Получать качественные ответы от ИИ = писать хорошие промты. Это не «магия слов», а чёткая постановка задачи: что анализируем, зачем, на каких данных и в каком виде хотим результат.

Хороший промт экономит часы, снижает риски и даёт выводы, на которые можно опереться в диалоге с топами.

💡 ИЗ ЧЕГО СОСТОИТ «ПРАВИЛЬНЫЙ» ПРОМТ? 1️⃣ Роль модели: «Ты — HR-аналитик/HRBP/HR-менеджер/и т.д».

2️⃣ Контекст: отрасль, регион/рынок, размер и стадия компании, команда/функция.

3️⃣ Цель в терминах бизнеса: какое решение примем (сократить time-to-hire, найти причины ухода, приоритезировать действия).

4️⃣ Данные: формат (CSV/XLSX/TXT), список колонок, период (YYYY-MM), примечания по качеству.

5️⃣ Безопасность: анонимизация (псевдо-ID, YYYY-MM, вилки окладов вместо оклада.

6️⃣ Шаги работы: очистка → расчёты/метрики → разрезы → выводы → план действий.

7️⃣ Критерии качества: показать формулы/допущения, сравнить с baseline/прошлым периодом, предложить альтернативные гипотезы.

8️⃣ Формат вывода: резюме на 10 строк, таблица метрик/разрезов, план 30-60-90 с владельцами и метриками.

9️⃣ Тон и аудитория: «пиши для HRD/CEO: кратко, цифры, влияние на деньги/риск».

🧎‍♂️‍➡️ Ограничения: что делать, если не хватает полей/данных (явно указать и запросить доп. входы).

⬇️ ПРИМЕР ПРОМТА:

Ты — {роль}. Контекст: {отрасль, регион, размер/стадия, функция}. Цель: {какое бизнес-решение/метрика}. Данные: {формат, список колонок}, период {YYYY-MM…}, PII анонимизированы. Сделай: 1) очистку, 2) расчёт метрик с формулами, 3) разрезы по {разделам}, 4) сравнение с baseline, 5) 3–5 рекомендаций с приоритетом/ресурсами/ожидаемым эффектом. Формат ответа: резюме (10 строк) → таблица метрик → план 30-60-90 → ограничения и что собрать дальше. Стиль: для HRD/CEO. ❗️ 20 сентября на нашем открытом уроке «GPT в помощь HR: как анализировать данные с его помощью» покажем много лайфхаков для анализа данных при помощи нейросетей.