Управление файлами cookie
Настройки файлов cookie
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Другие файлы cookie можно настроить.
ИИ-оптимизация performance review. Как мы сэкономили 560 часов и 750 тыс.руб.
Примерное время чтения: 4 минуты
Хотите всегда быть в курсе событий на рынке IT? Подписывайтесь на наш Telegram-канал!
- Performance review — критически важный процесс, который помогает сотрудникам и работодателям лучше понять компетенции команды. Но глубокая оценка требует колоссальных ресурсов. Рассказываем, как нам удалось оптимизировать процесс с помощью ИИ, сэкономить 560 часов работы и почему алгоритмы не смогли заменить человека на 100%.
Команда поставила перед собой сложную задачу. За 8 недель сотрудники должны были выстроить процесс performance review (PRev) таким образом, чтобы в дальнейшем система была полностью автоматизирована и работала без ошибок.
- Дарья КудрявцеваHRD Selecty«Сейчас я думаю, что не использовать ИИ в HR — значит упускать шанс. Он может стать нашим надежным партнером, если правильно встроить его в процессы»
Как мы строили работу?
На первом этапе ИИ помог выстроить список компетенций, подготовить инструкции для участников и даже сгенерировать предварительные выводы. На каждом шаге команда сравнивала время, потраченное на ручную обработку данных и с использованием нейросетей.
На первом этапе ИИ помог выстроить список компетенций, подготовить инструкции для участников и даже сгенерировать предварительные выводы. На каждом шаге команда сравнивала время, потраченное на ручную обработку данных и с использованием нейросетей.
У команды получилось разделить проект на следующие этапы:
- Актуализация профиля компетенций ИТ-рекрутера — обновили матрицу hard/soft-skills и уровни ожидаемого поведения.
- Проработка процесса — описали роли, тайминг, источники данных, регламенты.
- Информационные материалы по Performance review — подготовили гайды для участников, шаблоны и FAQ.
- Разработка тестов (модуль Hard skills) — сформировали проверочные задания и критерии оценки.
- Тестирование и Оценка 360 — собирали количественные метрики и качественную обратную связь.
- Свод результатов — объединили данные в единую модель, нормализовали и валидировали.
- Подготовка персональных talent review — сформировали индивидуальные выводы, зоны роста и планы действий.
- Сбор обратной связи — уточнили итоги с руководителями и сотрудниками, фиксируем согласованные решения.
- Работа над ошибками и планирование следующего цикла — скорректировали профиль компетенций, метрики и сам процесс.
- Дарья КудрявцеваHRD Selecty«Мы прошли весь цикл по кусочкам и для каждого шага делали сравнение: фиксировали затраченное время (человек-часы), прямые затраты (вовлеченность HR/аналитиков, стоимость инструментов), качество аналитики (точность сводов, полнота, единообразие формулировок) и количество переделок»
- Ярослава ЧеботареваHR Manager Selecty«Каждый сотрудник получил отчет, где были не только цифры, но и рекомендации. ИИ помог собрать их быстрее и точнее»
Результаты проекта:
- Формирование перечня компетенций.Если вручную эта задача заняла бы около 24 часов, то с ИИ получилось справиться за 10 минут. Экономия составила почти сутки работы.
- Раскладка компетенций по шкале с описанием поведенческих маркеров.Вместо 30 часов на 15 компетенций — всего 20 минут.
- Подготовка вопросов-утверждений для Оценки 360.На ручную работу ушло бы 2−3,5 часа, с ИИ удалось сократить время до 1 часа 15 минут.
- План персонального Talent Review.На подготовку 100 планов вручную требовалось бы около 300 часов. С ИИ задача сократилась до 25 часов. Экономия — 275 часов.
- Подготовка финальной презентации Talent Review/Gamma.Ручной вариант — 200 часов, с ИИ — 66,7 часа. Экономия — 133 часа.
- Создание опросника обратной связи.ИИ справился за 30 минут против 4,5 часов ручной работы.
- Команда сэкономила.Экономия 750 тыс. руб., полностью отказавшись от покупки модуля Битрикс 24.
Несмотря на эффективность, идеальным процесс не был.
- Ярослава ЧеботареваHR Manager Selecty«ИИ не справлялся с субъективными вещами. Например, корректировка профиля soft skills все равно требовала участия HR».
Кроме того, на старте пришлось преодолевать недоверие сотрудников: многим было важно понимать, что их оценивает не робот, а люди. Команда объясняла, какие задачи выполняет ИИ, а какие остаются за человеком.
В будущем, эксперты хотят настроить рабочие процессы и нейросеть так, чтобы она могла заблаговременно выявлять риски выгорания сотрудников, но это будет возможно при большом количестве исторических данных.
Эльвира Масленникова
контент-менеджер