HRtech&AI

Архитектура HR для эпохи агентного ИИ Перевод статьи The Death of the Three-Legged Stool: Rebuilding HR Architecture for the Age of Agentic AI Почти 30 лет HR строился на модели Дейва Ульриха: Центры экспертизы, HR бизнес-партнёры, Общие сервисы. Блестящая модель для своего времени. Но в 2026 году табурет шатается. Мы годами спорим, почему HRBP тонут в административных задачах вместо стратегического партнёрства. Почему «Общие сервисы» стали синонимом безликих порталов, где умирает employee experience. Почему «белые перчатки» заменили чат-боты без контекста. Можно продолжать спорить о прошлом. А можно посмотреть на то, что происходит прямо сейчас. 🎓Бэк-офис: от 100 исполнителей к 10 оркестраторам ~80% работы любого HR-департамента — транзакционная рутина. Необходимая, но не стратегическая. Раньше мы аутсорсили это в низкозатратные сервисные центры. Мы просто перемещали ручной труд — не решали неэффективность. Теперь иначе. AI-агенты — не чат-боты 2023 года — умеют планировать, исполнять и аудировать процессы автономно. Они справятся с логикой коллективных договоров и кросс-бордерных выплат точнее любого человека. Итог: команда из 100 специалистов по вводу данных превращается в 10 HR Tech Orchestrators, которые управляют AI, разбирают исключения и следят за этикой цифровой рабочей силы. 🎓Сервис-деск: эмпатия вместо тикетов Если рутину забирают агенты, что остаётся людям на Tier 1? Только верхние 5% обращений — те, что нельзя автоматизировать. Это не тикеты. Это жизненные события: сотрудник столкнулся с харассментом, менеджер ведёт команду через ментальный кризис, молодой родитель планирует декрет. Здесь нужны глубокая экспертиза, психологическая безопасность и радикальная эмпатия — то, что AI не симулирует. Сервис-деск будущего меньше по размеру, но значительно старше по уровню. Когда сотруднику действительно нужен человек — он получает эксперта, а не номер обращения. 🎓Виртуальный HRBP: демократизация коучинга Самый радикальный сдвиг — в модели бизнес-партнёрства. Мы обещали «стратегическое партнёрство», а большинство HRBP тратили дни на обучение менеджеров базовой обратной связи. Ценно, но не масштабируется. В результате — «белые перчатки» только для вице-президентов. В новой архитектуре каждый сотрудник — от стажёра до директора — получает персонального виртуального HRBP с первого дня. Он знает историю карьеры, навыки и амбиции. Для сотрудника — карьерный коуч. Для менеджера — just-in-time советник: перед сложным разговором об эффективности проигрывает его с менеджером, даёт советы по тону и правовым рискам в реальном времени. Живые HRBP перестают работать с общими популяциями. Они выходят туда, где их не заменить: M&A-интеграции, культурные трансформации, архитектура организации. 🎓Парадокс человечности HR-департамент будущего состоит из значительно меньшего числа людей. Это экономическая реальность технологического сдвига. Но парадокс в том, что, убирая людей из машинерии HR, мы делаем функцию более человечной. Мы снимаем бюрократию, которая делала HR холодным и административным. Каждый сотрудник получает персонального коуча. А когда случается кризис — живого эксперта с эмпатией, не тикет. Архитектура HR будущего — не трёхногий табурет. Это бионическая нервная система: автоматизированная, data-driven, но созданная для того, чтобы раскрывать человеческий потенциал. Технология готова. Вопрос в нас: хватит ли смелости это построить? Мы в телеге | Наш канал в макс | Наш канал в VK

ИИ нанимает себе подобных: как LLM-рекрутёры дискриминируют людей Языковые модели, оценивающие резюме, систематически предпочитают тексты, написанные такой же моделью, — даже если человеческое резюме объективно лучше. Авторы и год: Университет Мэриленда, Национальный университет Сингапура, Университет штата Огайо — 2025 (февраль 2026, arXiv) Метод: Correspondence experiment (аналог аудита найма Бертрана и Муллайнатана). Каждому резюме создавались «двойники» от разных LLM — только резюмирующий блок менялся, остальное оставалось идентичным. Модели попарно сравнивали резюме и выбирали «лучшее». Оценка велась по двум метрикам справедливости: statistical parity и equal opportunity. Выборка: 2 245 настоящих человеческих резюме с LiveCareer.com (написаны до эпохи генеративного ИИ). Тестировались 9 моделей: GPT-4o, GPT-4o-mini, GPT-4-turbo, LLaMA 3.3-70B, LLaMA 3.2-3B, LLaMA 3.2-1B, Mistral-7B, Qwen-2.5-72B, DeepSeek-V3. 24 профессиональные категории. Результаты — цифры: → LLM vs. Человек (Statistical Parity): 8 из 9 моделей предпочитают собственный текст. GPT-4o — на 97,6% чаще выбирает свой вариант; LLaMA 3.3-70B — 96,3%; DeepSeek-V3 — 95,5% → LLM vs. Человек (Equal Opportunity, контроль качества): предвзятость сохраняется даже при сопоставимом качестве. GPT-4o — 81,9%; LLaMA 3.3-70B — 78,9%; Qwen-2.5-72B — 78%; DeepSeek-V3 — 71,6%; Mistral-7B — 28% → LLM vs. LLM: DeepSeek-V3 предпочитает себя перед LLaMA на 69%, перед GPT-4o на 28%. GPT-4o и LLaMA — непоследовательны → Симуляция найма (24 профессии, 30 прогонов каждая): кандидат с резюме от той же LLM, что используется для отбора, попадает в шортлист на 23–60% чаще человека с равной квалификацией. Разрыв максимален в продажах и бухгалтерии, минимален в сельском хозяйстве и автомобильной сфере → Митигация: system prompt снижает предвзятость на 17–62% в относительном выражении; ансамблевое голосование (большая модель + две маленькие с низкой self-recognition) — более чем на 50% у всех трёх протестированных моделей Выводы: Предвзятость возникает из способности модели «узнавать» собственный стиль текста. Это новый тип алгоритмической дискриминации — не по полу или расе, а по тому, каким ИИ-инструментом пользовался кандидат. При неравном доступе к «правильным» моделям эффект будет воспроизводить и усугублять социальное неравенство. Действующие регуляторные рамки AI fairness этот риск не покрывают. Мы в телеге | Наш канал в макс | Наш канал в VK

