Резюме
Это пример применения методологии на основе открытых отраслевых данных. Цифры рассчитаны по публичным источникам — ваши результаты и декомпозиция процесса на блоки будут зависеть от конкретных условий.
Ситуация. Компания из 300+ сотрудников проходит ежегодный пересмотр системы компенсаций. HR-директор и специалист по компенсациям вручную собирают данные зарплат из 1С ЗУП, находят рыночные ставки по функциям в Zarplata.ru и hh.ru, строят таблицы в Excel, сравнивают текущие оклады с рынком, затем принимают решение: остаться на текущей грейдовой системе, переходить на диапазоны или перейти на spot-ставки? Затем рассчитывают бюджет, проектируют матрицу и согласовывают с финансовым директором и генеральным директором.
Проблема. Человеко-часы на сбор: выгрузка из 1С ЗУП (8 часов), поиск рыночных данных по каждой функции (15–20 часов на ручной поиск по hh.ru и Zarplata.ru), нормализация названий должностей (6–8 часов), построение матриц (10 часов) = 40–50 часов только на подготовку данных Диспропорции остаются скрытыми: нет системного анализа через стандартное отклонение, квартили и выброс-тесты; видны отдельные случаи несправедливости; риск текучки по недооценённым направлениям (особенно в IT и специализированных функциях) Заинтересованные стороны видят только финальную матрицу, не понимают логику: «Почему прибавка на 5% сейчас, а не на 10%?» Отсутствует документация решений, что приводит к конфликтам при следующем пересмотре и потере преемственности при смене HR-директора
Результат анализа. 5 блоков — в 🟢 Автоматизация (EPOCH 1–2). 1 блок — в 🟠 Коллаборация (EPOCH 4). 2 блока — в 🔴 Человек (EPOCH 5). Экономия труда — до 20 000 ₽/год (Москва). Настоящая ценность — в качестве решений: ×2–3 быстрее согласование, 100% решений задокументированы.
Карта процесса
Процесс разбит на 8 блоков.
- 1 Выгрузить и нормализовать данные зарплат из 1С ЗУП Автоматизация
- 2 Проанализировать диспропорции по функциям и грейдам Автоматизация
- 3 Собрать и нормализовать рыночные данные из hh.ru и Zarplata.ru Автоматизация
- 4 Построить матрицу «текущие зарплаты vs рынок» по функциям Автоматизация
- 5 Выбрать методологию компенсаций (грейды, диапазоны, spot-ставки) Человек
- 6 Рассчитать сценарии бюджета при разных параметрах методологии Автоматизация
- 7 Спроектировать матрицу компенсаций под выбранную методологию Коллаборация
- 8 Согласовать матрицу компенсаций с HR-директором и CEO Человек
Итого: 5 шагов в 🟢 Автоматизация (EPOCH 1–2), 2 шага в 🔴 Человек (EPOCH 5), 1 шаг в 🟠 Коллаборация (EPOCH 4).
Проверка готовности
Все четыре ответа должны быть «Да» — тогда можно переходить к внедрению.
- Специалист по компенсациям может проверить нормализованные названия должностей и рыночные данные на соответствие контексту компании?
- Доступ к 1С ЗУП и интеграция с Google Sheet или API парсинга hh.ru / Zarplata.ru будут готовы за 1–2 недели?
- Руководство (HR-директор, генеральный директор) поддерживает внедрение ИИ в этап сбора и анализа данных?
- Команда осознаёт, что долгосрочное делегирование сбора рыночных данных может снизить способность выявлять недостоверные источники и аномалии на рынке труда?
Анализ
Таблица блоков
EPOCH (MIT Sloan, Loaiza & Rigobon, 2025) — шкала 1–5: насколько задача требует человеческого участия. Оценка = максимум из пяти параметров.
