Красивая аналитика [HR]

Отвлекающие факторы на работе

В продолжение вчерашнего поста про исследование о рабочем времени.
Статья 20-летней (!) давности, 08.06.2006 г.

Глория Марк, доктор философии, доцент Школы информатики и компьютерных наук имени Дональда Брена в Калифорнийском университете в Ирвайне и ведущий эксперт по вопросам труда, исследовала перерывы в работе и пришла к удивительному выводу:
у нас нет рабочих дней — у нас есть рабочие минуты, которые длятся весь день.

Некоторые средние цифры из этого исследования:

• 3 мин 5 сек - время на любое отдельное занятие до того, как их прерывали или они переключались на другое, около трех минут

• 2 мин 22 сек - время на работу на устройстве до переключения на другое занятие

• 12,2 разных рабочих сфер, в которых работал каждый человек каждый день

• 10 мин 29 сек - время переключения между рабочими сферами

• 12 мин 18 сек - время работы в одной рабочей до переключения на другую (даже после исключения так называемых «незначительных» перерывов длительностью 2 минуты и меньше)

• 44% - доля прерываний людей самостоятельно, без внешних причин. Остальные прерывания были вызваны внешними факторами

• 81,9% - большая часть прерванной работы была возобновлена в тот же день, и в среднем это произошло через 23 минуты и 15 секунд.
Перед возвращением к первоначальной задаче выполняется примерно две промежуточные задачи, поэтому требуется больше усилий, чтобы снова сориентироваться

И, отдельно, вот это прекрасное:

все это не включает официальные встречи, потому что мы предположили, что если люди участвуют в официальной встрече, то они словно привязаны к ней, верно? Они не могут уйти или переключиться на другое занятие. Поэтому мы это не учитывали.

И все это было написано 20 лет назад, т.е. до активного использования мессенджеров и ИИ


P.S. другие интересные цифры про рабочее время из Work Trend Index Special Report 2025 от Microsoft были тут: https://t.me/whrdata/2320

Любопытно, что работая какое-то время над задачами вместе с ИИ, эта фраза из того отчета стала выглядеть для меня немного по новому:

Искусственный интеллект предлагает выход из тупика, особенно в сочетании с переосмысленным ритмом работы

Ритм работы то мы переосмыслили, но, кажется, не в ту сторону)

ИИ-обновления Teachbase: от создания курсов до анализа результатов

Teachbase разработали экосистему ИИ-инструментов для методистов.

🔘 ИИ-аналитик — продвинутая аналитика в дашбордах, выявляет тренды и закономерности, находит инсайты.

🔘 ИИ-помощник берет на себя проверку заданий с открытым ответом. 

🔘 ИИ-методист — собирает курсы и тренажеры по брифу, начиная с образа результата. Структура — от практики к теории. Итог: курс, нацеленный на изменение поведения, а не нейрослоп по одному промту. 

Курсы и тренажеры быстрее без потери качества. 

Форматы: интерактивный лонгрид, диалоговый тренажер, кейс-тренажер, тренажер работы в ПО, интерактивное видео, деловая переписка, квест-игра.

➡️ Оставьте заявку для бесплатного доступа к ИИ-функционалу

Стиральная машина и ИИ

Узнала про интересную книгу, на которую ссылаются современные журналисты. Саму книгу я пока не нашла, но описание любопытно.

«Больше работы для мам. Парадокс бытовой техники: от камина до микроволновой печи», Автор: Рут Шварц Коуэн, 1983 год.

Рут Шварц Коуэн - историк технологий, которая изучала индустриализацию домашнего труда.

Коуэн исследует, что технологические достижения и появление бытовых приборов типа домашней стиральной машины, плиты не только не уменьшили нагрузку с женщин, но даже увеличили.

Стиральная машина сделала стирку легче, но при этом подняла стандарты чистоты – люди стали чаще менять одежду, стирать стали чаще и количество времени, которое уходит на стирку увеличилось.

Тоже самое с появлением плиты. Она позволила готовить несколько блюд одновременно при разных температурах, в отличие от приготовления пищи на открытом огне очага и в результате вместо похлёбки в одном горшке появилось более разнообразное меню, а значит, больше работы.

