HR не лидеры в применении ИИ
Применение ИИ в реальной экономике - результаты опроса Центробанка России. Это ежеквартальный опрос ЦБ. Сейчас многие компании проводят опросы про применение ИИ, но я скептически отношусь к таким опросам, только из уважение к ЦБ даю результаты, но в конце опроса таки выражаю скепсис
Итак
• 14,7 тыс. предприятий опросил Банк России в мае 2026 года.
• 14% предприятий уже используют генеративный ИИ (примерно каждое седьмое).
• 20% предприятий пока не используют ИИ, но планируют внедрение (каждое пятое).
• Лидеры по внедрению ИИ — компании сферы услуг.
• Малый бизнес внедряет ИИ немного активнее крупного бизнеса.
🔹Главные барьеры внедрения:
– нехватка специалистов по ИИ и анализу данных;
– затраты на обучение сотрудников и ИТ-инфраструктуру;
– необходимость перестройки процессов;
– риски утечки данных;
– ошибки ИИ, требующие контроля и доработки.
🔹Среди компаний, использующих ИИ:
– около 50% применяют его в маркетинге и продажах;
– около 20% — в производстве;
– около 10% — в управлении персоналом.
🔹Наиболее распространенные сценарии использования:
– обработка больших массивов данных и документов;
– реклама и маркетинг;
– деловая переписка;
– подбор и оценка кандидатов;
– планирование загрузки сотрудников;
– контроль качества продукции и услуг.
• 33% компаний отметили рост производительности труда благодаря ИИ.
• Только 10% пользователей ИИ сообщили о росте прибыльности бизнеса.
• Почти две трети компаний не увидели влияния ИИ на численность персонала.
• Небольшая часть компаний сообщила даже о росте численности сотрудников — из-за найма специалистов по ИИ и необходимости проверки результатов работы алгоритмов.
• Компании, активно внедряющие ИИ, в начале 2026 года инвестировали активнее и реже называли дефицит кадров серьезным ограничением для развития.
Каждое третье предприятие сообщило о росте производительности труда благодаря ИИ. При этом почти две трети компаний не увидели изменений в численности персонала, а лишь каждое десятое предприятие отметило рост прибыльности. Получается странная картина: производительность растет, прибыль почти не растет, людей не увольняют. Это больше похоже на изменение ощущений, а не реальный результат.
Мы в телеге | Наш канал в макс | Наш канал в VK
Применение ИИ в реальной экономике - результаты опроса Центробанка России. Это ежеквартальный опрос ЦБ. Сейчас многие компании проводят опросы про применение ИИ, но я скептически отношусь к таким опросам, только из уважение к ЦБ даю результаты, но в конце опроса таки выражаю скепсис
Итак
• 14,7 тыс. предприятий опросил Банк России в мае 2026 года.
• 14% предприятий уже используют генеративный ИИ (примерно каждое седьмое).
• 20% предприятий пока не используют ИИ, но планируют внедрение (каждое пятое).
• Лидеры по внедрению ИИ — компании сферы услуг.
• Малый бизнес внедряет ИИ немного активнее крупного бизнеса.
🔹Главные барьеры внедрения:
– нехватка специалистов по ИИ и анализу данных;
– затраты на обучение сотрудников и ИТ-инфраструктуру;
– необходимость перестройки процессов;
– риски утечки данных;
– ошибки ИИ, требующие контроля и доработки.
🔹Среди компаний, использующих ИИ:
– около 50% применяют его в маркетинге и продажах;
– около 20% — в производстве;
– около 10% — в управлении персоналом.
🔹Наиболее распространенные сценарии использования:
– обработка больших массивов данных и документов;
– реклама и маркетинг;
– деловая переписка;
– подбор и оценка кандидатов;
– планирование загрузки сотрудников;
– контроль качества продукции и услуг.
• 33% компаний отметили рост производительности труда благодаря ИИ.
• Только 10% пользователей ИИ сообщили о росте прибыльности бизнеса.
• Почти две трети компаний не увидели влияния ИИ на численность персонала.
• Небольшая часть компаний сообщила даже о росте численности сотрудников — из-за найма специалистов по ИИ и необходимости проверки результатов работы алгоритмов.
• Компании, активно внедряющие ИИ, в начале 2026 года инвестировали активнее и реже называли дефицит кадров серьезным ограничением для развития.
Каждое третье предприятие сообщило о росте производительности труда благодаря ИИ. При этом почти две трети компаний не увидели изменений в численности персонала, а лишь каждое десятое предприятие отметило рост прибыльности. Получается странная картина: производительность растет, прибыль почти не растет, людей не увольняют. Это больше похоже на изменение ощущений, а не реальный результат.
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
Второй шанс воронки найма?
Пост эссе в защиту воронки.
Все мы – HR-аналитики и им сочувствующие - строили воронки найма. Когда-то это был один из самых популярных HR-дашбордов.
Но довольно быстро выяснялось, что после построения красивой диаграммы делать с ней особенно нечего. Начальники любили тыкать в фильтры воронки – этапы так забавно перестраивались – но недолго. Мы честно считали проценты. Но реальные управленческие решения на основе этих цифр принимались редко (более уместно написать «никогда», но не будем исключать вероятность бесконечно невероятного события).
Поэтому многие пришли к выводу, что воронка - это инструмент из категории «красивое, но бессмысленное».
Так было. Но потом изменился рынок труда.
Несколько лет назад основная проблема рекрутера заключалась в том, чтобы найти кандидатов. Вакансий было много, откликов мало, приходилось заниматься сорсингом, ресерчем, переманиванием и буквально бороться за каждого человека.
Сегодня во многих компаниях ситуация стала другой. Вакансий меньше, откликов больше. Главный вопрос уже не «где найти кандидата», а «как обработать весь входящий поток». Бессмысленный и беспощадный. Да простят меня кандидаты.
И здесь воронка неожиданно приобретает новый смысл.
Теперь она нужна не только для анализа конверсий.
Она позволяет измерять трудоемкость рекрутинга.
Представим две ситуации.
Первая: 100 вакансий и в среднем по 10 кандидатов на каждую.
Вторая: 30 вакансий и по 50 кандидатов на каждую.
Если смотреть только на количество вакансий, кажется очевидным, что объем работы рекрутеров резко сократился.
Именно поэтому сегодня воронка становится инструментом оценки нагрузки.
Она помогает ответить на вопрос, который все чаще возникает у бизнеса:
Парадоксально, но в эпоху избытка кандидатов воронка найма может оказаться полезнее, чем во времена кадрового дефицита.
Только теперь она нужна не для анализа конверсий, а для показа реальной картины: вроде ИИ внедрили, и вакансий меньше, а рекрутеры жалуются на загруженность. Кажется, пришло время посчитать, а не просто нарисовать воронку?
Мы в телеге | Наш канал в макс | Наш канал в VK
Пост эссе в защиту воронки.
Все мы – HR-аналитики и им сочувствующие - строили воронки найма. Когда-то это был один из самых популярных HR-дашбордов.
Но довольно быстро выяснялось, что после построения красивой диаграммы делать с ней особенно нечего. Начальники любили тыкать в фильтры воронки – этапы так забавно перестраивались – но недолго. Мы честно считали проценты. Но реальные управленческие решения на основе этих цифр принимались редко (более уместно написать «никогда», но не будем исключать вероятность бесконечно невероятного события).
Поэтому многие пришли к выводу, что воронка - это инструмент из категории «красивое, но бессмысленное».
Так было. Но потом изменился рынок труда.
Несколько лет назад основная проблема рекрутера заключалась в том, чтобы найти кандидатов. Вакансий было много, откликов мало, приходилось заниматься сорсингом, ресерчем, переманиванием и буквально бороться за каждого человека.
Сегодня во многих компаниях ситуация стала другой. Вакансий меньше, откликов больше. Главный вопрос уже не «где найти кандидата», а «как обработать весь входящий поток». Бессмысленный и беспощадный. Да простят меня кандидаты.
И здесь воронка неожиданно приобретает новый смысл.
Теперь она нужна не только для анализа конверсий.
Она позволяет измерять трудоемкость рекрутинга.
Представим две ситуации.
Первая: 100 вакансий и в среднем по 10 кандидатов на каждую.
Вторая: 30 вакансий и по 50 кандидатов на каждую.
Если смотреть только на количество вакансий, кажется очевидным, что объем работы рекрутеров резко сократился.
Именно поэтому сегодня воронка становится инструментом оценки нагрузки.
Она помогает ответить на вопрос, который все чаще возникает у бизнеса:
«Сколько рекрутеров нам действительно нужно?»
Парадоксально, но в эпоху избытка кандидатов воронка найма может оказаться полезнее, чем во времена кадрового дефицита.
Только теперь она нужна не для анализа конверсий, а для показа реальной картины: вроде ИИ внедрили, и вакансий меньше, а рекрутеры жалуются на загруженность. Кажется, пришло время посчитать, а не просто нарисовать воронку?
Мы в телеге | Наш канал в макс | Наш канал в VK
Альтернативный клиент «Telega» прекратит работу с 1 июля.
Разработчики объявили о закрытии приложения из-за отсутствия возможности обеспечить полную локализацию и соответствовать действующим требованиям. По их словам, на это в том числе повлияли внешние ограничения технологических платформ, включая удаление из App Store.
Пользователям с активной платной подпиской «Телега Плюс» вернут оплату, порядок и сроки возврата сообщат отдельно.
Разработчики объявили о закрытии приложения из-за отсутствия возможности обеспечить полную локализацию и соответствовать действующим требованиям. По их словам, на это в том числе повлияли внешние ограничения технологических платформ, включая удаление из App Store.
Пользователям с активной платной подпиской «Телега Плюс» вернут оплату, порядок и сроки возврата сообщат отдельно.
