#HRархитектура
Я бы никогда не поверила, что в наше время кандидаты до сих пор не изучают информацию о компании и вакансии перед первым звонком с рекрутером. И что они всерьез ждут, что им подробно все (и о компании и о задачах) лично расскажут на первом звонке.
Но я пока продолжаю вести проекты по подбору, чтобы была возможность эксперементировать на современных кандидатах, чувствовать их и не делать HR tech решения для "рынка 10-летней давности".
Так вот, по моей статистике, если просто договориться о звонке, то независимо от должности (одинаково и с доходом 100 тыс и с 1 млн/месяц) готовятся только 2 человека из 10. Ещё 2 честно сразу извиняются, что хотели но не успели.
Если же отправить в мессенджере кандидату за сутки до звонка самые важные ссылки о компании (видеоролики, тг канал, статьи, сайт), то подготовятся 7 из 10 (трое скажут что не успели), и в этом случае конверсия дошедших этих кандидатов далее до руководителя существенно вырастает.
Начинающим рекрутерамне лень не сложно рассказать любые детали кандидату, они не очень пока умеют управлять своим временем и главное, не умеют сконцентрировать кандидата на том, что им важно прояснить самим, в итоге фокус уходит в сторону и разговор может сильно затянуться.
А в конце этого диалога, например, кандидат понимает, что это небольшая компания, а он хочет только в корпорацию. Или ещё миллион причин, почему это не его вакансия. И в итоге час был потрачен просто на прояснение того, что можно было узнать на сайте и через дополнительные ответы HR чат-бота.
До сих пор в реальном мире компании тратят миллиарды на такую "ручную" работу, но ситуация все равно меняется, так как кандидаты привыкают к чат-ботам в банках и других сферах, и не откажутся от вакансии, только потому, что сначала от компании с ними работает и готовит к дальнейшему общению чат-бот.
Я бы никогда не поверила, что в наше время кандидаты до сих пор не изучают информацию о компании и вакансии перед первым звонком с рекрутером. И что они всерьез ждут, что им подробно все (и о компании и о задачах) лично расскажут на первом звонке.
Но я пока продолжаю вести проекты по подбору, чтобы была возможность эксперементировать на современных кандидатах, чувствовать их и не делать HR tech решения для "рынка 10-летней давности".
Так вот, по моей статистике, если просто договориться о звонке, то независимо от должности (одинаково и с доходом 100 тыс и с 1 млн/месяц) готовятся только 2 человека из 10. Ещё 2 честно сразу извиняются, что хотели но не успели.
Если же отправить в мессенджере кандидату за сутки до звонка самые важные ссылки о компании (видеоролики, тг канал, статьи, сайт), то подготовятся 7 из 10 (трое скажут что не успели), и в этом случае конверсия дошедших этих кандидатов далее до руководителя существенно вырастает.
Начинающим рекрутерам
А в конце этого диалога, например, кандидат понимает, что это небольшая компания, а он хочет только в корпорацию. Или ещё миллион причин, почему это не его вакансия. И в итоге час был потрачен просто на прояснение того, что можно было узнать на сайте и через дополнительные ответы HR чат-бота.
До сих пор в реальном мире компании тратят миллиарды на такую "ручную" работу, но ситуация все равно меняется, так как кандидаты привыкают к чат-ботам в банках и других сферах, и не откажутся от вакансии, только потому, что сначала от компании с ними работает и готовит к дальнейшему общению чат-бот.
#HRпроцессы
Я никак не могла протестировать новенького встроенного бота от hh у клиентов. Он сам ищет нужных кандидатов в базе hh и отправляет кандидату приглашение на вакансию. Но у HR накопилось так много стереотипов на эту тему оказывается! Что это массовая рассылка всем подряд, что он не знает кто нужен и тд.
А сегодня, показывая рекрутеру клиента на очередной встрече по автоматизации возможности этого бота, случайно его подключила. И когда это увидела, он уже очень точечно за час отправил 4 приглашения абсолютно релевантным кандидатам, один кандидат сразу перезвонил.
Больше возражений у клиента нет, будем тестировать по всем вакансиям.
И буквально неделю назад впечатлилась результатами бота на авито работа.
Несколько лет назад каждое такое появление роботизированной рассылки было очень громким, но чаще подходило максимум для массового подбора.
А сейчас они появляются тихо и рутинно, для начинающих рекрутеров это как обыденный инструмент, но для опытных - элемент восхищения😍
Я никак не могла протестировать новенького встроенного бота от hh у клиентов. Он сам ищет нужных кандидатов в базе hh и отправляет кандидату приглашение на вакансию. Но у HR накопилось так много стереотипов на эту тему оказывается! Что это массовая рассылка всем подряд, что он не знает кто нужен и тд.
А сегодня, показывая рекрутеру клиента на очередной встрече по автоматизации возможности этого бота, случайно его подключила. И когда это увидела, он уже очень точечно за час отправил 4 приглашения абсолютно релевантным кандидатам, один кандидат сразу перезвонил.
Больше возражений у клиента нет, будем тестировать по всем вакансиям.
И буквально неделю назад впечатлилась результатами бота на авито работа.
Несколько лет назад каждое такое появление роботизированной рассылки было очень громким, но чаще подходило максимум для массового подбора.
А сейчас они появляются тихо и рутинно, для начинающих рекрутеров это как обыденный инструмент, но для опытных - элемент восхищения😍
#HRtech #BizDevHRtech
Как идею тем, кто делает продукты для рекрутинга: не тестируйте их в конкретных целевых компаниях на этапе создания продукта, тестируйте в кадровых агентствах.
Во-первых, это экономия времени - у агентств много разных вакансий из разных компаний, понимание общей картины и аналитики придет быстрее. Если все-таки отрасль или специфика важна, то тогда можно найти профильное агентство - например, если нужен только масс рекрутинг, финтех или только поиск производственных сотрудников.
Во-вторых, у рекрутера агентства фокусировка только на подборе, концентрация и вовлеченность в нужные процессы выше. В компании же часто рекрутер делает много другого: сам оформляет оффер и документы, заявку на оформление рабочего места, живет корпоративной жизнью и тд.
