Вчера постучался в личку один HR с претензией, что я только критикую и ничего не предлагаю. Этим он меня, мягко говоря, удивил, потому что обе книги стали результатом тотальной некомпетенции HR в теме управления людьми и содержат в себе именно что принципиальную систему "как надо" (с научным обоснованием).

Потому сегодня 10 различных практик, которые могут значительно повысить качество найма:
🍀Вопреки любви современных опытных рекрутеров с свободному общению это должно быть структурированное собеседование с чётко прописанными вопросами, структурой и таймингом
🍀Часть вопросов при этом должны быть открытыми и предполагать более глубокое изучение реального опыта кандидатов на конкретных примерах: что было сделано, какие сложности встретились, где было сопротивление сотрудников или проблемы с организацией и так далее
🍀Для выявления лжецов и болтунов хорошо подойдёт рассказ о событиях в обратном порядке, от завершения проекта к началу. Это и для человека с реальным опытом непростая задачка, а для лжеца или харизматика - особенно
🍀Хорошо подходят вопросы "А как бы вы действовали, если бы оказались в ситуации А, Б, В, что бы учитывали, что бы никогда не делали", которые требуют не решения, а раскрытия логики кандидата и его способности мыслить
🍀Ещё может подойти просьба рассказать реальный опыт кандидата, но глазами других участников проекта: что он для них сделал, как общались, как развивалась их коммуникация, какие выгоды извёк по итогу проекта, что сделал сам для кандидата
🍀Длительность собеседований, особенно на ключевые должности, должна составлять минимум 40 минут. Театр впечатлений не вечен и крайне эффективен первые 15-25 минут, потому при увеличении срока просто на одних эмоциях харизматичным посредственностям уже просто так не выехать
🍀Стоит добавить в процедуру заполнение нанимателем "скоркардов" или живого листа оценки компетенций с чёткими критериями по каждому пункту
🍀А ещё отличным инструментом будет слепое оценивание. Когда итоговые "баллы" выставляет не рекрутер на встрече, а его коллега. Который будет иметь доступ только к текстовой транскрипции записи, но не к видео и не к аудио.
🍀Или даже слепое сравнительное оценивание. Когда после целого ряда собеседований с кандидатами садится отдельный сотрудник, который на них не был, и проводит оценивание или ранжирование, но в разрезе вопросов: сперва ответы на первый, потом - на второй и так далее. В идеале - даже в случайном порядке
🍀Очень хорошо подойдёт сравнение оценок кандидата непосредственным участником собеседования и тем, кто изучал запись. Или даже регулярная смена одного на другого в общении с разными кандидатами между этапами с той же целью.

Техник и подходов намного больше, я частично описал те, которые способны резко снизить это влияние театра впечатлений на найм. Внимание, вопрос: сколько практик знают современные рекрутеры? И сколько реально регулярно применяют в отношении ключевых позиций и директоров?

В 2020 году пандемия и удалёнка сильно ударили по странам со слабым развитием сети, в том числе - по Индии, где и власти, и провайдеры были вынуждены вводить ограничения на скорость и объём трафика. Такие меры крайне негативно повлияли на компанию Netflix, которая уже больше не могла "Show what's next": пропускной способности сети не хватало.

