Красивая аналитика [HR]

Новые состояния сотрудников и кандидатов #словарь

Помните одно время был популярен термин Quiet quitting (тихое увольнение) Сейчас у него появилось продолжение

Quiet quitting (тихое увольнение, термин 2022 года) - это сознательная позиция.
Человек делает ровно то, что входит в обязанности, без переработок и инициативы сверх нормы. Часто это способ поставить границы и при этом чувствовать себя вполне нормально. Мотив: «не хочу отдавать работе больше, чем мне за неё платят».

Quiet cracking (тихое "растрескивание", термин 2025 года) - не выбор, а состояние человека. Сотрудник хочет работать хорошо, но постепенно выгорает и теряет вовлечённость: нет роста, признания, развития, роста дохода, страшно потерять место. При этом уходить он обычно не собирается или просто уходить некуда.
Мотив: «я стараюсь, но больше не могу».

Отсюда появляется другие ситуации:

Job hugging – ситуация, когда люди держатся за текущую работу и не уходят, даже если недовольны: рынок тяжёлый, менять место страшно. Для HR это низкая текучесть, которая не равна вовлечённости.
и

Doomjobbing (doomscrolling + job searching) – когда человек часами листает вакансии и обновляет сайты, иногда судорожно откликается, но с ощущением, что ничего не найдётся.

При этом выгорание появляется не только от работы на нелюбимой работе, но и от ее поиска, для этого даже появился термин «Job search fatigue — выгорание от долгого поиска работы»

Tiny teams

Трижды за последние пару недель услышала на конференциях про что-то действительно новое - Tiny teams.

Если вы еще о них не слышали, то

Tiny teams - это продуктовые команды из нескольких человек, обычно до 10–20, которые работают с высокой эффективностью за счёт ИИ и автоматизации

Термин распространился в 2025 году вместе с волной ИИ-стартапов.

«Tiny» по-английски значит «крошечный».
Tiny team это не просто маленькая команда, как известное амазон-овское правило про команду размером в 2 пиццы.

Смысл tiny team в том, что «крошечной командой» создается продукт с масштабом выручки и пользователей, для которых раньше нужны были сотни людей.

Для HR это значит не просто численность, но и выручка / человека, а точнее выручка / (человека + его токены) или что-то типа такого, т.е. новый подход к организации "производства".

За последние пару недель слышала о пилотах таких команд от 2х HRD ИТ-компаний. Будем наблюдать за результатами.


P.S. Картинка – тест на возраст.
Лично для меня слово «tiny» мгновенно «достает» из памяти любимую в школе игру Tiny Toon для приставки.
Поставьте 👍🏻 кто тоже играл в такую)

Про порядок

помните я писала про игру?
Игра как точка входа в корп системы
и Игра как инструмент выстраивания процесса

в выходные увидела ее в телефоне племянника и обратила внимание на прикольную штуку:

в игре есть команды из разных стран - не только россияне, но и японцы, китайцы, поляки и т.п.

посмотрите на построение отрядов вокруг города и угадайте, где наши соотечественники - геймеры?)

👍 слева, желтые
❤️ справа, белые

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...