В-третьих, реальность. Даже если тестирует специалист, который занимается подбором в компании, он может относиться к рекрутингу как временному этапу в профессии HR. И любить другие HR-процессы, например, построение корп культуры, обучение - но таких вакансий меньше, и как компромисс становятся универсальным менеджером по персоналу, а не идут в кадровые агентства.
Если продукт действительно отлично работает в агентстве,
Как идею тем, кто делает продукты для рекрутинга: не тестируйте их в конкретных целевых компаниях на этапе создания продукта, тестируйте в кадровых агентствах.
Во-первых, это экономия времени - у агентств много разных вакансий из разных компаний, понимание общей картины и аналитики придет быстрее. Если все-таки отрасль или специфика важна, то тогда можно найти профильное агентство - например, если нужен только масс рекрутинг, финтех или только поиск производственных сотрудников.
Во-вторых, у рекрутера агентства фокусировка только на подборе, концентрация и вовлеченность в нужные процессы выше. В компании же часто рекрутер делает много другого: сам оформляет оффер и документы, заявку на оформление рабочего места, живет корпоративной жизнью и тд.
В-третьих, реальность. Даже если тестирует специалист, который занимается подбором в компании, он может относиться к рекрутингу как временному этапу в профессии HR. И любить другие HR-процессы, например, построение корп культуры, обучение - но таких вакансий меньше, и как компромисс становятся универсальным менеджером по персоналу, а не идут в кадровые агентства.
Если продукт действительно отлично работает в агентстве,
то потом в компаниях готовый вариант будут использовать и те, кто любит рекрутинг (как эффективную новинку в профессии), и кто пока не очень (чтобы меньше ручной работы и погружения).#HRtech
На переговорах зашла речь про смену профессии, и что я её сменила, я удивилась: "Но я не меняла профессию, просто HR эволюционировал в HRtech, и я вместе с ним".
Но все ли хотят эволюционировать и дружить с технологиями?
В знакомой успешной компании HRD хотела внедрить КЭДО (кадровый ЭДО), штат небольшой и соответственно, это совсем недорого. И презентуя идею CEO, показала в том числе на цифрах, как это сэкономит время и ресурсы, если не будет постоянных пересылок бумажных документов между офисом и производством. На что CEO сказал, что это не проблема, ОН еженедельно бывает на производстве и ему не сложно "всё отвезти и подписать". HRD вздохнула, уволилась и ушла в AI компанию, а CEO взял HR, любящего всё распечатывать.
Я не стала его критиковать, слушая эту историю. Да, мы не совпадаем в любви к HRtech, но мне, например, вообще не интересен foodtech, хотя там конечно же есть разработки, которые полезнее многого, что мы едим.
Думаю, что часто, если в компании плохо с автоматизацией и к ней не стремятся, дело не в сотрудниках. А в основателе/СЕО или том, кто ответственен за компанию. Он просто ещё не решил эволюционировать сам в этом направлении 🤷🏻♀
Тогда, равно ли развитие рынка HRtech развитию генеральных директоров в этом направлении?
На переговорах зашла речь про смену профессии, и что я её сменила, я удивилась: "Но я не меняла профессию, просто HR эволюционировал в HRtech, и я вместе с ним".
Но все ли хотят эволюционировать и дружить с технологиями?
В знакомой успешной компании HRD хотела внедрить КЭДО (кадровый ЭДО), штат небольшой и соответственно, это совсем недорого. И презентуя идею CEO, показала в том числе на цифрах, как это сэкономит время и ресурсы, если не будет постоянных пересылок бумажных документов между офисом и производством. На что CEO сказал, что это не проблема, ОН еженедельно бывает на производстве и ему не сложно "всё отвезти и подписать". HRD вздохнула, уволилась и ушла в AI компанию, а CEO взял HR, любящего всё распечатывать.
Я не стала его критиковать, слушая эту историю. Да, мы не совпадаем в любви к HRtech, но мне, например, вообще не интересен foodtech, хотя там конечно же есть разработки, которые полезнее многого, что мы едим.
Думаю, что часто, если в компании плохо с автоматизацией и к ней не стремятся, дело не в сотрудниках. А в основателе/СЕО или том, кто ответственен за компанию. Он просто ещё не решил эволюционировать сам в этом направлении 🤷🏻♀
Тогда, равно ли развитие рынка HRtech развитию генеральных директоров в этом направлении?
#HRtech #HRTechTeam
Прочитать книгу - это как пообщаться с человеком, который структурировал весь свой опыт по теме и очень подробно про всё рассказал. Это даёт возможность выйти за рамки своего окружения и "пообщаться" с человеком из любой страны. Любить реальное общение классно, но много ли в нём интереснейших людей всех поколений со всего мира?
Так вот, есть известная книгаInspired (Марти Каган, обновлённое и дополненное издание) , считающаяся "учебником" продакт-менеджеров. Автор долго был программистом, участвовал в разработке мощного продукта, над которым месяцами работал сутками, а потом после запуска оказалось, что продукт не нужен рынку. Он не поленился разобраться, почему так вышло - оказалось, проект придумал продакт-менеджер, и как идея норм, но очень далеко от product market fit.
И так автор посвятил свою жизнь этой теме: "Не проектируйте не нужные продукты", написал крутые книги для продактов, коучит команды гугл, амазон и тд. Бесценная книга на мой взгляд для HRtech, с отличными деталями про тестирование продуктовых гипотез, подходящие для HR стартапов. Для себя я особенно хорошо уяснила границы создания MVP.
Кстати, эта книга ещё полезна для СЕО и самих HR, очень много про построение продуктовых команд и взаимодействие внутри, роли, с какими компетенциями искать продактов, маркеры успешности их работы и многое другое 📝
Прочитать книгу - это как пообщаться с человеком, который структурировал весь свой опыт по теме и очень подробно про всё рассказал. Это даёт возможность выйти за рамки своего окружения и "пообщаться" с человеком из любой страны. Любить реальное общение классно, но много ли в нём интереснейших людей всех поколений со всего мира?
Так вот, есть известная книга
И так автор посвятил свою жизнь этой теме: "Не проектируйте не нужные продукты", написал крутые книги для продактов, коучит команды гугл, амазон и тд. Бесценная книга на мой взгляд для HRtech, с отличными деталями про тестирование продуктовых гипотез, подходящие для HR стартапов. Для себя я особенно хорошо уяснила границы создания MVP.