И пока многие конкуренты за сетевую инфраструктуру пытались договориться с властями, компания Netflix решила решить эту проблему организационно, для чего:
🍀расширила собственную сеть доставки контента Open Connect и разместила специальные серверы внутри индийских сетей. Теперь часть контента передавалась зрителю не из-за границы, а из соседнего города
🍀на основе предиктивной аналитики заранее заливала на эти сервера самые актуальные данные
🍀выбирала железо и ПО, чтобы они обеспечивали максимальную пропускную способность, чтобы устранить риски падения серверов
🍀разработала с нуля и внедрила технологию Dynamic Optimizer. Теперь Netflix кодировала и ужимала каждый отдельный фрагмент по собственным правилам. Благо что схожие алгоритмы применялись экспертами по сжатию данных и ранее
🍀чтобы при этом качество картинки для клиента оставалось высоким, активно начала применять собственную метрику VMAF, которая сравнивает субъективное восприятие качества сжатого кадра с оригинальным. Для сохранения этой метрики Netflix должна была сильней ужимать те участки каждого кадра, куда меньше всего смотрит типичный зритель. Чтобы зритель в итоге гарантированно получал отличную картинку, даже когда урезалось до 90% данных.
Благодаря этому и прочим мерам компания Netflix смогла выдавать приемлемую картинку даже на скорости всего в 100 кбит/сек, снизила потребление трафика в 2 раза и сохранила для клиентов возможность пользоваться сервисом в высоком качестве даже на лимитных тарифных планах.

Тот случай, когда организация помогает обходить ограничения лучше политики и "горящих глаз".

К 2020 году RyanAir подходил в статусе типичного хорошо организованного дискаунтера. Невысокие цены и простой сервис, но крутая организация процессов и постоянная потогонка в отношении сотрудников - типичная ситуация для многих рынков. Разве что пилоты периодически устраивали забастовки, хотя и не особенно продуктивно, каждый раз оставшиеся сотрудники "собирались" и тушили пожары.

В 2021 году всё поменялось. RyanAir совсем не справедливо повёл себя в пандемию с клиентами, потому возвращать их можно было только с выплатой компенсаций и локальным снижением цен на 2-7%. А это - потери, которые нужно было как-то компенсировать. Увольнениями и оптимизацией? Наоборот, ставкой на стабильность, предсказуемость и управляемость:
🍀Первым делом RyaiAir отказался от гибких и даже пожарных графиков работы полётов, теперь строго 5 рабочих дня и 4 выходных, и 20-30% полноценно оплачиваемых рабочих дней приходились на "standby" или резерв. С этим резко снизилось число забастовок, и полёты стали прогнозируемы с высочайшей для отрасли точности
🍀Такие же дополнительные резервы создавались и в отношении обычных сотрудников, а в их работу были включены специальные паузы. Теперь на классическую процедуру "Turnaround" по обслуживанию самолётов выходили работать отдохнувшие люди, которые начали стабильно выполнять необходимые процедуры в меньшие сроки и вписывались в целевые 25 минут, которые были системно недоступны для людей "с горящими глазами". Теперь каждый до секунды знал свои задачи и спокойно их выполнял без ошибок
🍀В 2020 году многие сотрудники соглашались на сокращение зарплат на 10-20%. Уже в 2022 году RyanAir отменил это сокращение и провёл дополнительную индексацию зарплаты. Хотя по договорённостям мог сделать это к 2024-27 годам. А ещё - договорился о дальнейшем повышении зарплат до 2027 года
🍀Помогло и развитие программы обучения, которая была серьёзно доработана и лучше соответствовала потребностям бизнеса; открыты новые учебные центры. Это позволило готовить кадры быстрее и качественнее
🍀А ещё много новых и опытных пилотов RyanAir привлёк, когда начал предлагать понятный 5-летний контракт с вшитым планом роста зарплат
🍀Даже больше, если раньше RyanAir нанимал людей через агентства, то с 2021 года всё чаще начал заводить их в штат и предлагать прозрачные условия карьерного роста и расширенный социальный пакет

🍀Помогла и построенная с ИИ система реагирования на инциденты. Теперь ПО не только оперативно перестраивало график, но и информировало сотрудников об изменениях, чтобы заранее выставить в дежурство резервный самолёт с командой
🍀Та же самая система теперь была не просто очередной оповещалкой, а удобным средством коммуникации, чтобы каждый оставался на связи
🍀Помогло экономике и автоматизация части клиентского опыта. Теперь пассажиры могли получить более качественный и расширенный сервис в приложении компании и не обращаться к сотрудникам
🍀Грамотным решением было и финансовое хеджирование стоимости закупок - RyanAir подписалась на поставки топлива по долгосрочному контракту с фиксированной ценой и могла уже не зависеть от колебаний цены и подгадывать поставки, рискуя невылетами
🍀Помог компании и активный выход на второстепенные аэропорты, вместе с обещаниями стабильного потока RyanAir получил хорошие условия для обслуживания.