В каких системах работаете, какими инструментами пользуетесь
В рамках моего курса по HR-аналитике студенты проходят опрос, и один из вопросов звучит так:
Результаты опроса на диаграмме. Я убрал 1С и Excel – иначе на их фоне остальные результаты просто потерялись бы.
И пусть данных очень мало, но они тоже дают срез программного обеспечения и инструментов HR
Результат примечателен тем, что изначально сырые данные шли несколько выборов в одной ячейке через запятую (множественный выбор в вопросе), кроме того, респонденты пишут все на свой лад (естафф могли писать как естафф, е-стафф, е стафф, estaff, e-staff), и все это было приведено к виду на диаграмме.
Кстати, на курс можно еще записаться https://forms.gle/62xbHYnfNSPdw8u7A (курс начинается 30 июня)
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. У нас есть опросы по применению
ATS системы управления рекрутингом https://forms.gle/FGLjNkdRbSLeXZA18
КЭДО https://forms.gle/fMBt9ZgSEzYP1yJQ6
Прошу поучаствовать
В рамках моего курса по HR-аналитике студенты проходят опрос, и один из вопросов звучит так:
В каких системах вы работаете: система управления рекрутингом, HRIS, система документооборота, аналитические системы и т.п.
Результаты опроса на диаграмме. Я убрал 1С и Excel – иначе на их фоне остальные результаты просто потерялись бы.
И пусть данных очень мало, но они тоже дают срез программного обеспечения и инструментов HR
Результат примечателен тем, что изначально сырые данные шли несколько выборов в одной ячейке через запятую (множественный выбор в вопросе), кроме того, респонденты пишут все на свой лад (естафф могли писать как естафф, е-стафф, е стафф, estaff, e-staff), и все это было приведено к виду на диаграмме.
Кстати, на курс можно еще записаться https://forms.gle/62xbHYnfNSPdw8u7A (курс начинается 30 июня)
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. У нас есть опросы по применению
ATS системы управления рекрутингом https://forms.gle/FGLjNkdRbSLeXZA18
КЭДО https://forms.gle/fMBt9ZgSEzYP1yJQ6
Прошу поучаствовать
Forwarded from HR-аналитика
Рейтинг ATS – систем управления рекрутинга
Это наше собственное исследование. Результаты на диаграммамх
https://forms.gle/Quq9g7v1dTPYpeCK7 - поучаствуйте в исследовании
Выводы:
Естафф по прежнему в топе. Как бы не атаковали вершину другие системы
В прошлом году рывок сделал Талантикс от ХХ
И по оценкам удовлетворенности Талантикс тоже вырвался выше, уступает только самопискам.
При этом забавный тренд: в свое время Хантфлоу пытался оспорить первенство у Естафф, и оценки удовлетворенности Хантфлоу поначалу полезли вверх. Но потом Хантфлоу поюзали, и оценки системы поползли вниз.
Предполагаю, тоже будет с Талантиксом.
Лучше всего ATS обеспечивают интеграцию с ХХ, самый провальный модуль – аналитика. Не могу не согласиться, я сам никогда не пользуюсь встроенной аналитикой.
Мы в телеге | Наш канал в макс | Наш канал в VK
Это наше собственное исследование. Результаты на диаграммамх
https://forms.gle/Quq9g7v1dTPYpeCK7 - поучаствуйте в исследовании
Выводы:
Естафф по прежнему в топе. Как бы не атаковали вершину другие системы
В прошлом году рывок сделал Талантикс от ХХ
И по оценкам удовлетворенности Талантикс тоже вырвался выше, уступает только самопискам.
При этом забавный тренд: в свое время Хантфлоу пытался оспорить первенство у Естафф, и оценки удовлетворенности Хантфлоу поначалу полезли вверх. Но потом Хантфлоу поюзали, и оценки системы поползли вниз.
Предполагаю, тоже будет с Талантиксом.
Лучше всего ATS обеспечивают интеграцию с ХХ, самый провальный модуль – аналитика. Не могу не согласиться, я сам никогда не пользуюсь встроенной аналитикой.
Мы в телеге | Наш канал в макс | Наш канал в VK
HRTech перестал расти за счет найма. Теперь рынок продает эффективность.
Smart Ranking опубликовал результаты российского HRTech-рынка за I квартал 2026 года. На первый взгляд всё выглядит неплохо: рынок вырос на 9% и достиг 21 млрд рублей. Но если посмотреть глубже, становится понятно: эпоха роста за счет кадрового дефицита заканчивается.
Что происходит?
📉 Главный двигатель рынка — подбор персонала — практически остановился.
Сегмент рекрутмента, который формирует почти 60% всего HRTech-рынка, вырос всего на 1%. Причины очевидны:
• число вакансий сократилось примерно на 20%;
• количество резюме выросло более чем на треть;
• компании все осторожнее относятся к расширению штата.
Даже HH ru, крупнейший игрок рынка, по оценке Smart Ranking, показал снижение выручки на 2%.
📈 Зато растет всё, что помогает повышать эффективность существующих сотрудников.
Лидеры по темпам роста:
• КЭДО — +33%;
• оценка персонала — +33%;
• альтернативная занятость — +21%;
• обучение и развитие — +16%.
Это хорошо отражает смену приоритетов бизнеса.
Если раньше главный вопрос был:
то сегодня он звучит иначе:
Несколько важных трендов
🔹 Фокус смещается с найма на производительность.
Автоматизация кадровых процессов, оценка компетенций, аналитика, планирование нагрузки, управление производительностью — именно эти решения становятся драйверами рынка.
🔹 Покупатели стали гораздо требовательнее.
Теперь недостаточно просто иметь хороший функционал. Клиенты выбирают продукты, которые быстро внедряются, легко интегрируются и имеют понятный экономический эффект.
🔹 Импортозамещение перестает быть главным стимулом роста.
Для большинства компаний российские решения уже стали нормой. Конкурировать приходится уже не происхождением продукта, а качеством и ROI.
🔹 Гибкая занятость становится институциональной.
Рынок платформенной занятости продолжает быстро расти, но одновременно усиливается регулирование. Комплаенс и юридическая прозрачность превращаются из конкурентного преимущества в обязательное требование.
🔹 ИИ становится драйвером корпоративного обучения.
Самыми востребованными программами становятся курсы по внедрению искусственного интеллекта и работе с ИИ-инструментами.
Что это означает для HR
Если смотреть на рынок целиком, становится заметен очень интересный сдвиг.
2023–2024 годы были эпохой Recruitment Tech.
2026-й постепенно становится годом Productivity Tech.
Бизнес меньше инвестирует в увеличение численности персонала и больше — в повышение эффективности уже существующих команд.
Поэтому в ближайшие годы, вероятно, будут выигрывать решения, которые умеют отвечать на вопросы:
кого действительно стоит нанимать;
кого развивать;
кого удерживать;
где теряется производительность;
как принимать кадровые решения на основе данных, а не интуиции.
Кажется, рынок HRTech входит в новую фазу: главным продуктом становится уже не найм, а эффективность человеческого капитала.
Мы в телеге | Наш канал в макс | Наш канал в VK
Smart Ranking опубликовал результаты российского HRTech-рынка за I квартал 2026 года. На первый взгляд всё выглядит неплохо: рынок вырос на 9% и достиг 21 млрд рублей. Но если посмотреть глубже, становится понятно: эпоха роста за счет кадрового дефицита заканчивается.
Что происходит?
📉 Главный двигатель рынка — подбор персонала — практически остановился.
Сегмент рекрутмента, который формирует почти 60% всего HRTech-рынка, вырос всего на 1%. Причины очевидны:
• число вакансий сократилось примерно на 20%;
• количество резюме выросло более чем на треть;
• компании все осторожнее относятся к расширению штата.
Даже HH ru, крупнейший игрок рынка, по оценке Smart Ranking, показал снижение выручки на 2%.
📈 Зато растет всё, что помогает повышать эффективность существующих сотрудников.
Лидеры по темпам роста:
• КЭДО — +33%;
• оценка персонала — +33%;
• альтернативная занятость — +21%;
• обучение и развитие — +16%.
Это хорошо отражает смену приоритетов бизнеса.
Если раньше главный вопрос был:
«Как быстрее найти людей?»
то сегодня он звучит иначе:
«Как эффективнее использовать тех, кто уже работает?»
Несколько важных трендов
🔹 Фокус смещается с найма на производительность.
Автоматизация кадровых процессов, оценка компетенций, аналитика, планирование нагрузки, управление производительностью — именно эти решения становятся драйверами рынка.
🔹 Покупатели стали гораздо требовательнее.
Теперь недостаточно просто иметь хороший функционал. Клиенты выбирают продукты, которые быстро внедряются, легко интегрируются и имеют понятный экономический эффект.
🔹 Импортозамещение перестает быть главным стимулом роста.
Для большинства компаний российские решения уже стали нормой. Конкурировать приходится уже не происхождением продукта, а качеством и ROI.
🔹 Гибкая занятость становится институциональной.
Рынок платформенной занятости продолжает быстро расти, но одновременно усиливается регулирование. Комплаенс и юридическая прозрачность превращаются из конкурентного преимущества в обязательное требование.
🔹 ИИ становится драйвером корпоративного обучения.
Самыми востребованными программами становятся курсы по внедрению искусственного интеллекта и работе с ИИ-инструментами.
Что это означает для HR
Если смотреть на рынок целиком, становится заметен очень интересный сдвиг.
2023–2024 годы были эпохой Recruitment Tech.
2026-й постепенно становится годом Productivity Tech.
Бизнес меньше инвестирует в увеличение численности персонала и больше — в повышение эффективности уже существующих команд.
Поэтому в ближайшие годы, вероятно, будут выигрывать решения, которые умеют отвечать на вопросы:
кого действительно стоит нанимать;
кого развивать;
кого удерживать;
где теряется производительность;
как принимать кадровые решения на основе данных, а не интуиции.
Кажется, рынок HRTech входит в новую фазу: главным продуктом становится уже не найм, а эффективность человеческого капитала.