Кстати, эта книга ещё полезна для СЕО и самих HR, очень много про построение продуктовых команд и взаимодействие внутри, роли, с какими компетенциями искать продактов, маркеры успешности их работы и многое другое 📝
124
#AIHRtech_тренды
Интересный и только зарождающийся глобальный тренд на объединение двух ролей - HRD и Технический директор теперь в одном человеке. Логика в том, что с активным развитием HR чат-ботов и AI-агентов теперь нужно комплексно смотреть на необходимые компаниям компетенции и распределять задачи между AI и людьми.
Уже есть реальные примеры в США, и, конечно, пройдет время, прежде чем это станет обычной практикой. Но я вижу у CEO компаний к этой теме повышенный интерес и вдохновение, так как возникает ощущение грамотного и современного подхода в таком формировании оргструктуры.
В любом случае, такой тренд влияет на всех: HRD нужно еще глубже и быстрее погружаться в автоматизацию, CTO - шире смотреть на HR-процессы, а HR-стартапам быть готовым к тому, что теперь от них ждут больше проактивных функций в продуктах в виде AI-агентов.
Интересный и только зарождающийся глобальный тренд на объединение двух ролей - HRD и Технический директор теперь в одном человеке. Логика в том, что с активным развитием HR чат-ботов и AI-агентов теперь нужно комплексно смотреть на необходимые компаниям компетенции и распределять задачи между AI и людьми.
Уже есть реальные примеры в США, и, конечно, пройдет время, прежде чем это станет обычной практикой. Но я вижу у CEO компаний к этой теме повышенный интерес и вдохновение, так как возникает ощущение грамотного и современного подхода в таком формировании оргструктуры.
В любом случае, такой тренд влияет на всех: HRD нужно еще глубже и быстрее погружаться в автоматизацию, CTO - шире смотреть на HR-процессы, а HR-стартапам быть готовым к тому, что теперь от них ждут больше проактивных функций в продуктах в виде AI-агентов.
🔥5
1. Подготовка перед выходом сотрудника:
→ AI-агент получает данные из ATS: ФИО, должность, отдел.
→ Создает профиль в LMS → формирует подборку курсов (вводный курс о компании, инструкции по корпоративным инструментам).
→ Отправляет приветственное сообщение в чат-боте:
"Привет, [Имя]! Завтра твой первый день. Доступ к LMS уже готов: [ссылка]."
2. Первый рабочий день:
→ Отправляет сообщение в чат-боте: "Доброе утро! Сегодня ты познакомишься с командой. Вот твое расписание: [ссылка на календарь]."
→ Проверяет в КЭДО подписаны ли документы, если нет → напоминает: "Не забудь подписать документы в [HR-портал]."
→ Запускает первый модуль обучения → уведомляет: "Пройти вводный курс нужно до конца дня [ссылка на LMS]."
3. Первая рабочая неделя:
→ Ежедневные чеки в чат-боте: "Как дела? Нужна помощь с доступом к [коллегам/ресурсам]?"
→ Напоминает о встречах: "Через 15 минут созвон с [Менеджер]. Тема: введение в проект."
→ Автоматически назначает тест в LMS после прохождения курса→ отправляет результат руководителю.
4. В период всей адаптации:
→В CRM проверяет прогресс по задачам → если есть задержки: "Вижу, задача ‘X’ не завершена. Нужна помощь?"
→ Синхронизируется с сервисом для опросов → отправляет опрос: "Оцени свою адаптацию по 5 пунктам: [ссылка]"→ на основе ответов корректирует программу в LMS.
5. По итогам третьего месяца
→ Анализирует активность в LMS → готовит отчет для HR и руководителя → получает подтверждение об успешном завершении базовой адаптации.
→ Отправляет финальный опрос: "Поделись впечатлениями!"
→ Отправляет сертификат об успешной адаптации.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7
▪️Каждое воскресенье в 20:00 AI-агент автоматически запускает сбор и анализ данных.Сделала достаточно базовые функции, для самой стартовой версии агента. Получится явная экономия нескольких часов для HRD вместо ручного сбора информации. Подойдет для любых компаний с большой командой рекрутинга, особенно когда рекрутеры находятся в разных регионах.
▪️Подключается к ATS → извлекает данные за неделю по всем активным вакансиям → сохраняет в отчетную таблицу → сравнивает значения с контрольными метриками (время на этапе // нет движения более 7 дней // нет фидбэка от нанимающего руководителя более 3 рабочих дня // воронка "сужается" резко на ранних этапах) → все отклонения от нормы выделяет красным.
▪️По найденным отклонениям в понедельник в 9.00 AI-агент отправляет рекрутеру и нанимающему менеджеру запрос “Отклонение >7 дней без фидбэка от нанимающего руководителя. Пожалуйста, прокомментируйте ситуацию до 14:00 понедельника”→ cобирает полученные ответы, обрабатывает и встраивает их в отчет.
▪️На основе шаблонов и предыдущих кейсов AI формирует краткий прогноз для HRD → «С высокой вероятностью вакансия Бухгалтер не будет закрыта в срок» → «Нужно решить проблему с долгими ответами от нанимающего менеджера, могу назначить звонок с ним и рекрутером».
▪️В понедельник в 14.00 AI-агент формирует структурированный отчет и направляет HRD.
На основе готовых отчетов потом можно будет сделать презентацию для руководителей о подборе на конкретную проблемную вакансию с помощью ChatGPT и моего промпта для создания такой презентации.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6
Один из моих самых любимых сценариев, выглядит как мечта HRD, тоже пока сделала в базовой версии. Далеко не все мониторят обучающие ресурсы по своей теме, поэтому индивидуальная еженедельная подборка от AI-агента однозначно повысит % просмотров таких материалов.
▪️ Каждое воскресенье в 20:00 AI-агент запускает автоматический процесс мониторинга образовательных ресурсов.
▪️ Подключается к заранее заданным платформам с курсами и профильным ресурсам → анализирует информацию, опубликованную за последнюю неделю → интегрируется с LMS компании и индивидуальным планом развития сотрудника → сопоставляет и выбирает → оценивает релевантность курса/мероприятия, проверяя отзывы, рейтинг и количество учащихся, дату проведения, стоимость.
