Ко мне пришел собственник компании по поставке оборудования. Формально запрос был про продажи: хотелось понять, что происходит с динамикой и где искать слабое место.

Мы начали с цифр и процессов, но довольно быстро стало ясно: смотреть только на воронку бессмысленно. Разговор вышел на руководителя отдела продаж — человека, который напрямую влияет на результат.

Почему пошли в оценку Чтобы не спорить на уровне ощущений, решили посмотреть на управленческий профиль РОПа через HR-систему SkillCode.

После диагностики я дал ему подробную обратную связь: где у него сильные стороны, где зоны уязвимости и что именно стоит усиливать под задачи бизнеса. Потом те же выводы мы отдельно разобрали уже с собственником. И на этом этапе подтвердилось много того, что он раньше чувствовал интуитивно, но не мог собрать в систему.

Где в кейсе появился ИИ Дальше началось самое интересное. Собственник активно использует нейросети в своей работе: тестирует ассистентов, собирает сценарии продаж, адаптирует инструменты под рынок. После оценки он загрузил профиль РОПа в нейросеть и попросил ее собрать управленческий портрет.

По его словам, описание во многом совпало с моей интерпретацией. Для меня это важное наблюдение: ИИ действительно может быть полезен как дополнительный слой расшифровки результатов оценки.

Но здесь есть критичный момент: нейросеть обязательно нужно проверять. Она может быстро собрать правдоподобную интерпретацию, но не всегда точно понимает поведенческий смысл конкретной компетенции.

То есть ИИ в этой истории работал не вместо эксперта, а поверх качественной диагностики.

Как мы перевели результаты в действия На этом клиент не остановился. Вместе со своим РОПом он собрал дорожную карту развития: не общие разговоры про рост, а конкретные еженедельные практики под те компетенции, которые реально влияли на результат.

Потом через оценку прошел сам собственник и весь отдел продаж. Вот здесь картина стала объемной. Мы увидели: — кто кого усиливает; — где в связках есть слабые места; — какие пары лучше работают в переговорах; — где команда держится на личной компенсации отдельных людей.

Нейросеть и тут помогла — как быстрый аналитический инструмент для гипотез по командной работе.

Как это вышло на найм Дальше мы закономерно вышли на тему подбора. Логика была простая: если у компании уже есть диагностика компетенций и ИИ как дополнительный аналитический слой, можно ли с их помощью усилить найм?

Сначала разобрали действующую воронку. Потом стало понятно, что диагностику логично ставить ближе к финалу — для тех кандидатов, кто уже прошел первичный отсев.

Но прежде нужно было проверить сам этап собеседования.

Я предложил смоделировать короткий диалог, как если бы передо мной был кандидат на управленческую роль. Мы поговорили несколько минут — и сразу увидели слабые места: — где вопросы слишком общие; — где интервью дает впечатление, а не данные; — где невозможно проверить реальную модель поведения. Через неделю собственник вернулся уже с гораздо более четкой воронкой: понятные этапы, структурированные сценарии интервью и логика выхода кандидатов на итоговую оценку.

Что получилось в итоге Мы начинали с одной задачи — разобраться в профиле действующего РОПа. А в итоге компания: — глубже поняла его сильные и слабые стороны; — выстроила план развития; — увидела сильные и слабые связки в отделе; — усилила командную аналитику; — пересобрала саму систему найма.

Что я вынес из этого кейса Мой главный вывод простой: ИИ в работе с персоналом полезен не там, где он пытается заменить человека. Он полезен там, где помогает быстрее двигаться от качественных данных к управленческим действиям.

Если нет нормальной диагностики, контекста роли и экспертной интерпретации, нейросеть не усилит решение — она просто быстрее упакует ошибку.

А если база есть, то связка: оценка + эксперт + ИИ может реально усиливать и развитие, и командную аналитику, и качество найма.