Пылесос добавил часов к времени, проводимому в уборке, а мука из магазина избавила от домашнего помола, но тонкая белая мука открыла мир многообразия выпечки вместо простых лепёшек.

Кажется, эта автоматизация что-то напоминает, правда?)

С Днем Учителя всех причастных:
кто учится, кто учит,
кто оценивает и кого оценивают,
бывших двоечников и нынешних отличниц 🩷

И, традиционно, в это день передаю привет своей сестре - дефектологичке 👋

Внедрение ИИ и срок закрытия вакансии

За последние пару недель и несколько ужинов/митапов/конференций послушала примерно десяток презентаций про внедрение ИИ в найме. С неизменно позитивным результатом этого внедрения конечно же.
Но, т.к. я люблю смотреть на ситуацию вне рамок мейнстрима, то поразмышляю и на эту тему тоже.

Нет никаких сомнений в самом внедрении ИИ. Лично я стремительно превращаюсь из скептика в активного пользователя. Но вот тезис что «при внедрении ИИ в процесс рекрутмента метрика «Срок закрытия вакансии» снизилась на ХХ дней»...

Насколько снижение срока закрытия вакансии есть следствие именно внедрения и начала использования ИИ?

Весь процесс рекрутмента состоит, глобально, из 2х основных этапов: поиск и отбор.

В нашей стране получилось так, что начало массового внедрения ИИ в процесс рекрутмента точно совпало по времени с разворотом рынка труда на 180 градусов.

«Раньше»: «рынок кандидата», фокус внимания рекрутмента на этапе поиска кандидата (основная задача – найти, наполнить верх воронки)

«Сейчас»: «рынок работодателя», фокус внимания рекрутмента на этапе отбора кандидата (искать не нужно, кандидаты уже есть, их нужно отбирать)

Основные инструменты ИИ-помощников применяются как раз к этапу отбора. Причем, когда «кандидаты стоят в очереди», то точность инструментов не настолько важна, как в ситуации, когда требуется fine-tuning / точная настройка. Как сказал один из спикеров на одной из конференций, сославшись на слова клиента - директора по рекрутменту: «потерять 5 подходящих кандидатов не страшно».

Кроме ИИ, на сокращение срока закрытия вакансии влияют еще ряд внешних причин:
• ⬇️ количества вакансий на рынке
• ⬆️ количества свободных кандидатов в целом и качественных кандидатов, в частности
• ⬇️ уровня притязаний ряда кандидатов
• ⬇️ количества вакансий внутри компании (из-за снижения оттока, из-за приостановления развития и т.п.) и, следовательно, снижение нагрузки по количеству вакансий на 1 рекрутера
• наверняка есть что-то еще
В то же время, количество нерелевантных откликов на вакансии тоже растет и этим нельзя пренебречь.

Было бы интересно сравнить количество и микс подходящих/неподходящих кандидатов, которые попали на отбор рекрутеру раньше, с количество и миксом сейчас.

Но, в любом случае, мне кажется, что всем, кто внедряет сейчас ИИ-помощников очень повезло с моментом и с точки зрения возможностей тестирования и настройки инструмента, и с точки зрения обоснования эффектов.
Надо пользоваться!

Архетипы пользователей ИИ

Чудесное из презентации Татьяны Фоминой, ex-CIO hh, ныне Faust Consulting, с митапа, организованного Spice IT, 🗓 25.09.2026

Рынок можно структурировать на архетипы

1. Лицензионные оптимисты
— купили инструменты и ждут, что производительность сама вырастет. Купили надежду в годовой подписке (с)

2. Ежедневные практики
— растят массовое использование, чемпионов и привычку применять AI каждый день.
AI как новая гигиена (с)

3. Токеновые пироманы
— много экспериментируют, мало измеряют, палят токены как не в себя, двигают рынок и много учатся.
Всем бодро, бюджету тревожно (с)

4. Платформенные максималисты
— сразу строят контекст, рантайм, governance и внутреннюю платформу.
Сначала построим аэродром, потом будем летать (с)