▪️Каждый понедельник в 9:00 AI-агент отправляет сотруднику в чат-боте подборку релевантных материалов: «Доброе утро! На прошлой неделе появились анонсы новых вебинаров по теме “Маркировка рекламы”. Вот, что я нашел для тебя… Дай знать, на какие тебя зарегистрировать!».
▪️Если сотрудник не реагирует в течение 2 дней → агент снова отправляет напоминание в чат-боте или уведомляет его руководителя :)
▪️Каждый месяц AI-агент формирует отчет для HR-отдела с аналитикой:
- Количество найденных курсов и вебинаров.
- Количество сотрудников, которые зарегистрировались.
- Рейтинг платформ (какие наиболее востребованы).
- Темы, по которым не удалось найти релевантных материалов.
Сценарий от @HRtech
При поиске он может учитывать бюджет на курсы и мероприятия, уровень (для начинающих или продвинутых) и многое другое. Может даже сравнить график обучения с календарем сотрудника. В отчете для HR будет видно, на какие темы сложно найти нужные мероприятия и причины (например они выше бюджета, или очень узкоспециализированные). И тогда компания может организовать внутренние тренинги от своих экспертов или записать нужные видео и добавить их в LMS.
В качестве пилотного проекта можно внедрить сначала такого агента в HR-отделе, а затем последовательно масштабировать на всю компанию, шлифуя качество поиска материалов.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6
Часто большие компании автоматизируют только этап отправки резюме по рекомендации от сотрудника (через бот или карьерный сайт), которое в лучшем случае автоматически попадет в ATS. Дальше сотрудники лично пишут рекрутерам, регулярно уточняя статус, как дела у их рекомендованных подопечных. Проактивный AI-агент может взять на себя полный контроль этого процесса, снимая нагрузку (и десятки сообщений в день) c HR-команды:
▪️ Каждый день в 8:00 AI-агент проверяет встроенные формы (HR-системы, чат-боты, корпоративный портал) на наличие новых рекомендаций от сотрудников → собирает данные о кандидате (позиция, контакты, источник рекомендации, статус) → интегрируется с ATS, чтобы проверить, не проходил ли кандидат этапы отбора ранее.
▪️Если кандидат новый → отправляет сотруднику уведомление:
«Спасибо за рекомендацию! Мы проверили кандидата и добавили его в процесс. Ты получишь бонус, если его наймут!».
▪️Если кандидат уже в базе → уведомляет сотрудника:
«Этот кандидат уже рассматривается на другую позицию. Но спасибо за участие!».
▪️ Подключается к ATS и кадровым системам → проверяет статус кандидатов, рекомендованных сотрудниками → формирует персональные уведомления → «Твой кандидат прошел скрининг! На следующем этапе будет интервью с менеджером. Ждем результатов!» → «Поздравляем! Твой кандидат принят на работу. Бонус будет выплачен в следующую зарплату.»
▪️Ежедневно в четверг в 15:00 анализирует активность сотрудников за последние 3 месяца, если сотрудник не делал рекомендаций → отправляет мотивационное сообщение: «Привет! У нас открыта вакансия старшего Product Manager в HRtech отдел. Может, ты знаешь подходящих кандидатов? За каждую успешную рекомендацию бонус!» + ссылка на реферальную форму.
▪️1-го числа каждого месяца формирует отчет с ключевыми метриками для HR:
- Общее количество рекомендаций (новых, в процессе, принятых, отклоненных).
- Топ-5 самых активных сотрудников (кто чаще всего рекомендует).
- Конверсия рекомендаций в найм (сколько % рекомендаций дошли до оффера).
- Среднее время от рекомендации до найма.
- Популярные вакансии (на какие позиции чаще всего рекомендуют).
- Проблемные зоны (где низкая конверсия рефералов → возможно, нужно уточнить требования).
▪️ Отправляет отчет HR-команде и предлагает оптимизации:
«В этом месяце 60% рефералов отклонены на этапе скрининга. Возможно, стоит уточнить требования к кандидатам в отдел маркетинга».
Сценарий от @HRtech
Я рекомендую отделить такого агента в HR-системе от других агентов для обработки резюме, сделать его максимально автономным, а не просто добавить пару функций в агента, ответственного за обработку откликов. Это даст возможности для его дальнейшего развития. То есть, кандидат попадет в общую воронку подбора, но этот AI-агент продолжит за ним “приглядывать” на всем его пути, собирая хорошую аналитику + будет отправлять рекомендателю регулярные статусы и мотивировать рекомендовать еще.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍3
У каждого начинающего рекрутера есть более опытный наставник, который обучает и дает обратную связь. Можно усилить его AI-агентом, который будет следить за базовыми точками контроля и оперативно помогать советами. Вся суть в том, что он вовремя замечает паттерны проблем и обращает на это внимание рекрутера.
Например, мой самый первый руководитель в рекрутинге была очень загруженной, к тому же в другом городе, и я сейчас понимаю, насколько было бы круто, если бы у меня самой был такой AI-тренер.
▪️ AI-агент интегрируется с ATS → проверяет завершенные рекрутерами этапы отбора кандидатов (скрининг, интервью, выполнение тестового задания) → анализирует их действия на основании данных (скорость обработки кандидатов, качество обратной связи, соответствие профилей вакансии) → выявляет недочеты и формирует рекомендации → “Ваш кандидат проходит этап скрининга медленнее, чем средний показатель по команде. Рекомендуем ускорить процесс, чтобы повысить вероятность успешного найма” → “Ваша обратная связь для кандидата недостаточно подробна. Это может отрицательно сказаться на впечатлении о компании. Попробуйте описать сильные стороны кандидата и области для роста более детально”.
▪️ По завершении каждого рабочего дня формирует индивидуальный отчет для рекрутера → анализирует количество обработанных кандидатов, завершенных этапов, успешных наймов и отказов → дает рекомендации: “Сегодня вы обработали 5 кандидатов, из них 3 прошли этап интервью. Рекомендуем уделить внимание качеству скрининга, чтобы повысить точность отбора”.
▪️ Каждую пятницу в 14:00 добавляет рекрутеру в LMS обучающие уроки на основе анализа работы → “На этой неделе были трудности при оценке soft skills кандидатов. Рекомендуем посмотреть урок по методике STAR для интервью”.
▪️ 1-го числа каждого месяца формирует отчет с ключевыми метриками для HRD → включает данные по эффективности работы рекрутеров: среднее время обработки кандидатов, процент успешных наймов, обратная связь кандидатов о процессе отбора → выделяет сильные стороны команды и области для улучшения.
