Red:1 000
Suscriptores
Sin datos24 horas
-37 días
-1230 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
agosto '26
agosto '26
+6
en 0 canales
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 | |
| 27 agosto | +2 | |||
| 26 agosto | 0 | |||
| 25 agosto | 0 | |||
| 24 agosto | 0 | |||
| 23 agosto | 0 | |||
| 22 agosto | 0 | |||
| 21 agosto | 0 | |||
| 20 agosto | 0 | |||
| 19 agosto | 0 | |||
| 18 agosto | 0 | |||
| 17 agosto | +1 | |||
| 16 agosto | 0 | |||
| 15 agosto | 0 | |||
| 14 agosto | 0 | |||
| 13 agosto | 0 | |||
| 12 agosto | +1 | |||
| 11 agosto | 0 | |||
| 10 agosto | 0 | |||
| 09 agosto | +1 | |||
| 08 agosto | 0 | |||
| 07 agosto | +1 | |||
| 06 agosto | 0 | |||
| 05 agosto | 0 | |||
| 04 agosto | 0 | |||
| 03 agosto | 0 | |||
| 02 agosto | 0 | |||
| 01 agosto | 0 |
Publicaciones del Canal
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
| 2 |  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 | 68 |
| 3 |  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 | 116 |
| 4 |  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. | 127 |
| 5 |  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 | 125 |
| 6 |  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 | 131 |
| 7 |  ⚡️ 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 | 142 |
| 8 |  Креативно подошел к выстраиванию HR-бизнес процессов
Мы в телеге | Наш канал в макс | Наш канал в VK | 171 |
| 9 |  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 | 138 |
| 10 |  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 | 90 |
| 11 |  Vibe coding для рекрутера: 5 инструментов, которые можно собрать за день
Это резюме перевода статьи. Полный перевод по ссылке Вайб кодинг для технических рекрутеров: 5 инструментов, которые можно создать уже сегодня
Vibe coding — это когда вы описываете обычным языком, какой инструмент вам нужен, а AI собирает работающий прототип.
Для рекрутера здесь интересен не сам факт, что «теперь можно программировать без программиста». Интереснее другое: можно наконец сделать небольшие инструменты под собственный процесс, а не ждать, пока нужная функция появится в ATS.
Вот пять вариантов, которые действительно могут пригодиться.
1. Карта технологического стека
Берём текст вакансии и получаем не портянку из Java, Kafka, PostgreSQL, Kubernetes и Docker, а структурированную схему: язык → фреймворки → базы → инфраструктура → CI/CD.
Зачем?
Чтобы техническому рекрутеру понимать, что за инженерная работа стоит за набором технологий.
Например, «Senior Go Developer, Kubernetes, Kafka, PostgreSQL» превращается из набора ключевых слов в понятную конструкцию: что с чем связано и зачем используется.
2. Candidate Pack
Не очередной PDF «Вакансия: обязанности, требования, мы предлагаем», а нормальная страница для кандидата.
Кто руководитель. Кто будет в команде. Что именно предстоит делать. Какие технические задачи решать. Как устроен процесс интервью. Какие реальные условия и компенсация.
Причём такой пакет можно собрать один раз как шаблон и дальше быстро адаптировать под каждую вакансию.
Это уже не автоматизация рекрутера, а улучшение самого продукта, который рекрутер продаёт кандидату.
3. Генератор вопросов для технического скрининга
Вводим стек и уровень специалиста.
Получаем не «Расскажите про опыт с Kubernetes?», а вопросы про реальные инженерные компромиссы:
монолит или микросервисы;
SQL или NoSQL;
serverless или контейнеры.
Плюс подсказка: что обычно говорит сильный специалист и как звучит заученный ответ.
Для рекрутера это может быть гораздо полезнее очередного теста на знание терминов.
4. Структурированный debrief
Небольшое приложение для обсуждения кандидата после интервью.
Каждый участник независимо ставит оценку, например от 1 до 4. Пока все не проголосовали, оценки скрыты. Потом они появляются одновременно.
И самое интересное — не средняя оценка, а разброс.
Если один интервьюер поставил 1, а другой 4 — вот это уже повод поговорить.
Очень простой инструмент. Но именно такие инструменты иногда работают лучше «революционных AI-платформ».