Мы в телеге | Наш канал в макс | Наш канал в VK
Telegram-чаты - это чёрная дыра, где потом невозможно быстро найти нужного кандидата
Нашли сильного специалиста, пообщались, сохранили контакт в «Избранное» или рабочий чат.
Через полгода открывается похожая вакансия и начинается квест:
🔍 «Где был этот кандидат?»
🔍 «В каком чате мы переписывались?»
🔍 «Как его вообще звали?»
Годами рекрутеры собирают свою базу кандидатов, а потом хранят её в Telegram, WhatsApp, Excel и десятках папок.
В RecruitMaster можно за несколько секунд добавить резюме кандидата из Telegram, WhatsApp, hh.ru или в этом же сервисе загрузить CV в формате PDF/DOC и хранить всю базу в одном месте. Чтобы нужный кандидат находился за секунды, а не после часа раскопок в переписках.
Кстати, сервис создал бывший HR-директор Шереметьево - Денис Кечкин. Если вам интересны современные инструменты, автоматизация и практические лайфхаки в рекрутинге, подписывайтесь на его Telegram-канал.
📌 А еще сервис бесплатный, поэтому успейте его затестить.
Нашли сильного специалиста, пообщались, сохранили контакт в «Избранное» или рабочий чат.
Через полгода открывается похожая вакансия и начинается квест:
🔍 «Где был этот кандидат?»
🔍 «В каком чате мы переписывались?»
🔍 «Как его вообще звали?»
Годами рекрутеры собирают свою базу кандидатов, а потом хранят её в Telegram, WhatsApp, Excel и десятках папок.
В RecruitMaster можно за несколько секунд добавить резюме кандидата из Telegram, WhatsApp, hh.ru или в этом же сервисе загрузить CV в формате PDF/DOC и хранить всю базу в одном месте. Чтобы нужный кандидат находился за секунды, а не после часа раскопок в переписках.
Кстати, сервис создал бывший HR-директор Шереметьево - Денис Кечкин. Если вам интересны современные инструменты, автоматизация и практические лайфхаки в рекрутинге, подписывайтесь на его Telegram-канал.
📌 А еще сервис бесплатный, поэтому успейте его затестить.
❤2👍1
ИИ на работе: только 35% сотрудников проходят обучение от работодателя
Источник: ТАСС со ссылкой на исследование «МТС Линк».
35% россиян, использующих ИИ в работе, сообщили, что работодатель обучает их работе с нейросетями.
65% фактически осваивают ИИ самостоятельно.
12% прошедших обучение отметили, что программы не включают вопросы безопасности данных и рисков использования ИИ.
Около 33% сотрудников проходят обучение реже одного раза в квартал.
73% пользователей работают с бесплатными версиями ИИ-сервисов.
Остальные используют платные подписки, которые оплачивают самостоятельно или за счет работодателя.
Средние расходы на ИИ-подписки составляют 3,5 тыс. рублей в месяц на человека.
Самые популярные ИИ-модели среди российских пользователей:
1️⃣YandexGPT — 46%
2️⃣GigaChat — 45%
3️⃣ChatGPT — 38%
4️⃣DeepSeek — 20%
5️⃣Gemini — 13%
странно, что нет Клода
Мы в телеге | Наш канал в макс | Наш канал в VK
Источник: ТАСС со ссылкой на исследование «МТС Линк».
35% россиян, использующих ИИ в работе, сообщили, что работодатель обучает их работе с нейросетями.
65% фактически осваивают ИИ самостоятельно.
12% прошедших обучение отметили, что программы не включают вопросы безопасности данных и рисков использования ИИ.
Около 33% сотрудников проходят обучение реже одного раза в квартал.
73% пользователей работают с бесплатными версиями ИИ-сервисов.
Остальные используют платные подписки, которые оплачивают самостоятельно или за счет работодателя.
Средние расходы на ИИ-подписки составляют 3,5 тыс. рублей в месяц на человека.
Самые популярные ИИ-модели среди российских пользователей:
1️⃣YandexGPT — 46%
2️⃣GigaChat — 45%
3️⃣ChatGPT — 38%
4️⃣DeepSeek — 20%
5️⃣Gemini — 13%
странно, что нет Клода
Мы в телеге | Наш канал в макс | Наш канал в VK
ИИ ломает не сотрудников, а менеджеров.
Когда говорят о внедрении генеративного ИИ, обычно обсуждают две вещи: рост производительности и сокращение рабочих мест.
Но исследование Harvard Business Review показывает, что настоящий узкий участок находится совсем в другом месте — на уровне среднего менеджмента.
Именно менеджеры сегодня становятся главным «процессором» всей AI-трансформации.
Исследование
Авторы: Julia Shin, Sandra J. Sucher
Университет: Harvard Business School
Год: 2026
Метод
18 полуструктурированных интервью с партнерами, менеджерами и младшими консультантами двух крупных консалтинговых компаний. Исследователи анализировали не отношение к ИИ, а реальные рабочие процессы: кто и как использует ИИ, где возникают проблемы и кто фактически несет основную нагрузку.
Что обнаружили
1. Производительность младших сотрудников действительно резко выросла.
Работа, которая раньше занимала несколько дней, теперь выполняется примерно за 30 минут.
Анализ, на который раньше уходили недели, теперь занимает часы.
В результате молодые специалисты раньше начинают участвовать в стратегических обсуждениях и клиентских встречах.
2. Но вся экономия времени превращается в дополнительную работу менеджеров.
Теперь именно менеджер должен:
• проверять ответы ИИ на ошибки и галлюцинации;
• отличать качественный результат от красиво оформленного, но бессодержательного текста;
• обучать сотрудников работе с ИИ;
• одновременно поддерживать прежние стандарты качества.
То есть ИИ снимает часть нагрузки с исполнителей, но практически полностью перекладывает контроль качества на руководителей.
3. Возникает разрыв между ожиданиями руководства и реальностью.
Высшее руководство видит стратегические возможности ИИ.
Младшие сотрудники ощущают ускорение работы.
А менеджеры живут между этими двумя мирами, пытаясь ежедневно принимать десятки решений без единых правил и без дополнительной поддержки.
4. Самая большая проблема — не технология, а организационная система.
Компании, где внедрение проходит успешнее, делают три вещи:
• выделяют отдельное время на изучение ИИ;
• создают внутренние базы знаний с лучшими практиками и промптами;
• начинают оценивать сотрудников не только по личной эффективности, но и по тому, насколько они помогают коллегам осваивать новые инструменты.
Еще одна важная мысль
Если менеджеры все свое время будут тратить на проверку результатов ИИ, они перестанут делать то, ради чего вообще существует средний менеджмент, — развивать людей.
И тогда организации могут неожиданно столкнуться с дефицитом будущих руководителей.
Вывод
Мы привыкли думать, что ИИ автоматизирует работу специалистов.
Но сегодня он одновременно создает новую профессию внутри профессии — менеджера по управлению работой ИИ.
Получается интересный парадокс.
Чем умнее становятся модели, тем выше становится ценность человека, который умеет организовать их использование, проверить результат, научить других и встроить все это в рабочий процесс.
Возможно, главный дефицит ближайших лет — это уже не промпт-инженеры, а сильные линейные руководители, способные управлять командами в эпоху ИИ.
Мы в телеге | Наш канал в макс | Наш канал в VK
Когда говорят о внедрении генеративного ИИ, обычно обсуждают две вещи: рост производительности и сокращение рабочих мест.
Но исследование Harvard Business Review показывает, что настоящий узкий участок находится совсем в другом месте — на уровне среднего менеджмента.
Именно менеджеры сегодня становятся главным «процессором» всей AI-трансформации.
Исследование
Авторы: Julia Shin, Sandra J. Sucher
Университет: Harvard Business School
Год: 2026
Метод
18 полуструктурированных интервью с партнерами, менеджерами и младшими консультантами двух крупных консалтинговых компаний. Исследователи анализировали не отношение к ИИ, а реальные рабочие процессы: кто и как использует ИИ, где возникают проблемы и кто фактически несет основную нагрузку.
Что обнаружили
1. Производительность младших сотрудников действительно резко выросла.
Работа, которая раньше занимала несколько дней, теперь выполняется примерно за 30 минут.
Анализ, на который раньше уходили недели, теперь занимает часы.
В результате молодые специалисты раньше начинают участвовать в стратегических обсуждениях и клиентских встречах.
2. Но вся экономия времени превращается в дополнительную работу менеджеров.
Теперь именно менеджер должен:
• проверять ответы ИИ на ошибки и галлюцинации;
• отличать качественный результат от красиво оформленного, но бессодержательного текста;
• обучать сотрудников работе с ИИ;
• одновременно поддерживать прежние стандарты качества.
То есть ИИ снимает часть нагрузки с исполнителей, но практически полностью перекладывает контроль качества на руководителей.
3. Возникает разрыв между ожиданиями руководства и реальностью.
Высшее руководство видит стратегические возможности ИИ.
Младшие сотрудники ощущают ускорение работы.
А менеджеры живут между этими двумя мирами, пытаясь ежедневно принимать десятки решений без единых правил и без дополнительной поддержки.
4. Самая большая проблема — не технология, а организационная система.
Компании, где внедрение проходит успешнее, делают три вещи:
• выделяют отдельное время на изучение ИИ;
• создают внутренние базы знаний с лучшими практиками и промптами;
• начинают оценивать сотрудников не только по личной эффективности, но и по тому, насколько они помогают коллегам осваивать новые инструменты.
Еще одна важная мысль
Если менеджеры все свое время будут тратить на проверку результатов ИИ, они перестанут делать то, ради чего вообще существует средний менеджмент, — развивать людей.
И тогда организации могут неожиданно столкнуться с дефицитом будущих руководителей.
Вывод
Мы привыкли думать, что ИИ автоматизирует работу специалистов.
