🤫🤫 Как ИИ помогает читать резюме за секунды
Вы получаете 50 откликов на вакансию. Пролистывать их вручную — день потерян. DeepSeek (или ChatGPT, или GigaChat) может сделать первичный разбор за вас.
Что делать:
Скопируйте текст резюме (без личных данных, чтобы сохранить конфиденциальность).
Вставьте в ИИ и добавьте промт.
👉 Промт: «Вот вакансия Менеджер по продажам. Проанализируй это резюме кандидата(или) кандидатов на позицию Менеджер по продажам. Оцени по шкале 0–10, насколько кандидат подходит данной вакансии. Выдели 5-6 сильных сторон и 3 возможных риска. Задай 3-4 уточняющих вопроса, которые стоит задать на собеседовании».
ИИ прочитает, структурирует и выдаст готовую сводку. Вы сразу видите, кого звать на интервью, а кому вежливо отказать.
Важно: ИИ не заменяет вашу экспертность, но берёт на себя скучную работу. Вы только проверяете и принимаете решение.Можете в промте добавить еще условия для оценки кандидата.❓ Как вы считаете, можно ли доверять ИИ первичный отбор? Пишите 👇

🧐 Готовимся к собеседованию: вопросы и сценарии

Бывает, что сложно сформулировать правильные вопросы, особенно если вакансия новая или техническая. DeepSeek, ChatGPT или YandexGPT выступят в роли методиста.
👉 Промт: «Составь список из 10 вопросов для собеседования с кандидатом на позицию „HR‑менеджер“. Включи: — 3 вопроса про опыт (поведенческие, STAR) — 3 вопроса про знания HR‑процессов — 2 вопроса про мотивацию и ценности — 2 кейса (например, как поступишь, если руководитель требует уволить сотрудника без основания) Добавь „красные флаги“, на которые обратить внимание в ответах».

Готово! У вас структурированное интервью, которое не даст забыть важное.

Какой ИИ выбрать?
DeepSeek — даёт чёткие, логичные вопросы.
ChatGPT — может предложить нестандартные кейсы.
YandexGPT — лучше учитывает российскую специфику (например, ТК РФ).
А ещё ИИ поможет подготовиться к сложным разговорам.

❓ Какой вопрос из списка вы бы точно задали? Отметьте в комментариях! 👇
#ИИдляHR #Интервью

👋 Адаптация новичков: как ИИ пишет письма и планы за 5 минут

Новичок выходит в понедельник, а у вас нет времени на красивое письмо? DeepSeek (YandexGPT или ChatGPT) сделает это за вас».

💌Промт для приветственного письма:
«Напиши тёплое приветственное письмо для нового сотрудника [Имя], позиция [должность]. Выход в понедельник в 10:00. Упомяни, что его ждут, рабочее место готово, и мы очень рады. Подпиши от имени HR».

🫶Промт для плана адаптации:
«Составь план адаптации на первую неделю для [должность]. Включи: знакомство с командой, изучение продуктов, встречи с ключевыми коллегами, постановка первых задач. Сделай в виде чек-листа».

⭐Сравнение: какой ИИ лучше для адаптации?

DeepSeek — структурирует, любит чек-листы.
ChatGPT — креативен, может добавить «душевности».
YandexGPT — хорошо знает российские реалии (например, про трудовые книжки).

А у вас прописана адаптация или всё на словах? Делитесь опытом!» 👇
#Адаптация #ИИдляHR #DeepSeek #Онбординг

🗺️ Карта воронки найма: от заявки до оффера

Чтобы не "терять" кандидатов, держите воронку в одном документе. Базовая схема:

1) Заявка на подбор → кто/когда/зачем, must have
2) Профиль роли → компетенции, KPI, вилка, EVP
3) Поиск → каналы, тексты, бюджет
4) Скрининг → критерии, вопросы, отказные причины
5) Интервью 1 (HR) → мотивация, софт‑скиллы, fit
6) Интервью 2 (нанимающий) → кейсы, ожидания, задачи
7) Тест/кейсовое (если нужно) → критерии оценки
8) Референсы/безопасность (по политике)
9) Финал → решение + согласование условий
10) Оффер → срок ответа, план онбординга

📃Чек‑лист: что должно быть на каждом этапе
- Вход/выход этапа (что считаем "пройдено")
- SLA (сколько дней на шаг)
- Ответственный
- Шаблоны: письмо/сообщение/отказ
- Причины отказа (выпадающий список)
- Метрики: конверсия, время, cost, источники

