OpaGPT ИИ-агент, который удерживает сотрудников
Когда каждый второй новичок уходит из-за отсутствия роста, бизнес теряет до 1,5 годовых зарплат на одного сотрудника. Индивидуальный подбор задач, обучения и вакансий внутри компании помогает удержать до 18% команды. Но чтобы рекомендации действительно попадали в цель, агента нужно настраивать, а не просто включить.
Что настраиваем в первую очередь
ИИ-агент персонализации — это система, которая собирает данные о навыках, результатах и предпочтениях сотрудника, а затем предлагает следующий шаг: курс, проект, наставника или внутреннюю вакансию. Настройка состоит из трёх блоков.
1. Источники данных
- Профиль компетенций и self-report сотрудника;
- Оценки от руководителя и 360 градусов за последние 2 квартала;
- История завершённых курсов и их оценки;
- Поведенческие сигналы: просмотр вакансий, участие в проектах.
2. Веса алгоритма
Например, для карьерных рекомендаций мы берём: навыки — 40%, интересы к новым задачам — 30%, цели сотрудника — 30%. Если агент рекомендует только по прошлым оценкам, точность падает на 14%.
Цитата практика
«Не настраивайте агента на „все подряд“. Персонализация без ограничений превращается в хаос. Агент должен уметь сказать „нет“ и предложить альтернативу» — HR-директор ритейл-компании после пилота на 300 сотрудниках.
Пример настройки за 4 шага
- Соберите данные за 12 месяцев: навыки, оценки, факты успешных проектов.
- Определите целевую метрику: сокращение текучести среди «синих воротничков» на 15% за 2 квартала.
- Обучите модель на исторических данных: кто из сотрудников вырос внутри компании, а кто ушёл.
- Запустите пилот на 200 сотрудниках и сравните с контрольной группой из 200 человек.
Таблица: настройки агента
| Параметр | Стандартное значение | Рекомендуемое для HR |
|---|---|---|
| Горизонт рекомендаций | 30 дней | 90 дней |
| Число рекомендаций | 3 | 7 |
| Порог релевантности | 0.5 | 0.75 |
| Частота обновления | 1 раз в неделю | каждый день |
Три ошибки, которые убивают точность
- Игнорирование обратной связи: если не учитывать «не понравился курс», точность рекомендаций снижается на 24%.
- Переобучение на «звёздных» сотрудниках: модель начинает советовать всем только сложные задачи, из-за чего 12% новичков выгорают.
- Отсутствие A/B-теста: без контрольной группы невозможно понять, влияет ли агент на retention или на всё повлиял сезонный фактор.
Для генерации синтетических сценариев и тестирования гипотез при настройке агента используйте OpaGPT — это позволяет прогнать 10 000 вариантов рекомендаций за пару часов, вместо двух недель ручного анализа.
Как измерить эффект
Через месяц после включения финальных настроек смотрите на три метрики: долю сотрудников, прошедших рекомендованный курс; скорость закрытия внутренних вакансий; изменение индекса удовлетворённости карьерным ростом (в опросе eNPS). nejroseti hr tech 2027. Пилот с корректными весами показывает рост eNPS на 8–10 пунктов, а скорость перехода на новую должность внутри компании — на 30%.