​​Удержание: финансовый след Как показать бизнесу эффект удержания в деньгах. Продолжаю раскручивать тему управления удержанием, см. последний пост серии Правила движения в HR: как данные начинают управлять процессом Краткое содержание предыдущих серий: 🔹Не всякая текучесть одинаково полезна 🔹Мы поделили текучесть на желательную и нежелательную 🔹Построили матрицу 2Х2: желательная / нежелательная и До года / Больше года 🔹Слабое место: субъективность оценки менеджмента, поэтому вводим верификацию оценок со стороны HR 🔹У нас появляется третий тип текучести: Текучесть менеджмента А теперь давайте раскроем финансовую составляющую матрицы текучести.

Задача HR и менеджмента удерживать категорию «нежелательной» текучести, избавляться от «желательной» текучести и сделать минимальной долю текучести менеджмента.

Эту метрику можно перевести в рубли (см. диаграмму). В рублях задача сводится к максимизации ФОТ нежелательной текучести и минимизации «желательной» и текучести менеджмента. На диаграмме показан накопленный ФОТ по категориям текучести: ✅Нежелательная текучесть начинает резко накапливать ФОТ после года в выборке уволенных нежелательных мало до года — поэтому кривая когорты начинает расти позже. Но они есть и это потерянный ФОТ ✅Текучесть менеджмента в идеале вообще должна быть минимальна. И увольнения чаще происходят в начале пути в компании ✅Желательная текучесть – это наши потери (кроме случаев, когда сотрудник стал «желательным» после карьерного шага – но это тема других постов) Задача не удалить фот желательной - мы говорили ранее, что у нас нет возможности дать 100% точность найма, но наша задача минимизировать ФОТ "желательной" (на языке математики это звучит как минимизация площади кривой и максимизация параметра Лямбды - скорость выхода на плато - чем больше λ, тем быстрее уходят желательные). Как вам кажется, бизнесу будет интересно посмотреть эти кривые? Мы в телеге | Наш канал в макс | Наш канал в VK

Компания без KPI, OKR и отделов. Как устроен Kimi — один из самых быстрорастущих ИИ-стартапов Китая. Очень краткое резюме статьи Как устроен Кими — один из самых быстрорастущих ИИ-стартапов Китая Moonshot AI — компания за Kimi, оценка $16 млрд, 300+ сотрудников, средний возраст до 30 лет. Журналист провёл внутри 100 часов и описал то, что увидел. И это действительно странно. Никаких отделов Здесь нет HR-отдела, маркетинга, продуктового департамента в привычном смысле. Есть «команды», но границы между ними размыты намеренно. Больше половины из 30 опрошенных сотрудников меняли роль несколько раз — и ~80% из них сейчас занимаются чем-то принципиально иным, чем когда пришли. Никаких KPI и OKR Вообще. Нет системы оценки, нет метрик эффективности, нет ревью. Нет даже отметки о приходе. Статус основателя в мессенджере: четыре слова — «Общайтесь напрямую». Обратная сторона — некоторые сотрудники приходят утром и не знают, что делать. Один бывший сотрудник назвал это «базовой организационной физикой» — иерархия неудобна, но она даёт определённость. Никаких согласований Нужна помощь коллеги — просто напиши ему. Не нужен менеджер, одобрение, координационная встреча. Один из сотрудников пришёл из компании, где днём были совещания, а работал он ночью. Здесь наоборот. Найм вместо менеджмента Самую сложную задачу менеджмента — контроль качества людей — компания перенесла на этап найма. Больше 100 человек за последний год пришли по рекомендациям. Критерий номер один при найме — «вкус». Не диплом, не опыт, а что-то труднее формализуемое: способность видеть красивое решение и отличать его от некрасивого. Опыт как недостаток Несколько топ-менеджеров из крупных технологических компаний не смогли «приземлиться». Один ушёл из индустрии совсем: люди вокруг оказались слишком молодыми и слишком быстрыми. Компания ищет людей с «обобщением» — как у базовой модели ИИ, которая не заучила ответы, а поняла структуру. Человек с 20 годами в одной системе KPI — это «переобученная модель». Деньги не удерживают Одной сотруднице предложили двойную зарплату конкуренты. Она отказала. Причина: «здесь нет чиновничьего духа» — никаких статусных игр, показного авторитета, бюрократического самолюбования. Что вместо этого удерживает? Несколько человек думали об уходе. Один остался, посмотрев как коллега после многих месяцев провалов всё-таки запустила проект. Другая осталась после одного разговора с сооснователем. Третий пришёл, потому что во время собеседования не узнал, что интервьюер — основатель компании, настолько тот был поглощён технической дискуссией, а не самопрезентацией. Это не утопия. Компания сама признаёт: такая модель хрупка. При масштабировании до 3000 человек «прямое общение» превращается в информационный хаос. Но пока работает — и довольно радикально. Мы в телеге | Наш канал в макс | Наш канал в VK