Но сегодня он одновременно создает новую профессию внутри профессии — менеджера по управлению работой ИИ.
Получается интересный парадокс.
Чем умнее становятся модели, тем выше становится ценность человека, который умеет организовать их использование, проверить результат, научить других и встроить все это в рабочий процесс.
Возможно, главный дефицит ближайших лет — это уже не промпт-инженеры, а сильные линейные руководители, способные управлять командами в эпоху ИИ.
Мы в телеге | Наш канал в макс | Наш канал в VK
ИИ сокращает людей. А потом компании нанимают их обратно.
Резюме статьи Employers who laid off workers citing AI are already starting to regret it
Новые данные показывают, что массовая замена сотрудников ИИ оказалась далеко не такой эффективной, как ожидалось.
📊 Главное в цифрах:
• 39% руководителей уже сокращали сотрудников из-за внедрения ИИ.
• Из них 55% позже признали, что эти сокращения были ошибкой.
• 32% американских менеджеров по найму ликвидировали должность из-за ИИ, а затем снова открыли такую же или очень похожую вакансию.
• В IBM ИИ начал обрабатывать 94% типовых HR-запросов, но оставшиеся 6% (сложные и этические случаи) по-прежнему потребовали участия людей. В результате компания решила утроить набор сотрудников начального уровня в США в 2026 году.
• Ford возвращает сотни опытных инженеров после того, как автоматизированные системы не справились с вопросами качества.
• Commonwealth Bank of Australia сократил более 40 сотрудников контакт-центра, заменив их голосовым ИИ, но после роста числа обращений был вынужден отменить сокращения.
Вывод постепенно становится очевидным: ИИ лучше всего работает не вместо людей, а вместе с людьми. Самыми дорогими могут оказаться не инвестиции в искусственный интеллект, а ошибки в сокращении человеческого капитала.
Мы в телеге | Наш канал в макс | Наш канал в VK
Резюме статьи Employers who laid off workers citing AI are already starting to regret it
Новые данные показывают, что массовая замена сотрудников ИИ оказалась далеко не такой эффективной, как ожидалось.
📊 Главное в цифрах:
• 39% руководителей уже сокращали сотрудников из-за внедрения ИИ.
• Из них 55% позже признали, что эти сокращения были ошибкой.
• 32% американских менеджеров по найму ликвидировали должность из-за ИИ, а затем снова открыли такую же или очень похожую вакансию.
• В IBM ИИ начал обрабатывать 94% типовых HR-запросов, но оставшиеся 6% (сложные и этические случаи) по-прежнему потребовали участия людей. В результате компания решила утроить набор сотрудников начального уровня в США в 2026 году.
• Ford возвращает сотни опытных инженеров после того, как автоматизированные системы не справились с вопросами качества.
• Commonwealth Bank of Australia сократил более 40 сотрудников контакт-центра, заменив их голосовым ИИ, но после роста числа обращений был вынужден отменить сокращения.
Вывод постепенно становится очевидным: ИИ лучше всего работает не вместо людей, а вместе с людьми. Самыми дорогими могут оказаться не инвестиции в искусственный интеллект, а ошибки в сокращении человеческого капитала.
Мы в телеге | Наш канал в макс | Наш канал в VK
❤3
Роботы меняют не только рабочие места, но и сами организации
Новое исследование американских ученых показывает, что последствия роботизации гораздо сложнее, чем просто «роботы заменяют людей».
Главные выводы:
• 📈 Инвестиции в роботов увеличивают общую численность персонала, а не сокращают ее.
• 👔 При этом руководителей становится меньше.
• 👥 У оставшихся руководителей растет норма управляемости — каждому приходится управлять большим количеством сотрудников.
• 💰 Роботов внедряют не ради экономии на зарплатах, а прежде всего для повышения качества продукции и услуг.
• ⚙️ Роботы делают производственные процессы более стабильными и предсказуемыми, поэтому необходимость в постоянном управленческом контроле снижается.
• 📊 Компании одновременно совершенствуют системы оценки эффективности сотрудников.
• 🎯 Шире применяется оплата труда по индивидуальным результатам.
• 🎓 Роботизация меняет структуру занятости:
— снижается спрос на работников средней квалификации;
— растет спрос на работников низкой и высокой квалификации.
• 🏢 Меняется организационная структура компаний: полномочия по принятию решений перераспределяются, причем часть решений уходит с управленческого уровня к другим участникам организации.
Вывод: роботизация — это не просто автоматизация отдельных операций. Она меняет численность персонала, роль руководителей, систему управления, способы оценки эффективности и даже архитектуру организации.
Мы в телеге | Наш канал в макс | Наш канал в VK
Новое исследование американских ученых показывает, что последствия роботизации гораздо сложнее, чем просто «роботы заменяют людей».
Главные выводы:
• 📈 Инвестиции в роботов увеличивают общую численность персонала, а не сокращают ее.
• 👔 При этом руководителей становится меньше.
• 👥 У оставшихся руководителей растет норма управляемости — каждому приходится управлять большим количеством сотрудников.
• 💰 Роботов внедряют не ради экономии на зарплатах, а прежде всего для повышения качества продукции и услуг.
• ⚙️ Роботы делают производственные процессы более стабильными и предсказуемыми, поэтому необходимость в постоянном управленческом контроле снижается.
• 📊 Компании одновременно совершенствуют системы оценки эффективности сотрудников.
• 🎯 Шире применяется оплата труда по индивидуальным результатам.
• 🎓 Роботизация меняет структуру занятости:
— снижается спрос на работников средней квалификации;
— растет спрос на работников низкой и высокой квалификации.
• 🏢 Меняется организационная структура компаний: полномочия по принятию решений перераспределяются, причем часть решений уходит с управленческого уровня к другим участникам организации.
Вывод: роботизация — это не просто автоматизация отдельных операций. Она меняет численность персонала, роль руководителей, систему управления, способы оценки эффективности и даже архитектуру организации.
Мы в телеге | Наш канал в макс | Наш канал в VK
HR в эпоху ИИ: как технологии меняют наем, поиск работы и эффективность
Резюме статьи «Ведомостей» о дискуссии на «Альфа-саммите» в Новосибирске: рынок труда входит в фазу, где конкуренция за людей всё меньше сводится к зарплате и всё больше — к технологиям, данным и ИИ-инфраструктуре компаний.
🎓Ключевые тезисы спикеров
Альфа-Банк
внедряет ML для анализа профилей успешных сотрудников
строит «золотой профиль» кандидата для точечного подбора
использует мультиагентный ИИ на карьерном сайте
рост конверсии откликов: +25–30%
ставка на технологический стек как фактор привлекательности работодателя
X5 Group
фокус смещается с найма на рост производительности
рост бизнеса +19% при снижении численности персонала ~2%
ключевой драйвер — лидерство на местах + реинжиниринг процессов
автоматизация касс и процессов + биржа смен внутри группы
Севергрупп
общий кадровый резерв для диверсифицированного холдинга
система «Второе мнение» (400+ руководителей для оценки кандидатов)
самовыдвижение сотрудников на новые роли
цель: до 75% назначений из внутреннего резерва
hh.ru
ИИ уже активно используется в найме, коммуникации и адаптации
следующий шаг — системная HR-аналитика и предиктивные модели
VK
автоматизация анализа ~1,5 млн комментариев сотрудников
ИИ заменил месяцы ручной обработки
система сразу формирует рекомендации для руководителей
Комментарий Бабушкина:
Тут такой момент: эта конфа от альцы, и статья от альфы в рамках бренд-коммуникации и медиаподдержки конференции, и вроде как да, работает на бренд альфы, но ... мне кажется, профи лишь усмехнутся про тезисы HRD альфы: идея с «золотым» профилем не только не новая и не оригинальная, но, простите, давно протухшая. И я даже спорил на эту тему с местными HR-аналитиками, но мне было заявлено: вы не умеете готовить. Ок, отвечу только тем, что в Google, которая, давайте на секунду допустим, может по навыкам сравниться по компетенциям с альфой, отказались от этой идею. В Google нарыли небольшую корреляцию с когнитивными способностями, и все. Модель слаба. В итоге Google придумал метафизичную сущность – гуглер – кандидат по духу подходящий компании. Без рациональных оснований. Но альфа лучше знает.
Ок, для бренда сойдет
Резюме статьи «Ведомостей» о дискуссии на «Альфа-саммите» в Новосибирске: рынок труда входит в фазу, где конкуренция за людей всё меньше сводится к зарплате и всё больше — к технологиям, данным и ИИ-инфраструктуре компаний.
🎓Ключевые тезисы спикеров
Альфа-Банк
внедряет ML для анализа профилей успешных сотрудников
строит «золотой профиль» кандидата для точечного подбора
использует мультиагентный ИИ на карьерном сайте
рост конверсии откликов: +25–30%
ставка на технологический стек как фактор привлекательности работодателя
X5 Group
фокус смещается с найма на рост производительности
рост бизнеса +19% при снижении численности персонала ~2%
ключевой драйвер — лидерство на местах + реинжиниринг процессов
автоматизация касс и процессов + биржа смен внутри группы
Севергрупп
общий кадровый резерв для диверсифицированного холдинга
система «Второе мнение» (400+ руководителей для оценки кандидатов)
самовыдвижение сотрудников на новые роли
цель: до 75% назначений из внутреннего резерва
hh.ru
ИИ уже активно используется в найме, коммуникации и адаптации
следующий шаг — системная HR-аналитика и предиктивные модели
VK
автоматизация анализа ~1,5 млн комментариев сотрудников
ИИ заменил месяцы ручной обработки
система сразу формирует рекомендации для руководителей
Комментарий Бабушкина:
Тут такой момент: эта конфа от альцы, и статья от альфы в рамках бренд-коммуникации и медиаподдержки конференции, и вроде как да, работает на бренд альфы, но ... мне кажется, профи лишь усмехнутся про тезисы HRD альфы: идея с «золотым» профилем не только не новая и не оригинальная, но, простите, давно протухшая. И я даже спорил на эту тему с местными HR-аналитиками, но мне было заявлено: вы не умеете готовить. Ок, отвечу только тем, что в Google, которая, давайте на секунду допустим, может по навыкам сравниться по компетенциям с альфой, отказались от этой идею. В Google нарыли небольшую корреляцию с когнитивными способностями, и все. Модель слаба. В итоге Google придумал метафизичную сущность – гуглер – кандидат по духу подходящий компании. Без рациональных оснований. Но альфа лучше знает.