🔹Мини‑метрики, которые спасают
- Конверсия Скрининг→Интервью
- Интервью→Финал
- Финал→Оффер→Выход
- Time‑to‑hi

🚩 Типовые ошибки в заявке на подбор: 7 "красных флагов"

1) "Нужен универсал" без приоритетов. Итог: ищем "всё и сразу".
2) Нет must-have (что критично, а что обучаемо).
3) Размытые задачи вместо 3–5 измеримых результатов на 3 месяца.
4) Нет вилки или "по рынку". Кандидаты уходят в туман.
5) Непонятно кому подчиняется и как выглядит команда.
6) Противоречия: "junior с 5 годами", "самостоятельный под постоянным контролем".
7) Ноль про процесс: этапы, сроки, тестовые, кто принимает решение.

🤖Как ИИ помогает уточнить требования
Скопируйте заявку/переписку с нанимающим и попросите:
"Выдели пробелы и задай 10 уточняющих вопросов. Отдельно: must-have, nice-to-have, KPI на 90 дней, вилка, формат работы, стек/инструменты, кого заменяем и почему открыта роль".

Проверьте формулировки и отправьте вопросы руководителю - это экономит часы и снижает риск "не того" найма.

Какая ошибка встречается у вас чаще всего?
#рекрутинг #HR #подбор #бриф #ИИдляHR

🛼 SLA и роли в найме: кто за что отвечает (RACI)

SLA в рекрутменте - это договорённые сроки и "точки ответственности", чтобы вакансия не зависала между HR и бизнесом.

RACI (коротко):
R - делает, A - отвечает за результат, C - консультирует, I - в курсе.

Таблица RACI по найму
1) Старт/бриф по вакансии - HR: R | HM: A | TA: C | Fin: C
2) Описание/профиль роли - HR: R | HM: A | TA: C
3) Публикация/поиск - TA: A/R | HR: C | HM: I
4) Скрининг/первичное интервью - TA: A/R | HR: C | HM: I
5) Тех/менеджер интервью - HM: A/R | TA: R | HR: C
6) Фидбек после интервью (≤24ч) - HM: A/R | TA: C | HR: I
7) Организация следующих этапов - TA: A/R | HR: C | HM: I
8) Оффер (условия/вилка/грейд) - HR: R | HM: A | Fin: C
9) Согласование оффера (≤48ч) - HR: R | HM: A | Fin/Legal: A/R
10) Коммуникация с кандидатом - TA: A/R | HR: C | HM: I
11) Выход/документы - HR: A/R | TA: I | HM: I

Мини-SLA, которое стоит зафиксировать
- Бриф по вакансии: до 2 раб. дней
- Фидбек HM после интервью: до 24 часов

🌠 Метрики воронки подбора: что считать и как читать

1) Time-to-fill - время до закрытия вакансии: от открытия заявки до принятия оффера/выхода (как принято у вас).
2) Time-to-hire - время до найма со стороны кандидата: от первого касания/отклика до принятия оффера.

Пример
Вакансию утвердили 1 марта.
Кандидат откликнулся 10 марта, оффер принял 20 марта.
➡️ time-to-fill = 19 дней (1→20)
➡️ time-to-hire = 10 дней (10→20)

3) Conversion - конверсия между этапами.
Напр.: 100 откликов → 40 скринингов = 40%.

4) Drop-off - где "сыпется" воронка (отказы/невыходы).
Напр.: 40 скринингов → 10 интервью = drop-off 75%.

Как быстро интерпретировать
- Падает conversion в интервью → проверьте требования/скрипт/скорость фидбэка.
- Большой drop-off после оффера → условия, ожидания, конкурентность, скорость согласования.

❓А у вас какая метрика главная в отчётах: time-to-fill или time-to-hire? И на каком этапе чаще всего максимальный drop-off?

#HRаналитика #Рекрути

🕵️‍♀️ Сорсинг-план на 7 дней: каналы, квоты, сообщения + ИИ для boolean

День 1 - подготовка
- Портрет кандидата + must/optional
- 30 компаний-"доноров"
- 3 версии title

День 2 - LinkedIn/HH/карьерные базы
- 40 профилей в воронку
- 15 инвайтов/писем

День 3 - Telegram/комьюнити
- 3 чата/канала
- 10 личных сообщений

День 4 - GitHub/Behance/Dribbble
- 30 профилей
- 10 писем

День 5 - реферальный круг
- 10 касаний сотрудникам/экс-сотр.