RyanAir отказался от ставки на горящие глаза и тушение пожаров. Вместо этого компания предложила всем своим контрагентам долгосрочные партнёрские отношения. С точки зрения экономика один перелёт стал стоить дороже, а приносить начал даже меньше. Но за счёт того, что инциденты и события происходили уже не в каждом 10 вылете, а в одном из 200, резко упали незапланированные расходы. И компания с убытков в 1 миллиард евро в 2021 году дошла до рекордных прибылей в 2 миллиарда евро уже в 2023/24 годах. Надо ли говорить, что отзывы клиентов и сотрудников о RyanAir тоже сильно улучшились?

Очередное проявление того, что рост управляемости и предсказуемости часто обходится компаниям дешевле, чем жизнь в хаосе с постоянным устранением его последствий.

Многие опытные медики признаются, что долгое время вредили людям, когда следовали ошибочным научным рекомендациям.
Например, что ещё 10-20 лет назад при любой жалобе на сон врачи массово назначали снотворные, которые часто вели к тяжёлой зависимости и только усугубляли проблемы пациентов. Или что "обязательно ложиться до полуночи и спать 8 часов" у многих порождает тревогу и бессонницу. Аритмию подавляли препаратами, детей укладывали спать "на животе", у диабетиков 2 типа загоняли уровень сахара в минимальные значения, ставили капельницы с витаминами для мозга, создавая всё новые и новые кладбища. Но снова и снова наука сомневается в своих решениях и раз за разом уточняет сферы применения и ограничения своих подходов.

На днях спорил в сети с людьми, которые придерживаются "классических" практик в менеджменте. И когда я начал выкладывать научные исследования в подтверждение своей позиции, я услышал, что это всё теория, не применимо и не работает совсем, что мнение эксперта важней любых "единичных опытов и наблюдений", да и в метаанализ в последнее время запихивают просто весь мусор подряд. А ещё - что я "верую в науку".

Не верую и не верю в науку. Я придерживаюсь научного подхода, который говорит, что какие-то вещи повышают шансы на успех. Какие-то - понижают. Какие-то вообще не влияют, только отвлекают. Какие-то работают тут, но не работают там. Какие-то работают там, но не работают тут. И что знания об инструментах управления будут уточняться, но чем больше бизнес придерживается научного подхода, тем выше его шансы сперва на выживание, а затем - и на успех. Но это сложно.

Намного удобней жить простыми решениями. Даже если следом появляются массовые захоронения, последствия таких решений для "практиков" остаются невидимыми. Ведь кладбища не только терпеливы и встречают всех, но и молчаливы: на надгробиях бизнесов не пишут, кто и как довёл их до такого печального финала. Вот и не нужно практикам краснеть в интервью, признаваясь, что их методы годами калечили людей и гробили компании. Можно бравировать своим идиотизмом и дальше двигать его в массы.
Парадокс в том, что эти же люди выходят в сеть не с помощью голубиной почты и давно не лечатся кровопусканием. Они с комфортом пользуются плодами доказательной науки во всём, кроме своей работы.

Увы, но пока всех этих архаичных луддитов не будут называть публично идиотами, а научно обоснованные практики не будут продвигаться с большинства площадок, скорость пополнения бизнес-кладбищ так и останется высокой.

