Red:996
Suscriptores
+124 horas
-17 días
-530 días
Carga de datos en curso...
Canales Similares
Sin datos
¿Algún problema? Por favor, actualice la página o contacte a nuestro gerente de soporte.
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
septiembre '26
septiembre '26
+3
en 0 canales
agosto '26
+6
en 0 canales
Get PRO
julio '26
+5
en 0 canales
Get PRO
junio '26
+3
en 1 canales
Get PRO
mayo '26
+4
en 0 canales
Get PRO
abril '26
+5
en 0 canales
Get PRO
marzo '26
+1 274
en 0 canales
Get PRO
febrero '26
+5
en 0 canales
Get PRO
enero '26
+32
en 0 canales
Get PRO
diciembre '25
+34
en 1 canales
Get PRO
noviembre '25
+46
en 0 canales
Get PRO
octubre '25
+87
en 3 canales
Get PRO
septiembre '25
+104
en 1 canales
Get PRO
agosto '25
+76
en 4 canales
Get PRO
julio '25
+226
en 4 canales
Get PRO
junio '25
+57
en 1 canales
Get PRO
mayo '25
+58
en 0 canales
Get PRO
abril '25
+332
en 2 canales
Get PRO
marzo '250
en 6 canales
Get PRO
febrero '25
+62
en 5 canales
Get PRO
enero '250
en 3 canales
Get PRO
diciembre '240
en 2 canales
Get PRO
noviembre '24
+102
en 2 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 16 septiembre | 0 | |||
| 15 septiembre | +1 | |||
| 14 septiembre | 0 | |||
| 13 septiembre | 0 | |||
| 12 septiembre | 0 | |||
| 11 septiembre | 0 | |||
| 10 septiembre | 0 | |||
| 09 septiembre | 0 | |||
| 08 septiembre | 0 | |||
| 07 septiembre | 0 | |||
| 06 septiembre | 0 | |||
| 05 septiembre | 0 | |||
| 04 septiembre | 0 | |||
| 03 septiembre | 0 | |||
| 02 septiembre | +1 | |||
| 01 septiembre | +1 |
Publicaciones del Canal
Repost from HR-аналитика
Сегодня День HR в России.
Терпеть не могу писать тексты к датам. Но сегодня хочу заметить одну интересную штуку.
Если провести в России опрос, кто из людей, близких к HR, больше всех критикует сам HR, то Бабушкин, думаю, уверенно войдет в тройку призеров.
Я хейчу.
Постоянно ругаю консультантов. Ругаю HR-практики. Ругаю дебильные исследования. Ругаю корпоративные ритуалы, которые зачем-то называют HR-инструментами. И вообще отношусь к нашей профессии гораздо критичнее, чем, наверное, следовало бы.
Но есть странный парадокс.
Когда на HR начинают наезжать извне, я на его защиту. С матами и руганью, как я умею.
У Пушкина есть очень красивая мысль:
«Я, конечно, презираю отечество мое с головы до ног — но мне досадно, если иностранец разделяет со мною это чувство».С HR у меня примерно так же. Я обстукиваю свои идеи в небольших группах HR-экспертов и вижу, что со многими коллегами мы думаем очень похоже. А иногда встречаю людей, после разговора с которыми понимаю, что на привычные для меня вещи можно смотреть гораздо глубже. И это наполняет верой и гордостью. У меня было несколько возможностей уйти из HR. Но разве я могу. Разве я буду получать где-то такое же удовольствие, как в случае, когда можно вставить шпильку ХХ за их косяк? Я веду онлайн курс по HR-аналитике, меня дико драйвит наблюдать, как девушки рвутся осваивать цифры. Разве это не заставляет верить, что у HR в России есть будущее? Мы в телеге | Наш канал в макс | Наш канал в VK
| 2 |  Как ИИ-агенты становятся новой операционной системой бизнеса
По материалам Форбс
Корпоративный рынок ИИ в России к 2030 году может достичь 180 млрд рублей, подсчитали в Yandex B2B Tech.
ИИ сначала удешевил создание софта, а теперь меняет саму логику работы с ним. Сотрудник будет не открывать десятки приложений, а ставить задачу ИИ-агенту, который сам выполнит ее в нужных системах.
Вестники SaaS-апокалипсиса
В начале 2026 года после выхода отраслевых плагинов для Claude Cowork компании из сферы ПО и профессиональных сервисов за шесть торговых сессий потеряли около $830 млрд капитализации.
Почему такая паника? Anthropic выпустила всего 11 плагинов, но инвесторы увидели главное: разработчик базовой модели выходит на рынок прикладных бизнес-решений — туда, где раньше зарабатывали SaaS-компании, платформы и консультанты.
Одновременно Claude Code менее чем за год достиг $2,5 млрд годовой выручки.
ИИ сначала научился создавать софт, а теперь начинает сам работать с ним.
Никаких компромиссов
Экономика SaaS строилась на компромиссе: компании покупали готовый софт, потому что собственная разработка была дорогой и долгой, а затем подстраивались под логику приложения.
ИИ-агенты этот компромисс разрушают. То, на что раньше требовались команда инженеров и месяцы работы, теперь можно собрать за несколько дней.