5. Осторожные систематизаторы
— сначала хотят правила, безопасность, метрики и ролевую модель.
Давайте сначала поймём, во что мы вляпались (с)

6. Отрицатели-запрещатели
— либо неверие, либо запрет, либо игнорирование.
Если я запретил — значит его нет (с)

Немного про рынок платформ для управления данными

Несколько мыслей из презентации про рынок data платформ с конференции Yandex Scale'26, прошедшей 24.09.2026
Залезать в глубины управления данными не будем, просто посмотрим о чем говорят люди из этой сферы, чтобы оставаться в контексте.

Главный слайд, который полезен и тем, кто занимается аналитикой в HR - в иллюстрации к посту.
В целом, дальше можно не читать)

Ведь действительно, все что сейчас хотят бизнес пользователи от продуктов, которые предоставляют аналитики, это контекстное окно для прямого (ручного или голосового) ввода вопроса для получения мгновенного ответа с глубинной аналитикой и инсайтами.

Ситуация на глобальном рынке:

* Глобальный рынок вендоров перестал разделять платформы
данных и BI. Теперь это единый слой для всей аналитики компаний и масштабной ИИ-зации процессов.
* Ядром дата-платформ становится Lakehouse как наиболее экономически и технически эффективный архитектурный подход.
* Семантический слой — обязательное условие для интеграции ИИ-агентов в регулярные процессы работы с данными.
* Ожидание рынка — полный стек storage, catalog, semantic layer, SQL, ML/AI, BI от одного поставщика

Ситуация на российском рынке:

* Кризис продуктовой стратегии вендоров
* Отсутствие единого предложения
* Высокая стоимость проверки гипотез без гарантии возврата инвестиций и достижения ключевых метрик
* BI-вендоры чаще закрывают отдельные задачи - полный цикл аналитики в промышленном масштабе компании всё ещё собирают вручную
* 60% компаний используют зарубежные аналитические системы

Интересно:
* Каждый 5-й запрос к платформе данных несёт в себе требования
по наличию каталога данных и инструмента управления метаданными.
* Каждый 2-й запрос к аналитике несёт в себе требования по наличию ИИ-агента для ускорения поиска инсайтов и снижению нагрузки в ad-hoc-сценариях

ну и дальше там было про Yandex Data Platform, но это уже слишком специализированно...

Подсчет количества шагов и
мотивация линейного персонала

Если вдруг вы подумали, что мои посты про игру
Игра как точка входа в корп системы
и
Игра как инструмент выстраивания процесса
выглядят немного… бредово)
то этим постом я постараюсь объяснить почему это не так и какая есть практическая ценность у таких наблюдений.

Эти примеры напомнили мне историю из моего опыта примерно 10-летней давности, когда руководила отделом мотивации и льгот в БК и много занималась мотивацией и программами премирования линейного персонала. В то время в компании было принято проводить дополнительные программы мотивации сотрудников, нацеленные на продажу фокусных или сезонных продуктов и повышение таким образом маржинальности продаж.

Эти программы были классными, но их механика была такова, что подведение промежуточных итогов было достаточно трудозатратно в расчетах. При программе сроком 4-5 недель регулярность промежуточных итогов 1 раз в неделю была не достаточной. Из-за этого участие ресторанов в программе было не полным.

Одновременно с этим я ходила в спорт зал и следила за показателями, включая количество шагов. И вот, в какой-то момент я поймала себя на мысли, что начала участвовать в челленджах в приложении Samsung Health, которые проводились для стимулирования повышения количества шагов. В приложении это были яркие красивые картинки с нарисованным маршрутом, промежуточными отметками и новой темой каждый месяц (авокадо, пляж, томат и т.п.) Я заглядывала в приложение каждый день и делала пару лишних кругов, когда мне не хватало до какой-нибудь новой отметки)

"Если это работает на мне, то должно сработать и на сотрудниках" - подумала я и принесла эту механику на работу.

Очередной чемпионат мы провели по новой механике: с простыми, очень понятными целями на месяц и ежедневными промежуточными итогами, которые показывали % достижения месячной цели.