5. Генератор kickoff
После встречи с hiring manager рекрутер получает не набор разрозненных заметок, а первый черновик:
— описание вакансии;
— профиль кандидата;
— критерии оценки;
— вопросы для интервьюеров;
— спорные или неясные требования, которые нужно уточнить.
То есть вместо «пришлите ещё раз профиль вакансии» можно прийти на встречу с позицией:
«Вот как я понял вашу задачу. Давайте уточним».
И, пожалуй, это главное преимущество vibe coding.
Не надо пытаться создать новый ATS.
Не надо хранить там кандидатов.
Не надо автоматизировать всё подряд.
Можно просто взять одну маленькую проблему, которая бесит вас каждую неделю, и за день сделать под неё собственный инструмент.
Хороший vibe coding — это не когда рекрутер написал приложение. Это когда после него рекрутеру действительно стало удобнее работать.
Мы в телеге | Наш канал в макс | Наш канал в VK | 131 |
| 12 |  Рекрутинговые агентства: они всё-таки умирают?
The Talent Labs опубликовала Recruitment Agency Trends Report 2026 — исследование взаимодействия компаний и рекрутинговых агентств.
Основная задача исследования — оценить характер взаимоотношений компаний и рекрутинговых агентств и понять, как меняется роль агентств в найме: сокращается ли она или агентства просто переходят к более точечному использованию.
Выборка: 137 специалистов и руководителей Talent Acquisition.
Дата: июль 2026 года.
Как компании нанимают
52% — преимущественно прямой найм + периодическое использование агентств.
26% — практически полностью прямой найм.
16% — сбалансированное сочетание прямого найма и агентств.
3% — сильно зависят от агентств.
3% — RPO-led / outsourced model.
По объему участия агентств:
60% компаний использовали агентства максимум в 10% наймов за последние 12 месяцев.
При этом только 11% вообще не использовали агентства.
Что происходит с использованием агентств
За последние 12–24 месяца:
42% — сократили использование агентств.
40% — ничего существенно не изменили.
7% — увеличили использование.
11% — стали более избирательными: меньше поставщиков, более контролируемое использование.
Для каких задач компании обращаются к агентствам
32% — сложные и дефицитные позиции.
18% — senior и executive recruitment.
16% — interim / contract hiring.
13% — срочный найм.
10% — международный найм.
8% — пики нагрузки или нехватка внутренних ресурсов.
За что компании считают агентства ценными
28% — доступ к труднодоступным кандидатам.
21% — информация о рынке и зарплатах.
20% — качественные и релевантные shortlist'ы.
13% — увеличение скорости найма.
12% — снижение нагрузки на внутреннюю команду.
И только 3% считают, что агентства дают мало дополнительной ценности по сравнению с собственной TA-функцией.
Что агентствам нужно улучшить
27% — лучше понимать бизнес, культуру и EVP клиента.
21% — повысить качество и релевантность кандидатов.
19% — повысить стабильность сервиса и результата.
18% — давать больше рыночной информации и ценности за пределами CV.
Коммерческая модель и стоимость услуг при этом оказались далеко не главным запросом.
Что будет дальше
50% ожидают, что использование агентств в следующие 12–24 месяца останется примерно на нынешнем уровне.
27% ожидают снижения.
15% станут более избирательными.
И только 3% ожидают перехода к более широким моделям outsourcing — RPO/MSP.
При этом 97% респондентов считают агентства ценными в рамках общей стратегии найма.
Вывод
Модель действительно меняется.
Агентства перестают быть универсальным каналом закрытия вакансий. Внутренний TA становится сильнее, прямой поиск используется чаще, а агентства подключают точечно — прежде всего там, где нужны специализированная экспертиза, доступ к дефицитному рынку или решение сложной задачи.
Но вывод о смерти рекрутинговых агентств из этих данных сделать довольно сложно.
Умирают они уже лет десять. А 97% почему-то всё ещё считают их полезными.
Похоже, проблема не в смерти агентств, а в постепенной смерти модели «пришлём вам десять CV — с нас хватит».
Мы в телеге | Наш канал в макс | Наш канал в VK | 135 |
| 13 |  Правила написания постов в интернете
Автор проанализировал 10 000 постов 200 крупных авторов LinkedIn и обнаружил, что большинство используют примерно одни и те же приемы.
Вот инструкция, если вдруг вы тоже решили стать экспертом по интернету.
1️⃣Начинайте с категоричного утверждения.
