ML-калькулятор прогнозирует численность персонала магазинов
ML-калькулятор рассчитывает необходимую численность персонала каждого магазина более чем по 20 параметрам.
В высокий сезон прогноз был в шесть раз точнее статической модели.
Как компании применяют искусственный интеллект в кадровом учёте и администрировании: обработка кадровой информации, документов и запросов сотрудников. Кейсы работы HR-служб с решениями и результатами внедрений.
Кейсов внедрения: 25.
| Компания и кейс | Что изменили | Результат | Источники |
|---|---|---|---|
| Перекрёсток: ML-калькулятор прогнозирует численность персонала магазинов | ML-калькулятор рассчитывает необходимую численность персонала каждого магазина более чем по 20 параметрам. | В высокий сезон прогноз был в шесть раз точнее статической модели. Методика сравнения точности со статической моделью не раскрыта. | |
| О’КЕЙ: Система нормирует операции магазинов и планирует ротацию | Система оцифровала нормирование операций магазинов и планирование перестановки стеллажей. | Затраты на планирование снизились на 13%, трудозатраты — с 1235 до 1072 часов, срок перестановки стеллажей — с 39 до 34 дней. | |
| СПАО «Ингосстрах»: ИИ-ассистент для поддержки 12 000 сотрудников | AutoFAQ Xplain развёрнут в контуре компании, интегрирован с ITSM и корпоративным SSO; ассистент отвечает по верифицированной базе знаний и маршрутизирует обращения. | Скорость обработки обращений выросла на 45%; маршрутизация стала на 37% быстрее; высвобождено 3,5 штатной единицы; около 7 200 заявок и 2 300 диалогов в месяц получают полностью автоматическое решение. Эквивалент 18 000 человеко-часов в год указан как пересчёт поставщика; остальные результаты приведены за 2025 год. |
|
| ГУП «Мосгортранс»: Автоматическое назначение водителей на маршруты | Внедрена система «Оптуран» для автоматического и оптимального назначения водителей и транспортных средств на маршруты с учетом нормативных требований, корпоративных правил и оперативных замен. | Производительность труда при расчете наряда повышена; требуемое количество транспортных средств снижено на 9%, затраты на фонд оплаты труда — на 11%. Источник Минтранса сообщает, что система доказала эффективность на всех площадках Мосгортранса; методика расчета эффектов не раскрыта. |
|
ML-калькулятор рассчитывает необходимую численность персонала каждого магазина более чем по 20 параметрам.
В высокий сезон прогноз был в шесть раз точнее статической модели.
Система оцифровала нормирование операций магазинов и планирование перестановки стеллажей.
Затраты на планирование снизились на 13%, трудозатраты — с 1235 до 1072 часов, срок перестановки стеллажей — с 39 до 34 дней.
AutoFAQ Xplain развёрнут в контуре компании, интегрирован с ITSM и корпоративным SSO; ассистент отвечает по верифицированной базе знаний и маршрутизирует обращения.
Скорость обработки обращений выросла на 45%; маршрутизация стала на 37% быстрее; высвобождено 3,5 штатной единицы; около 7 200 заявок и 2 300 диалогов в месяц получают полностью автоматическое решение.
Нейросеть автоматически распознаёт смены персонала ресторана.
Количественный эффект не раскрыт.
Новый модуль «Оптурана» с помощью машинного обучения и дискретной оптимизации одним расчётом формирует расписание движения, выходы транспортных средств на линию и смены водителей с учётом транспортных и трудовых ограничений.
В течение двухнедельной практической проверки транспорт выходил по сформированному расписанию без потерь рейсов и жалоб водителей. Отдельный расчёт для девяти маршрутов показал потенциальное сокращение фонда оплаты труда на 5,2%, или 13,4 млн рублей в год, и возможность высвободить два автобуса.
Внедрена система «Оптуран» для автоматического и оптимального назначения водителей и транспортных средств на маршруты с учетом нормативных требований, корпоративных правил и оперативных замен.
Производительность труда при расчете наряда повышена; требуемое количество транспортных средств снижено на 9%, затраты на фонд оплаты труда — на 11%.