Благодаря такой простоте, ресторанам было удобно следить за своим прогрессом и сравнивать свой результат с целью и с другими ресторанами территории. Поэтому и ресторанов вовлеклось больше, чем обычно, и цели удалось выполнить лучше чем раньше

Оценка кандидатов по науке

Исследование о том, как кандидаты на собеседованиях комбинируют разные тактики impression management (IM) - умения произвести впечатление

(В подготовке поста помогал ИИ)
 
3 оси различий:
* общий уровень IM
* фокус на себе/других
* честность/обман

7 тактик impression management (IM):
1. honest self-promotion / честное самопродвижение
2. honest ingratiation / честная лесть (заискивание)
3. honest defensive / честная защитная тактика
4. deceptive slight image creation / обманное лёгкое приукрашивание образа
5. deceptive extensive image creation / обманное масштабное создание образа (фабрикация)
6. deceptive ingratiation / обманная лесть (заискивание)
7. deceptive image protection / обманная защита образа

5 профилей (по данным двух выборок, N=516 и N=1042):

Прямолинейные (Straight-Shooters) — общий уровень IM ниже среднего, но относительно активно используют честное самопродвижение и почти не используют лесть. Честны, не подстраиваются под интервьюера.

Наивные обманщики (Naive Deceivers) — самый низкий общий уровень IM среди всех профилей. Почти не занимаются самопрезентацией вообще, но если уж врут, то по-крупному (полная выдумка фактов).

Очаровашки (Charmers) — средний уровень IM, но с сильным упором на лесть и комплименты (и честную, и неискреннюю). Социально ловкие, ориентированы на собеседника.

Экстремальные обманщики (Extreme Deceivers) — самый высокий общий уровень IM среди всех, очень активно и беспорядочно врут, включая полную фабрикацию фактов.

Сдержанные обманщики (Restrained Deceivers) — уровень IM выше среднего, любят приукрасить, но проводят "красную линию" — не идут на полную выдумку.

Некоторые выводы из исследования:

* Экстремальные обманщики лучше всех проходят в следующий этап (74.7%), но хуже всех — кроме "сдержанных" — получают оффер (46.7%), т.е агрессивный обман хорошо работает на коротком отрезке (произвести впечатление здесь и сейчас), но плохо — когда компания успевает разобраться, что происходит (например, на этапе проверки рекомендаций)

* Очаровашки — единственный профиль, успешный и на входе, и на выходе (71.6% / 57.8%)

* Прямолинейные, наоборот, реже проходят дальше, но если проходят — чаще получают оффер (у них самый высокий процент конверсии из тех, кто дошёл до следующего этапа)

Ссылка на оригинал исследования для самостоятельного изучения

Сдвиг парадигмы в сфере поддержки пользователей, ч.2
Конфликт интересов 2х ИИ

В продолжение темы больших изменений в поддержке клиентов вот о чем я подумала:

у пользовательских сервисов появляется огромный конфликт интересов в области поддержки клиентов

В примере выше я уже разобрала, что скорость и качество предоставления ответа очень важны, это база.

Но вот в чем нюанс:
будучи коммерческой, любой платформе не выгодно давать пользователю советы, которые выгодны ему экономически, типа перейти на сервер в 3 раза дешевле, взять кредит по более выгодным условиям, перейти на более экономичный тариф мобильной связи или дождаться скидки для покупки продуктов. Т.е. получается, что есть большая вероятность, что их рекомендации будут идти вразрез с моими интересами.

Соответственно, я, как пользователь, предпочту задать вопрос не в их чат поддержки, а в «свой ИИ», чтобы он изучил условия на их платформе и дал мне совет, который будет соответствовать моим интересам и выгодным лично для меня.

Похоже, что область customer success ждет гораздо более серьезная трансформация, чем просто подключение ИИ к чату поддержки и базе знаний. И, кажется, это куда-то в сторону управления рисками и изменения фин модели

Сдвиг парадигмы в сфере поддержки пользователей, ч.1.
Что не так в подключении ИИ к базе знаний

Мне на днях показалось, что я переплачиваю за аренду сервера. Чтобы это проверить разобраться с техническими характеристиками, которые определяют стоимость, и в которых я мало что понимаю.