46,8% постов начинаются с абсолютного утверждения: «все», «никто», «никогда», «единственный способ».
59% используют подобную лексику хотя бы раз внутри текста.
«Некоторые менеджеры плохо поддерживают сотрудников» — скучно.
«Большинство менеджеров поддерживают вас только пока вы им полезны» — уже можно спорить.
2️⃣Напугайте читателя.
Страх встречается в 20,9% постов и связан с примерно +7,8 пунктами в рейтинге автора.
Потеря денег. Карьеры. Работы. Возможности. Видимости.
Человек должен сначала подумать: «А вдруг это про меня?»
3️⃣Назначьте виноватого.
В 14,7% постов есть враг: рекрутеры, менеджеры, HR, компании, алгоритмы, система образования.
Сложную проблему удобно объяснять через одного плохого человека.
4️⃣Обещайте что-нибудь бесплатно.
44,2% постов предлагают шаблон, чек-лист или другой полезный материал в обмен на комментарий, подписку или сообщение.
Самый популярный вариант — «напишите YES, и я пришлю».
Такие посты встречаются в 46,3% выборки и оказались самым результативным приемом.
5️⃣Говорите с читателем на «ты».
В 96,7% постов есть «you» или «your».
Не «специалисты стали реже получать ответы», а:
«Вы отправляете больше откликов и получаете меньше ответов».
Разница небольшая, но работает.
6️⃣Покажите большое число.
27,8% постов используют впечатляющие цифры: «400 клиентов», «рост зарплаты на 40%», «в 10 раз выше рынка».
Проверить их обычно невозможно.
7️⃣Добавьте фотографию.
84,3% постов содержат изображение.
Средний рейтинг постов с изображениями — 52,2, с текстом — 45,6.
А вот две и более картинки работают хуже одной: 36,6 против 51,3.
8️⃣Не пытайтесь объяснить, почему ваш пост стал вирусным.
У типичного автора 10% лучших постов дают 28,6% всего engagement, а 25% лучших — 51,5%.
То есть большая часть успеха сосредоточена в нескольких публикациях.
Иногда это хорошая формула.
Иногда — удачный бросок кубика.
9️⃣Не используйте искусственную срочность.
«Осталось 24 часа», «последние три места», «только сегодня» — единственный из изученных приемов, который оказался связан с ухудшением результата: примерно −5,5 пункта.
Вероятно, потому что люди уже научились его узнавать.
И это, пожалуй, главный вывод исследования.
Прием перестает работать в тот момент, когда становится заметен как прием.
Мы в телеге | Наш канал в макс | Наш канал в VK | 146 |
| 14 |  Юридические риски использования сотрудниками ИИ в работе ложатся на работодателя. Избежать их можно при помощи трудовых договоров и должностных инструкций.
19 августа в 11:00 приглашаем на вебинар, где разберем, как использование ИИ сотрудниками стало новым трудовым и юридическим риском и как закрыть его конкретными документами и формулировками.
Что обсудим:
⏺️как ИИ стал трудовым риском;
⏺️конфиденциальную информацию и коммерческую тайну: что сотрудники загружают в нейросети и можно ли считать это разглашением;
⏺️ответственность работника, как правильно ограничить использование публичных моделей;
⏺️права на результаты, созданные с использованием ИИ: кому принадлежат права, когда нужны служебные задания, как оформить права работодателя, как снизить риски нарушений прав третьих лиц;
⏺️контроль качества работы сотрудника: кто отвечает за результат; как выстроить уровни проверки;
⏺️документы компании: что прописать в трудовом договоре и должностных инструкциях, нужна ли политика использования ИИ и изменения в положение об информационной безопасности.
Спикер: Юлия Сычева, управляющий партнер LUMIERES Legal, эксперт с 20-летним стажем в сфере интеллектуальной собственности, ИИ-комплаенса и ТМТ.
📆 19 августа, 11:00 (онлайн)
Длительность: 1 час 20 минут – с возможностью задать вопросы эксперту в прямом эфире.
⏺️Регистрация на вебинар по ссылке!
Количество мест ограничено. | 170 |
| 15 |  Skill Market Value. Рыночная стоимость навыка
После метрики «Время найма навыка» пошел дальше.
Если мы можем измерить, сколько времени занимает поиск навыка, следующий вопрос: а какова рыночная стоимость этого навыка?