Mercer Global Talent Trends 2026 Mercer опросил ~12 000 руководителей, HR-лидеров, инвесторов и сотрудников по всему миру. Вот что происходит с рынком труда прямо сейчас. Главная тема года — уравнение человек + машина ИИ уже не эксперимент. В 2026 компаниям нужно либо научиться масштабировать связку человек + ИИ, либо проиграть конкуренцию. Тем, кто трансформируется — большой выигрыш, остальным — отставание. 4 ключевых тренда: 🧠 Переизобретение ради человеческого преимущества (Reinvent for a human advantage) — ИИ сам по себе недостаточен: несмотря на $30–40 млрд корпоративных инвестиций в генеративный ИИ, 95% компаний не получают никакой отдачи. Работу нужно переосмыслить с нуля: разобрать задачи на части, понять, где ИИ замещает или усиливает человека, и выстроить новые способы работы — вокруг навыков, а не должностей. При этом 83% сотрудников верят, что ИИ улучшит их работу в ближайшие два года, но только 32% руководителей уверены, что их команды умеют эффективно сочетать человека и машину. 📊 Прыжок вперёд с помощью аналитики (Leap forward with insight) — talent intelligence становится главным конкурентным преимуществом, но большинство компаний хронически недоиспользуют накопленные данные о сотрудниках. Топ-менеджеры хотят знать: какой ROI даст ИИ, как он меняет востребованность навыков, что удерживает лучших людей — а HR отвечает на другие вопросы. Компании высокого роста в 2× чаще рассматривают кадровую аналитику так же серьёзно, как финансовую. 🤝 Пересмотр ценностного обмена (Recalibrate the value exchange) — отношения работодатель–сотрудник трещат по швам: рекордно низкий уровень благополучия сотрудников, нарастающая тревога из-за ИИ и стоимость жизни. Простое «улучшение опыта сотрудника» больше не работает — нужна оптимизация: каждый вложенный рубль в EVP должен давать измеримый результат для бизнеса. Системы управления производительностью тоже требуют перезагрузки: лишь 39% сотрудников считают, что performance review реально помогает им расти. ⚙️ Новая эра HR (Unleash a new HR era) — только 8% топ-менеджеров считают свою HR-функцию стратегически встроенной в бизнес, хотя там, где HR таким является, компании значительно более устойчивы и конкурентоспособны в борьбе за таланты. HR должен перестать быть операционным партнёром и стать архитектором системы работы. 56% HR-лидеров ожидают слияния HR и IT в обозримом будущем — граница между ними уже стирается. Цифры, которые пугают: 📉 Доля сотрудников, которые чувствуют, что процветают (thrive) на работе — исторический минимум за 8 лет наблюдений. Выгоревшие люди не дадут компании экспоненциального роста. ⚠️ 54% топ-менеджеров называют дефицит талантов главным макрофактором, влияющим на кадровые планы. 🤖 63% руководителей видят переосмысление работы под ИИ как инициативу с наибольшим ROI — но лишь 32% верят, что их команды реально умеют сочетать человека и машину. 🙈 Только 8% руководителей считают свою HR-функцию стратегически встроенной в бизнес. Вывод: Эпоха экспериментов с ИИ закончилась. 2026 — год намеренной, масштабной трансформации. Талант, а не технология, остаётся главным множителем силы. Но сотрудники устали и тревожатся — и это главный риск для роста. 🔗 Полный отчёт

Смелость проектов

«Если любой проект приводит к успеху — значит, вы недостаточно смелы. Я хотел бы, чтобы общая доля неудач составляла 50%»,

— так ставил задачи своей команде инженеров Моше Пелед, руководитель компании «Рафаэль», считающуюся одним из образцов израильской инновационной машины. Как вам такой подход в инновациях? Мы в телеге | Наш канал в макс | Наш канал в VK

​​Правила движения в HR: как данные начинают управлять процессом Раскручиваю пост Когда HR-метрика меняет менеджмент

Задача менеджмента меняется: Признаем, что не вся ранняя текучесть одинаково вредна Внедряем процедуру оценки уходящих на «желательную» и «нежелательную» текучесть (это отдельная непростая задача – как сделать объективной оценку) Внедряем инструменты и процедуры отбора на этапе адаптации «наши» должны работать максимально долго, «не наши» - максимальны быстро покинуть компанию.