Великая еще сила моих привычек и сначала я пошла стандартным путем:

1.  написала в чат поддержки, где:
* бот нормальных ответов не дал,
* с оператором меня не соединили,
* в присланных инструкциях я ничего не поняла

2.  оформила заявку в тех. поддержку, где на каждую реплику мне отвечали с перерывом в 3-4 часа – а это вообще не та скорость, с которой мне интересно решать задачу

3. только тут я вспомнила что есть же клод код
Он не только провел весь нужный аудит и дал мне рекомендации за пару минут, но и
* помог выбрать новый тариф,
* сделал миграцию сервера,  тестирование и запуск.

И все отлично, теперь у меня сервер по цене в 3 раза дешевле!

Традиционная поддержка клиентов безнадежно умирает, и обычное подключение ИИ с RAG к базе знаний, в реальности, это только самый первый шаг

Продолжение следует...

История по первого хакера СССР, мотивацию и демотивацию #из_истории

В музее криптографии (я уже писала про него раньше) проходит интересная выставка «Ключ доверия» про доверие к цифровому миру и защиту персональных данных.
Очень рекомендую сходить,
интересно и детям и взрослым.

Интересный факт с этой выставки про человека на работе:

Мурат Уртембаев - советский программист, которого называют первым официально зафиксированным «хакером» в СССР.
Он стал им тогда, когда такого явление как компьютерные взломы еще не существовало.

Дело было так:

После окончания мехмата МГУ он начал работать инженером-программистом на АвтоВАЗе.

В 1981 году истекал срок отработки Уртембаева на ВАЗе как молодого специалиста. Он уже собрался уволиться, но начальство отговорило его, пообещав повышение в должности до старшего инженера и, соответственно, в окладе.

Вскоре наступил июнь 1982 года, время аттестации, после которой выяснилось, что руководство ВАЗа не сдержало свое обещание повысить Марату должность и оклад. Уртембаев был очень подавлен и перестал верить людям.

Во время своей работы Уртембаев обратил внимание на то, что специалистов, которые пишут ответственные программы, не наказывают за ошибки, которые приводят к простою производства. Наоборот, к таким программистам обращаются как к незаменимым работникам, а когда они исправляют ошибку, на них смотрят как на героев.

У Уртембаева созрел план ввести в программу ошибку, оперативно ее устранить, и тем самым завоевать авторитет у руководства для изменения результата аттестации (по другим сведениям - для повышения авторитета перед руководством и получения премии)

Но план сорвался - программа сработала на несколько дней раньше запланированного, конвейер встал на три дня, что привело к недовыпуску 460 машин, невыполнению плана и ущербу.

В итоге он не только не получил повышение, но и был осужден на 3 года условно и переведён в бригаду цеха, где начал отрабатывать нанесённый ущерб.

Такая вот #история

Bradford Factor

Нашла интересную метрику - Bradford Factor

Это один из показателей для аналитики отсутствий, цель которого определить не общее количество дней отсутствия, а отделить людей с редкими, но длинными отсутствиями от частых коротких.

Бизнес-смысл в том, что непредсказуемое, часто повторяющееся, отсутствие дезорганизует работу команды сильнее, чем один длинный, но предсказуемый больничный - сложно изменить графики, найти замену - и из-за этого процессы проходят рвано

Математически это выглядит так:
Bradford Factor = S² × D, где
S - число отдельных эпизодов (периодов) отсутствия за период (обычно скользящие 12 месяцев/52 недели),
D - суммарное число дней отсутствия за тот же период

Квадрат берется именно у числа эпизодов, а не у дней. Это намеренно делает частые короткие отсутствия математически «дороже», чем один длинный больничный с тем же итоговым числом дней. Из-за этого одни и те 10 дней в разном «миксе» будут давать разное количество баллов:
1 случай×10 дн = 1×1×10 = 10 балл
2 случая×5 дн = 2×2×10 = 40 балл
5 случаев×2 дн = 5×5×10 = 250 балл
10 случаев×1 дн = 10×10×10 = 1000 балл

На вебинаре про гибкие льготы в презентации одной уважаемой компании увидела слайд вот с такими тезисами:

Сотрудники, активные во льготах, системно опережают других по ключевым метрикам.