Так появилась идея метрики Skill Market Value — рыночной стоимости навыка. Эта идея ложится в логику skill-based подхода — одного из главных направлений развития современного HR. Мы начинаем анализировать рынок через конкретные навыки. Не «сколько стоит HR-аналитик», а:
сколько сегодня стоит SQL?
сколько стоит Python?
Как это посчитать?
Берем все вакансии, где есть конкретный навык.
Например, хотим оценить стоимость Excel.
Есть вакансия HR-аналитика, где в требованиях указан Excel.
На нее откликнулось 10 человек. После первичного отбора до собеседования дошли 5 кандидатов.
Их зарплатные ожидания: 130 тыс. ₽, 145 тыс. ₽, 150 тыс. ₽, 160 тыс. ₽, 180 тыс. ₽.
Медианное значение — 150 тыс. ₽.
Но одной вакансии недостаточно. Берем другие вакансии, где требуется этот навык.
Например, бизнес-аналитик с Excel.
На нее откликнулось 20 человек, до собеседования дошли 8 кандидатов. Их зарплатные ожидания: 140 тыс. ₽, 150 тыс. ₽, 155 тыс. ₽, 160 тыс. ₽, 170 тыс. ₽, 180 тыс. ₽, 190 тыс. ₽, 220 тыс. ₽.
Дальше объединяем всех кандидатов, которые прошли фильтр релевантности:
5 кандидатов с вакансии HR-аналитика + 8 кандидатов с вакансии бизнес-аналитика.
Всего — 13 специалистов.
И считаем медианное зарплатное ожидание этих кандидатов.
Это и есть оценка стоимости навыка Excel на рынке.
✅Почему именно кандидаты после собеседования?
Это фильтр. Если брать всех откликнувшихся, мы получим много нерелевантных людей: случайные отклики, кандидатов без нужного опыта или с другим уровнем компетенций. Специалисты, дошедшие до собеседования, уже прошли первичную проверку и лучше отражают реальный рынок людей с этим навыком. Конечно, в модели нужно учитывать больше факторов:
• уровень специалиста;
• опыт работы;
• регион;
• отрасль;
• сочетание навыков;
• дефицитность компетенции.
Но базовая логика такая: Стоимость навыка = медианное зарплатное ожидание кандидатов, прошедших отбор на вакансии, где этот навык является требованием.
✅Какая от этого польза?
Для рекрутера
Какие навыки сложно найти, но и какие навыки делают найм дороже. Например, поиск специалиста с SQL может быть одновременно более долгим и более дорогим, чем поиск специалиста с Excel.
Для руководителя
Какие требования к вакансии сильнее всего влияют на стоимость кандидата. Иногда добавление одного редкого навыка существенно меняет бюджет найма.
Для обучения и развития
Если навык дорогой на внешнем рынке, а компании он нужен постоянно, возможно, выгоднее развивать его внутри. Так появляется еще один инструмент для определения приоритетов upskilling.
📌Для проектирования новых вакансий
Конструктор стоимости вакансии. Сегодня мы обычно начинаем с должности:
«Нам нужен HR-аналитик».
Но за каждой должностью стоит набор навыков. HR-аналитик:
Excel + Power BI + SQL + Python + статистический анализ.
Если мы знаем стоимость отдельных навыков, можно примерно оценить, как набор требований влияет на стоимость такого профиля.
+ SQL — меняется рынок кандидатов.
+ Python — увеличивается стоимость поиска.
Убираем необязательный редкий навык — возможно, расширяем воронку и снижаем стоимость найма. То есть еще до публикации вакансии можно задавать вопросы:
Какие требования делают вакансию дорогой?
Какие навыки действительно нужны?
Какие компетенции дешевле развить внутри, чем покупать на рынке?
Конечно, это не точный расчет будущей зарплаты кандидата.
Это приблизительная модель стоимости skill-профиля вакансии.
📌Для HR-аналитики
Можно строить рейтинг самых дорогих навыков, отслеживать динамику их стоимости и видеть, как меняется рынок труда.
Рынок постепенно движется от профессий к навыкам.
И тогда появляются новые вопросы:
Сколько сегодня стоит SQL?
Сколько стоит Python?
Сколько стоит конкретная технология или компетенция?
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. На диаграмме реальные данные одной компании за период 2023-2026 | 143 |
| 16 |  Расхламляемся - HR-тренд 2026
«Расхламление - полный разбор вещей, поиск сломанного или ненужного и освобождение пространства».