Ок, для бренда сойдет
HR-стратегия за одну страницу: простой план разработки
Резюме документа Gartner
Большинство HR-стратегий выглядят как презентации на 80 слайдов, которые после утверждения больше никто не открывает.
Gartner предлагает противоположный подход: вся стратегия должна помещаться на одной странице. Но за этой страницей стоит вполне логичная последовательность действий.
План создания HR-стратегии выглядит так:
1. Определить сценарии развития бизнеса.
Не прогнозировать единственное будущее, а выделить несколько наиболее вероятных сценариев: изменения рынка, технологий, ИИ, экономики и понять, какие кадровые последствия несет каждый из них.
2. Провести аудит HR-функции.
Оценить зрелость процессов, компетенции HR-команды, технологии, бюджет и понять, способна ли функция реализовать будущие задачи.
3. Разработать HR-стратегию.
Перевести бизнес-цели в конкретные HR-инициативы, определить необходимые проекты, цифровые решения, ресурсы и инвестиции.
4. Определить метрики успеха.
Не десятки KPI, а несколько ключевых показателей, которые действительно покажут, приблизилась ли организация к желаемому состоянию.
5. Обеспечить поддержку руководства.
Стратегия должна быть понятна бизнесу. Необходимо регулярно объяснять, какие результаты ожидаются, какие ресурсы нужны и какую ценность создают HR-инициативы.
6. Реализовывать и регулярно пересматривать.
Приоритеты меняются быстрее, чем раньше. Поэтому стратегия перестает быть документом "на три года" и становится системой постоянной корректировки.
Сам одностраничный шаблон тоже очень интересен. В нем всего несколько блоков:
• видение будущего (Vision);
• 4–7 метрик текущего состояния;
• 4–7 целевых метрик;
• 4–7 ключевых инициатив;
• 4–7 критически важных допущений, от которых зависит успех стратегии;
• краткое резюме всей стратегии.
Получается своеобразная «карта стратегии», которую можно показать генеральному директору за пять минут — без десятков диаграмм и приложений.
На мой взгляд, самая сильная идея здесь не шаблон, а сам принцип: хорошая стратегия должна быть настолько ясной, чтобы ее можно было объяснить на одной странице. Если этого сделать нельзя, возможно, проблема не в размере страницы, а в самой стратегии.
Мы в телеге | Наш канал в макс | Наш канал в VK
Резюме документа Gartner
Большинство HR-стратегий выглядят как презентации на 80 слайдов, которые после утверждения больше никто не открывает.
Gartner предлагает противоположный подход: вся стратегия должна помещаться на одной странице. Но за этой страницей стоит вполне логичная последовательность действий.
План создания HR-стратегии выглядит так:
1. Определить сценарии развития бизнеса.
Не прогнозировать единственное будущее, а выделить несколько наиболее вероятных сценариев: изменения рынка, технологий, ИИ, экономики и понять, какие кадровые последствия несет каждый из них.
2. Провести аудит HR-функции.
Оценить зрелость процессов, компетенции HR-команды, технологии, бюджет и понять, способна ли функция реализовать будущие задачи.
3. Разработать HR-стратегию.
Перевести бизнес-цели в конкретные HR-инициативы, определить необходимые проекты, цифровые решения, ресурсы и инвестиции.
4. Определить метрики успеха.
Не десятки KPI, а несколько ключевых показателей, которые действительно покажут, приблизилась ли организация к желаемому состоянию.
5. Обеспечить поддержку руководства.
Стратегия должна быть понятна бизнесу. Необходимо регулярно объяснять, какие результаты ожидаются, какие ресурсы нужны и какую ценность создают HR-инициативы.
6. Реализовывать и регулярно пересматривать.
Приоритеты меняются быстрее, чем раньше. Поэтому стратегия перестает быть документом "на три года" и становится системой постоянной корректировки.
Сам одностраничный шаблон тоже очень интересен. В нем всего несколько блоков:
• видение будущего (Vision);
• 4–7 метрик текущего состояния;
• 4–7 целевых метрик;
• 4–7 ключевых инициатив;
• 4–7 критически важных допущений, от которых зависит успех стратегии;
• краткое резюме всей стратегии.
Получается своеобразная «карта стратегии», которую можно показать генеральному директору за пять минут — без десятков диаграмм и приложений.
На мой взгляд, самая сильная идея здесь не шаблон, а сам принцип: хорошая стратегия должна быть настолько ясной, чтобы ее можно было объяснить на одной странице. Если этого сделать нельзя, возможно, проблема не в размере страницы, а в самой стратегии.
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
Алгоритм exit интервью
Даю краткий алгоритм технологии выходного интервью. Именно технологии (или даже бизнес-процесса), а не просто анкеты.
Основные цели exit интервью:
1️⃣Возврат нужных сотрудников – создание пула амбассадоров бренда
2️⃣Диагностика внутренних проблем
3️⃣Аналитика рынка труда: сравнение с рынком, зарплатная аналитика.
Схема алгоритма:
Шаг 1. Классифицировать увольнение - нужен ли нам этот сотрудник
Шаг 2. Если нужен - можно ли его удержать или вернуть
Шаг 3. Если не нужен и уход желательный —диагностировать, где мы ошиблись (в найме / адаптации)
Шаг 4. Если увольнение нежелательное – узнаем, уходит от нас или куда-то
Шаг 5. Если от нас – диагносцируем нашу ошибку
Шаг 6. Если сотрудник уходит к конкуренту — собрать рыночную информацию
Шаг 7. Передать данные в HR-аналитику, руководителю, Comp&Ben, Talent Acquisition, Employer Brand.
Обратите внимание: шаги алгоритма начинаются задолго до проведения собственно выходного интервью
Шаги по блокам целей такие:
Шаг ДО Exit: классифицируем увольнение – желательное / не желательное. Жалеем мы, что уходит от нас сотрудник или нет. Или: хотели бы мы его вернуть в компанию или нет.
1️⃣ Возврат и удержание нужных сотрудников.
🔹Если текучесть нежелательная, то определить уровень эффективности уходящего сотрудника. В этом месте анализ может быть сильно глубже, чем просто эффективный или нет: мы можем также оценивать дефицитность позиции и риск потери знаний.
🔹Оценить вероятность удержания – предпринять действия по удержанию.
🔹Если не удержали - выстроить с ним связь после ухода (группы alumni, рассылки, реферальные программы, программы лояльности – как для клиента) – если не вернуть его, то сделать амбассадором бренда через участие в реферальной программе, рекомендаций продуктов и т.п.
2️⃣Диагностика внутренних проблем.
🔹Диагносцируем: желательная / нежелательная текучесть
🔹Если текучесть желательная, нужно понять, в каком месте произошел дисмэтч – на этапе найма или в период адаптации (приближаемся к ответу на вопрос, кто «виноват» в увольнении).
🔹Если текучесть нежелательная, задаем ключевой вопрос: кандидат уходит от нас или куда-то.
🔹Если от нас – тут включается самый популярный инструмент exit-a – причины увольнения – в том числе тот самый дисмэтч, что проговаривали выше.
🔹Если куда-то – включаем маркетинговые вопросы – чем компания конкурентов лучше нас, почему сотрудник предпочел их
3️⃣ Аналитика рынка труда: сравнение с рынком, зарплатная аналитика.
🔹Если уходят куда-то, обязательно фиксируем, в какую компанию, на какую позицию – это наши прямые конкуренты.
🔹 Уходят куда-то чаще всего, если предложили выше зарплату: спрашиваем, сколько предложили (на какой функционал) – это едва ли не самые релевантные данные по зарплатной аналитике компании.
🔹Если не только зарплата – узнаем, что в предложении другой компании повлияло на выбор сотрудника – получаем карту слабых мест нашей компании на рынке.
📊Результаты:
1) Удержание
2) Трафик бумерангов
3) Причины увольнений: ошибки найма / адаптации
4) Карта конкурентов
5) Зарплатная аналитика
6) Карта EVP
Мы в телеге | Наш канал в макс | Наш канал в VK
Даю краткий алгоритм технологии выходного интервью. Именно технологии (или даже бизнес-процесса), а не просто анкеты.
Основные цели exit интервью:
1️⃣Возврат нужных сотрудников – создание пула амбассадоров бренда
2️⃣Диагностика внутренних проблем
3️⃣Аналитика рынка труда: сравнение с рынком, зарплатная аналитика.
Схема алгоритма:
Шаг 1. Классифицировать увольнение - нужен ли нам этот сотрудник
Шаг 2. Если нужен - можно ли его удержать или вернуть
Шаг 3. Если не нужен и уход желательный —диагностировать, где мы ошиблись (в найме / адаптации)
Шаг 4. Если увольнение нежелательное – узнаем, уходит от нас или куда-то
Шаг 5. Если от нас – диагносцируем нашу ошибку
Шаг 6. Если сотрудник уходит к конкуренту — собрать рыночную информацию
Шаг 7. Передать данные в HR-аналитику, руководителю, Comp&Ben, Talent Acquisition, Employer Brand.
Обратите внимание: шаги алгоритма начинаются задолго до проведения собственно выходного интервью
Шаги по блокам целей такие:
Шаг ДО Exit: классифицируем увольнение – желательное / не желательное. Жалеем мы, что уходит от нас сотрудник или нет. Или: хотели бы мы его вернуть в компанию или нет.