Сценарий от @HRtech
Технически это обычный AI-агент на базе GPT, и если API HR-сервисов компании позволяют, то он сможет анализировать до 70% действий рекрутера (в том числе онлайн собеседования). Будет особенно хорошо, если рекрутеры будут тоже шлифовать своего AI-тренера, чтобы он постоянно совершенствовался, и уже обучал их новых коллег.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2
В быстро развивающихся компаниях вносить изменения в оргструктуру можно ежедневно. Часто их корректируют вручную и это не всегда приоритетная задача (для ответственного за это), поэтому они постоянно устаревают и затрудняют коммуникацию для новых сотрудников. Иногда автоматические выгрузки-схемы есть у КЭДО и корп порталов, битрикса, но по сути, это просто списки сотрудников.
Я предлагаю делать многофункциональные интерактивные оргструктуры с разными режимами и правами доступа. Например, в режиме “подбор” сотрудникам будут наглядно видны открытые вакансии, а для CEO доступна в ячейках вакансии статистика и статус по подбору (AI-агент добавит ее туда из ATS). В лайтовом режиме “хобби” можно увидеть хобби сотрудника и фото с его собакой, что хорошо для распределенных команд.
В моем сценарии ниже несколько базовых функций для такого AI-агента, но, конечно, тут есть огромный простор для идей и геймификации!
▪️Каждое утро в 6:00 AI-агент подключается к системе КЭДО → извлекает обновления за последние 24 часа → сопоставляет ФИО, должность, отдел, дату события → проверяет данные на корректность (дубликаты, незаполненные поля, конфликт дат) → обновляет визуальную оргструктуру → добавляет новых сотрудников в соответствующие ячейки → убирает уволенных из структуры → отмечает статус «Вакансия» для освободившихся позиций.
▪️Каждый час проверяет актуальность статуса вакансий в структуре, подключается к ATS → сверяет статус подбора по каждой открытой позиции (включая дату открытия, кол-во откликов, статус воронки, ответственного рекрутера).
▪️Если вакансия находится в статусе «без движения более 7 дней» → AI-агент выделяет ячейку красным → направляет уведомление рекрутеру и руководителю подразделения с просьбой обновить статус и указать причину задержки.
▪️В понедельник в 9:00 отправляет индивидуальные отчеты руководителям подразделений → изменения в их блоке структуры на прошлой неделе, открытые вакансии и их статус, AI-комментарии по рискам (например: «Риск затягивания подбора на позицию QA-инженер. Нет фидбэка от руководителя 5 дней»).
▪️На основании накопленных данных формирует рекомендации HR-директору → где растет нагрузка на руководителей (по числу подчинённых и вакансий), какие отделы часто теряют людей, где подбор системно тормозит и почему.
Сценарий от @HRtech
Более дорогой способ реализации (но и более перспективный для развития интерактивных функций оргструктуры) - разработать свой интерфейс и сделать свою такую кастомную платформу, у которой будут встроенные функции агента, которые я написала выше. А более бюджетный - это сделать AI-агента, который будет рисовать оргструктуру в условном Miro.
И да, выглядит как идея для HRtech продукта, особенно для no-code конструктора, но пока не видела готовые решения 👩🏻💻
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍3
При масс подборе тратятся миллионы на кандидатах, которые проходят все этапы отбора и отказываются от финального собеседования или не выходят на работу после принятого оффера, так как в другой компании этапы для них были более комфортные. При этом компания могла внедрить отличную систему рекрутинга, но недостаточно мониторила проблемные зоны. Вручную же при масс подборе брать качественно обратную связь невозможно (большая загрузка рекрутеров + кандидаты не отвечают на звонки).
Можно сделать вот такого проактивного AI-агента, который будет ответственен за мониторинг пути кандидата:
▪️После завершения каждого этапа рекрутингового процесса (скрининг, интервью, финальное собеседование и тд) → AI-агент получает сигнал от ATS о смене статуса кандидата → определяет, завершён ли этап взаимодействия с кандидатом → проверяет, не была ли уже отправлена форма обратной связи по этому этапу → если нет, инициирует запрос фидбэка в чат-боте.
▪️Через интеграцию с корпоративным чат-ботом для подбора агент отправляет кандидату персонализированное сообщение → "Спасибо, что прошли этап [название этапа]. Нам важно ваше мнение, это займёт 60 секунд!" → встраивает 5 вопросов (по шкале от 1 до 5):
- Насколько понятно было описание этапа?
- Было ли удобно назначено время?
- Оцените вежливость и вовлечённость собеседника.
- Получили ли вы достаточную информацию о вакансии?
- Общая удовлетворенность этапом.
▪️После получения ответов структурирует данные → сохраняет их в карточку кандидата в ATS → автоматически проставляет метки: «негативная оценка» (если средний балл <3), «нейтральная» (3–4), «позитивная» (>4).
▪️Если выявлен негативный фидбэк → AI-агент проверяет, касается ли он интервьюера → отправляет ему уведомление с выдержкой из комментариев кандидата и рекомендацией: "Оценка этапа собеседования — 2/5. Комментарий: “Не получил ответа на вопросы по задачам”. Рекомендуется пересмотреть структуру встречи."
▪️Каждую пятницу в 18:00 AI-агент формирует дашборд удовлетворенности кандидатов по всем этапам и вакансиям → группирует данные по рекрутерам, вакансиям, этапам → рассчитывает среднюю оценку и долю кандидатов, оставивших отзыв.
▪️В понедельник в 9:00 AI-агент направляет аналитический отчет рекрутинговой команде и Руководителю подбора → прикрепляет таблицу, комментарии, рекомендации по улучшению → на основе собранных шаблонов и исторических данных прогнозирует возможное влияние неудовлетворенности на офферы: "Вероятность отказа от оффера по вакансии Консультанта выше нормы. Причина: негативная обратная связь на этапе второго интервью."
▪️Если уровень удовлетворенности по определённой вакансии или этапу ниже 3.5 более чем у 30% кандидатов → AI-агент маркирует участок процесса как проблемный → формирует короткий комментарий: "Этап “HR-интервью” по вакансии “Аналитик данных” получает стабильно низкие оценки. Причина: кандидаты жалуются на неясность требований."