На одном из прошлых мест работы я как аналитик делал отчет по адаптации. Опрашивали новичков, их руководителей, HRBP, наставников - на разных этапах. Объем был такой, что все не влезало в один Excel-файл, пришлось делать два. В каждом файле - более 10 листов с таблицами, диаграммами.
На мои вопросы: «А вы точно все это смотрите?» - мне отвечали: «Ты кучер аналитик, твое дело - везти, куда прикажут». Ну ок.
Но мне реально жалко всех этих людей: новичков, их руководителей, HRBP, наставников. Они-то в чем виноваты и почему должны были долбить по клавишам вместо реальной работы?
И, конечно же, специалисты по адаптации очень скоро забили заглядывать в отчет, но упорно заставляли его делать - noblesse oblige, положение обязывает надувать щеки.
Я уже касался этого тренда через ритуалы, защиту менеджеров и оптимизацию.
Иррациональный HR - тренд 2025? - про ритуалы.
Складывается ощущение, что бизнес / HR теряет надежду решить кадровые задачи прямыми, понятными, логичными методами (ну проблема найма персонала никуда не делась, кандидатов на рынке не стало сильно больше, а рекрутинг падает) и начинает обращаться к «танцам с бубнами».
HR-тренды 2026: тренды те же, смыслы другие
Тренд на «корпоративную культуру» уходит - слишком много ритуалов. На смену приходит рабочая экология: среда, где важны не лозунги, а реальные условия, в которых человек может спокойно и стабильно работать.
«Берегите менеджеров: в 2026 они станут центральной фигурой»
Когда зарплата перестает быть инструментом, единственный рабочий рычаг удержания - это отношения с руководителем.
На менеджеров ложится рекордная нагрузка. Главная задача HR - облегчить жизнь менеджерам: убрать шум, дать инструменты, подставить плечо в коммуникациях и принятии решений.
2026 год - год оптимизации и управления эффективностью. Не настала ли пора избавиться от ритуалов и заняться работой?
Для каждого элемента HR-процесса есть два вопроса: какое решение мы принимаем на его основе и кому вообще нужно это решение для работы?
Вернусь к кейсу с отчетом по адаптации.
Стоит задаться вопросом: какие решения мы принимаем на основе опроса руководителя? Буквально по каждому вопросу. Никакого? В топку, в мусорку, в лес, гутбай.
Да, дело касается не только отдельных ритуалов, но и отдельных действий - в том числе вопросов в опросах. Если сократим опрос с 20 до 12 вопросов, сэкономим время менеджеров.
И это можно подать менеджменту как результат работы HR: HR должен показывать бизнесу не только то, как он умеет сокращать людей и расходы. HR должен показывать, что он умеет сокращать самого себя - свою бюрократию, свои ритуалы и собственную ненужную работу.
Расхламляемся, чтобы стало легче дышать.
В следующих постах буду показывать конкретные примеры. Не переключайте канал.
Мы в телеге | Наш канал в макс | Наш канал в VK | 133 |
| 17 |  Илон Маск недавно сбросил самую безумную бомбу Neuralink:
«На протяжении следующих 6–12 месяцев мы установим первые импланты для зрения. Даже если ты на 100% слепой от рождения, мы запишем прямо в твою зрительную кору… и ты будешь видеть.»
«И это только начало. В долгосрочной перспективе у тебя будет возможность видеть в ультра HD и настоящие суперсилы: ты увидишь в инфракрасном, ультрафиолетовом и даже радаром. Буквально как супергерой.»
Будущее больше не научная фантастика.