В 1919 году в Швеции бушевали волнения. Рабочие массово протестовали против рабских условий, а власти с тревогой поглядывали на "пылающий восток". Чтобы не допустить взрыва и у себя внутри, шведские власти пошли ва-банк и перевели график работы с 10 часов за смену до 8. Так ещё и компенсировали падение в часах индексацией за изготовленную деталь на 20%, чтобы рабочие при этом не теряли в деньгах. Промышленники и аналитики громко трубили о скором крахе и развале экономики. Казалось, что это путь к банкротству.
"Результат шокировал". Хотя шведы и стали работать на 25% меньше, при этом они производили ровно тот же объём продукции, что и при 10-часовой смене. То есть, рабочие в пересчёте на час стали зарабатывать в 1.5 раза больше. И это был не какой-то разовый краткосрочный эффект, нет, он сохранился в следующие годы.

Почему это сработало? Исчезли "проклятые последние часы смены", рабочие стали меньше уставать и больше отдыхать, меньше травмироваться и продуктивней работать. Стали намного реже уходить на больничный, меньше стало инцидентов, в том числе - с несчастными случаями. А ещё - стали меньше гнать брака, реже приводили оборудование в негодность, чаще проявляли инициативу и позитив в отношении компании, так что в итоге все выиграли: и власти, и бизнес, и рабочие.

Наглядный пример, почему регулярно работать более 40 часов не приносит никакой пользы, а переработки гробят бизнес. А ещё, что экономика - сложный механизм, который на примитивные решения типа "больше работать" реагирует совсем не так, как этого хотят "эффективные менеджеры". Потому-то именно простые решения и ставят не только компании, но и целые страны на грань развала, как это произошло в прошлом веке.

Как часто вы соглашаетесь с ответами ИИ на сложные вопросы? Я перепроверяю за решением от Google довольно часто, и примерно в 80% случаев мне врут минимум в одном из тезисов. Если же речь заходит про исследования и статистику, особенно те, которые не выносились в публичное поле СМИ и обсуждения на разных площадках, полностью верный ответ я получаю едва ли в 5% случаев. В 10% случаев ИИ умудряется наврать в 5 тезисах из 5. Почему спрашиваю?

Вышло исследование "Quick Thinking 2.0" от Confluent, в котором выясняли, как директора работают с ИИ:
🧨79% верят, что ИИ помогает им принимать сложные решения
🧨65% стали меньше обсуждать вопросы и решения с остальными
🧨46% верят в решения ИИ больше, чем в решения коллег и подчинённых
🧨88% считают, что ИИ помогает принимать решения быстрее
🧨83% ощущают меньше стресса, когда работают с ИИ
🧨70% сомневаются в собственных решениях, если они противоречат выводам ИИ
🧨62% доверяют ИИ большинство решений.

Всё, как в анекдоте:
- Я умею быстро перемножать любые цифры
- 156 на 231
- 212 507
- Но это не точно
- Я не говорил "точно", я говорил "быстро".

При этом директора признают, что хотели бы работать более основательно и "точно":
🧨89% предпочли бы принимать больше решений на основании данных
🧨63% признают, что у них недостаточно актуальных данных
🧨в 71% - данные часто вообще устарели
🧨88% - в идеале ИИ должен дополняться качественными аналитиками и актуальной информацией.

Но сами как принимать решения, так и заниматься отбором, подготовкой и обучением необходимых сотрудников для работы с данными не хотят; 90% перекладывают ответственность на государство, школы и университеты.
Налицо очередное свидетельство тотального IQ78 от современного менеджмента: доверять сырым решениям, но не делать ничего, чтобы решить эту проблему. И перекладывать ответственность на остальных: ИИ, государство, кого угодно.

И вот эти самые люди сперва создали текущий хаос и привели к кризису свои компании, а теперь будут так же глупо сокращать людей и проводить оптимизации. Но в этот раз они будут ссылаться на ИИ, который им "насоветовал". Ведь директор же не принимает решения, он просто соглашается с тем, что ему подсказали, верно?

В Китае каждый год расстреливают сотни человек за коррупцию. Но коррупция не уменьшается. Такое мнение можно часто услышать в разных источниках. Оно хоть и верно, но не до конца.