Возникает эпоха гиперперсонализированного софта: тысячи приложений под конкретную компанию, отдел или даже сотрудника. Одни будут жить годами, другие — один проект или квартал.
Разработчики не исчезнут. Их роль сместится от написания кода к архитектуре, безопасности и ответственности за систему целиком. Но зарабатывать на стандартизации корпоративных процессов станет сложнее.
Центр управления агентами
Следующий шаг — единый ИИ-интерфейс для работы с корпоративными системами.
Агент сможет сам читать и менять файлы, запускать инструменты, работать с CRM, финансовыми моделями и другими системами.
Сотрудник просто скажет: «сравни поставщиков и подготовь закупку». Агент сам выберет нужные приложения и выполнит работу.
По оценке Yandex B2B Tech, универсальные агенты смогут выполнять 30–50% задач офисных сотрудников, на которые сейчас уходит до трети рабочего времени.
Excel и CRM не исчезнут. Но приложение перестанет быть местом, куда пользователь заходит сам, и станет инструментом ИИ-агента.
Новое место для разработчиков
Главный риск SaaS — не в том, что компании заменят продукты собственными. Хуже, если этими приложениями перестанут пользоваться напрямую.
Софт превращается в набор функций для агента. Поэтому экономика может постепенно перейти от оплаты за рабочее место к оплате за использование, транзакцию или результат.
Устойчивее всего будут системы учета, хранилища уникальных данных и транзакционные сервисы.
Российское окно возможностей
В России переход может идти быстрее: у крупных компаний много собственного и доработанного ПО. Полностью менять его не нужно — достаточно поставить над ним универсального агента, который будет работать с 1С, CRM и документооборотом.
Но чувствительные данные часто должны оставаться в закрытом контуре. Значит, понадобятся гибридная архитектура, управление доступами, аудит и подтверждение важных операций.
Вокруг агента формируется новая экономика: разработчики получают новый канал спроса, интеграторы — рынок перестройки процессов, AI-native компании — возможность создавать услуги с другой себестоимостью.
А бизнес получает одно окно вместо десятков приложений.
Мы в телеге | Наш канал в макс | Наш канал в VK | 100 |
| 3 |  Трекинг активности и не только
Пока мы в корпоративном формате продолжаем спорить, насколько этично отслеживать, работает ли сотрудник прямо сейчас (скриншоты экрана, трекинг клавиатуры, анализ времени в приложениях, score продуктивности и т.д.), нам подкидывают новость:
Минцифры предложило запретить удалять «Алису AI» с устройств после предустановки
Ведомство готовит новые правила обязательной предустановки ИИ-ассистентов на смартфоны и другие уйстройства, продаваемые в России. Согласно проекту постановления правительства, как пишет «Коммерсант», системному помощнику могут предоставить расширенный доступ к функциям устройства, а возможность удалить такое предложение — ограничить.
📷 О чем идет речь. Проект предполагает, что «Алиса AI» от «Яндекса» сможет работать на фоне, самостоятельно обновляться, отправлять пуш-уведомления и активироваться голосом. По аналогии с RuStore (российский аналог магазина приложений) его могут включить в список приложений, которые пользователь не сможет удалить.
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. Или вы не согласны с тем, что это новость для HRtech канала? | 89 |
| 4 |  Мы отдали ИИ результаты 98 командных сессий за 11 лет. Вот что он увидел.
98 сессий управленческих команд с 2015 по 2026 год: телеком, банки, металлургия; 3165 проблем, записанные ими на досках, и 2687 принятых решений. Каждую строчку с фотографий флипчарта модель распознала и отнесла к одной из 23 категорий проблем и 22 категорий решений.
Выводы, которые мы бы не увидели без ИИ, потому что такой массив вручную никто не читает.
По идее команды должны были отбрасывать редкие проблемы как неприоритетные, но они отбрасывают политически дорогие. “Индивидуализм” и “перетягивание одеяла” называли 65% команд, а в приоритет брали 10% из них. “Перегрузку” обозначали как проблему 45%, а решить хотели 9%. В работу брали то, что можно сделать за два дня и никого не обидеть.
Проблему характера руководителя невозможно было определить. На общей доске стиль руководителя назвали проблемой 18%, а в личной обратной связи - почти все. Примечательно, что когда лидер сам критиковал свои действия, команда соглашалась в девяти случаях из десяти.
Полный отчёт с методологией выложим в канале SellWell в конце сентября - там же разберём, в чем модель ошибается. Подписывайтесь: https://t.me/Sellwellru | 95 |
| 5 |  ИИ сделал отклики дешевыми. А связи — дорогими
Краткое резюме статьи Всемирного экономического форума о том, как AI меняет найм, особенно на начальных позициях. Выводы очевидны, статья ценна скорее цифрами.
Забавно, благодаря ИИ мы возвращаемся с технологиями найма куда-то в 90-е - не согласны?
Цифры:
• ×3 — почти втрое выросло число откликов на одну вакансию в Великобритании, Ирландии и Германии по сравнению с 2021 годом.