1️⃣ Возврат и удержание нужных сотрудников.
🔹Если текучесть нежелательная, то определить уровень эффективности уходящего сотрудника. В этом месте анализ может быть сильно глубже, чем просто эффективный или нет: мы можем также оценивать дефицитность позиции и риск потери знаний.
🔹Оценить вероятность удержания – предпринять действия по удержанию.
🔹Если не удержали - выстроить с ним связь после ухода (группы alumni, рассылки, реферальные программы, программы лояльности – как для клиента) – если не вернуть его, то сделать амбассадором бренда через участие в реферальной программе, рекомендаций продуктов и т.п.
2️⃣Диагностика внутренних проблем.
🔹Диагносцируем: желательная / нежелательная текучесть
🔹Если текучесть желательная, нужно понять, в каком месте произошел дисмэтч – на этапе найма или в период адаптации (приближаемся к ответу на вопрос, кто «виноват» в увольнении).
🔹Если текучесть нежелательная, задаем ключевой вопрос: кандидат уходит от нас или куда-то.
🔹Если от нас – тут включается самый популярный инструмент exit-a – причины увольнения – в том числе тот самый дисмэтч, что проговаривали выше.
🔹Если куда-то – включаем маркетинговые вопросы – чем компания конкурентов лучше нас, почему сотрудник предпочел их
3️⃣ Аналитика рынка труда: сравнение с рынком, зарплатная аналитика.
🔹Если уходят куда-то, обязательно фиксируем, в какую компанию, на какую позицию – это наши прямые конкуренты.
🔹 Уходят куда-то чаще всего, если предложили выше зарплату: спрашиваем, сколько предложили (на какой функционал) – это едва ли не самые релевантные данные по зарплатной аналитике компании.
🔹Если не только зарплата – узнаем, что в предложении другой компании повлияло на выбор сотрудника – получаем карту слабых мест нашей компании на рынке.
📊Результаты:
1) Удержание
2) Трафик бумерангов
3) Причины увольнений: ошибки найма / адаптации
4) Карта конкурентов
5) Зарплатная аналитика
6) Карта EVP
Мы в телеге | Наш канал в макс | Наш канал в VK
🔥2
История развития HR-технологий
Резюме статьи The History of HRTech. Для общего развития
1890 Механизированная перепись населения — первая крупномасштабная «человеческая инвентаризация». Обеспечивающая технология: Машины Холлерита для табуляции перфокарт (США, перепись 1890 года).
1896–1924 Механизированный расчёт заработной платы, учёт и ведение кадровых записей в крупных компаниях. Обеспечивающая технология: Перфокартное оборудование единичных записей (компания Холлерита, позже CTR → IBM).
1900-е – 1940-е годы Перфокартный учёт зарплат и кадрового делопроизводства становится стандартом в предприятиях, на железных дорогах, в страховых компаниях и государственных органах. Обеспечивающая технология: Электромеханические перфораторы, сортировщики и табуляторы.
1951 Первое бизнес-применение электронного компьютера (расчёт заработной платы на пекарнях, 1953–1954). Обеспечивающая технология: Компьютеры с хранимой программой (LEO I).
1954–1958 Крупные американские работодатели автоматизируют расчёт зарплаты (например, GE Appliance Park на UNIVAC I в 1954). Обеспечивающая технология: UNIVAC I, IBM 650, магнитная лента.
1958–1965 Компьютеризированные списки персонала и мастер-файлы сотрудников. Обеспечивающая технология: Магнитные ленты, пакетная обработка, большие мейнфреймы.
1965–1975 Интегрированные системы расчёта зарплаты и управления персоналом. Обеспечивающая технология: Концепции баз данных, дисковые накопители, системы управления информацией.
Начало 1970-х Появление коммерческих вендоров HR-программ (ADP, MSA, Ceridian и их предшественники). Обеспечивающая технология: Пакетное программное обеспечение для мейнфреймов.
Конец 1970-х Термин «HRIS» (Human Resource Information System) становится общепринятым; появляются системы расчёта льгот. Обеспечивающая технология: Мини-компьютеры, терминалы, реляционные базы данных.
1980-е Современные HRIS и системы единой записи о сотруднике (PeopleSoft 1987, Lawson, SAP). Обеспечивающая технология: Клиент-серверная архитектура, реляционные базы данных.
1990-е Корпоративные HCM-системы, рекрутинг на предприятиях. Обеспечивающая технология: ERP-системы, сетевые ПК, графические интерфейсы.
1995–2005 Онлайн-доски объявлений о вакансиях, системы отслеживания кандидатов, порталы самообслуживания сотрудников. Обеспечивающая технология: Интернет, веб-браузеры, широкополосный доступ.
2005–2015 Облачные HCM-системы и платформы управления талантами (Workday с 2005). Обеспечивающая технология: SaaS и облачные вычисления.
2010–2020 People Analytics (аналитика по персоналу). Обеспечивающая технология: Платформы больших данных, дешёвое хранение, машинное обучение.
2015–2025 Вывод навыков сотрудников и искусственный интеллект в управлении рабочей силой. Обеспечивающая технология: ИИ, графовые базы данных, большие объёмы данных рынка труда.
2022 – настоящее время Разговорные HR-копилоты и системы «поддержки принятия решений». Обеспечивающая технология: Большие языковые модели, генеративный ИИ, агентные системы.
Мы в телеге | Наш канал в макс | Наш канал в VK
Резюме статьи The History of HRTech. Для общего развития
1890 Механизированная перепись населения — первая крупномасштабная «человеческая инвентаризация». Обеспечивающая технология: Машины Холлерита для табуляции перфокарт (США, перепись 1890 года).
1896–1924 Механизированный расчёт заработной платы, учёт и ведение кадровых записей в крупных компаниях. Обеспечивающая технология: Перфокартное оборудование единичных записей (компания Холлерита, позже CTR → IBM).
1900-е – 1940-е годы Перфокартный учёт зарплат и кадрового делопроизводства становится стандартом в предприятиях, на железных дорогах, в страховых компаниях и государственных органах. Обеспечивающая технология: Электромеханические перфораторы, сортировщики и табуляторы.
1951 Первое бизнес-применение электронного компьютера (расчёт заработной платы на пекарнях, 1953–1954). Обеспечивающая технология: Компьютеры с хранимой программой (LEO I).
1954–1958 Крупные американские работодатели автоматизируют расчёт зарплаты (например, GE Appliance Park на UNIVAC I в 1954). Обеспечивающая технология: UNIVAC I, IBM 650, магнитная лента.
1958–1965 Компьютеризированные списки персонала и мастер-файлы сотрудников. Обеспечивающая технология: Магнитные ленты, пакетная обработка, большие мейнфреймы.
1965–1975 Интегрированные системы расчёта зарплаты и управления персоналом. Обеспечивающая технология: Концепции баз данных, дисковые накопители, системы управления информацией.
Начало 1970-х Появление коммерческих вендоров HR-программ (ADP, MSA, Ceridian и их предшественники). Обеспечивающая технология: Пакетное программное обеспечение для мейнфреймов.
Конец 1970-х Термин «HRIS» (Human Resource Information System) становится общепринятым; появляются системы расчёта льгот. Обеспечивающая технология: Мини-компьютеры, терминалы, реляционные базы данных.
1980-е Современные HRIS и системы единой записи о сотруднике (PeopleSoft 1987, Lawson, SAP). Обеспечивающая технология: Клиент-серверная архитектура, реляционные базы данных.
1990-е Корпоративные HCM-системы, рекрутинг на предприятиях. Обеспечивающая технология: ERP-системы, сетевые ПК, графические интерфейсы.
1995–2005 Онлайн-доски объявлений о вакансиях, системы отслеживания кандидатов, порталы самообслуживания сотрудников. Обеспечивающая технология: Интернет, веб-браузеры, широкополосный доступ.
2005–2015 Облачные HCM-системы и платформы управления талантами (Workday с 2005). Обеспечивающая технология: SaaS и облачные вычисления.
2010–2020 People Analytics (аналитика по персоналу). Обеспечивающая технология: Платформы больших данных, дешёвое хранение, машинное обучение.
2015–2025 Вывод навыков сотрудников и искусственный интеллект в управлении рабочей силой. Обеспечивающая технология: ИИ, графовые базы данных, большие объёмы данных рынка труда.
2022 – настоящее время Разговорные HR-копилоты и системы «поддержки принятия решений». Обеспечивающая технология: Большие языковые модели, генеративный ИИ, агентные системы.
Мы в телеге | Наш канал в макс | Наш канал в VK
Forwarded from HR-аналитика
Алгоритм контрольных точек адаптации
Данный алгоритм исходит из вводных, отличающих его от остальных подобных планов адаптации:
🔹Ответственность за адаптацию лежит на компании, см. Лучшая статья по адаптации персонала - опыт Google
🔹Существующие планы зачастую перегружены избыточными точками контроля, что отнимает время участников, задача нашего – оставить только критичные точки
🔹Адаптация сегодня носит цель не только вхождение новичка в компанию, но и продолжение этапа отбора – компания на этапе адаптации принимает решение, будет ли продолжать работу с новичком или нет.
🔹Обычно в компании оценивают новичка по результатам адаптации, мы добавляем акцент на качество работы компании по адаптации новичка
✅Алгоритм
1️⃣Назначение ответственных. Составление карты рабочих связей новичка
Карта - все сотрудники компании, от которых зависит успешное выполнение целей испытательного срока (ИС)
2️⃣Первые дни. Обязательная встреча, постановка целей, знакомство с окружением и т.п.
Руководитель / наставник ставят цели, задачи, объясняют ценность работы новичка, обеспечивают оборудованием для выполнения работы, вместе в HRBP знакомят со всеми необходимыми контрагентами (согласно карте связей)
3️⃣Первая неделя
Опрос новичка: контроль выполнения обязательств компании и оценка достижимости целей ИС: была ли встреча, поставлены ли цели, задачи и т.п. См. в качестве основы Скоринговая модель новичка при адаптации
Если нет – HRBP эскалирует вопрос, почему компания не выполняет обязательства перед новичком.
