🤨 Почему стало сложнее нанимать сотрудников — и ИИ тут не главный виновник

Сейчас модно объяснять проблемы с наймом одной фразой: «Это всё ИИ». Звучит эффектно, но данные говорят другое.

😜 BambooHR проанализировали миллионы откликов и наймов за последние пять лет и выяснили интересную вещь: кандидатов стало больше, а нанимать проще не стало. То есть проблема не в том, что людей нет. Проблема в самом процессе.

Мишель Макговерн раскрывает, что происходит на рынке труда
За последние годы:
🔴Откликов на вакансии стало почти в 2 раза больше;
🔴Количество наймов падает;
🔴Процент успешного найма снизился.

Проще говоря: резюме летят, а вакансии закрываются медленнее. Парадокс? Не совсем.

Компании стали осторожнее:
🟣Дольше принимают решения;
🟣Чаще продвигают внутренних сотрудников;
🟣Реже готовы рисковать с внешними кандидатами.

Так в чём тогда проблема?
1️⃣Раздувание обязанностей
Это когда в вакансию незаметно добавляют всё подряд. Например, изначально нужен был маркетолог. Потом добавили: аналитику, внедрение CRM, дизайн баннеров, немного продаж и «желательно опыт в AI».

При этом зарплата часто остаётся на уровне «ну это же просто middle». Неудивительно, что поиск затягивается.

2️⃣Должность уже изменилась, а описание — нет
Ещё одна частая история: роль давно изменилась, а вакансия живёт в прошлом. Получается разрыв: компания ищет одного человека, по факту нужен совсем другой.

Как это исправить? Перед тем как снова запускать найм, полезно сделать короткий аудит вакансии.

Спросите себя:
🔵Какие задачи реально важны;
🔵Что можно убрать;
🔵Где обязанности накопились "по-старинке", а на самом деле уже неактуальны;
🔵Соответствует ли зарплата ожиданиям.

Иногда проблема решается не новым наймом, а перераспределением задач внутри команды.

❗️Порой лучший способ улучшить найм — не новая технология, а честный вопрос: «Мы вообще понимаем, кого ищем?» 😄

🚩 Наша подборка статей про трансформацию рекрутинга

🚩Дублируем наш канал в Мах🤝

❗️От админа. Коллеги, еще один запасной аэродром на случай сложностей с Telegram - наш канал в ВК «Вебинары для HR».

Присоединяйтесь, если вам удобнее читать нас там -
https://vk.ru/im/channels/-231798892

❔ Почему правило 70-20-10 часто работает не так, как думают в HR

Модель 70-20-10 в обучении расшифровывается так:
🔴70% — учимся на практике,
🔴20% — у коллег,
🔴10% — на курсах.

Звучит красиво, и частично это правда. Но есть нюанс, о котором часто забывают. Главная ошибка: считать, что это подходит всем

Изначально эта модель описывала, как развиваются опытные специалисты, т.е. люди уже с базой. А теперь представьте новичка без знаний. Сказать ему «учись на практике» — это как: выдать ключи от машины человеку, который не знает, что такое руль. Опыт не учит, если ты не понимаешь, что происходит.

Как учить эффективно (советует Джеймс Атриа):
♦️Сначала база: термины, принципы, логика. Без этого никуда.
♦️Потом практика: когда человек понимает, что делает — практика начинает работать.
♦️Потом обмен опытом: наставники, коллеги, обсуждения — это усиливает рост.

Где модель 70-20-10 реально работает?
Модель отлично подходит:
🔵Для мидлов и сеньоров;
🔵Для прокачки уже существующих навыков.
Но не подходит для обучения для новичков с нуля.

Что это значит для HR и L&D-специалистов:
Перед запуском обучения задайте простой вопрос: у людей уже есть база или нет?
Если нет — не спешите с «давайте сразу в практику». Вы просто усложните им жизнь (и себе тоже).

📎 Наша подборка статей про обучение и развитие сотрудников

🚩Дублируем контент в наш канал в Мах / Канал в ВК

📣 #hr_фильм_на_выходные
"Кто убил BlackBerry"

Фильм, который стоит посмотреть всем, кто думает: «У нас классный продукт — значит, всё будет хорошо». История взлёта и падения BlackBerry — от стартапа с гениальной идеей до компании, которая не выдержала собственного роста.