BAE (Benefit Active Employee) — сотрудник, который использовал две и более персонализированных льготы в течение последних 6 месяцев.

По результатам опроса вовлечённости эта когорта опережает остальных по всем ключевым метрикам.

Активность во льготах — измеримый коррелят вовлечённости и лояльности. Значит, амбиция целевой модели формулируется предельно конкретно: кратный рост доли BAE как способ управлять HR-метриками с доказанной связью с бизнесом.

С одной стороны, нет никаких сомнений, что гибкие льготы это круто и интуитивно хочется присоединиться к этому утверждению, т.к. метрика классная и наблюдение тоже очень интересное.

А, с другой - нет ли тут эффекта «корреляция не равно причинно-следственная связь»?

Утверждение звучит так, что активное использование льгот повышает вовлечённость. Но почему не наоборот?

Более вовлечённые сотрудники охотнее разбираются в своём соцпакете, чаще заходят в кабинет льгот и пробуют несколько опций, т.е. лояльность и вовлечённость порождает BAE-поведение. Это тоже выглядит вполне логично.

И второе предположение / вопрос - однородные ли группы сотрудников участвовали в этом сравнении (грейд, стаж, уровень должности)? Возможно причина в том, что более лояльные и вовлеченные сотрудники обладают более широким пакетом льгот, или бОльшим бюджетом на льготы, или бОльшими возможностями для использования льгот и именно поэтому они и более вовлеченные и чаще пользуются льготами?

Честности ради, я не слышала выступление онлайн, возможно, ответы на эти комментарии звучали и их просто нет в презентации.

Но, в любом случе, это хороший пример для того, чтобы еще раз напомнить:
«корреляция не равно причинно-следственная связь»

Если бы фигуры искали работу
Часть 2, про Рекомендательную систему

Помощь в описании резюме и вакансий - это не единственная классная фишка, которая есть на современных платформах по поиску работы. Кроме этого, у них еще есть рекомендательные системы.

Вообще то, система рекомендаций - это классная штука: вакансий на сайтах по поиску работы так много, что если просматривать их все и искать подходящие, то это может занимать кучу времени.

Поэтому раньше кандидаты использовали фильтры и настраивали свой поиск так, чтобы выбирать вакансии по "форме", "цвету" или "количеству углов". А сейчас современные технологии платформы делают это автоматически с помощью ИИ.

Как это выглядит со стороны наших кандидатов-фигур?

В идеале наш кандидат-Треугольник хотел бы найти для себя вакансию-треугольник с соответствующими ему формой, цветом и размером. Но он прекрасно понимает, что такую вакансию найти сложно, поэтому он готов рассматривать и другие, похожие, вакансии, т.к. его знания, навыки и опыт работы вполне соответствуют требованиям этих должностей.

В своих ожиданиях Треугольник представляет что умная рекомендательная система выдаст ему подходящие для него вакансии по соответствию цвету, форме и углу наклона.

Но, мы помним, что наш треугольник воспользовался всеми подсказками ИИ-помощника. И все рекрутеры, размещавшие вакансии, тоже воспользовались подсказками ИИ-помощников, поэтому резюме Треугольника и подходящие для него вакансии выглядят совершенно одинаковыми черно-белыми равносторонними треугольниками.

Не то чтобы рекомендательная система не сработала - она честно отранжировала вакансии по соответствию их резюме и выделила 997 вакансий для треугольников от тысяч других вакансий для окружностей, квадратов и звездочек.

Так же и для рекрутера она отобрала 997 кандидатов на вакансию треугольника, отделив их от тысяч остальных...

А вот как дальше делать выбор внутри ставших одинаковыми резюме и вакансий - это задачка со звездочкой.