Важный момент: спрашиваем новичка, насколько выполнимы цели ИС
Понятны ли вам цели?
Считаете ли вы их достижимыми?
Какие цели вызывают наибольшие сложности?
Есть ли ресурсы для их выполнения?
Что может помешать их достижению?
4️⃣Середина ИС.
Опрос руководителя / наставника: Есть ли риск, что новичок не выполнит цели и задачи испытательного срока?
Если да: выясняем причины, сравниваем с опросом новичка в конце первой недели, намечаем план действий. Если руководитель сообщает о нулевых шансах пройти адаптацию, начинаем процесс увольнения и переход к шагу 6
5️⃣Конец ИС.
Оценивают руководитель, наставник, новичок.
Результат оценки руководителя: решение, будет ли новичок дальше работать в компании или нет
Наставник: дает экспертное заключение
Результат оценки новичка: обратная связь руководителю и наставнику
6️⃣Анализ
Если испытательный срок не пройден, то причины:
ошибка подбора, адаптации, руководителя
завышенные ожидания кандидата
недостаток обучения
личные причины и т.п.
✅Ответственность HRBP
▪️Проинструктировать руководителя и наставника
▪️Определить карту рабочих связей новичка
▪️Представиться новичку как точка обращения
▪️Контролировать точки адаптации
▪️Эскалировать риски
✅Результаты
Понимание драйверов успешности прохождения ИС: статистический анализ
Рейтинг руководителей и наставников (определяется через выполнение контрольных точек адаптации: встречи в первые дни – постановка целей и т.п., середина и оценка в конце)
Отчет причин непрохождения: ошибки подбора, адаптации
Обратная связь руководителю: анализ причин слабых мест адаптации
Обратная связь наставнику: анализ причин слабых мест адаптации
Использование данных адаптации для совершенствования процессов подбора, обучения, управления эффективностью и развития руководителей.
Мы в телеге | Наш канал в макс | Наш канал в VK
Данный алгоритм исходит из вводных, отличающих его от остальных подобных планов адаптации:
🔹Ответственность за адаптацию лежит на компании, см. Лучшая статья по адаптации персонала - опыт Google
🔹Существующие планы зачастую перегружены избыточными точками контроля, что отнимает время участников, задача нашего – оставить только критичные точки
🔹Адаптация сегодня носит цель не только вхождение новичка в компанию, но и продолжение этапа отбора – компания на этапе адаптации принимает решение, будет ли продолжать работу с новичком или нет.
🔹Обычно в компании оценивают новичка по результатам адаптации, мы добавляем акцент на качество работы компании по адаптации новичка
✅Алгоритм
1️⃣Назначение ответственных. Составление карты рабочих связей новичка
Карта - все сотрудники компании, от которых зависит успешное выполнение целей испытательного срока (ИС)
2️⃣Первые дни. Обязательная встреча, постановка целей, знакомство с окружением и т.п.
Руководитель / наставник ставят цели, задачи, объясняют ценность работы новичка, обеспечивают оборудованием для выполнения работы, вместе в HRBP знакомят со всеми необходимыми контрагентами (согласно карте связей)
3️⃣Первая неделя
Опрос новичка: контроль выполнения обязательств компании и оценка достижимости целей ИС: была ли встреча, поставлены ли цели, задачи и т.п. См. в качестве основы Скоринговая модель новичка при адаптации
Если нет – HRBP эскалирует вопрос, почему компания не выполняет обязательства перед новичком.
Важный момент: спрашиваем новичка, насколько выполнимы цели ИС
Понятны ли вам цели?
Считаете ли вы их достижимыми?
Какие цели вызывают наибольшие сложности?
Есть ли ресурсы для их выполнения?
Что может помешать их достижению?
4️⃣Середина ИС.
Опрос руководителя / наставника: Есть ли риск, что новичок не выполнит цели и задачи испытательного срока?
Если да: выясняем причины, сравниваем с опросом новичка в конце первой недели, намечаем план действий. Если руководитель сообщает о нулевых шансах пройти адаптацию, начинаем процесс увольнения и переход к шагу 6
5️⃣Конец ИС.
Оценивают руководитель, наставник, новичок.
Результат оценки руководителя: решение, будет ли новичок дальше работать в компании или нет
Наставник: дает экспертное заключение
Результат оценки новичка: обратная связь руководителю и наставнику
6️⃣Анализ
Если испытательный срок не пройден, то причины:
ошибка подбора, адаптации, руководителя
завышенные ожидания кандидата
недостаток обучения
личные причины и т.п.
✅Ответственность HRBP
▪️Проинструктировать руководителя и наставника
▪️Определить карту рабочих связей новичка
▪️Представиться новичку как точка обращения
▪️Контролировать точки адаптации
▪️Эскалировать риски
✅Результаты
Понимание драйверов успешности прохождения ИС: статистический анализ
Рейтинг руководителей и наставников (определяется через выполнение контрольных точек адаптации: встречи в первые дни – постановка целей и т.п., середина и оценка в конце)
Отчет причин непрохождения: ошибки подбора, адаптации
Обратная связь руководителю: анализ причин слабых мест адаптации
Обратная связь наставнику: анализ причин слабых мест адаптации
Использование данных адаптации для совершенствования процессов подбора, обучения, управления эффективностью и развития руководителей.
Мы в телеге | Наш канал в макс | Наш канал в VK
⚡2👍2
Кто сегодня формирует повестку HR Tech? Портрет глобального HR Tech-инфлюенсера 2026
Вытащил список Top 100 HR Tech Influencers 2026
Получился любопытный портрет.
1️⃣HR Tech — это уже не только про технологии
Среди инфлюенсеров почти поровну представлены разные роли:
🔹 Практики — 24%
🔹 Руководители HR Tech-вендоров — 23%
🔹 Консультанты — 22%
🔹 Аналитики — 21%
🔹 Медиа — 6%
🔹 Ученые — 4%
Влияние распределено между четырьмя группами:
те, кто использует технологии внутри компаний → те, кто их продает → те, кто объясняет рынок → те, кто анализирует данные.
HR Tech перестал быть IT-направлением. Это уже экосистема вокруг трансформации HR.
2️⃣HR Tech остается очень американским рынком
79% участников — США.
Для сравнения:
🇬🇧 Великобритания — 5%
🇳🇱 Нидерланды — 4%
🇩🇪 Германия — 3%
🇸🇪 Швеция — 3%
Остальной мир — единичные представители.
Но даже европейские представители чаще представлены не как локальные HR-эксперты, а как люди с глобальной повесткой.
3️⃣Женщины немного доминируют в формировании HR Tech-повестки
56% женщин против 44% мужчин.
Это достаточно интересный контраст.
Если посмотреть на многие технологические отрасли, там обычно сильнее мужское доминирование.
4️⃣Главная функция — не рекрутинг
Самый интересный блок — распределение по HR-функциям.
Total HR / Strategy — 46%
Recruiting / TA — 14%
HCM — 10%
People Analytics — 9%
Leadership / OD — 8%
То есть главный разговор сегодня идет не про автоматизацию отдельных HR-процессов.
Он идет про:
"Как меняется сама модель управления людьми?"
Recruiting, который долго был главным драйвером HR Tech, занимает только второе место.
5️⃣Что продают лидеры рынка?
Консалтинг — 25%
Корпоративный HR (ничего не продают) — 23%
SaaS / продукт — 22%
Research / аналитика — 21%
Практически четыре равных лагеря.
Получается, что влияние в HR Tech сегодня создают не только продавцы технологий.
Почти половина — это люди, которые:
исследуют рынок;
работают внутри компаний;
формируют методологию.
6️⃣Независимые эксперты выигрывают у корпоративных голосов
51% — независимые.
Corporate — 23%.
Vendor — 26%.
Но если посмотреть с другой стороны:
Commercial — 69%
Independent — 31%
То есть большинство лидеров рынка так или иначе связано с коммерческой экосистемой.
HR Tech — это уже не академическая область.
Это рынок, где идеи тесно связаны с продуктами, консалтингом и услугами.
7️⃣Главный сегмент — платформы, а не отдельные инструменты
Если смотреть на HR Tech-сегменты:
Multi — 46%
Далее:
HCM — 15%
Recruiting — 13%
AI — 8%
Analytics — 6%
Типичный HR Tech-инфлюенсер 2026
👩 Женщина (56%)
🇺🇸 Из США (79%)
🎯 Работает вокруг стратегии HR (46%)
💼 Скорее независимый эксперт (51%)
🏢 Связан с коммерческим рынком (69%)
🚀 Работает вокруг платформенных HR Tech решений (46%)
А кто у нас в России сегодня является HR Tech-инфлюенсером?
Мы в телеге | Наш канал в макс | Наш канал в VK
Вытащил список Top 100 HR Tech Influencers 2026
Получился любопытный портрет.
1️⃣HR Tech — это уже не только про технологии
Среди инфлюенсеров почти поровну представлены разные роли:
🔹 Практики — 24%
🔹 Руководители HR Tech-вендоров — 23%
🔹 Консультанты — 22%
🔹 Аналитики — 21%
🔹 Медиа — 6%
🔹 Ученые — 4%
Влияние распределено между четырьмя группами:
те, кто использует технологии внутри компаний → те, кто их продает → те, кто объясняет рынок → те, кто анализирует данные.
HR Tech перестал быть IT-направлением. Это уже экосистема вокруг трансформации HR.
2️⃣HR Tech остается очень американским рынком
79% участников — США.
Для сравнения:
🇬🇧 Великобритания — 5%
🇳🇱 Нидерланды — 4%
🇩🇪 Германия — 3%
🇸🇪 Швеция — 3%
Остальной мир — единичные представители.