«Готовность ИИ-инструмента» определяет стартовый уровень контроля: чем больше опыта у команды с этой связкой «задача + инструмент», тем меньше проверок нужно с первого дня. Новый — команда ещё не делала этот тип задач с этим инструментом, уровень контроля 1. Пробуем — 1–2 цикла, результат ещё нестабильный, уровень 1–2. Стабильный — 3+ цикла без ошибок, уровень 2–3. Доказанный — 8+ циклов, уровень 3–4. Прочерк — блок не передаётся ИИ, оценка неприменима.
| # | Блок | Зависит от | EPOCH | Зона | Описание | Готовность ИИ-инструмента |
|---|---|---|---|---|---|---|
| 1 | Выгрузить и нормализовать данные зарплат из 1С ЗУП | — | 1 | Автоматизация | Экспорт из 1С ЗУП, приведение к единому формату (дата, оклад, зо, должность) | Стабильный |
| 2 | Проанализировать диспропорции по функциям и грейдам | 1 | 2 | Автоматизация | Расчёт коэффициента вариации, поиск выбросов, группировка по категориям | Стабильный |
| 3 | Собрать и нормализовать рыночные данные из hh.ru и Zarplata.ru | — | 2 | Автоматизация | Парсинг Zarplata.ru и hh.ru, нормализация названий должностей, фильтр по региону и опыту | Стабильный |
| 4 | Построить матрицу «текущие зарплаты vs рынок» по функциям | 1, 2, 3 | 2 | Автоматизация | Построение таблицы: должность, текущий оклад, рыночный диапазон, разница (%), рекомендация | Стабильный |
| 5 | [С] Выбор методологии | 4 | 5 | Человек | Грейды vs диапазоны vs spot-ставки — стратегическое решение, зависит от культуры, бюджета и рынка | — |
| 6 | Рассчитать сценарии бюджета при разных параметрах методологии | 4, 5 | 2 | Автоматизация | 3 сценария: консервативный (ФОТ +2%), базовый (+5%), амбициозный (+10%), расчёт прибавок на должность | Стабильный |
| 7 | [С] Дизайн матрицы компенсаций | 5, 6 | 4 | Коллаборация | Балансировка справедливости, конкурентности и бюджета; согласование с оргструктурой | Новый |
| 8 | [С] Согласование с заинтересованными сторонами | 7 | 5 | Человек | Презентация логики, ответы на возражения, согласование исключений с финдиректором и генеральным директором | — |
Почему такие оценки
| # | Блок | EPOCH | Обоснование |
|---|---|---|---|
| 1 | Выгрузить и нормализовать данные зарплат из 1С ЗУП | 1 | Техническая операция: экспорт из 1С, удаление дубликатов, приведение формата. Никакого суждения. |
| 2 | Анализ диспропорций | 2 | Статистика: стандартное отклонение, квартили, выброс-тесты. ИИ справляется без интерпретации, человек смотрит результаты. |
| 3 | Сбор рыночных данных | 2 | Техническая работа: поиск, парсинг, нормализация названий должностей (правда, нужен контекст компании). |
| 4 | Матрица текущее vs рынок | 2 | Табличный расчёт: разница в % между текущей ставкой и рыночной медианой. Формула, не суждение. |
| 5 | [С] Выбор методологии | 5 | Стратегическое решение. Грейды подходят для стабильного бизнеса, диапазоны — для динамичных рынков, spot-ставки — для дефицитных специалистов. Требует видения будущего компании, культуры, конкурентной позиции. Только руководство. |
| 6 | Рассчитать сценарии бюджета при разных параметрах методологии | 2 | Алгебра: если ФОТ = текущий + 5%, то сценарий базовый. Три формулы и три результата. |
| 7 | [С] Дизайн матрицы компенсаций | 4 | Требует балансировки: как справедливо выглядит матрица? Почему в одном направлении скачок, в другом плавный рост? Нужна креативность в оформлении логики и суждение о приемлемости для организации. |
| 8 | [С] Согласование с заинтересованными сторонами | 5 | Презентация и ответы на возражения требуют присутствия (понимание контекста, реакции в реальном времени) и суждения (что можно пересмотреть, что нет). |
Ограничения ChatGPT в этом процессе
- ChatGPT справится с нормализацией названий должностей и парсингом данных, но не может принять стратегическое решение: переходить ли на грейды (стабильные, для зрелого бизнеса), диапазоны (гибкие, для динамичного рынка) или spot-ставки (максимально конкурентные, для дефицитных специалистов)?