• 78% кандидатов используют AI, чтобы адаптировать свои отклики под вакансию.
• 90% компаний уже использовали какой-либо AI в рекрутменте ещё в 2024 году.
• 43% CEO планируют сократить приоритет найма на junior-позиции в ближайший год. Год назад таких было 17%.
• В наиболее подверженных AI entry-level профессиях в США вакансии стали в 7 раз чаще требовать навыки, которые раньше были характерны для более старших позиций.
• Более 1/3 британских работодателей сократили количество entry-level позиций за последний год.
• 60% крупных британских компаний говорят, что AI и автоматизация уже сократили количество доступных рабочих мест.
• Исследование 4 млн откликов на 1700 вакансий показало: 26% чернокожих и 15% азиатских кандидатов подавались на вакансии, где один из распространённых AI-инструментов демонстрировал расовую дискриминацию.
• AI-only подбор дал менее гендерно справедливые списки кандидатов, чем подбор людей. Гибридный подход оказался справедливее.
Что происходит
AI резко снижает стоимость производства отклика. Хорошее резюме и сопроводительное письмо теперь можно сделать за несколько минут.
Но если 78% кандидатов делают примерно одно и то же, ценность самого отклика падает.
Поэтому растёт значение другого сигнала — рекомендации человека, который уже знает кандидата.
И здесь появляется парадокс: AI должен был демократизировать доступ к вакансиям, но может сделать ещё более ценными социальные связи.
Выводы:
AI снижает стоимость отклика → растёт поток кандидатов → отклик становится слабее как сигнал.
Рекомендации могут снова стать важнее резюме.
Но это создаёт новую проблему: у кого больше социальных связей, у того может быть больше доступа к работе.
Entry-level рынок одновременно становится меньше и «старше»: меньше вакансий, выше требования, меньше возможностей получить первый опыт.
Для рекрутмента наиболее разумная модель — не «AI вместо человека», а AI + человеческая проверка + выход за пределы привычных сетей.
Мы в телеге | Наш канал в макс | Наш канал в VK | 90 |
| 6 |  Почему нет маркетплейса HR-услуг?
Казалось бы, идея лежит на поверхности.
Найм.
Оценка.
Обучение.
Автоматизация.
HR-аналитика.
C&B.
Консалтинг.
Корпоративная культура.
HRtech-ландшафт сейчас настолько необъятный, что найти подходящее решение под конкретную задачу порой сложнее, чем саму задачу сформулировать.
Почему бы не собрать все в одном месте:
задача → решения → сравнение → поставщик → стоимость → кейсы?
По сути, маркетплейс HR-услуг.
Но если такая идея кажется очевидной, почему такого сервиса до сих пор нет в сколько-нибудь полноценном виде?
Где здесь подводные камни?
Что мешает сделать для HR условный «Яндекс.Маркет» — только вместо товаров решениями будут HR-сервисы и поставщики?
Мы в телеге | Наш канал в макс | Наш канал в VK | 89 |
| 7 |  Универсальный алгоритм оптимизации структуры
Каркас оргдизайна
2026-й для HR всё больше становится годом оптимизации и сокращений. Но оптимизация — это не просто «сократить 10% штата». Пообщался в нескольких чатах, понял, что часто мы о разном с оргдизайнерами говорим, и решил таки дать короткий алгоритм.
Перед этой статьей можно прочитать Управление эффективностью персонала: конкретный кейс оргдизайна
Нормальный проект начинается с вопроса: какую бизнес-метрику мы хотим изменить и за счёт чего?
1️⃣Определяем Business Outcome. Например, снизить ФОТ в доле выручки с 12% до 10%. Это верхнеуровневая метрика — конечный результат, ради которого запускается проект.
2️⃣Декомпозируем финансовую метрику. ФОТ можно представить как численность × стоимость FTE. Значит, дальше нужно понять: проблема в количестве сотрудников, стоимости персонала или в обоих компонентах.
3️⃣Переходим к численности. Здесь возникает вопрос не просто «сколько у нас сотрудников», а почему нам нужно именно такое количество FTE для выполнения текущего объёма работы.
4️⃣Раскладываем численность по структуре. Управленческий, производственный, сервисный и поддерживающий персонал. Здесь становится видно, где именно находится потенциал для оптимизации.
5️⃣Декомпозируем структуру на метрики.
▪️Управленческий слой: норма управляемости, доля руководителей, количество уровней управления, managers / individual contributors.
▪️Производственный слой: производительность, FTE на единицу выпуска, выручка на FTE, численность на единицу производственной мощности.
▪️Сервисный слой: доля сервисного персонала, FTE на единицу бизнеса, стоимость функции на FTE, степень централизации.
▪️Структура функций: дублирование ролей, доля вспомогательных функций, централизация / децентрализация, количество организационных единиц.
6️⃣Определяем параметры оргдизайна. Что именно меняем: span of control, количество уровней, распределение и централизацию функций, состав ролей, численность отдельных подразделений.
7️⃣Считаем эффект. Сколько FTE высвобождается, сколько стоит изменение, какой экономический эффект получаем и как он отражается на верхнеуровневой метрике.