Модель учитывает прогнозируемый объём работ, производительность сотрудников и другие факторы при расчёте потребности в персонале.
Количественный эффект не раскрыт.
Модуль KitBot проводит оценку компетенций, вовлечённости и лояльности, а также обратную связь 360°. Telegram-бот уведомляет сотрудников без корпоративной почты, веб-портал используется для прохождения оценки, интеграция с HR-системами синхронизирует данные и формирует аналитические отчёты.
Оценкой охвачены 100% сотрудников всех уровней; сроки её проведения сократились в 1,5 раза, нагрузка на HR-отдел — на 70%.
Система анализирует поведенческие паттерны сотрудников и заранее выявляет риски увольнения; в кейсе также упомянут чат-бот «Настенька».
Количественный эффект не раскрыт.
ИИ используется для performance review, оценки культурного соответствия и потенциала развития сотрудников.
Количественный эффект не раскрыт.
Внедрён и эксплуатируется ИИ-канал кадровой поддержки через корпоративный портал, Telegram и другие точки входа; бот отвечает на типовые обращения и интегрирован с внутренними HR-системами и документооборотом.
Уровень роботизации составляет от 50% до 85% в зависимости от канала; зафиксированы 53 000 уникальных диалогов и 91% положительных оценок.
Внедрена платформа для работы с персоналом, использующая данные об оплате труда из глобальных баз.
Заявлены сокращение расходов на временных работников и ускорение найма.
Внедрена платформа Beorg Smart Vision для распознавания и обработки кадровых документов; дополнительно внедрена система электронного архива.
Оформление фармацевта сокращено до 10 минут вместо 45 минут вручную; за год обработано 2 625 комплектов кадровых документов.
В мобильную HR-платформу «Сфера» внедрён ИИ-ассистент, обрабатывающий запросы сотрудников и поддерживающий взаимодействие с кандидатами.
ИИ-ассистент обработал свыше 70 000 запросов; до 90% HR-запросов выполняются без участия HR. Также заявлено сокращение сроков найма и снижение нагрузки на рекрутеров.
Банк встроил бота в адаптацию сотрудников и объединил доступ к регламентам, кадровым вопросам и документам. Бот также проводит опросы и информирует сотрудников.
Адаптация сократилась с трёх до примерно двух месяцев. Фонд оплаты труда HR-отдела уменьшился на 32%.
Генеративный ИИ применяется в кадровом документообороте.
Количественный эффект не раскрыт.
Внедрён внутренний ИИ-агент в корпоративном мессенджере: он отвечает на вопросы работников об отпусках и кадровых процедурах, помогает новичкам адаптироваться и упрощает HR поиск нормативных документов.
Количественный эффект не раскрыт.
ИИ рассчитывает, сколько сотрудников требуется вывести в магазин, а ML-модели оценивают потребность в персонале в течение дня и в часы пик.
Количественный эффект не раскрыт.
KitBot автоматизирует рекрутинг, адаптацию, внутренние коммуникации и реферальную программу: оценивает резюме, проводит первичное интервью, запускает адаптационные треки и отслеживает прогресс.
Обработано более 4000 откликов без ручной работы; адаптация сокращена на 40%; рефералы выросли на 200%; заявлена экономия свыше 8 млн рублей.
ИИ формирует расписание сотрудников, занимающихся продажами.
Клиенты могут заранее узнать удобное для посещения время.
Система прогнозирует нагрузку и на её основе оптимизирует расписание смен операторов.
Коэффициент использования операторов вырос на 12%, что позволило обслуживать больше звонков без увеличения штата и снижения качества обслуживания.
Генеративная платформа используется для создания должностных инструкций.
не раскрыт
Для учета рабочего времени используется биометрическое решение Verme.
Учет рабочего времени становится прозрачным; заявлено снижение фонда оплаты труда.
ИИ-платформа обрабатывает комментарии сотрудников в опросах, определяет тональность и выделяет проблемы с графиком, оплатой и отношениями в коллективе.
не раскрыт
HR-бизнес-партнёры «Девелоники» используют ИИ для работы с внутренними данными распределённых инженерных команд.
Работа с внутренними данными сокращена в три раза.