Точнее, не просто результаты, а оценка результатов в цифрах. Оказывается, многие ИИ-анализаторы резюме просто с ума сходят по числовым оценкам.

А вот скажите, как часто вы занимаетесь оценками результатов собственной деятельности или как часто вам сообщают об этих оценках те, кто ими заниматься должен?

Я неоднократно занимался оценками результатов, когда был за это ответственным. И я скажу, никогда, никогда не бывает результатов, которые просто поражают воображение. Если штрафы за релизы упали с 20000$ до 0 (моё реальное достижение) - это потому, что это доля процента от стоимости контракта, за штрафы в 1000000$ пришлось бы бороться не руководителю поддержки, а адвокатам компании. Если вдруг подписки возросли на 30% - это не потому, что что-то исправили, а потому что выпустили новый продукт, который к тому же давно ждали и обещали. Если "Propensity to Churn" держится на том же уровне, что три года назад для подписочного продукта - это просто фантастика, но 0.05% никого не восхитит.

Более того, результат того же "Propensity to Churn" - это список клиентов, которых надо обзвонить и узнать, почему они "перестали пользоваться".

Большинство положительных результатов:

- клиент удовлетворен качеством релиза, - не потребовалось доработок, - продукт продемонстрировали на выставке "NN-экспо 2026", - банк X принимает продукт как критерий адекватного контроля рисков

и т.д.

То есть большинство реальных результатов - это именно да/нет, а не "повысили эффективность на 30%"

Но... имеем, что имеем.