Цель курса: дать HR и L&D понятную прикладную систему, как использовать ИИ в подборе, адаптации и обучении так, чтобы ускорить работу, поднять качество решений и не улететь в риски по данным.
Аудитория курса: HR, рекрутеры, L&D, руководители HR.
Задачи курса:
-
научиться переводить HR-задачи в корректные запросы к ИИ и получать стабильный результат
-
настроить типовые сценарии: резюме и вакансии, интервью, онбординг, обучение, база знаний
-
выстроить стандарты качества и проверки результатов ИИ
-
понять границы применения ИИ и правила безопасной работы с корпоративными данными
Задачи курса:
-
научиться переводить HR-задачи в корректные запросы к ИИ и получать стабильный результат
-
настроить типовые сценарии: резюме и вакансии, интервью, онбординг, обучение, база знаний
-
выстроить стандарты качества и проверки результатов ИИ
-
понять границы применения ИИ и правила безопасной работы с корпоративными данными
Тема 1. Роль ИИ в HR и L&D: где даёт эффект, а где вред
-
Типовые задачи HR и L&D, где ИИ экономит время и снижает нагрузку
-
Где ИИ опасен: ошибки в оценке, подмена решения, дискриминационные формулировки
-
Роли человека и ИИ: кто за что отвечает в подборе и обучении
-
Чек-лист внедрения: «быстрые победы» и «долгие проекты»
Мастерская: карта HR-процессов участника и список задач, которые стоит автоматизировать в первую очередь
Тема 2. Стандарты качества и проверка результатов ИИ в HR
-
Типовые ошибки ИИ в HR-задачах: неверные выводы, “уверенные” галлюцинации, притягивание под ожидания
-
Как проверять: перекрёстная проверка, контроль фактов, контроль логики
-
Как задавать рамки: критерии оценки, формат ответа, требования к обоснованиям
-
Как фиксировать качество: мини-стандарты под резюме, интервью, учебные материалы
Практикум: участники берут свои примеры (вакансии/резюме/описания ролей) и собирают правила проверки результата под свою компанию
Тема 3. Подбор: резюме, вакансии, воронка, первичный отбор
-
Разбор вакансии: компетенции, “сигналы”, стоп-факторы, спорные требования
-
Профиль кандидата: что ищем на самом деле, как описывать критерии простым языком
-
Сопоставление резюме и вакансии: структурирование, выводы, риски, уточняющие вопросы
-
Коммуникации с кандидатом: корректные сообщения, приглашения, отказы, ответы на возражения
Мастерская:
-
шаблон профиля кандидата (критерии + вес + вопросы к проверке)
-
шаблон разбора резюме (структура вывода + риски + уточнения)
Тема 4. Интервью: вопросы, кейсы, оценка и фиксация результатов
-
Генерация вопросов под роль и компетенции: базовые, углубляющие, стресс- и кейс-вопросы
-
Антигаллюцинационные техники: как не дать ИИ “додумать” за кандидата
-
Оценочные листы и шкалы: как сделать так, чтобы разные интервьюеры оценивали одинаково
-
Итог интервью: краткий отчёт, рекомендации, причины решения
Практикум: участник собирает пакет интервью под одну роль: вопросы + кейсы + оценочный лист + шаблон отчёта
Тема 5. Онбординг: адаптация, первые 30 дней, поддержка руководителя и сотрудника
-
Типовые провалы онбординга и как закрывать их сценариями и материалами
-
Пакет адаптации: чек-листы, план первых дней, контроль точек, обратная связь
-
Ассистент для новичка: ответы на частые вопросы, маршруты, правила, культура
-
Ассистент для руководителя: как давать задачи, как отслеживать прогресс, как проводить 1:1
Мастерская: прототип онбординг-пакета под одну роль + сценарий ассистента для новичка
Тема 6. Обучение и развитие: сценарии, контент, проверка знаний
-
Декомпозиция компетенций и обучение через практику: чему учим и как проверяем
-
Генерация материалов: инструкции, мини-уроки, тренажёры, задания, разбор ошибок
-
Проверка знаний: тесты, практические задания, критерии оценки
-
Индивидуальные траектории: как адаптировать обучение под уровень сотрудника
Практикум: участник собирает один учебный сценарий (цель → план → материалы → задания → проверка)
Тема 7. База знаний и внутренние регламенты: как сделать помощника для сотрудников
-
Как подготовить данные: структура, актуальность, владельцы, версии
-
Как описывать правила и процессы так, чтобы ими реально пользовались
-
Политика качества: что можно советовать, что нельзя, когда отправлять к человеку
-
Встраивание в работу: где ассистент живёт, как сотрудник к нему обращается, как обновлять
Мастерская: каркас базы знаний + правила обновления + шаблон регламента для сотрудников
Тема 8. Безопасность и данные в HR и L&D
-
Какие данные в HR считаются чувствительными и почему
-
Что нельзя отправлять в ИИ и как обезличивать примеры
-
Разделение сценариев: публичные инструменты и корпоративный контур
-
Простой набор правил для команды: «можно / нельзя / только так»
Практикум: чек-лист безопасной работы с данными и шаблон политики использования ИИ в HR-процессах
Итоговая сборка (финальный практикум)
Участник собирает «HR-набор ИИ-сценариев» под свою работу:
-
1–2 ассистента (подбор / онбординг / обучение / база знаний)
-
библиотека промптов под типовые задачи (резюме, интервью, сообщения, обучение)
-
стандарты качества и проверки
-
правила безопасной работы с данными
Итоговый результат: прототипы и шаблоны, которые можно сразу переносить в рабочие процессы отдела HR/L&D.