- Рыночные данные требуют контекста: квартал, регион (Москва vs регионы имеют 30–40% разницу), отрасль, уровень опыта; ИИ может собрать данные, но не выбрать логику применения
- Компенсация — стратегическое решение, связанное с бюджетом фонда оплаты труда (ФОТ), конкурентной позицией и корпоративной культурой; это всегда остаётся за руководством (требование ТК РФ)
Инструкции для передачи задач ИИ
Чтобы передать задачу ИИ, нужно описать три вещи: что подаёте на вход, что получаете обратно и как поймёте, что результат верный. Ниже — такое описание для каждого блока, который переходит к ИИ. Это можно передать разработчику или использовать как основу для промпта.
Выгрузка и анализ текущих данных зарплат
- Все должности приведены к единому формату (нет разных написаний)
- Выброс-тесты выполнены, выброс = > (Q3 + 1,5 × IQR) помечены
- Таблица включает все 300+ сотрудников без дубликатов
- Результат в формате Google Sheet, готовый для чтения сотрудниками (если нужно согласовать)
Excel/CSV из 1С ЗУП (структура: табельный номер, должность, оклад, зо, дата последнего пересмотра)
Нормализованная таблица + отчёт диспропорций {должность, текущий оклад, кол-во сотрудников, стд. отклонение, квартили}
Уровень 2 (контролируемый) — ИИ выгружает и анализирует, HR-директор проверяет на точность и отсутствие ошибок парсинга
Сбор и парсинг рыночных данных
- Для каждой функции найдено минимум 3 источника данных (hh.ru, Zarplata.ru, индустриальные отчёты)
- Данные отнесены к одному кварталу (Q1 2026) и одному региону
- Выбросы в данных помечены с пояснением (например, «включает надбавку за английский язык»)
- Каждая функция может быть сопоставлена с функцией в компании (создана матрица соответствия)
Список 45 функций (разработчик, QA, продакт-менеджер, финансист и т.д.) + регион (Москва) + уровень опыта (junior, middle, senior)
Таблица {функция, рыночная медиана (₽), диапазон (Q1–Q3), источник (hh.ru / Zarplata.ru), последнее обновление}
Уровень 1 (ассистируемый) — ИИ собирает данные, специалист по компенсациям проверяет источники и корректирует соответствие должностей перед сравнением
Матрица и сценарии бюджета
- Три сценария рассчитаны верно (консервативный +2%, базовый +5%, амбициозный +10%)
- Каждый сценарий закрывает определённый % разрыва между текущей ставкой и рынком
- Общий прирост ФОТ совпадает с целевым бюджетом (±2%)
- Для каждого сценария видна логика распределения: например, «приоритет — функции с наибольшим разрывом»
Нормализованные текущие данные + рыночные данные + целевой бюджет прироста ФОТ (например, +5%)
Google Sheet {должность, текущий оклад, рыночная медиана, разница (%), прибавка для сценария 1/2/3, новый оклад, общий прирост ФОТ}
Уровень 3 (авто-мониторинг) — ИИ рассчитывает, HR-директор проверяет результат и выбирает один сценарий для согласования с финдиректором
Экономика
| Метрика | Часов в год | Экономия (₽/год) | Источник |
|---|---|---|---|
| Выгрузка и анализ данных | 8 | 3 100 | 📊 Расчёт |
| Сбор рыночных данных (вручную) | 20 | 7 800 | 📊 Расчёт |
| Нормализация данных и построение матриц | 15 | 5 900 | 📊 Расчёт |
| Расчёт сценариев вручную | 8 | 3 100 | 📊 Расчёт |
| Итого экономия на процесс | 51 | ~20 000 | |
| Итого в год (один пересмотр в год) | 51 | ~20 000 |
Ставки рассчитаны по медианным данным HH.ru и ГородРабот.ру, начало 2026 года. Без учёта НДФЛ и страховых взносов (~30%).