Мы в телеге | Наш канал в макс | Наш канал в VK | 202 |
| 18 |  32 из 35
Профессор разослал студентам текст с заданием, но в нём спрятал простую ловушку для ChatGPT, которую свыше 90% студентов не заметили. А после того как получил сделанные работы, преподаватель сразу понял, кто сам не делал, а тупо скопировал ответ ИИ, даже не читая его. | 191 |
| 19 |  Как HR использует AI в работе (2026)
Источник: Culture Amp, “Turning AI skeptics into believers” – этому исследованию можно доверять
1️⃣Создание контента (материалы для онбординга, политики, описания вакансий) — 86%
2️⃣Генерация идей (стратегия, лучшие практики) — 83%
3️⃣Синтез информации (конспекты встреч, повестки, письма) — 81%
4️⃣Анализ обратной связи сотрудников (результаты опросов, passive listening данные) — 64%
5️⃣Коучинг (подготовка к сложным разговорам, профессиональное развитие) — 55%
6️⃣Автоматизация HR-операций (HR Help Desk, льготы, ответы на типовые вопросы по политикам) — 39%
7️⃣Поддержка рабочих процессов (обратная связь по эффективности встреч, автоматизация календаря, напоминания о задачах) — 34%
8️⃣Не используют AI на работе — 2%
Вывод Culture Amp:
Большинство HR пока используют AI как «интеллектуального помощника» для выполнения отдельных задач. Самые трансформационные сценарии — автоматизация процессов и агентный AI — пока применяют значительно реже
Мы в телеге | Наш канал в макс | Наш канал в VK | 205 |
| 20 |  20 KPI HRBP
AIHR (от Эрика ван Вулпена) выпустили небольшой HRBP Cheat Sheet Collection (рекомендую скачать, несмотря на то, сто много рекламы) — сборник с моделями HRBP, компетенциями, AI-инструментами, организационным дизайном и другими полезными материалами для HR Business Partners. Из него я просто выписал 20 KPI, которые могут быть полезны HRBP для оценки состояния бизнеса и эффективности работы с людьми.
1. Текучесть персонала (Turnover Rate) — доля сотрудников, покинувших компанию за определённый период.
2. Добровольная текучесть (Voluntary Turnover Rate) — доля сотрудников, ушедших из компании по собственной инициативе.
3. Нежелательная текучесть (Unwanted Turnover Rate) — доля уходов ценных и высокоэффективных сотрудников, которых компания хотела бы сохранить.
4. Вынужденная текучесть (Involuntary Turnover Rate) — доля сотрудников, ушедших по инициативе работодателя: увольнения, сокращения, реструктуризация.
5. Текучесть новых сотрудников за 90 дней (90-Day Quit Rate) — доля новых сотрудников, покинувших компанию в течение первых трёх месяцев работы.
6. Качество найма (Quality of Hire) — оценка того, насколько успешно новые сотрудники справляются с работой и какой вклад вносят в бизнес.
7. Индекс вовлечённости сотрудников (Employee Engagement Index) — уровень эмоциональной и профессиональной вовлечённости сотрудников в работу и цели компании.
8. Индекс удовлетворённости сотрудников (Employee Satisfaction Index) — оценка удовлетворённости сотрудников работой, условиями и отношением к компании.
9. Индекс благополучия сотрудников (Employee Wellbeing Index) — комплексная оценка физического и психологического состояния сотрудников, уровня стресса и баланса работы и личной жизни.
10. Индекс эффективности руководителей (Manager Effectiveness Index) — оценка эффективности менеджеров через показатели текучести, вовлечённости, удержания и результатов их команд.
11. Уровень отсутствий (Absence Rate) — доля рабочего времени или рабочих дней, потерянных из-за отсутствия сотрудников.
12. Стоимость отсутствий (Absence Cost) — совокупные затраты компании, связанные с отсутствием сотрудников, включая оплату, замещение и административные расходы.
13. Доля внутренних повышений (Internal Promotion Rate) — доля руководящих или более высоких позиций, закрытых сотрудниками изнутри компании.
14. eNPS — индекс готовности рекомендовать компанию (Employee Net Promoter Score) — насколько сотрудники готовы рекомендовать компанию как место работы.
15. Производительность сотрудников (Employee Productivity Rate) — объём бизнес-результата, создаваемого сотрудниками за определённый период.
16. Доля затрат на персонал (Percentage of Cost of Workforce) — доля совокупных расходов компании, приходящаяся на сотрудников и связанные с ними затраты.
17. Индекс инновационности сотрудников (Employee Innovation Index) — оценка способности сотрудников и команд генерировать, предлагать и внедрять новые идеи.
18. Удовлетворённость социальным пакетом (Benefits Satisfaction) — уровень удовлетворённости сотрудников компенсациями, льготами и программами поддержки.
19. Эффективность обучения (Training Effectiveness) — насколько обучение улучшает знания, навыки и рабочие результаты сотрудников.
20. ROI обучения (Training ROI) — финансовая отдача от обучения: соотношение полученного бизнес-эффекта и затрат на обучение.
Мы в телеге | Наш канал в макс | Наш канал в VK | 148 |