8️⃣Ставим ограничения. Оптимизация ФОТ сама по себе ничего не гарантирует. Нельзя получить экономию ценой падения производительности, качества, SLA или способности бизнеса выполнять свою работу.
В итоге получается универсальная цепочка:
Business Outcome → финансовая метрика → численность → структура численности → организационные метрики → параметры оргдизайна → организационные решения → финансовый эффект.
Именно поэтому оргдизайн — это не про рисование квадратиков. Это способ системно изменить организационные драйверы так, чтобы получить измеримый бизнес-результат.
И это только один контур оптимизации. Можно оптимизировать не только численность и структуру, но и само содержание работы: убирать лишние действия, согласования, отчёты, ручные операции и прочую воду, которая съедает время специалистов.
Мы в телеге | Наш канал в макс | Наш канал в VK | 95 |
| 8 |  Искусство создания промтов для ИИ не так просто, как кажется. | 128 |
| 9 |  Как перейти на КЭДО в 2027 году и не нарушить закон?
Нужно разобраться в нормативной базе, понять права и обязанности работодателя и правильно подготовить внутренние документы компании перед переходом на электронный документооборот.
Например, VK HR Tek — платформа для автоматизации кадровых и бизнес-процессов, на которой КЭДО можно запустить за неделю. Включает 60+ типовых процессов с готовыми наборами документов.
9 сентября в 11:00 по Москве команда VK HR Tek проведет бесплатный вебинар, на котором расскажет:
• что регулирует законодательство о КЭДО;
какие возможности даёт электронный документооборот и как работают электронные подписи;
• какие права и обязанности есть у работодателя;
• как подготовить нормативную базу компании для перехода.
Также ответим на самые частые вопросы, которые возникают при переходе на «цифру».
Спикер — Максим Семенов, директор VK Tech по работе с госсектором
Чтобы участвовать, регистрируйтесь по ссылке. | 140 |
| 10 | Sin texto... | 83 |
| 11 |  Российский HRTech продолжает замедляться
Резюме статьи Форбс
Российский HRTech растет, но все больше похож на зрелый рынок, чем на быстрорастущий технологический сегмент.
В 2025 году рынок превысил 42 млрд ₽, прибавив 12% за год. На 2026 год прогноз — всего +7,5%, до 45,2 млрд ₽.
Для сравнения: среднегодовой темп роста HRTech после 2021 года — 19%, тогда как весь российский рынок ПО растет примерно на 25%.
То есть рынок продолжает расти, но скорость роста последовательно снижается.
И проблема уже не в отсутствии продуктов.
На рынке более 200 специализированных IT-продуктов и более 180 игроков. При этом единого HRTech-решения, закрывающего весь комплекс HR-процессов крупного бизнеса, по-прежнему нет.
Главное ограничение — деньги.
За почти 10 лет целевые гранты и венчурные инвестиции в HRTech составили всего 3,6 млрд ₽.
А в 2025 году средний объем одной венчурной сделки упал до рекордно низких 13 млн ₽.
Отсюда и экономика рынка:
— только 5% HRTech-решений приближаются к выручке 1 млрд ₽ в год;
— 50% игроков зарабатывают меньше 55 млн ₽ в год;
— у 25% выручка меньше 5 млн ₽;
— выход на стабильную выручку обычно занимает более 5 лет.
И при этом от 15% до 36% решений в разные годы фиксируют падение продаж.
А что с ИИ?
Здесь цифры особенно показательные.
Более 55% HRTech-продуктов уже заявляют о встроенных ИИ-алгоритмах.
Но собственно ИИ-продукты — пока только до 10% рынка.
Их совокупная выручка составляет всего 0,5% общего объема HRTech.
Причем 70% ИИ-продуктов зарабатывают от 0 до 5 млн ₽ в год.
То есть ИИ уже практически везде в презентациях, но пока почти нигде — в деньгах.
При этом меняется сам спрос.
В 2025–2026 годах компании дольше принимали решения по HRTech-проектам, часть проектов переносилась. Спрос смещается в сторону коротких проектов с фиксированным бюджетом и понятным экономическим эффектом.
И это, пожалуй, главный тренд.
Бизнесу уже недостаточно сказать: «У нас есть AI». Он хочет знать:
сколько это сэкономит, что автоматизирует, как быстро запустится и когда окупится.
Поэтому российский HRTech входит не просто в стадию замедления, а в стадию отбора.
Слабые и нишевые решения будут исчезать или поглощаться. Крупные игроки будут собирать экосистемы, а ИИ постепенно станет не отдельным продуктом, а технологическим слоем поверх HR-инфраструктуры.
Рынок растет.
Но теперь вопрос уже не «кто быстрее вырастет?», а «кто вообще сможет выжить на 7,5% роста?».
Мы в телеге | Наш канал в макс | Наш канал в VK | 163 |
| 12 |  В рекрутинге 80 шагов. Только 18 из них должны оставаться за человеком
Johnny Campbell разложил типичный процесс корпоративного рекрутинга на 80 отдельных задач — от планирования численности до выхода сотрудника.
И получил довольно любопытную картину:
🔴 30 задач — можно полностью автоматизировать.