| До (без ИИ) | Стало возможным (с ИИ) | Изменение охвата |
|---|---|---|
| Диспропорции видны только в отдельных случаях; нет системного анализа | Автоматический анализ всех 300+ должностей: стандартное отклонение, выборочные проверки, выброс-тесты | 100% вместо 10–20% |
| Рыночные данные собираются вручную, часто неполные; логика выбора диапазона остаётся неявной | Структурированная матрица «текущее vs рынок» с источниками; каждое решение обоснованно и задокументировано | +3–5 источников на должность |
| Заинтересованные стороны видят только финальную матрицу, не видят промежуточные данные; возникают вопросы и пересогласования | Полная цепочка данных: текущее состояние → рынок → логика → сценарии → матрица → согласование | ×2–3 скорость согласования |
| Нет одного источника истины для компенсаций на год | Единая система, обновляемая ежегодно; история решений сохранена в системе | 100% документированность решений |
| Категория | Описание | Стоимость |
|---|---|---|
| Разовая настройка | Разовая настройка | 50 000 ₽ |
| Интеграция | Интеграция | 80 000 ₽ (разово) |
| Операционные | Операционные (API, подписки) | 1 250 ₽/мес |
| Обслуживание ИИ | Обслуживание ИИ | 1 550 ₽/мес |
| Разовая настройка | Разовые итого | 130 000 ₽ |
| Валидация | Валидация результатов | 17 ₽/мес |
| Компетенции | Поддержание компетенций | 200 ₽/мес |
Ловушка зависимости: чем дольше задача делегирована ИИ, тем сложнее замечать его ошибки. Раз в месяц — выполнить одну задачу вручную, чтобы сохранить способность оценивать результат. Подробнее — Мониторинг
Рекомендация
Начать с трёх карточек параллельно в течение 3–4 недель.
На что обратить внимание:
- Данные в 1С ЗУП содержат исторические ошибки (дублирующиеся записи, несовместимые форматы)? → нужна очистка перед экспортом (1–2 дополнительных дня)
- Функции в компании не совпадают с функциями в rh.ru / Zarplata.ru (например, у вас есть «тех. лид», а на рынке — только «старший разработчик»)? → нужна матрица соответствия, которую делает специалист (1 день)
- Регион за пределами Москвы? → нужны региональные коэффициенты (добавляют 2–3 часа на карточку № 2)
Проверка рисков
| Вопрос | Ответ | Следствие |
|---|---|---|
| Ошибка необратима? | Да — ошибки в расчёте ставок прямо влияют на бюджет и справедливость компенсаций | Сдвиг зоны: 🟡 Усиление с 3-го уровня на 2-й (контролируемый). Требуется проверка каждого расчёта финдиректором |
| Публика увидит результат без проверки? | Да — результаты матрицы видят все сотрудники | Добавить «Проверка матрицы человеком перед финализацией» в Карточку № 3 |
| Грозит штраф, иск или вред? | Да — компенсационные решения регулируются ТК РФ; неправомерные действия могут привести к исковому требованию сотрудников | Потолок уровня автономности = 2 (контролируемый). Все стратегические решения (блоки 5, 7, 8) — только человек |
Уровень контроля после запуска
Уровень автономности — насколько самостоятельно ИИ работает. Для каждого блока выбирается свой уровень в зависимости от цены ошибки.
Блоки подготовки данных (1, 2, 3, 6) могут работать на уровне 2–3 автономии с обязательной проверкой перед использованием. Стратегические блоки (5, 7, 8) остаются на уровне 4 (только человек). Компенсационная стратегия затрагивает гарантированный доход сотрудников — критично по ТК РФ.
Если хотите разобрать свой процесс похожим образом — экспресс-диагностика займёт около 45 минут.