© Сценарий от @HRtech
Мне кажется, лучше встроить как функцию в существующую автоматизацию (без отдельного чат-бота для обратной связи), особенно, если в системе масс подбора уже есть хорошо настроенная в чат-боте коммуникация с кандидатами, уведомления/напоминания, автоматическая запись на интервью (то есть совершенно точно, что каждый кандидат пользуется им с самого первого этапа).
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥4
Уже существуют хорошие сервисы для аналитики рынка труда и уровня оплаты, но обычно в фоновом режиме HR-команде их совсем некогда использовать и сравнивать с текущими цифрами компании. Часто сервисами начинают спонтанно пользоваться, только когда уходит ключевой сотрудник или начинаются массовые уходы к конкурентам. При этом любые сервисы все равно содержат достаточно обобщенную информацию, и нужны усилия, чтобы проанализировать максимально похожие условия должностей, а не только название/грейд.
Я в свое время готовила много исследований по уровню оплаты для конкретной должности (и в рамках агентств для международных компаний, и в качестве HRD), это очень трудоемкая работа, результаты которой устаревают через 3-4 месяца. Поэтому новый сценарий я сделала исходя из этого опыта: поручите AI-агенту постоянно изучать рынок зарплат по важным для вас должностям.
▪️Каждое воскресенье в 21:00 AI-агент запускает сценарий мониторинга внешнего рынка заработных плат → подключается к платформам с открытыми данными и к специализированным сервисам → извлекает медианные и верхние значения зарплат по релевантным вакансиям (учитывая регион, грейд и тд).
▪️Собирает данные по количеству открытых вакансий на рынке по каждой из целевых позиций → отмечает рост или спад → сравнивает с данными ATS по времени закрытия вакансий и активности кандидатов.
▪️Импортирует таблицу текущих зарплат сотрудников из HRIS/КЭДО → фильтрует по аналогичным ролям, локациям и грейдам → очищает данные от индивидуальных надбавок и премий → формирует таблицу-сравнение: Внешняя медиана // Внутреннее значение // Разница в процентах // Динамика изменения за 3 месяца → выделяет участки с отставанием >10% от рынка.
▪️Каждый понедельник в 9:00 AI-агент загружает финальный отчет и прогноз в систему дашбордов и направляет сообщение HR BP и HRD: «Позиции, по которым у нас уровень оплаты существенно ниже рыночного: QA Middle, SMM Manager, Product Analyst. Рекомендую инициировать пересмотр компенсации”→ при наличии серьезных отклонений AI-агент создает презентацию: включает графики по динамике рынка, прогноз по текучести, список сотрудников в зоне риска → на основании полученных данных HR BP, HRD и руководители подразделений обсуждают и принимают решения.
© Сценарий AI-агента от @HRtech
Лучше реализовать как самостоятельного агента, подключив к сервисам по API. Польза огромная: такой AI-агент сможет системно предотвращать увольнения, существенно экономя HR-ресурсы.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥5
▪️AI-агент мониторит ATS в режиме реального времени → как только кандидат перемещён на этап "Тестовое" → инициирует индивидуальный сценарий сопровождения кандидата по тестовому заданию.
▪️AI-агент проверяет, есть ли готовое тестовое задание в карточке вакансии → если нет, запрашивает у рекрутера / подтягивает из шаблонов → при наличии переходит к следующему шагу.
▪️Отправляет кандидату персонализированное сообщение в чат-боте: “Вы перешли на следующий этап - выполнение тестового задания. Готовы приступить?” → при подтверждении кандидат выбирает удобное время начала → система бронирует слот.
▪️В выбранное время AI-агент активирует чат-бот и запускает тест → показывает инструкции, таймер, структуру задания, требования и критерии оценки.
▪️Во время прохождения теста AI-агент → отслеживает прогресс выполнения → фиксирует нарушения (например, резкие переключения окон, неактивность более 10 минут) → ведёт лог времени выполнения и этапов.
▪️По завершении теста AI-агент подтверждает получение результатов → анализирует ответы кандидата → если задание требует экспертной оценки → структурирует ответы кандидата → формирует удобный для просмотра отчёт → добавляет к нему краткий комментарий по каждому блоку → запрашивает фидбек у ответственного проверяющего → отслеживает дедлайн по проверке.
▪️После проверки AI-агент → проставляет итоговый балл / статус “пройдено / не пройдено” → сохраняет результаты в карточке кандидата в ATS → добавляет ключевые выводы и комментарии → отправляет рекрутеру уведомление: “Кандидат Иванов И.И. завершил тестовое. Итог: 86/100. Готов двигаться дальше”.
▪️Если кандидат не начал тест в течение 48 часов, AI-агент отправляет напоминание → при повторном игноре уведомляет рекрутера и помечает статус “Не приступил”.
▪️В конце недели AI-агент формирует короткий отчёт по этапу "Тестовое": сколько тестов выслано → сколько начато → сколько завершено → среднее время → доля успешных → проблемные кейсы.
© Сценарий AI-агента от @HRtech
Тут много вариантов реализации, самое главное - продумать логику и особенности агента для каждой конкретной вакансии, и не использовать ее по умолчанию для других позиций, так как формат тестового, стиль коммуникации с кандидатом и специфика будет скорее всего разной.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👍2
▪️Каждые 30 минут AI-агент запускает проверку откликов на всех интегрированных площадках → извлекает новые отклики → нормализует формат → сравнивает ключевые параметры кандидата с требованиями вакансии (ключевые навыки, опыт, локация, грейд, зарплатные ожидания) → определяет, на какую вакансию отклик относится (по названию, ключевым словам из сопроводительного письма и тд).
▪️Если кандидат подходит под несколько вакансий → формирует рекомендацию рекрутеру «Кандидат может быть релевантен сразу для 2-х позиций: DevOps Engineer и System Administrator» → предлагает выбор.
▪️Создает карточку кандидата в ATS → загружает резюме → фиксирует источник отклика → сохраняет сопроводительное письмо → присваивает тег по источнику → в папке вакансии в ATS распределяет кандидата по статусу «Новый отклик».
