OpaGPT ИИ в подборе персонала: кейс сокращения времени найма
Сеть розничных магазинов с 800 сотрудниками получала более 1200 резюме на вакансию регионального менеджера. HR-команда тратила до 40 минут на ручную проверку одного кандидата. Внедрили AI-скрининг: алгоритм оценивал релевантность навыков, стабильность мест работы и наличие ключевых компетенций. Система отсеяла 85% резюме, не соответствующих требованиям. На интервью пригласили 40 кандидатов.
| Показатель | До внедрения | После внедрения |
|---|---|---|
| Время закрытия вакансии | 21 день | 9 дней |
| Стоимость найма | 100% | 65% |
Результат: сокращение времени найма в 2,3 раза и экономия 35% бюджета на подбор. Решение: AI сохранял лучших кандидатов в талант-пул, а HR занимался только финальной оценкой.
Предиктивная аналитика для удержания сотрудников
Логистическая компания с высокой текучестью использовала модель, которая анализировала посещаемость, эффективность, результаты опросов и стаж. Система ежемесячно формировала рейтинг риска увольнения. Для сотрудников с вероятностью ухода выше 70% руководители проводили встречи и предлагали индивидуальные условия.
«ИИ не заменяет менеджера, а подсвечивает зону риска» — директор по персоналу компании.
За 6 месяцев текучесть снизилась с 18% до 12%. Практический пример показывает: предиктивная аналитика снижает текучесть на 30–40% при условии активных действий руководителей.
Автоматизация рутинных HR-процессов
- Чат-бот обрабатывает 70% типовых вопросов сотрудников по отпускам и справкам.
- AI формирует графики смен с учетом трудового законодательства и личных предпочтений.
- Система автоматически отслеживает сроки прохождения испытательного срока и напоминает руководителям.
Выводы и практические шаги
- Начните с узкой задачи — скрининг резюме или автоматизация справок.
- Собирайте данные о сотрудниках: посещаемость, результативность, обратная связь.
- Внедряйте предиктивные модели после накопления 6–12 месяцев истории.
- Оцените эффект по конкретным метрикам: время найма, текучесть, нагрузка HR.