День 6 - ретаргет по отказам
- 15 follow-up

День 7 - аналитика
- Ответы/переходы/конверсия
- Что масштабируем

Скелет 1-го сообщения
"Привет, [Имя]! Увидел(а) ваш опыт в [факт]. Есть роль [роль] с задачами [2–3]. Актуально 10 мин созвон?"

Follow-up
"Подниму сообщение: удобно ли обсудить? Если не актуально - подскажете, кого искать/где водятся такие профили?"

🤖 Промпт для ИИ (boolean)
"Сгенерируй 5 boolean-запросов для поиска кандидата: роль - HR BP (IT), локация РФ/удалёнка. Дай варианты для LinkedIn и Google”

📊 СЕРИЯ ПОСТОВ: «HR-АНАЛИТИКА С ИИ — АВТОМАТИЗИРУЕМ ПОДСЧЁТЫ»
Аналитика — это сложно, там формулы, своды, я не аналитик». Но с ИИ всё меняется. Вы просто задаёте вопросы по-русски, а он считает

Какие задачи можно делегировать ИИ уже сейчас:
📈 Посчитать текучесть и средний срок закрытия вакансии
📊 Собрать дайджест из цифр для отчёта руководству
🔍 Найти скрытые закономерности (почему уходят, кто дольше работает)
📝 Сделать красивое описание цифр для презентации

Как это выглядит на практике: Вместо того чтобы мучиться со сводами, вы даёте ИИ задачу:
«У нас за квартал уволилось 12 человек из 80. Посчитай текучесть в процентах и напиши краткий вывод для отчёта».
ИИ выдаст:
«Текучесть за квартал составила 15%. Это выше среднего по отрасли (10–12%). Рекомендуем проанализировать причины ухода в отделах продаж и разработки, где отток максимальный».
💡 Главное: ИИ не заменяет аналитику, но берёт на себя рутину. Вы только проверяете и задаёте уточнения.
#HRаналитика #ИИдляHR #Автоматизация

📈 Текучесть и стоимость найма: как ИИ считает за минуту

2 метрики, которые просят в каждом отчёте. Раньше - Excel и калькулятор. Теперь - промт ИИ.

1️⃣ Текучесть персонала
«Посчитай текучесть кадров за последние 3 месяца. Исходные данные: средняя численность — 120 человек, уволилось — 18. Формула: (уволившиеся / средняя численность) × 100%. Выдай результат в процентах и напиши краткую интерпретацию (норма/выше нормы)».
2️⃣ Стоимость найма (Cost per Hire)
«Рассчитай стоимость найма за квартал. Данные: рекрутинговые сервисы — 50 000 руб., зарплата рекрутеров — 150 000 руб., реклама — 30 000 руб., закрыто вакансий — 10. Формула: (все расходы / количество наймов). Дай результат и пару слов — выше или ниже рыночной».
Бонус: если данных много, можно загрузить в ИИ таблицу (скриншот или текст) и попросить: «Посчитай по этим данным среднюю стоимость найма».

❓ Какую метрику вам сложнее всего считать? Делитесь болью в комментариях! 👇
#HRметрики #Текучесть #CostPerHire #ИИдляHR

🔍 Почему уходят сотрудники? ИИ прочитает 100 exit-интервью за 5 минут

Вы собрали 30 комментариев из exit-интервью. Пролистывать их вручную — час работы. ИИ сделает это за пару минут и выделит главное.

Что делаем:
Собираем все текстовые ответы (анонимно) в один документ.
Вставляем в DeepSeek (или ChatGPT) и добавляем промт:
«Вот 30 комментариев из exit-интервью. Проанализируй их и выдели: — 3 главные причины увольнений — 5 самых частых упоминаний (слова/темы) — 2 неожиданных вывода Сделай краткую сводку для отчёта руководству».
Результат: ИИ сам сгруппирует похожие ответы, выделит ключевые темы.

Какой ИИ лучше для текстов:
DeepSeek — хорошо видит паттерны, структурирует.
ChatGPT — даёт более «человеческие» формулировки, лучше для итогового отчёта.
YandexGPT — может учитывать российский контекст (например, формулировки «не сошлись характерами»).

❓ Проводите ли вы exit-интервью? Какие причины уходов самые частые в вашей компании? 👇
#ExitИнтервью #ПричиныУходов #ИИдляHR #Анализ

🔮 Прогноз найма: сколько человек нужно через 3 месяца? Спросите ИИ

Самый сложный вопрос от бизнеса: «Сколько нам нужно будет людей через квартал?». ИИ не даст точного ответа, но построит простую модель на основе ваших данных.

