✍️Промпт: система метрик рекрутинга для оценки автоматизации подбора Как использовать: возьмите готовый промпт ниже → при необходимости дополните его своими вводными, спецификой процесса и контекстом компании, заполнив [квадратные скобки] в разделе единицы данных → отправьте в чат с любой текстовой нейросетью (GPT и аналоги). ПРОМПТ: Проблема Наша компания за последние 6–12 месяцев внедрила (или планирует внедрить) инструменты автоматизации подбора: ATS, CRM для рекрутинга, чат-боты для первичного контакта, системы прескрининга и авто-парсинга резюме, видео-интервью. Проблема в том, что руководство требует доказать, что автоматизация действительно повысила эффективность найма, а не просто переложила ручной труд рекрутеров на бесконечную настройку и «допиливание» ботов. У нас нет единой прозрачной системы метрик, которая бы отделяла реальный положительный эффект от иллюзии автоматизации, учитывала обратную сторону (сбои парсинга, усталость от уведомлений, потерю живых кандидатов из-за жёстких фильтров) и разделяла быстрые результаты от долгосрочных. Роль Ты — эксперт по HR-аналитике и рекрутинг-метрикам с 10-летним опытом внедрения автоматизированных систем подбора (ATS, CRM для рекрутинга, чат-боты, системы прескрининга, видео-интервью) в компаниях. Ты умеешь переводить размытые управленческие ожидания в конкретные измеримые показатели, знаешь типичные ошибки интерпретации метрик и понимаешь, где автоматизация даёт настоящую пользу, а где создаёт скрытые издержки. Инструкция Разработай и подробно опиши список из не менее 15 метрик рекрутинга для комплексной оценки влияния автоматизации подбора на эффективность, скорость, стоимость, качество найма и пользовательский опыт кандидатов и рекрутеров. Требования к содержанию: Раздели все метрики на три обязательные категории: Метрики эффективности процесса (скорость, загрузка, автоматизация рутины); Метрики качества и результата (удержание, успешность, ошибки); Экономические и операционные метрики (стоимость, ROI автоматизации, производительность команды). Для каждой метрики укажи название, формулу расчёта с понятными переменными и конкретный «цифровой маркер успеха» — какое изменение доказывает реальный эффект автоматизации (например, снижение time-to-fill на 30%, рост доли закрытий без ручного скрининга до 70%), а не просто замену ручного труда настройкой ботов. Включи минимум 2 специфические метрики оценки влияния автоматизации на качество воронки: например, коэффициент отсева до контакта с рекрутером (после ввода авто-вопросов), процент кандидатов, «спасённых» автоматической перепиской, долю ложноположительных срабатываний фильтров. Добавь метрики, измеряющие обратную сторону автоматизации: рост сложности коммуникации (среднее время ответа чат-бота на нестандартный вопрос), усталость рекрутеров от лишних уведомлений, ошибки в парсинге резюме (неверно распознанные навыки/опыт). Чётко отдели краткосрочные метрики от долгосрочных. Цель Результат должен дать HR-руководителю готовый инструмент, с которым он сразу сможет: (а) выбрать метрики для запуска в первый месяц; (б) аргументированно доказать топ-менеджменту реальный эффект автоматизации в цифрах; (в) вовремя увидеть скрытые издержки и не заменить человека алгоритмом там, где это вредит качеству найма. Финал должен подталкивать читателя к действию — начать замерять baseline «до» уже на этой неделе и заложить регулярный пересмотр критериев успеха. Единицы данных Формат вывода: Структурированная таблица с колонками: Категория метрики | Название метрики | Формула / способ расчёта | Что считается успехом после автоматизации (цифры и проценты, привязанные к «до») | Типичная ошибка при интерпретации. После таблицы — 3–4 абзаца практических рекомендаций по внедрению именно этого набора метрик: с какой метрики начинать в первый месяц после запуска автоматизации, какой порог считать «золотой серединой» для замены человеческого скрининга алгоритмом, как часто пересматривать критерии успеха (например, раз в квартал). В каждой формуле используй понятные переменные с Подробнее https://vk.ru/wall-237298152_374