А стал ли такой отбор точнее, чем старинный отбор по фильтрам?
Делал ли кто-то замеры?
Я не видела таких данных в открытом доступе

Куда ведет ИИ мир рекрутмента,
или Сказка про то как геометрические фигуры искали работу на job-сайте

Часть 1, про резюме, вакансии и ИИ-помощников

Жили-были 10 геометрических фигур.
Каждая из фигур имела свою неповторимую форму, цвет и характер: острые углы выдавали напор и амбиции, плавные линии говорили про спокойствие и гибкости, широкое основание предполагало надежность и умение держать удар. Одни фигуры были более яркие и амбициозные, другие - более скромные и стабильные.

И решили они найти себе работу.
Не все фигуры хорошо умели описывать себя, да и не все особенности можно описать словами, плюс формат сайта для размещения резюме накладывал некоторые ограничения, поэтому описания (резюме), которые фигуры разместили о себе на платформе, были немного корявые, но все-таки за ними еще скрывалась индивидуальность фигур.

Но, оказалось, что на дворе век современных технологий и искусственного интеллекта и платформы для поиска работы подсказывают, что такие резюме уже не современные и, с помощью новых технологий, их можно сделать гораздо более привлекательными для работодателей.

К счастью фигур на платформах уже есть ИИ-помощники, которые знают каких кандидатов ищут работодатели и помогают скорректировать резюме под эти требования так, чтобы быстрее найти работу.

Каждая фигура очень хотела найти работу, и поэтому с удовольствием следовала рекомендациям ИИ-помощников: кому-то они рекомендовали чуть сгладить углы, кому-то добавить точности, кому-то добавить опорных точек и т.п. Фигуры внимательно слушали советы ИИ, корректировали свои резюме и в итоге их резюме стали выглядеть... неожиданно похожими друг на друга.

То же самое происходило и со стороны рекрутеров и работодателей, они тоже активно использовали ИИ-помощников и улучшали описания своих вакансий в соответствиями с рекомендациями. Скорее всего вы уже догадались как они это делали, но если нет, то почитать можно тут.

Прошло совсем немного времени и не стало видно за описаниями ни цветов, ни углов, ни характеров и превратился мир ярких и многообразных резюме фигур и вакансий, где каждый мог найти подходящую себе пару, в мир черно-белых резюме и вакансий, где различия стерлись, а многие фигуры стали похожи друг на друга и многие вакансии стали похожи друг на друга и найти себе пару стало не так просто как хотелось бы

Игра как инструмент выстраивания процесса

Еще одна классная штука, которая есть в онлайн игре – это еженедельная рутина

Что они делают?

Каждую неделю в игре дают задания на каждый из 5 дней, например:
• понедельник – воины
• вторник – строительство
• среда – снаряжение
• четверг – герои
• пятница – солдаты

В субботу происходит сражение, а в воскресенье – отдых

И это повторяется каждую неделю

Применительно, например, к магазину продуктов питания это может быть:
• понедельник - продукты
• вторник - оборудование
• среда - сотрудники
• четверг - склад
• пятница - заказы
• суббота - финансы
• воскресенье - подчищение "хвостов"

(неделя состоит из 7 дней, т.к. это не для 1 сотрудника, а для команды менеджеров)

Таким образом, благодаря этой регулярности, ребята привыкают к такой периодичности, распределяют ресурсы и совершают действия определенным образом.

Прикольный инструмент для выстраивания работающих процессов и прививания зумерам правильных привычек.

📱Телеграм |📲Max
База знаний whrdata

Игра как точка входа в корп системы

Я не смогла найти этот пост, но я уже года 2 считаю, что корпоративный портал – это атавизм. Развитие и поддержание занимает ресурсы, не всегда сопоставимые с его пользой.

Сейчас привычная среда коммуникации для сотрудников - это мессенджеры и, созданные в них, чаты и каналы, кажется, что первая точка входа в профиль сотрудника, структуру компании, контакты и список новостей – это именно корпоративный мессенджер, а не портал. И это очень удобно.

Но на днях мне пришла в голову мысль о том, что в недалеком будущем и мессенджер может устареть. И вот что натолкнуло меня на эту мысль.

