ИИ превращает разрозненные HR-данные в понятные ответы и отчёты — без навыков аналитика и без формул.

Боль

Данные разбросаны по таблицам, ATS и опросам. Чтобы посчитать метрику или собрать отчёт, нужно вручную сводить выгрузки или ждать аналитика. Цифры есть, а выводов нет. Руководитель просит «покажи, что с наймом» — на сбор уходит день.

Как помогает ИИ

  • считает и объясняет HR-метрики на основе ваших выгрузок (time-to-hire, cost-per-hire, текучесть, воронка);
  • помогает формулировать запросы к данным простым языком, без SQL и формул;
  • находит закономерности и аномалии в данных (где «проседает» воронка, в каком отделе растёт отток);
  • готовит черновики отчётов и презентаций для руководства с выводами, а не только цифрами;
  • помогает строить дашборды и выбирать, какие метрики отслеживать под конкретную цель;
  • переводит таблицы в текстовые выводы и наоборот.

Как это работает на практике

Вы выгружаете обезличенные данные (например, воронку найма за квартал) и описываете задачу словами: «посчитай конверсию по этапам, найди, где теряем больше всего, собери выводы». ИИ считает метрики, подсвечивает узкие места и формулирует выводы на человеческом языке — вы проверяете и используете. Важно — ИИ работает только с вашими данными и может ошибаться в вычислениях, поэтому итог перепроверяйте.

Метрики и эффект

Метрика процесса База до пилота Что замерить после пилота Эффект
Подготовка отчёта Фактическое время Время с проверкой расчётов Скорость ответа
Исправления после проверки Число ошибок в отчёте Число ошибок с ИИ Надёжность
Вопросы к аналитику Количество за период Количество после пилота Самостоятельность HR

Готовый промпт 1 — анализ воронки найма

«Ты — HR-аналитик. Ниже — обезличенные данные по воронке найма за квартал (этапы и количество кандидатов на каждом). Посчитай конверсию между этапами, найди, где теряется больше всего кандидатов, сравни с нормальными показателями для ИТ-найма и дай 3 гипотезы, почему проседает узкое место. Не выдумывай цифры — считай только по данным ниже. Формат — таблица конверсий + выводы. Данные: [вставьте]».

Пример результата:

Этап Кандидаты Конверсия
Отклики 240 —
Прошли скрининг 60 25%
Интервью 24 40%
Оффер 6 25%

Узкое место: отклик → скрининг. Гипотезы: завышенные требования в тексте вакансии; нерелевантный канал трафика; слишком жёсткие стоп-критерии скрининга.

Готовый промпт 2 — отчёт для руководства

«Ты — HRD, готовящий отчёт для генерального директора. На основе метрик ниже собери краткий отчёт на 1 страницу: ключевые результаты, динамика, проблемные зоны, рекомендации. Язык — деловой, без HR-жаргона, с акцентом на влияние на бизнес (скорость найма, затраты, текучесть). Формат — структурированный текст с подзаголовками. Метрики: [вставьте]».

Пример результата:

Ключевые результаты квартала: закрыто 18 вакансий из 20, средний срок закрытия — 32 дня (кварталом ранее — 41). Динамика: стоимость найма снизилась на 15% — сработала реферальная программа. Проблемная зона: отдел продаж — 3 вакансии открыты дольше 60 дней, вилка ниже рынка. Рекомендация: пересмотреть вилку по продажам — поднять оклад дешевле, чем месяцами держать позицию пустой.

Чек проверки

  • все расчёты ИИ перепроверены — модели ошибаются в арифметике;
  • данные обезличены, в выгрузках нет ФИО и персональных данных;
  • ИИ не «подогнал» и не выдумал цифры, которых не было во вводных;
  • сравнения с «нормой по рынку» сверены с источником, а не приняты на веру;
  • выводы соответствуют данным и не делают слишком смелых обобщений на малой выборке.

Источники