Самое слабое место – субъективность оценки руководителя, который и будет чаще всего выставлять признак «желательной» / «нежелательной» текучести. Задача HR – верифицировать оценку – сделать ее максимально объективной. Предлагаю один из инструментов такой верификации. Скоринговая карта новичка - в конце первой недели новичка мы спрашиваем у новичка, встречался ли с ним руководитель, были ли ему поставлены цели и т.п., и если новичок указывает, что нет, HRBP это проверяет. И если после этого новичок у нас попадает в желательную текучесть на раннем этапе, мы это выносим в отдельную категорию. Теперь у нас не 2×2, а 3 категории увольнений: 1️⃣Руководитель выполнил обязательства + текучесть желательная → Чистый сигнал. Менеджмент сработал правильно, кандидат не подошёл. Доверяем оценке. 2️⃣Руководитель выполнил обязательства + текучесть нежелательная → Тревожный сигнал. Смотрим глубже: почему ушёл ценный сотрудник? Что пропустили? 3️⃣Руководитель НЕ выполнил обязательства → Стоп. Здесь мы не имеем права классифицировать увольнение как «желательное». Менеджмент не дал новичку честного шанса. Это отдельная категория — «текучесть менеджмента». Аналитика дополняется такими сентенциями:

«Из 40 желательных увольнений за квартал — 18 пришлись на подразделения, где руководитель не провёл встречу с новичком в первую неделю. Суммарный фонд оплаты труда по этим людям составил X рублей»

- без оценочных выводов. Это уже не просто аналитика. Это подход к управлению удержанием на основе данных. Мы видим, что 37% «желательных» проработали больше года, и если копнем глубже, то выясним, что добрая половина сменили руководителя, которому они уже не пришлись по душе.

«Из 37% желательной текучести после года – 19% стали таковыми после смены места работы / руководителя»

Давайте это тоже включим в аналитику и зададимся вопросами: Почему сотрудник, который вполне устраивал компанию в прежней роли и/или прежнего руководителя, стал желательным на увольнение в новой роли? Вдогонку вопрос: а если вдруг выяснится, что большая доля желательной текучести происходит после смены руководителя, то может вводить еще испытательный срок для внутренней ротации? С обязательствами менеджмента. И это все уже не просто сбор данных и HR-аналитика. Это выстраивание бизнес-процесса (в данном случае Удержания персонала) на основе данных. Данные здесь — как дорожная разметка, знаки и светофоры: они не просто показывают, что происходит, а задают правила движения. Мы в телеге | Наш канал в макс | Наш канал в VK

Performance Culture Quadrant: как компании выходят в Peak Performance Исследование (по ссылке полный перевод) Culture Amp показывает: устойчиво высокая производительность формируется не на уровне отдельных сотрудников, а на уровне культуры. Performance Culture Quadrant (PCQ) описывает, как именно культура определяет бизнес-результаты. Проблема индивидуального подхода Долгое время считалось, что high performance — это свойство людей. Но данные показывают обратное: лишь около 2% сотрудников демонстрируют устойчиво высокую результативность два цикла подряд. Индивидуальная эффективность нестабильна, она зависит от контекста, а не только от личных качеств. Это приводит к ключевому выводу: устойчивый перформанс — это коллективный эффект, а не индивидуальная характеристика. Переход к культуре как единице анализа Анализ миллиардов ответов сотрудников и десятилетий исследований показывает повторяющийся паттерн: вовлечённость падает, а ключевым фактором производительности становится качество лидерства и среды. Сильные менеджеры повышают вовлечённость, удержание и долю высоких исполнителей в командах. При этом «героический перформанс» даёт краткосрочный эффект, но не создаёт устойчивой системы. Устойчивость возникает там, где есть правильные культурные условия. Performance Culture Quadrant Модель PCQ строится на двух осях: вовлечённость сотрудников и уверенность в успехе компании. На их пересечении выделяются четыре типа культур. Peak Performance — высокая вовлечённость и высокая уверенность: сотрудники заряжены, верят в стратегию и связывают себя с успехом компании. Engaged Skepticism — высокая вовлечённость и низкая уверенность: энергия есть, но нет доверия к направлению. Strained — низкая вовлечённость и высокая уверенность: люди понимают, что компания может победить, но выгорают от темпа. Disconnected — низкая вовлечённость и низкая уверенность: потеря энергии и связи с результатом. Почему Peak работает Компании в Peak показывают более высокую долю высокоэффективных сотрудников, лучшее удержание и более сильные финансовые результаты. В среднем фиксируется около 21% преимущества по ключевым метрикам эффективности и росту стоимости бизнеса по сравнению с другими культурными состояниями. Это не случайный эффект, а повторяющийся паттерн. Динамика переходов Peak — не редкое состояние. Около 76% компаний сохраняют его из года в год, а примерно четверть организаций из других культур переходят в Peak за тот же период. Это означает, что культура управляемая и подвижная, а не фиксированная. Вывод PCQ показывает, что производительность — это не функция отдельных людей, а результат культурной системы. Peak Performance достигается там, где совпадают вовлечённость и вера в успех компании. Это не точка для избранных, а управляемое состояние, в которое можно перейти через работу с культурой, а не через давление на сотрудников. Мы в телеге | Наш канал в макс | Наш канал в VK