▪️Проводит быстрый скоринг (алгоритм на основе ключевых критериев вакансии) → выставляет первичный рейтинг (например, 8/10)→ если рейтинг ниже порога (например, <4/10), отправляет кандидата в нужную папку с комментарием «Недостаточный опыт в требуемой технологии: Python <1 года»→если кандидат подходит (≥7/10), уведомляет рекрутера: «Новый перспективный кандидат по вакансии Data Analyst».
▪️Каждый день в 19:00 формирует отчет по откликам: «Сегодня получено 56 новых резюме, 12 релевантных, 7 дубликатов, 20 не соответствуют требованиям, 17 требуют уточнения».
▪️В понедельник в 10:00 готовит недельный отчет: по каждой вакансии количество откликов, источники, % релевантных, дубликатов, распределение по статусам.
© Сценарий AI-агента от @HRtech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥5❤1
AI-агент для проведения performance review
▪️Каждый месяц в первый понедельник в 10:00 AI-агент запускает процесс подготовки к performance review.
▪️Подключается к HRIS → извлекает данные по индивидуальным целям сотрудников, их прогрессу и статусам выполнения → сверяет с KPI и ключевыми метриками.
▪️Подключается к системе для 1:1 встреч → собирает заметки менеджеров за весь период → классифицирует их по темам (сильные стороны // зоны роста // инициативы // командное взаимодействие) → анализирует обратную связь от смежных команд → выявляет повторяющиеся сигналы и значимые кейсы → формирует драфт-оценку для каждого сотрудника → структура: достижения // влияние на команду // примеры поведения // рекомендации по развитию.
▪️Встраивает конкретные примеры влияния: «Запустил новый процесс отчетности → сократил время подготовки на 30%» или «Регулярно помогает новым коллегам адаптироваться, ускоряет выход на продуктивность» → выделяет несоответствия между данными (например: цели выполнены на 90%, но фидбек коллег указывает на проблемы в коммуникации) → отмечает как точки для калибрации.
▪️На этапе калибровки подготавливает сравнительные таблицы по отделам → показывает распределение оценок → подсвечивает возможные перекосы (слишком много "выше ожиданий" в одной команде).
▪️Предлагает менеджерам варианты формулировок для финального review → на основе лучших практик и корпоративного стиля → помогает избегать субъективных или некорректных формулировок.
▪️В день калибровочной сессии (например, среда 15:00) формирует краткие карточки по сотрудникам → цели, метрики, сильные стороны, зоны роста ( чтобы ускорить обсуждение) → после завершения калибровки обновляет драфты с учетом принятых решений → готовит финальные версии оценок для менеджеров.
▪️По итогам оценки формирует аналитический отчет для HRD и руководителей → динамика выполнения целей // процент отклонений по метрикам // повторяющиеся зоны развития // риски удержания.
© Сценарий AI-агента от @HRtech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🔥6
#HRcustdev
В этом сценарии автоматизации проведения тестовых заданий AI-агент направляет кандидату тестовое, сделанное самостоятельно в компании.
Но послушала сегодня подкаст Дмитрия Беговатова (Product Radar, подкаст не новый, ему пол года) с сооснователем сервиса для автоматизированного техскринга разработчиков Jumse + вспомнила другие специализированные сервисы для разных профессий и вспомнила, что тут важно добавить:
То есть, AI-агент нужен все равно для координации и управления процессом, чтобы разгрузить HR, но намного проще (и часто эффективнее) использовать оценочные сервисы, которые действительно глубоко погрузились в свою тему.
Единственное, на мой взгляд, у HRtech рынка пока не решен вопрос, как быть, если компания хочет применять разные сервисы для разных кандидатов даже в рамках одной профессии, а такие сервисы в основном ориентированы на большие пакетные продажи (покупка не менее 100 тестирований).
Еще в подкасте ребята обсуждали в целом известный факт для IT-рекрутинга, что есть достаточно высокий % отказов от автоматизированного формата прохождения тестового среди Senior-кандидатов (они за личный онлайн с CTO/тим лидом). Обычно это около 15% кандидатов.
Как идея: в идеале, чтобы AI-агент подключался к одной платформе, где есть разные сервисы для тестирования (например, разработчиков) → предлагал кандидату описать комфортный вариант прохождения технического скрининга → выбирал нужный для конкретного кандидата (в том числе запись на собеседование к тим лиду). Кажется, будет круто, если таким способом удастся не терять 15% синьоров, но и при этом не нужно будет заставлять тим лида проводить техскрининг для 100% кандидатов.
В этом сценарии автоматизации проведения тестовых заданий AI-агент направляет кандидату тестовое, сделанное самостоятельно в компании.
Но послушала сегодня подкаст Дмитрия Беговатова (Product Radar, подкаст не новый, ему пол года) с сооснователем сервиса для автоматизированного техскринга разработчиков Jumse + вспомнила другие специализированные сервисы для разных профессий и вспомнила, что тут важно добавить:
AI-агент также может быть связующим звеном:
ATS (где фиксируются статусы и результаты) + готовый сервис для тестирования + кандидат.
То есть, AI-агент нужен все равно для координации и управления процессом, чтобы разгрузить HR, но намного проще (и часто эффективнее) использовать оценочные сервисы, которые действительно глубоко погрузились в свою тему.
Единственное, на мой взгляд, у HRtech рынка пока не решен вопрос, как быть, если компания хочет применять разные сервисы для разных кандидатов даже в рамках одной профессии, а такие сервисы в основном ориентированы на большие пакетные продажи (покупка не менее 100 тестирований).
Еще в подкасте ребята обсуждали в целом известный факт для IT-рекрутинга, что есть достаточно высокий % отказов от автоматизированного формата прохождения тестового среди Senior-кандидатов (они за личный онлайн с CTO/тим лидом). Обычно это около 15% кандидатов.
Как идея: в идеале, чтобы AI-агент подключался к одной платформе, где есть разные сервисы для тестирования (например, разработчиков) → предлагал кандидату описать комфортный вариант прохождения технического скрининга → выбирал нужный для конкретного кандидата (в том числе запись на собеседование к тим лиду). Кажется, будет круто, если таким способом удастся не терять 15% синьоров, но и при этом не нужно будет заставлять тим лида проводить техскрининг для 100% кандидатов.
👍7❤5
#BizDevHRtech
Если все стартапы будут описывать своих HR AI-агентов, например для рекрутинга, схожими метриками (отвечает 24/7, экономит 30% бюджета, ускоряет подбор на 25% и тд), то компаниям станет все сложнее выбирать среди одинаковых сервисов (на их первый взгляд).
