхнеуровневых KPI корпоративной культуры
В презентации Gartner предлагают начать не с обсуждения ценностей, а с выбора метрик, через которые вообще можно наблюдать культуру компании. Это важный сдвиг: культура перестает быть абстрактной «атмосферой» и становится объектом измерения. В качестве возможных KPI приводятся Employee Net Promoter Score, добровольная текучесть, уровень вовлеченности, число внутренних рекомендаций кандидатов, участие сотрудников в корпоративных инициативах, показатели DEI, отзывы на Glassdoor и даже уровень отсутствий. То есть культура рассматривается как совокупность устойчивых моделей поведения, которые можно фиксировать количественно.
2️⃣Формирование утверждений о культурных изменениях
Самая сильная часть шаблона — конструкция «From → To → Because». Не «нам нужна более collaborative culture», а описание конкретного перехода: от оценки сотрудников по локальным KPI команды — к оценке по результату всей организации, потому что клиентский опыт требует сквозного взаимодействия между функциями. Или: от ожидания, что решения принимает только руководитель, — к большей автономии сотрудников, потому что компании нужна скорость реакции на изменения рынка. Такой подход резко повышает качество разговора о культуре: она перестает быть набором красивых ценностей и начинает описываться как изменение операционной модели бизнеса.
3️⃣Определение метрик успеха для каждого культурного изменения
Дальше Gartner предлагают связать желаемую культуру с конкретными управленческими практиками и измеримыми результатами. Если компания хочет больше collaboration, придется менять recognition programs и систему оценки эффективности. Если нужна инновационность — менять отношение к инициативам и ошибкам. После этого уже можно смотреть, появились ли реальные изменения поведения: выросло ли количество кросс-функциональных проектов, увеличилось ли число инициатив снизу, чувствуют ли сотрудники больше влияния на решения, изменился ли sentiment вокруг автономии и взаимодействия. Важная мысль здесь в том, что культуру невозможно изменить только коммуникацией — ее меняют через управленческие механики.
4️⃣Формализация целей измерения корпоративной культуры
На последнем этапе предлагается собрать общие метрики культуры и KPI по конкретным ценностям в единую систему измерения. Это позволяет компании видеть не только общий уровень «здоровья культуры», но и понимать, какие именно культурные изменения происходят или не происходят. Потому что реальная культура организации почти всегда определяется не тем, что написано в ценностях компании, а тем, за что сотрудников повышают, вознаграждают и увольняют.
Мы в телеге | Наш канал в макс | Наш канал в VK
Gartner выпустил презентацию Identify Goals and KPIs for Culture Measurement - даю резюме
1️⃣Определение и выбор верхнеуровневых KPI корпоративной культуры
В презентации Gartner предлагают начать не с обсуждения ценностей, а с выбора метрик, через которые вообще можно наблюдать культуру компании. Это важный сдвиг: культура перестает быть абстрактной «атмосферой» и становится объектом измерения. В качестве возможных KPI приводятся Employee Net Promoter Score, добровольная текучесть, уровень вовлеченности, число внутренних рекомендаций кандидатов, участие сотрудников в корпоративных инициативах, показатели DEI, отзывы на Glassdoor и даже уровень отсутствий. То есть культура рассматривается как совокупность устойчивых моделей поведения, которые можно фиксировать количественно.
2️⃣Формирование утверждений о культурных изменениях
Самая сильная часть шаблона — конструкция «From → To → Because». Не «нам нужна более collaborative culture», а описание конкретного перехода: от оценки сотрудников по локальным KPI команды — к оценке по результату всей организации, потому что клиентский опыт требует сквозного взаимодействия между функциями. Или: от ожидания, что решения принимает только руководитель, — к большей автономии сотрудников, потому что компании нужна скорость реакции на изменения рынка. Такой подход резко повышает качество разговора о культуре: она перестает быть набором красивых ценностей и начинает описываться как изменение операционной модели бизнеса.
3️⃣Определение метрик успеха для каждого культурного изменения
Дальше Gartner предлагают связать желаемую культуру с конкретными управленческими практиками и измеримыми результатами. Если компания хочет больше collaboration, придется менять recognition programs и систему оценки эффективности. Если нужна инновационность — менять отношение к инициативам и ошибкам. После этого уже можно смотреть, появились ли реальные изменения поведения: выросло ли количество кросс-функциональных проектов, увеличилось ли число инициатив снизу, чувствуют ли сотрудники больше влияния на решения, изменился ли sentiment вокруг автономии и взаимодействия. Важная мысль здесь в том, что культуру невозможно изменить только коммуникацией — ее меняют через управленческие механики.
4️⃣Формализация целей измерения корпоративной культуры
На последнем этапе предлагается собрать общие метрики культуры и KPI по конкретным ценностям в единую систему измерения. Это позволяет компании видеть не только общий уровень «здоровья культуры», но и понимать, какие именно культурные изменения происходят или не происходят. Потому что реальная культура организации почти всегда определяется не тем, что написано в ценностях компании, а тем, за что сотрудников повышают, вознаграждают и увольняют.