МТС заходит в HRTech с ИИ-агентами МТС выводит на рынок мультиагентную ИИ-систему для HR. Решение от MWS AI — это набор «виртуальных сотрудников», которые берут на себя рекрутинг и часть HR-операций: обрабатывают отклики, ведут переписку с кандидатами, планируют интервью и отслеживают эффективность на всех этапах — от найма до адаптации. Пилоты уже идут в телекоме и энергетике. Как это устроено Система состоит из специализированных агентов (скрининг, коммуникации, планирование), объединённых оркестратором. Он отслеживает действия кандидатов, распределяет задачи и передаёт контекст между этапами. Решение разворачивается в контуре заказчика и интегрируется с HR-системами, почтой и мессенджерами. Экономика и масштаб Стоимость — 10–20 млн рублей для полнофункционального решения, пилоты — 2–5 млн. Но главный барьер — не цена, а внедрение: интеграция в сложный IT-ландшафт, неформализованные процессы, требования безопасности и сопротивление команд. Масштабирование почти всегда сложнее пилота. Контекст рынка HR-функция под давлением: бизнес требует скорости, кандидаты — персонализации. До 60% времени рекрутеров уходит на рутину. Уже 78% компаний используют ИИ хотя бы в одной HR-задаче, а к 2030 году до половины операционной работы может быть передано ИИ-агентам. При этом рынок HRTech растёт медленно: 94 млрд руб. в 2025 (+9,3% г/г). Риски и ограничения Ниша частично занята нишевыми игроками. У МТС есть инфраструктурное преимущество, но интеграция в «зоопарк систем» остаётся ключевым риском. Потенциальный рынок ограничен (~500 крупных компаний), а доверие к ИИ и готовность команд — отдельный фактор успеха. Что это значит Главный вопрос - не «может ли ИИ», а «встроится ли в процессы». Рабочая модель - усиление HR, а не замена: автоматизация рутины при сохранении человека в критических точках - оценке, переговорах и принятии решений. Мы в телеге | Наш канал в макс | Наш канал в VK

HR-аналитика: расчет и автоматизация показателей в Excel (он-лайн курс) Курс, который уже несколько лет проводится в офлайн-формате, переношу в он-лайн формат. Старт после майских праздников, в конце апреля проведём тестовое (бесплатное) занятие, где можно понять, подходит ли вам программа. За 8 занятий разберём цикл HR-аналитики в Excel: от базовой статистики и медиан до Power Query, Power Pivot и автоматизации ключевых показателей (eNPS, текучесть, воронка найма, ФОТ). Практика — на реальных HR-кейсах и данных. Ведущий курса — Бабушкин Эдуард. Начало занятий в 19:00 Мск (возможна корректировка по группе). Полное описание курса Регистрация по ссылке: https://forms.gle/62xbHYnfNSPdw8u7A Мы в телеге | Наш канал в макс | Наш канал в VK

мне в основном канале три антилайка поставили. Попинайте пост - что в нем не так?

​​Когда HR-метрика меняет менеджмент Мы уже смирились, что HR-метрики это красивый, декоративный, но бессмысленный элемент HR, иначе бы нам не пришлось вовлекать спецов в просмотры дашбордов (см. Как правильно разрабатывать систему HR-метрик). Но есть метрики, которые не просто «работают», а отражают чуть процессов компании. На диаграмме: текучесть желательная / нежелательная в разрезе до и после года. Нормируем по строке, т.е. среди всех сотрудников, чье увольнение было признано желательным, 37% отработали больше года. Это пример, когда метрика отражает суть HR-стратегии, суть HR-менеджмента – то, на что направлены все усилия всей HR-команды. Чаще мы всю раннюю текучесть определяем как плохую. Но сейчас ситуация на рынке изменилась: количество откликов на вакансии резко выросло, нагрузка в части отбора «наших» кандидатов увеличилась, резюме теперь пишет ИИ, и это снизило наши возможности отбирать нужных кандидатов. Итого: вероятность ошибки найма резко выросла. Мы должны это принять. Задача менеджмента меняется: 🔹Признаем, что не вся ранняя текучесть одинаково вредна 🔹Внедряем процедуру оценки уходящих на «желательную» и «нежелательную» текучесть (это отдельная непростая задача – как сделать объективной оценку) 🔹Внедряем инструменты и процедуры отбора на этапе адаптации 🔹Следовательно, «наши» должны работать максимально долго, «не наши» - максимальны быстро покинуть компанию. Исходя из этой логики смотрим опять на диаграмму и задаемся вопросом, как так получилось, что 37% тех, чье увольнение признано желательным, работали в компании больше года? Понятно, что многие из них сменили отдел, попали к новому руководителю, который оценивает по другому, это уже следующий виток анализа, но отправной – эта сводная таблица. Внедряем простую финансовую модель: 🔹Потери: средний размер выплаченной зарплаты желательным (сумма зарплаты делить на число отработанных месяцев) 🔹Приобретения: средний размер выплаченной зарплаты нежелательным (сумма зарплаты делить на число отработанных месяцев) И любые агрегаты из этих показателей. Просто покажите это бизнесу – это тот самый «язык цифр», на котором HR мечтает разговаривать с бизнесом. И когда бизнес учует запах денег в этом, не надо будет никого вовлекать в просмотры дашбордов. Заходит логика рассуждения? Продолжить? Ставим лайк Мы в телеге | Наш канал в макс | Наш канал в VK