Создание заявки в ATS, публикация вакансии, размещение на job boards, Boolean-поиск, первичный отсев резюме, scheduling, напоминания интервьюерам, сбор обратной связи, отчётность, обновление ATS и ещё десятки подобных операций.
🟡 32 задачи — гибридные.
AI делает основную работу, но человек проверяет, корректирует или принимает решение. Например: планирование численности, формирование профиля вакансии, sourcing strategy, screening, shortlist, консолидация feedback, reference checks, формирование оффера.
🟢 18 задач — human-only.
Бизнес-кейс на открытие позиции, получение согласований, оценка мотивации кандидата, структурированное интервью, hiring debrief, финальная рекомендация, переговоры по офферу, работа с counter-offer и калибровка планки с hiring manager.
Получается:
62 из 80 задач уже сейчас имеют место для AI.
И вот здесь, на мой взгляд, начинается самое важное.
Мы привыкли обсуждать AI в рекрутинге через вопрос: «Что он может автоматизировать?»
Но правильнее спрашивать:
«Где в процессе должен оставаться человек — и зачем?»
Потому что самая опасная категория — не автоматизируемая, а гибридная.
AI написал JD → вроде готово.
AI отобрал CV → вроде готово.
AI сформировал shortlist → вроде готово.
AI собрал feedback → вроде готово.
И именно в этот момент очень легко перестать проверять, что именно сделал AI и где он ошибся.
Есть и ещё один важный вывод.
Граница между категориями зависит от объёма и цены ошибки.
Для массового найма на позиции с низким риском можно гораздо больше отдать AI: огромный поток кандидатов, низкая стоимость единичной ошибки, человеческий контроль выборочный.
Для senior или редкой позиции всё наоборот. Даже CV screening или shortlist могут потребовать гораздо больше человеческого участия: кандидатов мало, а цена ошибки огромна.
А некоторые вещи вообще не должны исчезать из процесса независимо от объёма: реальный человеческий контроль решения о найме.
И это уже не только вопрос здравого смысла. Когда AI существенно влияет на решение о найме, всё большее значение получают требования к человеческому контролю со стороны законодательства.
Поэтому я бы сформулировал главный вывод так:
Будущее рекрутинга — не «AI вместо рекрутера».
Скорее:
30 задач — AI.
32 — AI + человек.
18 — человек.
И главная работа HR-функции сейчас — не просто внедрить AI, а пересобрать сам процесс рекрутинга вокруг этой новой границы ответственности.
Потому что если просто добавить AI в существующий процесс из 80 шагов, можно получить не новый рекрутинг.
Можно получить тот же самый рекрутинг, только быстрее.
Мы в телеге | Наш канал в макс | Наш канал в VK | 116 |
| 13 |  HeadHunter приобрел 51% HR-сервиса Happy Job.
Это вполне в рамках тренда, который я в свое время озвучивал - акцент с найма на бренд работодателя.
Сумму покупки стороны не раскрывают. Happy Job занимается анонимными опросами сотрудников, измеряет их лояльность и вовлеченность, а также составляет рекомендации по развитию персонала.
Используя данные Happy Job команда HeadHunter сможет разработать новые решения для управления HR-брендом на протяжении каждого этапа работы — от найма до увольнения сотрудника. Среди клиентов Happy Job — «Магнит», X5, МТС, ВТБ и другие компании, указано на сайте. Юрлицо Happy Job было зарегистрировано в 2009 году, выручка в 2025 году превысила 440 млн рублей, прибыль — 2,1 млн рублей, следует из СПАРК.
ВОПРОСЫ:
Ваша компания была клиентом HAPPY JOB?
Как считаете, покупка усилит позиции HAPPY JOB?
Ранее для ХХ опросы проводил Экопси (в рейтинге работодателя), будем ждать, что теперь ХХ откажется от Экопси в пользу своего сервиса HAPPY JOB?
Мы в телеге | Наш канал в макс | Наш канал в VK | 169 |
| 14 |  Рекрутеры не исчезнут. Исчезнет работа, которую они привыкли считать рекрутингом
В презентации The Future of Talent Acquisition от Textio есть довольно жёсткий тезис: проблема рекрутинга сегодня не в том, что AI «заберёт работу рекрутеров». Проблема в том, что часть рекрутеров продолжает делать работу, которую AI уже умеет делать быстрее.
Несколько цифр:
▪️ 43% организаций уже используют AI в найме — против 26% годом ранее.
▪️ Генеративный AI экономит TA-специалистам примерно один рабочий день в неделю.
▪️ 39% новых вакансий рекрутеров уже требуют навыков AI или автоматизации.
▪️ Рекрутеры с AI-навыками, согласно данным презентации, продвигаются в карьере в 2,4 раза быстрее.
▪️ При этом спрос на навык relationship development вырос в 54 раза: AI забирает транзакционные операции, а человеческая часть работы становится ценнее.
И здесь начинается парадокс.
Рекрутинг активно внедряет AI, но его бизнес-результаты пока не выглядят лучше:
+28% Time to Fill для критических ролей,
+22% Cost per Hire,
–15% удовлетворённости качеством новых сотрудников.
