ИИ в оценке персонала: не брехня, а реальная польза — если делать правильно! Вчера на зимней сессии по оценке персонала помимо положительных кейсов, ярко прозвучало: “ИИ неприменим!» Уважаю мнение коллеги, но пришлось прям на ходу пересобирать свой доклад чтобы постараться убрать категоричность.

ИИ работает, если подойти системно. Вот 5 ключевых шагов, чтобы он приносил пользу, а не хаос: 1. Качество данных на первом месте. ИИ — это данные. Внешние модели (типа ChatGPT) неподконтрольны, но свои вы обучаете на чистых, корректных данных, коррелирующих с желаемым результатом. Пример Amazon: “мусор на входе — мусор на выходе” (Garbage In, Garbage Out). 2. Процессы перед ИИ. Без выстроенных бизнес-процессов ИИ только усилит хаос. Сначала процессы → данные → ИИ. Обещают “волшебную пилюлю”? Усложнит проблемы. Кейс Ростелеком очень хорошо демонстрирует этот принцип — процессы оценки у нас были выстроены давно! 3. Архитектура против галлюцинаций. Модели ошибаются — минимизируем риски архитектурным слоем. Смотрите кейс ЖКХ (разбор выше в профиле): RAG и проверки снижают ошибки до минимума. 4. Этика заданий. Какой вопрос — такой ответ. Ставьте этичные задачи: развитие персонала, а не сокращение. ИИ усиливает человеческий потенциал! 5. Экономический эффект заранее. Любая автоматизация требует расчета ROI , как на пилоте, так и всего проекта. Пилот ≠ проект: нужны мощности и данные, другие модели. Без этого — разочарование. ИИ не панацея, но инструмент для роста. Давайте внедрять и экспериментировать осознано!