Канторович 2026 год в HR – год управления эффективности и оптимизации Чаще для нас это сокращение костов и персонала, но на самом деле оптимизация это лучше вариант соотношения выгод и потерь. Сегодня, 7 апреля 2026 года, годовщина смерти Леонида Витальевича Канторовича — одного из создателей линейного программирования и целочисленной оптимизации. Единственный советский / российский математик, получивший нобелевскую премию по экономике. И методы Канторовича идеально ложатся на главный тренд: линейную целочисленную оптимизацию человеческих ресурсов. Давайте отдадим дань памяти человеку, который сделал в том числе HR более точным Я показывал, как можно применять его методы, см. Оптимизация бюджета рекрутинга Автоматизация расчета графика отпусков Excel Ниже реальные задачи, где методы применяются, и что вы можете взять для себя. 1️⃣Оптимизация графиков смен и расписаний сотрудников Классическая задача: бинарные переменные «сотрудник — смена», цель — минимум затрат при полном покрытии, учёте предпочтений, максимальной длине смены и обязательных выходных. Применяется в ритейле – ау, доставка!, колл-центрах и больницах (nurse scheduling). Walmart и подобные компании уже используют такие модели автоматически. 2️⃣Планирование численности персонала и найма временных работников При колеблющемся спросе модель ЛП точно считает, сколько временных сотрудников нужно нанять, чтобы покрыть нагрузку и при этом строго соблюсти нормы отдыха и трудового законодательства. Пример: для склада модель PuLP показала ровно 53 временных работника вместо «на глаз» — полное покрытие и экономия бюджета. 3️⃣Распределение сотрудников по типам работ и проектам Еженедельное ЛП-распределение работников по задачам (сборщики, маляры и т.д.) с целью минимизировать общую численность и избежать переработок. Реальный кейс автосборочного завода в Бангладеш: экономия 26 тысяч долларов за 8 недель по сравнению с традиционным подходом. 4️⃣Планирование численности и графиков с минимизацией фонда оплаты труда Российский вариант ЛП-модели: вход — потребность в человеко-часах и стоимость часа, выход — оптимальный штат и графики. Ограничения — тип учёта времени, минимальный отдых, уровень сервиса. Результат — минимальный ФОТ при 100 % покрытии нагрузки. 5️⃣Оптимизация затрат на обучение персонала Линейное программирование распределяет бюджет и места на тренингах так, чтобы при минимальных расходах все сотрудники получили нужные компетенции. Классическая задача, которая уже более 15 лет успешно решается в крупных компаниях. Мы в телеге | Наш канал в макс | Наш канал в VK

Трансформация HR 2026 13.04 проводим стратегическую сессию по этой теме: тема перезрела, решил поделиться концепцией сессии, надеюсь, возьмете что-то полезное для себя. Если пойму по лайкам, что «зашло», поделюсь результатами Фокус на перевод абстрактной «HR-трансформации» в конкретные операционные решения. Концепция. В основе — мой опрос по HR-приоритетам 2026. В сводных результатах получается «среднее по больнице». Поэтому я сделал кластеризацию — и получил 4 устойчивых шаблона стратегий. После названия идут приоритеты, которые респонденты чаще выбирали вместе (см. подробней Шаблоны стратегий) 1️⃣«Инвестиции в людей» Вовлеченность → Обучение → HR-аналитика → Оценка → Управление эффективностью 2️⃣«Контроль и оптимизация» Управление эффективностью → Оценка → HR-автоматизация → Сокращения → Адаптация 3️⃣«Удержание ядра» Удержание → Управление эффективностью → HR-автоматизация → HR-бренд → Отбор 4️⃣«Массовка» Адаптация → Удержание → Рекрутинг → Вовлеченность → Обучение Механика сессии: 🔹участники делятся на команды 🔹каждая команда выбирает (или узнаёт себя) в одном из шаблонов 🔹работает внутри логики выбранной стратегии Задача — дособрать стратегию до операционного уровня. Команды отвечают на вопросы: ✅Как меняются инструменты HR (какие становятся критичными, какие - теряют смысл) ✅Как меняется оргструктура HR (какие новые роли и функции, какие - исчезают) ✅Какая система HR-метрик должна быть (какие реально используются для управленческих решений) ✅Где в вашей стратегии главный риск или точка провала? После этого — защита решений и обсуждение. Практичные результаты: — набор инструментов — изменения в оргструктуре — система метрик — понимание рисков Как вам концепция? Если вы хотите принять участие, если вы из Москвы и вы HRD или HRBP, можете мне в личку скинуть заявку @Edvb777 Мы в телеге | Наш канал в макс | Наш канал в VK