Дело в том, что Китай сознательно вот уже 25 лет назад установил низкий уровень контроля за бизнесом, чтобы его инициативы сталкивались с минимальными бюрократическими помехами. Наоборот, многое создано для поддержки и стимулирования, чтобы предприниматель пользовался инфраструктурой и ресурсами и бурно развивался. Контроль при этом специально "посмертный", аккуратный, чтобы этому всему не помешал. Но, как только выяляется взятка, за этим следует неотвратимое и суровое наказание. Чаще всего - для получателя, бизнес в абсолютном большинстве случаев обходится крупными штрафами и увольнением взяткодателей с волчьим билетом. Да и чиновников расстреливают не всех, только для крупных сумм от 400-450 тысяч долларов в эквиваленте.

Вся соль в том, что коррупцию современными способами дёшево не устранить. И 5% людей будут воровать всегда при первой же возможности, даже при угрозе смертной казни. Китай мог бы бороться с этими маргиналами с помощью различных дополнительных служб контроля и согласований. Но не стал.

Потому что Китай для себя много лет назад решил, что лучше всячески помогать развиваться 19 компаниям из 20 и минимально им мешать, чтобы периодически "восстанавливать справедливость" в отношении 20-й. Это его осознанное стратегическое решение. Результаты вы можете оценить, если сравните динамику страны за последние десятилетия.

Здесь стоит добавить, что Китай очень активно привлекает современные технологии к решению этого вопроса, потому скорость реагирования оказывается уже в разы быстрей. Теперь не только срок от преступления до наказания сократился, но и намного чаще стали ловить на горячем. И высшая мера теперь уже применяется в 6-10 раз реже, чем 20 лет назад. Да и ту всё чаще заменяют более мягкими решениями. Хотя и всё равно с полной конфискацией.

Управление рисками - непростая дисциплина, в которой нужно балансировать между ценой ошибки и затратами на её предотвращение. Одна небольшая системная промашка легко может привести к серьёзным трудностям, инцидентам, а то и банкротству. Чаще всего компании предпочитают игнорировать эти риски. Но иногда бывает наоборот, компании внедряют сложные дорогостоящие системы и строжайше прописывают самые разные процедуры. И этим даже начинают очень сильно мешать.

Подобное произошло с компанией Target в 2013 году. Компания внедрила передовую систему обнаружения вторжений. И в разгар предрождественских продаж начала получать сотни и сотни предупреждений каждый день. Шума было настолько много, что сотрудники сперва отключили часть функционала, включая функцию автоматического удаления вирусов. А затем и пропустили важное уведомление от аналитиков. Те вычислили, что за всем происходящим стоит атака хакеров, и объяснили, как ей противостоять. Но к тому моменту, как информация всё-таки дошла до получателей, уже украли данные 40 миллионов банковских карт и личную информацию 70 миллионов клиентов.

В общем, очередной пример того, как критический риск стал результатом очередной глупости.

В 2011 году суперкомпьютер Watson победил в американском аналоге "Своей игры", чем показал, что ИИ может понимать естественный язык. Следом пришла бурная популярность и огромные надежды иза самых разных сфер.
Компания IBM начала изучать, где ещё могла бы продавать своё решение. И стала пытаться залезть туда, где Watson показывал хоть немного приличные результаты. Это была платформа для чат-ботов, и инструмент для анализа документов, и среда для работы с данными, и сервис анализа речи, и решение для рекомендаций по лечению рака. Была даже модель, которая прогнозировала, когда поломается ваш чайник или любой другой прибор, подключённый к сети.
IBM тратила миллиарды на рекламу своего решения, обещая, что ещё чуть-чуть, и оно вылечит рак и предскажет всё на свете. Да и первые результаты выглядели феноменально и потрясали воображение, чем привлекали множество клиентов.

