Избранные кейсы

Проблема

Оценка кандидатов была непоследовательной, а ручной разбор резюме отнимал слишком много времени и тормозил найм.

Решение

Собрала Next.js-приложение с четырьмя AI-модулями: оценка резюме, план интервью, анализ транскрипта и структурированный итоговый отчёт.

Эффект

Экономия 15–20 минут на каждом кандидате, единый стандарт оценки по всей команде.

Проблема

Лиды из таргета падали в Google Sheets, а дальше всё вручную: открыть каждого, написать в WhatsApp, выпросить резюме и самой решить, звать ли на интервью.

Решение

Собрала на n8n сквозного бота первичного отбора: стоп-фильтры на входе, переписка в WhatsApp, AI-скоринг резюме и запись прошедших на групповое интервью.

Эффект

Конверсия лид → приглашение на HR-интервью выросла с 16.7% до 26.0% (+9.3 п.п.).

Проблема

Почти половина новичков в Мексике, Колумбии и Аргентине уходила на раннем этапе, оценка была субъективной, а программа не масштабировалась под рост найма.

Решение

Разложила программу онбординга по дням и собрала под неё инфраструктуру: экзамены и скоринговую модель, базу данных программы и LMS, написанную с нуля.

Эффект

Конверсия из пробейшна в линию выросла с 19% до 34% (+15 п.п.).

Проблема

Решения принимались без данных: метрики жили в разных выгрузках, а уход сотрудника не делился на тот, который компанию расстраивает, и тот, который устраивает.

Решение

Построила people analytics с нуля: дашборды по текучести, regrettable и non-regrettable termination, конверсиям воронки, LTV и окупаемости — данные приходят по API.

Эффект

Единый источник правды, которым CEO, HRD и тимлиды пользуются еженедельно.

Проблема

Координация подарков шла вручную: постоянные задержки, никакой прозрачности для HR.

Решение

Телеграм-бот, который срабатывает за 10 дней до дня рождения сотрудника — даёт выбрать из готовых вариантов и показывает HR статус в реальном времени.

Эффект

Полностью автоматизированный флоу: ноль ручной координации, работает в любом часовом поясе.

Проблема

Задачи терялись прямо в чате: идеи и договорённости из Телеграма редко доходили до трекера.

Решение

Make.com-автоматизация: текст или войс-сообщение → AI вытаскивает суть задачи → создаёт её в Asana с нужным исполнителем и проектом.

Эффект

Ноль ручного ввода — задачи в трекере через секунды после сообщения.

Проблема

Без регулярных данных о настроении команды HR-решения были реактивными, а не проактивными.

Решение

Автоматизированная система пульс-опросов в Slack: распределение по расписанию, сбор ответов и аналитический дашборд — на Google Apps Script.

Эффект

Ранняя детекция проблем, решения на основе данных, рост доверия к процессам.

Проблема

Онбординг был непрозрачным: информация терялась между преборингом и первым месяцем, релоцирующиеся сотрудники оставались без структуры.

Решение

5-этапная карта пути сотрудника (Pre-boarding → Неделя 1 → Месяц 1 → Месяц 3) с владельцами и метриками на каждом этапе и отдельным треком для релокации.

Эффект

Полная прозрачность зон ответственности между HR, менеджерами и IT — включая отдельный трек для релокации.

Проблема

Ранняя текучка возникала из-за несовпадения ожиданий во время испытательного срока — и никто не замечал это вовремя.

Решение

Тулкит для менеджеров: чеклисты по этапам, шаблоны для 1-on-1, критерии прогресса и red-flag индикаторы для точек 30, 60 и 90 дней.

Эффект

Несовпадения заметны раньше, ритм чек-инов единый для всех новых сотрудников.