HR Technology Trends — март 2026 Резюме статьи The Download: HR Technology Trends, March 2026 от SHRM Что происходит с ИИ в HR — и где начинаются реальные риски AI уже стал частью повседневной работы, но вместе с ростом внедрения появляются системные эффекты: от ошибок в решениях и выгорания до перекосов в культуре и комплаенсе. Главный вывод — без нормальных управленческих рамок ИИ начинает не ускорять систему, а расшатывать её. 1. Усиливает ли ИИ неравенство на работе? Недавнее исследование MIT показало, что популярные AI-чатботы дают менее точные и менее полезные ответы людям с не-родным английским, более низким уровнем образования и пользователям вне США. Фактически ИИ воспроизводит социальные перекосы, которые уже существуют в обществе. Для HR это означает, что инструменты ИИ нельзя считать нейтральными по умолчанию. Если вы используете их в рекрутинге, поддержке сотрудников или бенефитах, важно проверять, как они работают для разных групп. На практике это про мониторинг жалоб, отслеживание непонятных ответов и обязательное наличие “человеческого выхода”, когда ИИ не справляется. 2. Сокращения ради ИИ могут стоить дороже, чем экономят Опрос 600 HR-специалистов показал, что после AI-ориентированных сокращений многие компании столкнулись с обратным эффектом. Несмотря на более чем 100 тысяч уволенных сотрудников, 75% респондентов сказали, что итоговые затраты оказались сопоставимы или выше ожидаемой экономии. Более половины компаний наняли людей обратно в течение полугода. Ключевая причина — потеря критических навыков и институционального знания. Для HR это сигнал смотреть дальше краткосрочной эффективности: фиксировать ключевые компетенции, сохранять знания и рассматривать перераспределение сотрудников как альтернативу увольнениям. 3. ИИ создает “налог на проверку” и выгорание Согласно отчету UnlikelyAI, 86% руководителей испытывают негативные психологические эффекты от работы с ИИ — тревожность, усталость, паралич решений. При этом 65% переживают, как будет воспринят их AI-результат, и поэтому тратят значительное время на перепроверку. В результате появляется “verification tax”: время уходит не на ускорение работы, а на контроль. HR здесь может влиять через ожидания — где нужен идеальный результат, а где достаточно “достаточно хорошего”, и в каких задачах ИИ реально дает выигрыш. 4. Управление ИИ становится ключевым комплаенс-риском Более половины HR-лидеров уже считают AI и автоматизированные решения главным риском на горизонте 12–18 месяцев. Проблема не в самих инструментах, а в отсутствии прозрачности и контроля над тем, как принимаются решения. Практически это означает необходимость разбираться в логике работы систем, документировать процессы и вовремя эскалировать спорные случаи. Без этого риски смещаются из зоны эффективности в зону регулирования и ответственности. 5. ИИ формирует “культурный долг” внутри компаний Исследование Deloitte показывает разрыв между внедрением и управлением: 60% руководителей используют ИИ, но только 5% считают, что делают это эффективно. При этом значительная часть компаний вообще не оценивает влияние ИИ на сотрудников. Это создает так называемый “culture debt” — накопленный разрыв в нормах, ответственности и понимании ролей. Для HR это проявляется в неопределенности: сотрудники не понимают, когда полагаться на ИИ и кто отвечает за решения. Снизить этот эффект можно через четкие правила использования, прозрачность и развитие критического мышления. Вывод ИИ в HR — это уже не технологический вопрос. Это вопрос управления. И главный сдвиг сейчас в том, что проблема не в том, используете ли вы AI, а в том, способны ли вы управлять его последствиями на уровне людей, решений и культуры. Мы в телеге | Наш канал в макс | Наш канал в VK

Новый виток войны ИИ в рекрутинге? В западном Forbes вышел текст, который завирусился, но на самом деле про простую, но неприятную вещь: война в рекрутинге уже идет — и развивается по этапам. Первый виток Первый виток мы, по сути, уже прожили: резюме перестало быть инструментом оценки. Причина простая — его массово пишет AI. Формулировки вылизаны, опыт подгоняется под вакансию, слабые кандидаты выглядят как сильные. В результате резюме больше не фильтрует, оно просто пропускает поток. Второй виток Сейчас начинается следующий этап — под ударом интервью. Кандидаты усилились: дипфейковые профили, прокси-кандидаты, подсказки через AI в реальном времени прямо во время звонков. Интервью начинают не проходить, а играть. Это уже не проверка навыков, а симуляция проверки. Ответ HR На это прилетает контрудар со стороны HR-теха. Платформы вроде Phenom начинают анализировать не столько ответы, сколько поведение. Смотрят на задержки перед ответами, движение глаз, рассинхрон речи, собирают сигналы по всей цепочке: резюме, интервью, тесты. Логика смещается — ищут не «правильно/неправильно», а несостыковки и разрывы в консистентности. Ключевой перелом Раньше конструкция была простой: резюме — фильтр, интервью — оценка. Сейчас резюме уже стало шумом, а интервью начинает терять статус надежного инструмента. Мы, по сути, теряем второй базовый механизм оценки подряд. Что это значит Рекрутинг начинает смещаться туда, где ему раньше не было места — в сторону безопасности и верификации. Это уже не только про «оценить кандидата», это про «понять, кто перед тобой вообще». Доверие перестает быть базовой настройкой и становится переменной. Финал AI усилил кандидатов. AI усилил работодателей. В итоге интервью превращается в формат, где AI проверяет AI. Но главный сдвиг глубже: теперь важен не ответ, а способность держать линию — консистентность, глубина, устойчивость мышления. И это уже выглядит как полноценный второй виток войны ИИ в рекрутинге. Мы в телеге | Наш канал в макс | Наш канал в VK