Вот только в результате это был просто набор плохо разрозненных сервисов, которые развивались параллельно и плохо взаимодействовали между собой. И каждый следующий шаг давался всё сложней и дороже, а пользы приносил всё меньше. Ситуацию усложнило, что ИИ хорошо учился только на чистых данных, так что следом пришло разочарование. С 2015 года выручка компании падала 5 лет подряд, квартал за кварталом.

Представленное преимущественно "финансистами" руководство пыталось спасти ситуацию агрессивной оптимизацией расходов, урезанием собственной инфраструктуры и программ инвестиций, сокращениями штата и переводом сотрудников на аутсорс, но ничего не помогало, ситуация только усложнялась. Был и обратный выкуп акций, который применяется примерно всегда, когда компания не знает, как управлять бизнесом и его капитализацией.

В 2020 году на позиции СЕО оказался Арвинд Кришна, который прямо заявил, что IBM пока перестать гнаться за хайпом и сфокусироваться на том, чем компания является для своих клиентов. Точнее, сразу на двух ключевых активностях: на "Гибридном облаке" и инфраструктурных сервисах, которые между собой организационно отделили из-за принципиальных различий в бизнес-моделях. Следом под нож пошли все сторонние активности, часть продали, часть закрыли. А ещё в компанию вернули ощущение инженерной гордости и важности построения продуманных комплексных систем, перестали тупо гнаться за KPI и финансовыми метриками.

Пике было пройдено за пару лет. А Watson от маркетингового пузыря под названием "ИИ, который знает всё" стал для рынка набором продвинутых инженерных решений.

Заметка про Watson и IBM хотя и описывает очень крутой кейс, но делает это очень плохо, потому требует работы над ошибками. Потому что я одновременно демонстрирую целую пачку разрозненных смыслов и референсов:

🍀 нельзя стать всем для всех, нужно фокусироваться
🍀 просто ставка на конкретную технологию - не стратегия
🍀 хайп - тем более
🍀 отсутствие фокуса убивает даже выдающиеся "уникальные конкурентные преимущества"
🍀 классический финансовый менеджмент в высшем управлении вредит, а инженерный - создаёт основу для будущего роста
🍀 сокращения и оптимизации в лоб не работают, для качественного перелома проблемы это всегда должен быть комплекс решений в связке с организационными изменениями
🍀 в прошлом есть большой пласт кейсов, которые наглядно показывают, что будет с современным ИИ-хайпом и его "локомотивами". Спойлер: IBM успел вырулить, чаще заканчивается всё куда плачевней.

Я допустил ту же ошибку, что и IBM с Watson: продал сразу всё и всем. При такой подаче без явного ключевого вывода у читателя образуется ощущение незавершённости, а следом - не возникает желание выделить заметку реакцией или поделиться с другими. Логично.

Алексей выдал лютую базу: "нельзя продать ничего людям 18 века, находясь в 21-м, кроме совсем примитива и магии". Уточню: продать можно. Для этого достаточно упаковать продукт в примитив и магию, соответствующие уровню мышления и когнитивным ресурсам людей. А вот долго "продавать" не получится, если вы даёте потребителям тот продукт, которым они не готовы пользоваться.

Современный ИИ успешно продал себя бизнесу и людям в первый раз. Вот только для качественной работы с ним от пользователя требуется ничуть не меньше, чем раньше. Нужно даже больше думать, больше включать критический и регулярный анализ, проверять источники, несколько раз ставить и уточнять задачу, проверять архитектуру решения, искать нестыковки. Если же вы этот этап пропускаете, быстро начинаете проваливаться. Получается, что ИИ продаёт себя как примитив и магию, но за ними стоит ещё более сложный и интенсивный труд. Это быстро убивает и первоначальный эффект, и дальнейшие продажи.

Чтобы исправиться, мне достаточно себя покритиковать (виноват, реально косяк) и вернуться к практике "одна заметка - один ключевой вывод". Что спасёт ИИ? А не то же ли самое, что уже сделала IBM с Watson?