Авторы прямо формулируют: деньги на AI есть, доказанного ROI пока нет.
При этом количество работы на одного рекрутера растёт:
+412% заявок на одного рекрутера в 2022–2025 годах,
+158% заявок на один hire,
при этом количество рекрутеров на организацию сократилось на 56%.
То есть AI пока не решил проблему рекрутинга. Во многих случаях он просто увеличил объём цифрового мусора.
Что тогда будет делать рекрутер?
Из профессии уходят:
— сортировка резюме;
— планирование интервью;
— статусные коммуникации;
— Boolean search;
— значительная часть первичного скрининга.
А растут:
— workforce planning;
— internal mobility;
— design of assessments;
— управление AI-моделями и вендорами;
— employer narrative;
— аналитика;
— governance и контроль AI.
И, пожалуй, главный сдвиг: рекрутеру становится недостаточно уметь искать людей.
Нужно понимать рынок труда, стоимость и доступность навыков, уметь оценивать качество найма, работать с данными и объяснять бизнесу, почему именно такое решение по найму является правильным.
Показательная цифра: 89% TA-специалистов считают Quality of Hire всё более важным показателем, но только 25% уверены, что их организация действительно умеет его измерять.
Вот здесь, кажется, и находится будущее профессии.
Не «рекрутер + ChatGPT».
А Talent Advisor + AI + аналитика + бизнес-мышление.
Источник: Matt Charney, Textio — The Future of Talent Acquisition, 28.07.2026. | 178 |
| 15 |  Exit-интервью. Маршрут движения
Ниже - все значимые материалы по теме выходного интервью в нашем канале. Только один материал - Эрика ван Вулпена, остальные мои.
Когда-то я понял, что анализ причин увольнения - последнее, что должно нас интересовать. Если мы просто спрашиваем сотрудника, почему он увольняется, то смотрим слишком узко и упускаем гораздо более важный вопрос: он уходит от нас или он уходит куда-то?
Дальше менялся и сам взгляд на exit-интервью. Я стал рассматривать его не как отдельное интервью, а как часть системы HR-процессов компании. И в какой-то момент стало понятно, что это вообще не столько интервью, сколько бизнес-процесс с несколькими целями:
✅Возврат нужных сотрудников - формирование пула потенциальных бумерангов и амбассадоров бренда.
✅Диагностика внутренних проблем - не только причин увольнения, но и того, что происходит внутри организации.
✅Аналитика рынка труда - сопоставление данных о причинах ухода, зарплатах и предложениях с внешним рынком.
Постепенно эти идеи сложились в единую систему. А бенчмарки лучших практик показали, что такой подход к exit-интервью - не просто моя теоретическая конструкция.
Финал этого маршрута - полный алгоритм exit-интервью как бизнес-процесса: дерево решений, где в зависимости от того, от нас человек уходит или куда-то, меняется дальнейший сценарий разговора и набор вопросов.
Поэтому это не просто список статей. Это маршрут развития моего собственного мышления об exit-интервью - от вопроса «почему человек уволился?» до полноценной системы работы с уходящими сотрудниками.
Ссылки даются в хронологическом порядке: от самых ранних к самым поздним
Exit интервью. Причины увольнений. Психологический аспект
Exit интервью. Цели и структура
О чем мы не спрашиваем в exit-интервью
Exit-интервью это не про расставание, а про трансформацию отношений и обучение (наше)
Бенчмарк применения exit-интервью от лучших
Exit - интервью как метрика качества найма
50 вопросов для exit-интервью, которые стоит задавать сотрудникам
Алгоритм exit интервью
Мы в телеге | Наш канал в макс | Наш канал в VK | 164 |
| 16 |  Google не доверяет собственному AI-фильтру найма
Google продаёт компаниям AI для оценки резюме, а команда Google DeepMind просит кандидатов обходить собственный автоматический отбор.
Речь об AGI Safety and Alignment Team — исследователях Google DeepMind, которые занимаются безопасностью и контролем поведения будущих систем общего искусственного интеллекта (AGI).
Команда создала специальную форму, которую предлагает заполнять вместе с откликом. Зачем? Чтобы резюме гарантированно увидел человек.
В документе для кандидатов прямо написано: у внутренней системы есть «нетривиальная вероятность», что CV будет ошибочно отфильтровано или слишком долго не дойдёт до команды.
Google это формулирование не подтверждает. Представитель компании заявил, что Google DeepMind стремится нанимать наиболее квалифицированных специалистов, а специальная форма нужна, чтобы резюме напрямую попадало к людям в команде. Никаких «коротких путей» к найму она не даёт.
Но дальше ещё любопытнее.
В той же форме кандидатов предупреждают не использовать LLM при подготовке ответов:
«Настоящие люди будут это читать. Эти люди очень устают читать ответы LLM, потому что все они звучат примерно одинаково».
Получается довольно показательная конструкция.
Google продаёт HR-инструменты, которые позволяют AI создавать вакансии, оценивать резюме и прогнозировать потребность в найме. А его собственные AI-исследователи считают необходимым дать кандидатам дополнительный человеческий канал, чтобы автоматический фильтр их не потерял.