еще можно успеть, я 5 книг специально для этого канала оставил, только пишите в личку с пометкой, что вы из канала HRtech

HR-аналитика, которой не было Срочно. Только что сообщили из издательства: вышли первые гранки моей книги «HR-аналитика, которой не было». Писал несколько лет. Слов нет от переполняющих меня эмоций Первым 50 — бесплатно (при условии, что поделитесь новостью с коллегами). Пишите в личку. @Edvb777 Мы в телеге | Наш канал в макс | Наш канал в VK

Global Talent Trends 2026 от Mercer этот отчет не очередной «HR про HR», а попытка ответить на более жёсткий вопрос: как компании будут вытаскивать производительность в мире, где AI уже есть, а роста всё равно нет. Выборка около 12 000 респондентов — сотрудники, HR, C-level и инвесторы из разных индустрий и стран. То есть это не взгляд функции, а попытка собрать картину системы. Ключевой момент: они не спрашивали «что болит у HR». Они пытались понять, почему при инвестициях в AI бизнес не получает результат. И ответ, если разложить без корпоративного языка, звучит так:

компании прикручивают AI к старой работе, вместо того чтобы переделать саму работу.

Бизнес сегодня думает так:

👉 «нам нужно пересобрать работу — какие задачи делает человек, какие машина, как это даёт ROI»

HR продолжает думать так:

👉 «нам нужно улучшить опыт сотрудника, внедрить инструменты, настроить процессы»

И это не просто разницу в фокусе. Это разный уровень управления системой. Бизнес говорит про архитектуру работы. HR говорит про сервис вокруг людей. Сравните с тем, что показывал отчёт Boston Consulting Group. Там конфликт был сформулирован почти философски: бизнесу нужен HR, который влияет на экономику через людей, а HR продолжает работать в модели: — кадровое администрирование — закрытие вакансий — «чтобы не было конфликтов» — немного обучения и вовлечённости То есть HR как обслуживающая функция, а не как система управления производительностью через людей. Mercer показывает то же самое, только с новой обёрткой — AI. Проблема не в том, что HR «делает не то». Проблема в том, что HR работает на другом уровне задачи. Пока бизнес пытается ответить на вопрос: 👉

«как устроить работу, чтобы получить x2 продуктивности»

HR отвечает на вопрос: 👉

«как сделать сотрудникам чуть комфортнее внутри старой модели»

Отсюда и вся боль в цифрах: 🔹63% топ-менеджеров считают редизайн работы под AI главным драйвером ROI 🔹только 32% верят, что люди реально умеют работать вместе с AI 🔹57% C-level считают people analytics ключевым источником ROI 🔹но только 27% верят, что HR помогает принимать решения на основе данных 🔹98% компаний планируют менять организационный дизайн в ближайшие 2 года 🔹и только 8% считают, что HR встроен в стратегию бизнеса Если совсем упростить, конфликт выглядит так: 👉 бизнес пытается пересобрать двигатель 👉 HR полирует панель приборов И оба вроде бы работают «про одно и то же». Мы в телеге | Наш канал в макс | Наш канал в VK

В прошлом году на 1 апреля я писал, что мой канал покупает Josh Bersin. Мы тогда почти ударили по рукам — $1.4M, всё серьёзно. В этом году Josh Bersin передумал. Из-за шуток Роскомнадзора. У них шутить получается убедительнее, чем у меня. Поэтому план простой и слегка грустный: если вдруг шутка перестанет быть шуткой — я не пропаду. Я уже сделал канал в MAX. Причём не просто сделал, а с привилегией A+ — могу держать публичный канал с тем же ником: https://max.ru/hranalitycs - ПРИГЛАШАЮ! Так что это уже второй запасной аэродром. Традиции канала поддержу. Плюс, как вы помните, у меня есть канал во ВКонтакте https://vk.com/im/channels/-236457369 Телеграм пока никуда не девается. Я здесь и буду писать, пока это вообще возможно. Но если что — вы знаете, где меня искать. С 1 апреля 🙂 (в этом году как-то без шуток получилось). P.S. Вашу помощь через репосты и приглашения коллег сложно переоценить