Не так давно я «замещала» своего племянника в онлайн-игре. Он был в лагере, где нельзя играть долго и пользоваться телефоном в любое время, а у меня сейчас достаточно свободного времени и нет жесткого режима дня.

Я сто лет не играла в игры-стратегии, поэтому опыт получился интересный.
И, как обычно, я не могла не провести аналогий с HR-процессами и продуктами)

Итак, что есть в онлайн-игре полезного для HR:)

• Профиль игрока (= сотрудника)
• Альянс (= команда / отдел)
• Рейтинг личный
• Рейтинг альянса (= рейтинг команды)
• Ежедневные задачи для участия в битве альянсов (соревнований между к командами)
• Возможность делать дополнительный вклад в рейтинг альянса (= «ставить цели команды выше личных»)
• Рутина, т.е. цели повторяются каждую неделю (= внедрение и выстраивание регулярных процессов)
• Герои 3х категорий (=сотрудники разных профилей, например, менеджер, эксперт, коммуникатор)
• Рейтинг героев (=рейтинг каждого сотрудника, возможности для развития каждого сотрудника по нескольким направлениям – менеджерские, экспертные и т.п.)
• Чат для общения
• Подсказки от лидера альянса (=фокусы на день от руководителя)

Чего нет точно:
Адаптации 😊
Когда попадаешь в «открытый мир» игры со всеми его альянсами, лидерами разных уровней, задачами и атаками от врагов, то не сразу понятно как во всем этом ориентироваться. Ну в точности корпоративная жизнь с ее сложной оргструктурой и множеством параллельных процессов и непонятных новичку терминов)

В общем, теперь я думаю, что единая точка входа для сотрудников в корпоративные системы в будущем - это не корпоративный портал и не мессенджер, а интерфейс онлайн игры.

Проверим эту идею через несколько лет)

📱Телеграм |📲Max
База знаний whrdata

Профиль кандидата в ATS

Чтобы уже закончить тему с единым профилем, а заодно предметно ответить Юле на комментарий из поста в тг, расскажу про свой опыт в этом вопросе
(спойлер - лично я не особо верю в качественный единый профиль в части описания опыта работы)

Некоторое время назад, занимаясь разработкой внутрикорпоративной ATS, мы не один раз обсуждали создание единого профиль кандидата. Лично я ооочень хотела, чтобы в продукте был единый профиль. Но, при внимательном рассмотрении, быстро стало понятно, что это гораздо сложнее, чем кажется на первый взгляд.

Даже если убрать анонимные резюме и резюме с фейковыми данными для «обмана» ATS, и оставить только добросовестных кандидатов, то окажется, что собрать опыт работы кандидата из нескольких резюме в единый опыт – это задача со звездочкой.

В чем сложность?
• Изменение фамилии
• Изменение контактных данных
• Наименование компании – разные написания, разные ЮЛ, дочерние компании, группы компаний / отдельные предприятия и т.п.
• Даты - Пропуски периодов / объединение периода без работы в добавление к какому-нибудь месту
• Множество вариантов наименования должности
• Несколько ролей внутри одного места работы
• Разное описание обязанностей в резюме в разные годы или под разные вакансии
и др.

Кстати, job-бордам в этой ситуации немного проще, т.к. у них заполнение профиля кандидата – это ответственность кандидата, в ATS такого нет. Но это лишь немного упрощает дело.

А сейчас еще начинают добавляться новые резюме с описанием, сгенерированным ИИ.
Что делать с описанием опыта в едином профиле при получении такого резюме? Обновлять и затирать все то, что было ранее? или Оставлять и то, и другое? Или что?

На эту тему нет однозначно правильного системного ответа.
Везде есть свои «за» и «против».

Точно известно одно - обычным слиянием информации из разных резюме задачу создания единого профиля точно не решить.

Если у кого-то есть классные примеры решения такой задачки, то поделитесь, пожалуйста.

Резюме кандидата vs
Профиль кандидата

оказалось, что далеко не все понимают в чем вообще разница между профилем кандидата и резюме кандидата

нарисовала маленькую схемку чтобы было понятно