Но даже европейские представители чаще представлены не как локальные HR-эксперты, а как люди с глобальной повесткой.
3️⃣Женщины немного доминируют в формировании HR Tech-повестки
56% женщин против 44% мужчин.
Это достаточно интересный контраст.
Если посмотреть на многие технологические отрасли, там обычно сильнее мужское доминирование.
4️⃣Главная функция — не рекрутинг
Самый интересный блок — распределение по HR-функциям.
Total HR / Strategy — 46%
Recruiting / TA — 14%
HCM — 10%
People Analytics — 9%
Leadership / OD — 8%
То есть главный разговор сегодня идет не про автоматизацию отдельных HR-процессов.
Он идет про:
"Как меняется сама модель управления людьми?"
Recruiting, который долго был главным драйвером HR Tech, занимает только второе место.
5️⃣Что продают лидеры рынка?
Консалтинг — 25%
Корпоративный HR (ничего не продают) — 23%
SaaS / продукт — 22%
Research / аналитика — 21%
Практически четыре равных лагеря.
Получается, что влияние в HR Tech сегодня создают не только продавцы технологий.
Почти половина — это люди, которые:
исследуют рынок;
работают внутри компаний;
формируют методологию.
6️⃣Независимые эксперты выигрывают у корпоративных голосов
51% — независимые.
Corporate — 23%.
Vendor — 26%.
Но если посмотреть с другой стороны:
Commercial — 69%
Independent — 31%
То есть большинство лидеров рынка так или иначе связано с коммерческой экосистемой.
HR Tech — это уже не академическая область.
Это рынок, где идеи тесно связаны с продуктами, консалтингом и услугами.
7️⃣Главный сегмент — платформы, а не отдельные инструменты
Если смотреть на HR Tech-сегменты:
Multi — 46%
Далее:
HCM — 15%
Recruiting — 13%
AI — 8%
Analytics — 6%
Типичный HR Tech-инфлюенсер 2026
👩 Женщина (56%)
🇺🇸 Из США (79%)
🎯 Работает вокруг стратегии HR (46%)
💼 Скорее независимый эксперт (51%)
🏢 Связан с коммерческим рынком (69%)
🚀 Работает вокруг платформенных HR Tech решений (46%)
А кто у нас в России сегодня является HR Tech-инфлюенсером?
Мы в телеге | Наш канал в макс | Наш канал в VK
Акценты обучения HR 2026
Академия Эрика ван Вулпена поделилось статьей 15 Best HR Training Programs for 2026 (на самом деле там 15 провайдеров, программ больше)
Пост во многом рекламный – продать свои программы, но все же дали много других платформ
🔹Специализированные HR-платформы: AIHR, Hacking HR, Джоша Берзина
🔹Профессиональные ассоциации: SHRM, HRCI, CIPD.
🔹Университеты: например, Cornell University и University of Minnesota.
🔹MOOC-платформы: Coursera, LinkedIn Learning, edX.
Т.е. охват широкий, получился неплохой материал для анализа топ акцентов обучения HR 2026. Получилось так (в порядке убывания популярности):
1️⃣Искусственный интеллект и HR Tech — ИИ встречается практически везде, уже не как отдельная дисциплина, а как сквозная компетенция.
2️⃣Стратегический HR — HR Strategy, Workforce Planning, Operating Model постоянно фигурируют в современных программах.
3️⃣HR-аналитика — данные, метрики, People Analytics становятся обязательной частью подготовки.
4️⃣Организационное развитие — Change Management, Organization Design, трансформация бизнеса.
5️⃣Обучение и развитие — прежде всего развитие навыков (skills), upskilling и reskilling.
6️⃣Подбор персонала — рекрутинг остается важной темой, но уже в новом виде: skills-based hiring, candidate experience, talent intelligence.
7️⃣HR Business Partner и лидерство — влияние на бизнес, работа с руководителями.
8️⃣Employee Experience — вовлеченность, благополучие, удержание.
9️⃣Вознаграждение и архитектура должностей — compensation & benefits, job architecture, pay equity, системы оплаты труда.
Чему из этого вы бы хотели обучаться?
Мы в телеге | Наш канал в макс | Наш канал в VK
Академия Эрика ван Вулпена поделилось статьей 15 Best HR Training Programs for 2026 (на самом деле там 15 провайдеров, программ больше)
Пост во многом рекламный – продать свои программы, но все же дали много других платформ
🔹Специализированные HR-платформы: AIHR, Hacking HR, Джоша Берзина
🔹Профессиональные ассоциации: SHRM, HRCI, CIPD.
🔹Университеты: например, Cornell University и University of Minnesota.
🔹MOOC-платформы: Coursera, LinkedIn Learning, edX.
Т.е. охват широкий, получился неплохой материал для анализа топ акцентов обучения HR 2026. Получилось так (в порядке убывания популярности):
1️⃣Искусственный интеллект и HR Tech — ИИ встречается практически везде, уже не как отдельная дисциплина, а как сквозная компетенция.
2️⃣Стратегический HR — HR Strategy, Workforce Planning, Operating Model постоянно фигурируют в современных программах.
3️⃣HR-аналитика — данные, метрики, People Analytics становятся обязательной частью подготовки.
4️⃣Организационное развитие — Change Management, Organization Design, трансформация бизнеса.
5️⃣Обучение и развитие — прежде всего развитие навыков (skills), upskilling и reskilling.
6️⃣Подбор персонала — рекрутинг остается важной темой, но уже в новом виде: skills-based hiring, candidate experience, talent intelligence.
7️⃣HR Business Partner и лидерство — влияние на бизнес, работа с руководителями.
8️⃣Employee Experience — вовлеченность, благополучие, удержание.
9️⃣Вознаграждение и архитектура должностей — compensation & benefits, job architecture, pay equity, системы оплаты труда.
Чему из этого вы бы хотели обучаться?
Мы в телеге | Наш канал в макс | Наш канал в VK
👍2
Время найма навыка
Придумал новую метрику.
У каждой вакансии есть требования — навыки, которыми должен владеть кандидат. Я взял в качестве элемента анализа не вакансию, а именно навык: разложил вакансии на отдельные навыки и посчитал сроки закрытия вакансий по каждому из них.
Получилась красивая картина: насколько быстро компания "закрывает" разные навыки.
Те, кто интересуется skill-based подходом, думаю, оценят.
Какая от этого польза?
Для рекрутера.
Сразу видно, какие навыки закрываются быстро, а какие постоянно тормозят подбор. Вместо ощущения "рынок тяжелый" появляется конкретный список дефицитных компетенций.
Для руководителя.
Можно понять, какие требования действительно делают поиск кандидатов долгим. Иногда одна технология увеличивает срок закрытия вакансии на несколько недель.
Для обучения.
Если определенный навык стабильно закрывается долго, возможно, дешевле и быстрее развивать его внутри компании, чем искать готовых специалистов на рынке. Это про потребности в обучении.
Для HR-аналитики.
Появляется возможность строить рейтинг самых дефицитных навыков компании, отслеживать, как он меняется со временем, и оценивать эффект от обучения или изменения требований к вакансиям.
По сути, мы перестаем измерять скорость закрытия вакансий и начинаем измерять скорость доступа компании к конкретным навыкам. А это уже совсем другой уровень анализа. Это уже не метрика вакансий, а метрика ликвидности навыков. Чем быстрее закрываются вакансии с определенным навыком, тем выше его "ликвидность" на рынке труда. И наоборот: длительный срок закрытия может говорить о реальном дефиците специалистов с этой компетенцией.
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. На диаграмме даны реальные данные - я чуть поправил цифры (это в месяцах) - и да, это за период 2023-2026
Как считаете, будет востребована метрика?
Придумал новую метрику.
У каждой вакансии есть требования — навыки, которыми должен владеть кандидат. Я взял в качестве элемента анализа не вакансию, а именно навык: разложил вакансии на отдельные навыки и посчитал сроки закрытия вакансий по каждому из них.
Получилась красивая картина: насколько быстро компания "закрывает" разные навыки.
Те, кто интересуется skill-based подходом, думаю, оценят.
Пример.
HR-аналитик (Excel, SQL, Python) закрывается за 40 дней.
Бизнес-аналитик (Excel, SQL) — 20 дней.
Разработчик (SQL, Python, C#) — 90 дней.
Тогда среднее время найма навыка
• Excel = (40 + 20) / 2 = 30 дней
• SQL = (40 + 20 + 90) / 3 = 50 дней
• Python = (40 + 90) / 2 = 65 дней
• C# = 90 дней
Алгоритм сложней, пример показывает саму логику
Какая от этого польза?
Для рекрутера.
Сразу видно, какие навыки закрываются быстро, а какие постоянно тормозят подбор. Вместо ощущения "рынок тяжелый" появляется конкретный список дефицитных компетенций.
Для руководителя.
Можно понять, какие требования действительно делают поиск кандидатов долгим. Иногда одна технология увеличивает срок закрытия вакансии на несколько недель.
Для обучения.
Если определенный навык стабильно закрывается долго, возможно, дешевле и быстрее развивать его внутри компании, чем искать готовых специалистов на рынке. Это про потребности в обучении.
Для HR-аналитики.
Появляется возможность строить рейтинг самых дефицитных навыков компании, отслеживать, как он меняется со временем, и оценивать эффект от обучения или изменения требований к вакансиям.
По сути, мы перестаем измерять скорость закрытия вакансий и начинаем измерять скорость доступа компании к конкретным навыкам. А это уже совсем другой уровень анализа. Это уже не метрика вакансий, а метрика ликвидности навыков. Чем быстрее закрываются вакансии с определенным навыком, тем выше его "ликвидность" на рынке труда. И наоборот: длительный срок закрытия может говорить о реальном дефиците специалистов с этой компетенцией.
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. На диаграмме даны реальные данные - я чуть поправил цифры (это в месяцах) - и да, это за период 2023-2026
Как считаете, будет востребована метрика?
👍7