Промт для прогноза:«У нас сейчас 150 сотрудников. Средняя текучесть за последние полгода — 3% в месяц. Планируем открыть 2 новых отдела по 5 человек. Спрогнозируй, сколько человек нам нужно будет нанять через 3 месяца, если: — текучесть сохранится на том же уровне — планы по расширению реализуются

Учти, что на замену ушедшим нужно время — в среднем 1 месяц на закрытие вакансии. Дай итоговую цифру и поясни логику расчёта».Важно: ИИ не заменяет профессиональный workforce planning, но помогает быстро получить «черновик» прогноза, который можно доработать.

Совет: для более точного прогноза давайте ИИ исторические данные за 6–12 месяцев.

❓ Прогнозируете ли вы потребность в найме? Какие данные используете? 👇#ПрогнозНайма #WorkforcePlanning #ИИдляHR #Аналитика

🎯 Воронка найма за 5 минут: как ИИ считает конверсии и находит узкие места

Рекрутинг — это цифры. Сколько откликов, сколько приглашённых, сколько офферов. ИИ поможет посчитать и визуализировать.

Промт для анализа воронки:
«Проанализируй воронку найма за март: — Отклики: 250 — Скрининг прошли: 80 — Приглашены на собеседование: 50 — Офферы сделаны: 12 — Выходы: 10
Посчитай конверсии на каждом этапе. Найди самую слабую точку (где больше всего отсева). Дай 2–3 рекомендации, как улучшить показатели».

Что получите:
Проценты конверсии на каждом шаге
Вывод, где теряется больше всего кандидатов
Практические советы (например, «скрининг отсекает 68% — возможно, требования завышены»)

💡 Совет: если у вас есть данные за несколько месяцев, попросите ИИ сравнить динамику.

❓ На каком этапе воронки у вас чаще всего теряются кандидаты? Делитесь! 👇
#ВоронкаНайма #Рекрутинг #ИИдляHR #Аналитика

📎 Excel без страха: как ИИ пишет формулы и сводит данные

«Я не дружу с Excel» — частая фраза. Теперь можно не дружить, а просто попросить DeepSeek или ChatGPT сделать всё за вас.

Что можно делегировать ИИ в Excel:
⭐ Написать формулу
«Напиши формулу в Excel, чтобы посчитать средний срок закрытия вакансии, если в столбце A — дата открытия, в столбце B — дата выхода».
⭐ Объяснить, как сделать сводную таблицу
«У меня есть таблица с сотрудниками: отдел, дата приёма, дата увольнения. Как в Excel сделать сводную таблицу по текучести в разрезе отделов? Объясни пошагово, как для новичка».
⭐ Найти ошибку
«В Excel формула =СРЗНАЧ(A1:A10) выдаёт ошибку. В чём может быть дело?»
⭐ Превратить цифры в текст для отчёта
«У меня есть данные по найму за квартал. Напиши текст для презентации: кратко и с выводами».
💡 Совет: скопируйте формулу или описание задачи и вставьте в ИИ. Он объяснит понятнее, чем любой учебник.
❓ Какая задача в Excel для вас самая сложная? Напишите — помогу подобрать промт! 👇

📌 Шпаргалка: 7 промтов для HR-аналитики с ИИ

Сохраняйте этот пост, чтобы не потерять. Вот 7 промтов для DeepSeek, ChatGPT, YandexGPT, которые помогут в аналитике.

1️⃣ Текучесть
«Посчитай текучесть: средняя численность [цифра], уволилось [цифра]. Формула: (уволившиеся / средняя численность) × 100%. Дай результат и интерпретацию».

2️⃣ Стоимость найма
«Рассчитай стоимость найма: расходы на рекрутинг [цифра], зарплата рекрутеров [цифра], реклама [цифра], закрыто вакансий [цифра]. Выдай результат и вывод».

3️⃣ Анализ exit-интервью
«Проанализируй эти комментарии (вставьте текст). Выдели главные причины уходов, частоту упоминаний, неожиданные выводы».

4️⃣ Воронка найма
«Вот данные воронки: отклики [цифра], скрининг [цифра], собеседования [цифра], офферы [цифра], выходы [цифра]. Посчитай конверсии, найди слабое место, дай рекомендации».

5️⃣ Прогноз найма
«Сейчас [цифра] сотрудников, текучесть [цифра]% в месяц. Планируем открыть [цифра] новых позиций. Спрогнозируй, сколько человек нужно нанять через [период]».

6️⃣ Отчёт для руководства
«Составь краткий HR-дайджест на основе данных: [вставьте показатели]. Добавь выводы и 2–3 рекомендации».