Два мира: продуктовые "гики", которые делают «круто», и жёсткий менеджер, который делает «как надо для бизнеса». И сначала это даёт взрывной результат. А потом — начинает ломать компанию изнутри.

Что может заинтересовать HR:
🟣Конфликт культуры «инженеры vs бизнес»;
🟣Как гиперрост меняет ДНК компании;
🟣Что происходит, когда ценности подменяются скоростью;
🟣Почему сильный менеджер без культурного баланса — риск.

‼️ Проблема не в росте, а в том, что компания не успевает за собственным ростом. Масштабирование — это не только про процессы. Это про сохранение (или осознанное изменение) культуры, выравнивание ценностей и работу с конфликтами внутри команды.

📌 Наша подборка фильмов и сериалов для HR

✅Наш канал в Мах / Канал в ВК

➡️ Как понять, какое обучение реально нужно (и не слить бюджет зря)

Знакомая ситуация: в компании что-то идёт не так — ошибки, просадки, недовольные клиенты. И первое решение: «Давайте проведём тренинг!»

Логика есть. Но нужен анализ потребностей в обучении. По сути, это простой вопрос: где мы сейчас и где хотим быть — и почему между этим разрыв? Если пропустить этот шаг, можно провести классное обучение… которое никому не нужно.

Шарлин Лоби приводит 4 вопроса, которые стоит задать перед обучением:
🤩 Зачем это бизнесу
Сначала — не «чему учим», а зачем вообще учим.
🤩Какую проблему решаем;
🤩Как это влияет на результат.

👉 Если нет связи с бизнесом, обучение превращается в «активность ради активности».

🤩 Что считать нормой
🤩Какой результат считается хорошим;
🤩Как выглядит «нормальная работа»;
🤩По каким критериям оцениваем.

Иногда выясняется, что стандартов просто нет. Тогда обучать рано — сначала договоритесь, как выглядит «хорошо».

🤩 Кому и что реально нужно
Теперь смотрим на людей:
🌟Новичкам — база целиком;
🌟Опытным — конкретные пробелы.
Иногда проблема вообще не в сотрудниках, а в процессах или руководителе.

🤩 Как учить, чтобы не страдали
Последний, но важный пункт — формат.
⚪Онлайн или офлайн;
⚪Краткое или глубокое изучение;
⚪Практично или только теория.

Итог: хорошее обучение — это не про «сделать тренинг», а про точное попадание в проблему.

📌 Наша подборка статей про обучение и развитие сотрудников

✅Наш канал в Мах / Канал в ВК

📣 Можно ли доверять ИИ?

Доверие — это про людей. У ИИ же нет намерений, он не понимает «что для вас лучше» и не несет ответственности за ошибки. Если алгоритм ошибся — вы же не будете проводить с ним «серьезный разговор на 1-to-1». 🙂

Какие риски для бизнеса несет чрезмерное доверие к ИИ (приводит Квентин Миллингтон):
🟠Снимается ответственность с людей;
🟠Ошибки масштабируются;
🟠Обесценивается человеческий вклад.

Хорошая новость: отказываться от ИИ не нужно. Нужно просто поменять подход. Смотрите на ИИ как на инструмент, а не как на партнера.

Вот практичная модель:
1️⃣Используйте ИИ для конкретных задач
Не "пусть ИИ управляет наймом", а: "пусть ИИ сортирует резюме, предлагает варианты тестовых заданий, ускоряет рутину".

2️⃣Проверяйте результат
Правило простое: если решение важно, утверждать его обязательно должен человек.

3️⃣Делайте процессы прозрачными
Люди должны понимать, как ИИ принимает решения, какие данные использует.

4️⃣Не отдавайте ИИ решения, требующие морали
Повышение, увольнение, оценка — это зона людей. ИИ может помочь предложить и оценить варианты решений, но не решать.

5️⃣Следите за достоверностью и актуальностью данных
Плохие данные, предложенные ИИ = плохие решения. ИИ тут честен: «что дали, то и посчитал».

✅ Наша подборка статей про ИИ и автоматизацию

✅Наш канал в Мах / Канал в ВК