Ровно 10 лет назад я работал в одном банке, который активно включился в финтех-гонку, потому там периодически требовались ИТшники. И одна вакансия по описанию отлично подходила моего лучшему другу, который в это же время работал многостаночником в одной крайне небольшой компании. Помню, как я подошёл к нанимающему менеджеру и спросил, можно ли я пришлю резюме своего друга. "Он помимо того, что умный и ответственный, так он ещё и по-хорошему дотошен, как чёрт". Сложилось всё лучшим образом, и друг на совесть и с повышением отработал там лет 5.

В Бережливом управлении людьми я писал, что для сотрудников возможность работать с друзьями даже в разных отделах и иногда пересекаться - огромный плюс. Но не рассказывал, что реферальное привлечение сотрудников крайне выгодно для самого бизнеса:
🍀реферальные кандидаты становятся сотрудниками в 5-20 раз чаще, чем кандидаты из других источников, в 30-34% против 2-7%
🍀на таком найме компания экономит в среднем порядка 2-6 тысяч долларов напрямую или до 40% от всех расходов, с учётом косвенных
🍀сокращение времени на найм оценивается в 30-50%
🍀нанятые по реферальной программе сотрудники получают более высокие рейтинги продуктивности на 30% чаще. 46% приглашённых друзей входят в топы лучших сотрудников
🍀и остаются в компании на 70% дольше.

Потому лучший источник для поиска сотрудников - сами работники компании и их знакомства, что особенно актуально в мире тотально сломанного найма. Правда, для этого они должны хотеть реально рекомендовать нанимателя своим друзьям, а не просто в рамках обязательного опроса eNPS.
Ещё один плюс бережливого управления людьми.

Как лучше оценить проблему "театра впечатлений" в найме? Исследование «Do recruiters select workers with different personality traits for different tasks» 2022 года сделало серьёзный шаг на этом пути. В нём рекрутеры из 670 разных немецких фирм неоднократно делали выбор между описаниями двух кандидатов с набором отличавшихся параметров. И смотрели, что и как влияет на итоговое решение.

И вот как изменяется вероятность решения рекрутера о найме, если параметр оказывается выше среднего:
🍀Компетенции: +4%
🍀Открытость новому опыту: +7%
🍀Исполнительность: +18%
🍀Экстраверсия: +2%
🍀Дружелюбие: +19%
🍀Эмоциональная стабильность: +8%.
🍀Изменение зарплаты в любую сторону от "средней" цифры понижает шансы кандидата на 4-10% за каждые 10%.
И эта логика сохранялась вне зависимости от профиля работы, на который искали сотрудника. То есть, вне зависимости от того, был ли нужен человек на рутинные операции, аналитическую деятельность, на требующую коммуникаций работу или требующую решения нестандартных задач, цифры немного менялись, но суть оставалась ровно той же: в первую очередь рекрутеры позитивно смотрели на коммуникабельность и исполнительность.

Если вы с другим кандидатом обладаете примерно схожим профилем, но он или всего на 10% более дружелюбен, или всего на 10% выглядит более исполнительным, или и того, и другого, но всего на 5%... то, чтобы иметь мизерное преимущество, вы должны быть в полтора раза компетентней. В ПОЛТОРА!
И при этом вы должны претендовать на такую же зарплату, что и ваш оппонент. Потому что если вы вдруг попросите на 10% больше зарплату за свои х1,5 к компетенциям, то вы в этот же момент уже начнёте уступать 25%!

Или даже так. Если человек очень хорош в театре впечатлений и умеет подать себя как обладателя выдающихся навыков в коммуникативности и добросовестности, то он даже со средними компетенциями может претендовать на зарплату в 2-3 раза выше и иметь всё равно более высокие шансы, чем абсолютное большинство тех, кто все статы вкачал в компетенции и навыки.

Театр впечатлений в чистом виде.