Поэтому мне интересно обращать внимание, как HRtech рынок все же старается индивидуализировать своего AI-агента через необычные и нестандартные метрики, например, понравилось:
на сайте HR-платформы Wisq (США) в описании их AI-агента Харпер есть не только уже стандартная статистика для всех HR AI-агентов, но и добавили, что Харпер отвечает правильно на 94% вопросов экзамена SHRM-CP (что на 20–30 баллов выше проходного балла, и отвечает на них в 12 раз быстрее). Для тех, кто знает сложность этого экзамена (а в США знают все HR), Харпер сразу вызывает уважение.
Если все стартапы будут описывать своих HR AI-агентов, например для рекрутинга, схожими метриками (отвечает 24/7, экономит 30% бюджета, ускоряет подбор на 25% и тд), то компаниям станет все сложнее выбирать среди одинаковых сервисов (на их первый взгляд).
Поэтому мне интересно обращать внимание, как HRtech рынок все же старается индивидуализировать своего AI-агента через необычные и нестандартные метрики, например, понравилось:
на сайте HR-платформы Wisq (США) в описании их AI-агента Харпер есть не только уже стандартная статистика для всех HR AI-агентов, но и добавили, что Харпер отвечает правильно на 94% вопросов экзамена SHRM-CP (что на 20–30 баллов выше проходного балла, и отвечает на них в 12 раз быстрее). Для тех, кто знает сложность этого экзамена (а в США знают все HR), Харпер сразу вызывает уважение.
👍12🔥6💯2
#AIHRtech_функции
Несколько раз встречала упоминание AI-агента Lattice, который отвечает на HR-вопросы сотрудников, он от известной HR-платформы Lattice (США). На первый взгляд казалось, что там стандартный чат-бот с функционалом базы знаний и на основе Open AI. При этом он только "общается", новые функции еще в разработке (написано на сайте).
Сегодня встретила упоминание этого агента в контексте глубокой аналитики, и, наконец, разобралась, в чем дело: из “простых” вопросов сотрудников агент умеет брать очень много показателей для HR-аналитики, выявляя тренды и закономерности в совершенно разных направлениях компании и формирует рекомендации на их основе. Посмотрите описание на сайте агента, очень интересно.
Мне в этой истории понравилось, что платформа сосредоточила усилия на самой сложной и трудоемкой функции AI-агентов - качественно собирать и анализировать данные и вероятно в ущерб разработке остальных функций, и рынок это оценил. При этом сейчас основной тренд у конкурентов (крупнейших HR-платформ США) это делать максимально многофункциональных агентов, у которых функции появляются раньше, чем инструменты для внутренней аналитики работы этого агента.
Несколько раз встречала упоминание AI-агента Lattice, который отвечает на HR-вопросы сотрудников, он от известной HR-платформы Lattice (США). На первый взгляд казалось, что там стандартный чат-бот с функционалом базы знаний и на основе Open AI. При этом он только "общается", новые функции еще в разработке (написано на сайте).
Сегодня встретила упоминание этого агента в контексте глубокой аналитики, и, наконец, разобралась, в чем дело: из “простых” вопросов сотрудников агент умеет брать очень много показателей для HR-аналитики, выявляя тренды и закономерности в совершенно разных направлениях компании и формирует рекомендации на их основе. Посмотрите описание на сайте агента, очень интересно.
Мне в этой истории понравилось, что платформа сосредоточила усилия на самой сложной и трудоемкой функции AI-агентов - качественно собирать и анализировать данные и вероятно в ущерб разработке остальных функций, и рынок это оценил. При этом сейчас основной тренд у конкурентов (крупнейших HR-платформ США) это делать максимально многофункциональных агентов, у которых функции появляются раньше, чем инструменты для внутренней аналитики работы этого агента.
👍13
AI-агент для контроля сроков закрытия вакансий
▪️Каждое воскресенье в 20:00 AI-агент автоматически запускает процесс сбора данных по всем вакансиям.
▪️Подключается к ATS → выгружает статусы и даты по активным вакансиям → фиксирует длительность нахождения на каждом этапе → сверяет с установленными метриками (срок закрытия, срок на этапе, время обратной связи от нанимающего менеджера).
▪️Отмечает риски: вакансия дольше планового срока → кандидат застрял на этапе более 7 дней → нет фидбэка более 3 рабочих дней → резкое сужение воронки на ранних этапах → отсутствует достаточный поток кандидатов.
▪️Все отклонения выделяет цветовой маркировкой (красный – критика, желтый – зона риска, зеленый – норма).
▪️Формирует промежуточную сводку и сохраняет её в базе отчетов.
▪️В понедельник в 9:00 AI-агент автоматически рассылает рекрутерам и нанимающим менеджерам уведомления по критическим отклонениям → формулирует запросы в формате «Отклонение >7 дней без движения. Пожалуйста, дайте комментарий до 14:00».
▪️Отслеживает поступление ответов → автоматически классифицирует причины (медленный фидбэк, мало кандидатов, несогласованное ТЗ, высокая конкуренция, неактуальный оффер).
▪️На основе шаблонов прогнозирует вероятность несоблюдения сроков → «Вероятность закрытия вакансии до контрольной даты: низкая/средняя/высокая».
▪️Формирует рекомендации для руководителя подбора: «Рекомендуется обсудить с нанимающим менеджером приоритетность вакансии» → «Необходимо усилить поиск через внешние каналы» → «Назначить встречу для пересмотра требований».
▪️Каждый месяц в последний рабочий день AI-агент собирает агрегированные данные → считает среднее время закрытия по каждой вакансии и по компании в целом → рассчитывает % закрытых в срок → выявляет самые проблемные должности и подразделения.
▪️Создает структурированный ежемесячный отчет: динамика сроков закрытия, топ-3 причины задержек, прогноз по активным вакансиям, рекомендации по улучшению.
▪️В понедельник после 14:00 AI-агент отправляет итоговый отчет Руководителю подбора → прикладывает таблицу, графики и краткое резюме: «В среднем сроки закрытия увеличились на 12%. Основная причина - задержка обратной связи нанимающих менеджеров. Рекомендуется внедрить метрики на предоставление фидбэка».
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9