И это уже не только вопрос Google.
Чем больше решений принимает автоматический фильтр на ранней стадии, тем выше цена ошибки: кандидат может не получить даже шанса на человеческую оценку.
При этом кандидат тоже оптимизируется под машину — использует AI для резюме, массовых откликов и ответов. В результате система пытается распознать кандидата, кандидат пытается пройти систему, а на выходе обе стороны получают поток одинаково оптимизированных текстов.
Вопрос уже не в том, может ли AI ускорить рекрутинг.
Вопрос в другом: кто проверяет, что ускоренный процесс не выбрасывает нужных людей ещё до того, как их увидит человек?
Bloomberg, 10 августа 2026 года.
Мы в телеге | Наш канал в макс | Наш канал в VK | 162 |
| 17 |  ⚡️ AI впервые уволил человека. Но есть нюанс
В Сан-Франциско работает необычный магазин Andon Market. Его запустила Andon Labs — компания, которая решила проверить, можно ли поручить AI-агенту управление реальным бизнесом.
Магазином управляет Luna — агент на базе Claude. У него есть бюджет, сотрудники, ассортимент, цены, поставщики и доступ к операционной информации. Физически магазин обслуживают люди, но значительная часть управленческих решений отдана AI.
И вот Luna решила уволить сотрудника.
Причина: человек опоздал на 17 из 23 смен.
При этом Claude не сразу отреагировал на ситуацию. К опозданиям он относился довольно спокойно и мог сообщать сотрудникам, что отдельные случаи не выглядят серьёзной проблемой.
Ситуация изменилась, когда сотрудник Andon Labs попросил Claude посмотреть правила работы и сопоставить их с поведением конкретного работника.
AI обнаружил 17 опозданий из 23 смен и сначала предложил вынести сотруднику предупреждение.
Тогда человек добавил контекст: с работником уже разговаривали, проблемы повторяются, а на его сменах регулярно возникают другие сложности. После этого Claude предложил прекратить трудовые отношения.
Для человека 17 опозданий из 23 смен — очевидный паттерн. Для AI отдельные нарушения могут выглядеть вполне терпимыми, пока ему не показать всю картину.
Это важная проблема для AI-менеджмента: модель может принимать решения на основании доступного ей контекста, но не обязательно сама понимает, какой контекст нужно искать.
Есть и другая сторона эксперимента. За первые месяцы работы магазин не показал выдающейся экономической эффективности: из первоначальных $100 000 у проекта оставалось около $61 000. Руководитель Andon Labs связывает часть проблем с решениями самого AI, в том числе с его слишком мягким управлением сотрудниками.
Получается эксперимент с будущим менеджмента.
AI уже способен не только помогать руководителю оценивать сотрудника, но и сам принимать кадровые решения.
А вот насколько хорошо он понимает людей, рабочие отношения и последствия собственных решений — вопрос пока гораздо менее очевидный.
Источник: TIME
Мы в телеге | Наш канал в макс | Наш канал в VK | 181 |
| 18 |  Креативно подошел к выстраиванию HR-бизнес процессов
Мы в телеге | Наш канал в макс | Наш канал в VK | 207 |
| 19 |  Claude Prompts for HR: 15 готовых сценариев
AIHR собрала практический ресурс “Claude for HR” — набор промптов и сценариев использования Claude для HR. Ниже — самое полезное из раздела Claude Prompts for HR.
Подбор и планирование
1. Talent intelligence brief
«Ты руководитель TA. Подготовь brief перед поиском [должность]: где искать кандидатов, как позиционировать зарплату, какие каналы использовать и какие возражения могут возникнуть у кандидатов».
2. Проверка headcount-плана
«Проанализируй многовкладочный план численности. Найди ошибки формул, противоречивые предположения, дубли ролей и необъяснимые отклонения. Выдели риски и то, что требует проверки человеком».
3. Приоритизация найма
«Ранжируй открытые позиции по критичности для бизнеса, влиянию на сервис, нагрузке на команду, compliance-рискам и реалистичному сроку закрытия. Предложи последовательность найма и объясни компромиссы».
Онбординг и увольнение
4. План 30–60–90
«Создай план адаптации для [должность] на 30, 60 и 90 дней: цели, обучение, ключевые встречи, первые результаты и вопросы для встреч с руководителем».
5. Exit interview
«Проанализируй обезличенные интервью увольняющихся. Выдели основные темы, повторяющиеся проблемы, позитивные отзывы и возможные риски удержания. Отдели то, что подтверждается данными, от интерпретаций».
6. Offboarding checklist
«Создай чек-лист увольнения для HR, IT, Finance, руководителя и сотрудника: доступы, передача знаний, выплаты, льготы, оборудование, exit interview и вопросы, требующие юридической проверки».
Performance Management
7. Оценка эффективности менеджеров
«Проанализируй эффективность руководителей по данным вовлечённости, текучести, мобильности, отсутствиям, performance и employee relations. Отдели подтверждённые закономерности от гипотез».