Мы в телеге | Наш канал в макс | Наш канал в VK
Руководство по ИИ-промптам для HR: 4 промпта для менеджеров и руководителей
Резюме статьи от CultureAmp
Менеджеров и HR-руководителей сегодня просят делать всё больше — при меньшем количестве времени и ресурсов. AI может реально снижать нагрузку. Но проблема в том, что качество результата зависит не столько от модели, сколько от качества промпта.
Сильный промпт → полезный результат.
Размытый промпт → размытый результат.
Ниже — 4 практических AI-промпта для HR и руководителей + лучшие практики создания собственных промптов.
1️⃣ Давайте сложную обратную связь уверенно
AI может помочь структурировать неприятный разговор так, чтобы он был одновременно честным и поддерживающим.
Промпт:
2️⃣ Превращайте результаты опросов в действия
Главная проблема engagement-опросов — не сбор данных, а превращение их в конкретные управленческие действия.
Промпт:
3️⃣ Коммуницируйте изменения ясно
Даже позитивные изменения создают тревожность. AI может помочь собрать коммуникацию без типичного корпоративного тумана.
Промпт:
4️⃣ Выявляйте ранние сигналы проблем
Большинство компаний реагируют слишком поздно: когда engagement уже упал, а сотрудники начали увольняться.
Промпт:
📌🎓 Лучшие практики создания AI-промптов
1. Используйте RACE-фреймворк
Role — роль AI
Action — что нужно сделать
Context — контекст
Execute — формат результата
2. Уточняйте тон
Например: «эмпатично», «жёстко», «спокойно», «деловым языком».
3. Определяйте критерий успеха
Нужен список действий? Скрипт разговора? План встречи? Чем точнее задача — тем лучше результат.
4. Не загружайте чувствительные данные
Не вставляйте в публичные AI-инструменты реальные зарплаты, имена сотрудников и performance-данные.
Важная мысль: AI в HR начинает приносить ценность не тогда, когда HR «использует ChatGPT», а когда появляется способность правильно формулировать управленческую задачу.
Мы в телеге | Наш канал в макс | Наш канал в VK
Резюме статьи от CultureAmp
Менеджеров и HR-руководителей сегодня просят делать всё больше — при меньшем количестве времени и ресурсов. AI может реально снижать нагрузку. Но проблема в том, что качество результата зависит не столько от модели, сколько от качества промпта.
Сильный промпт → полезный результат.
Размытый промпт → размытый результат.
Ниже — 4 практических AI-промпта для HR и руководителей + лучшие практики создания собственных промптов.
1️⃣ Давайте сложную обратную связь уверенно
AI может помочь структурировать неприятный разговор так, чтобы он был одновременно честным и поддерживающим.
Промпт:
«Мне нужно предоставить обратную связь [подчинённому, который технически силён, но часто перебивает других на встречах]. Составь сценарий разговора по модели SBI (Situation, Behavior, Impact). Тон — [поддерживающий, но твёрдый]. В конце сотрудник должен понимать [следующие шаги для роста и улучшения]».
2️⃣ Превращайте результаты опросов в действия
Главная проблема engagement-опросов — не сбор данных, а превращение их в конкретные управленческие действия.
Промпт:
«Дай три действия для улучшения [мотивации / признания / другой темы из опроса], адаптированные под нашу команду. Рекомендации должны быть реалистичными для команды с ограниченными ресурсами. Добавь KPI, риски внедрения и ограничения».
3️⃣ Коммуницируйте изменения ясно
Даже позитивные изменения создают тревожность. AI может помочь собрать коммуникацию без типичного корпоративного тумана.
Промпт:
«Я [VP HR] и мне нужно сообщить о значительном организационном изменении [руководителям]. Помоги составить структуру сообщения: что уже известно, что пока неопределённо, какие вопросы могут возникнуть у команды. Аудитория должна понять влияние изменений на [настроения сотрудников] и [бизнес-результат]. Тон — спокойный, заботливый и ясный».
4️⃣ Выявляйте ранние сигналы проблем
Большинство компаний реагируют слишком поздно: когда engagement уже упал, а сотрудники начали увольняться.
Промпт:
«Помимо падения engagement и роста текучести, какие ранние признаки показывают ухудшение employee experience в компании нашего типа? Сосредоточься на индикаторах, которые руководитель может заметить напрямую: поведение менеджеров, динамика команд, качественная обратная связь. Предложи три низкозатратных действия и план внедрения».
📌🎓 Лучшие практики создания AI-промптов
1. Используйте RACE-фреймворк
Role — роль AI
Action — что нужно сделать
Context — контекст
Execute — формат результата
2. Уточняйте тон
Например: «эмпатично», «жёстко», «спокойно», «деловым языком».
3. Определяйте критерий успеха
Нужен список действий? Скрипт разговора? План встречи? Чем точнее задача — тем лучше результат.
4. Не загружайте чувствительные данные
Не вставляйте в публичные AI-инструменты реальные зарплаты, имена сотрудников и performance-данные.
Важная мысль: AI в HR начинает приносить ценность не тогда, когда HR «использует ChatGPT», а когда появляется способность правильно формулировать управленческую задачу.
Мы в телеге | Наш канал в макс | Наш канал в VK
👍2