7️⃣ Анализ опроса вовлечённости
«Вот 20 открытых ответов из опроса вовлечённости. Выдели ключевые темы, позитивные и негативные паттерны, дай рекомендации».

💡 Как пользоваться: копируйте промт, подставляйте свои цифры, вставляйте в ИИ. Готово!
#Промты #HRаналитика #ИИдляHR #Шпаргалка

⚠️ Когда ИИ врёт: 5 ошибок в аналитике и как их поймать

ИИ — мощный помощник, но не волшебник. Он может ошибаться. Вот частые ловушки и как их избежать.

1. Ошибки в расчётах
🔴 Пример: ChatGPT может перепутать проценты или формулу.
✅ Решение: всегда перепроверяйте итоговые цифры, особенно если данных много. Просите ИИ показать логику расчёта.

2. Галлюцинации (выдумывание цифр)
🔴 Пример: «Средняя зарплата в отрасли — 150 000» — но ИИ взял это из воздуха.
✅ Решение: требуйте ссылки на источники или уточняйте: «На основе каких данных ты это посчитал?».

3. Игнорирование контекста
🔴 Пример: ИИ считает текучесть, но не знает, что в компании была реструктуризация.
✅ Решение: добавляйте контекст в промт: «Учитывай, что в январе был массовый найм».

4. Неверная интерпретация
🔴 Пример: «Текучесть 15% — это плохо» — а для сезонного бизнеса это норма.
✅ Решение: давайте ИИ ориентиры: «Сравни с отраслевыми нормами (10–12%)».

5. Путаница в единицах
🔴 Пример: ИИ может перепутать рубли и доллары, дни и недели.
✅ Решение: всегда указывайте единицы измерения: «в рублях», «в днях», «в процентах».

💡 Главное правило: ИИ — ассистент, а не замена вашей экспертизы. Проверяйте, уточняйте, доверяйте, но не вслепую.

❓ Были случаи, когда ИИ ошибался в ваших расчётах? Делитесь, чтобы другие знали! 👇
#ОшибкиИИ #Проверка #ИИдляHR #ЧестныйРазговор

🏁 Спасибо за неделю аналитики! Что дальше?

Неделя пролетела. Мы разобрали:

📈 Как считать текучесть и стоимость найма с ИИ
🔍 Анализировать exit-интервью
📑 Готовить отчёты для руководства
🔮 Прогнозировать потребность в найме
🎯 Оптимизировать воронку
⚠️ Не попадаться на ошибки ИИ

Что дальше? По вашим запросам в опросах и комментариях следующая неделя будет посвящена «Обучению и развитию с ИИ».

Планируем разобрать:
🎓 Как ИИ помогает составлять программы обучения
📚 Подбирать материалы и курсы
📝 Создавать тесты и проверять знания
🧠 Анализировать эффективность обучения

📚 ЧТО ПОЧИТАТЬ ПО HR-АНАЛИТИКЕ С ИИ (ПОДБОРКА)

Коллеги, всю неделю мы разбирали, как ИИ помогает считать текучесть, анализировать exit-интервью и готовить отчёты. А теперь — список книг, статей и исследований для тех, кто хочет копнуть глубже. Сохраняйте! 👇

🔹 КНИГИ
1. «HR-аналитика: практическое руководство» (Майкл Уэст, 2025) Классика в новом издании. Разбор метрик, дашбордов и того, как превращать цифры в решения. Полезно тем, кто хочет системно подойти к аналитике.

2. «Искусственный интеллект в управлении персоналом» (под ред. Е. В. Маслова, 2026) Российское издание с упором на наши реалии. Кейсы внедрения ИИ в подбор, адаптацию и аналитику в российских компаниях.

3. «Data-Driven HR: как меняет управление людьми» (Бернард Марр, 2025) О том, как собирать, обрабатывать и интерпретировать HR-данные. Много примеров из практики глобальных компаний.

🔹 СТАТЬИ И ИССЛЕДОВАНИЯ

1. «AI in HR Analytics: 2026 Trends» (Deloitte Insights, март 2026) Свежий отчёт о том, как компании используют ИИ для прогнозной аналитики и удержания.

2. «Как ИИ помогает анализировать текучесть: кейс X5 Group» (HR-Portal, февраль 2026) Разбор реального внедрения: какие данные собирали, какие инсайты получили, как снизили отток.

3. «The State of People Analytics 2026» (Visier / SHRM) Международное исследование: какие метрики считают, кто отвечает за аналитику, какие инструменты используют. Спойлер: 43% компаний уже применяют ИИ в HR-аналитике.