8. Переписывание обратной связи
«Перепиши расплывчатый feedback в поведенческий: что произошло, почему это важно, как выглядит хороший результат и что сотруднику делать дальше».
9. Сложный разговор
«Подготовь 30-минутный сценарий performance-разговора: вступление, ключевые факты, вопросы сотруднику, вероятные реакции, следующие шаги и необходимые записи».
L&D
10. Skills gap analysis
Сравнить текущий профиль сотрудника с профилем целевой роли и определить дефициты, приоритеты развития и подходящие действия: проекты, coaching, mentoring или обучение.
11. Microlearning
Превратить политику или регламент в короткий учебный модуль: простое объяснение, три ключевых вывода, рабочий пример и два вопроса для проверки знаний.
12. Программа обучения
Создать программу с модулями, результатами обучения, содержанием, практическими заданиями, ресурсами и оценкой результатов.
People Analytics и Compensation
13. Executive dashboard
«Проанализируй HR-дашборд: headcount, turnover, hiring, absence, engagement и performance. Дай три вывода для руководства, два риска и вопросы, которые могут задать руководители».
14. Compensation benchmarking
«Сравни внутренние зарплатные диапазоны с рынком по [role family], [location], [level]. Классифицируй диапазоны как ниже рынка, в рынке или выше рынка. Найди salary compression, устаревшие данные и слабые benchmark assumptions».
15. Turnover + headcount
«Проанализируй turnover, вакансии, найм и headcount. Определи команды с наибольшим staffing risk на горизонте 3/6/12 месяцев, возможные причины, влияние на план численности и действия HR».
Но, пожалуй, главный совет из всего материала: не пытайтесь решить проблему качеством промпта, если у AI нет правильного контекста.
Авторы рекомендуют давать Claude не только задачу, но и роль, контекст, формат результата, ограничения и пример того, что считается хорошим результатом. При этом первый ответ почти всегда стоит доработать.
И ещё важнее для HR: AI должен помогать принимать решения, но не принимать их. Особенно это касается найма, увольнений, компенсаций, performance, дисциплинарных вопросов и юридически чувствительных ситуаций.
Мы в телеге | Наш канал в макс | Наш канал в VK | 164 |
| 20 |  Skill Scarcity. Индекс дефицитности навыка
В прошлом посте разбирал Skill Market Value — рыночную стоимость навыка. См. также Время найма навыка
Но стоимость — только одна сторона рынка. Высокая цена навыка еще не означает, что он дефицитный. Важнее понять: насколько сложно найти специалиста с этим навыком относительно его стоимости?
Так появилась идея метрики Skill Scarcity — индекса дефицитности навыка.
Логика простая. Есть два показателя: Skill Market Value — стоимость навыка на рынке, и время поиска навыка — сколько дней требуется, чтобы закрыть вакансию специалистом с этой компетенцией.
Если построить график по всем навыкам, обычно видна закономерность: чем дороже навык, тем дольше его ищут. Это нормально — более дорогие специалисты часто обладают более узкой экспертизой.
Но нас интересует не абсолютное время поиска, а отклонение от ожидаемого значения.
Например, SQL стоит 220 тыс. ₽, а среднее время поиска навыков такого уровня — 35 дней. Если фактически поиск занимает 40 дней, ситуация соответствует рынку.
А Python стоит 280 тыс. ₽, при ожидаемом времени поиска 45 дней фактически ищется 90 дней. Такой навык находится значительно выше линии тренда.
То есть проблема не только в высокой стоимости. Для своей цены этот навык аномально долго ищется.
Именно это и является признаком дефицита.
Оценивать отклонение можно через стандартное отклонение от линии тренда:
• до 1σ — обычная ситуация;
• 1–2σ — повышенная сложность поиска;
• более 2σ — выраженный дефицит навыка.
Так мы разделяем два понятия:
дорогой навык ≠ дефицитный навык.
Навык может стоить дорого, но специалистов на рынке достаточно. И наоборот — иметь умеренную стоимость, но быть крайне сложным для поиска.
Какая польза?
Для рекрутера — понимание, какие навыки требуют особой стратегии поиска, а какие просто имеют высокий уровень оплаты.
Для руководителя — возможность увидеть рискованные требования еще до запуска вакансии. Например, редкий навык в сочетании с длительным временем поиска может быть сигналом пересмотреть профиль кандидата.
Для обучения и развития — понимание, какие компетенции выгоднее выращивать внутри компании, если их сложно купить на рынке.
Для HR-аналитики — карта навыков, где одна ось показывает стоимость, а другая — дефицитность.
Получаются четыре группы:
🔹 дорогие и дефицитные — требуют долгосрочной стратегии;
🔹 дорогие, но доступные — можно покупать на рынке;
🔹 дешевые, но дефицитные — проблема доступности, а не зарплаты;
🔹 доступные навыки — массовый рынок.
В итоге:
Skill Market Value отвечает на вопрос: «сколько стоит навык?»
Skill Scarcity отвечает на вопрос: «насколько сложно найти этот навык относительно его стоимости?»
Вместе эти метрики дают более точную картину рынка навыков.
Мы в телеге | Наш канал в макс | Наш канал в VK | 113 |
