Прогноз увольнений в HR — кейс «Ростелекома» с 18 тыс уходов в год

Зачем Ростелекому понадобился прогноз увольнений

Задача прогноза увольнений в крупной компании возникает не из моды на ИИ, а из конкретной экономики. Стоимость замены одного сотрудника в большинстве индустрий — от 6 до 9 месячных зарплат с учётом найма, адаптации, обучения и временного снижения продуктивности команды. Для компании уровня Ростелекома 18 тысяч уходов в год превращаются в годовой бюджет в миллиарды рублей, который частично реально вернуть, если научиться отличать сотрудника в зоне риска заранее.

Согласно материалам кейса Ростелекома, классическая HR-реакция «кто-то ушёл — ищем замену» проигрывает из-за масштаба. К моменту, когда увольнение становится фактом, бюджет на удержание тратится впустую — на тех, кто уже принял решение. Сместить точку вмешательства в фазу до решения — стратегия дешевле, но её требовалось чем-то оснастить.

До запуска сервиса компания пробовала классические HR-инструменты:

• Exit-интервью показывает причину ухода, когда сотрудник уже принял решение.
• eNPS помогает оценить настроение команды, но не указывает на конкретного человека в зоне риска.
• Опросы вовлечённости дают общий фон, но редко помогают HR выбрать, с кем говорить на этой неделе.

Прогноз на основе ИИ закрывал другой запрос: показать конкретного сотрудника, у которого вырос риск ухода.

Какие данные использует модель прогноза

Модель прогноза увольнений в крупной компании опирается на 8-12 типов данных из существующих HR-систем. Отдельный сбор данных под прогноз не окупается — косвенные сигналы из ежедневной активности персонала уже дают достаточную точность анализа. По описанию кейса Ростелекома, на риск ухода сотрудника влияют такие факторы:

• Карьерный трек и образование. Источник данных: HRIS, карточка сотрудника. Эти данные помогают увидеть, как развивается сотрудник внутри компании. Если человек давно не менял роль, не получал новых задач и не видел понятного карьерного шага, модель воспринимает это как возможный сигнал потери интереса к работе.
• Динамика общения с коллегами. Источник данных: корпоративный мессенджер, почтовые системы. Снижение активности в рабочих коммуникациях может указывать на падение вовлечённости. Важно: сам по себе спад переписки не доказывает, что человек готовится уйти. Модель смотрит на изменение привычного поведения сотрудника и сравнивает его с похожими паттернами в прошлом.
• Продолжительность нахождения в офисе. Источник данных: системы пропускного контроля. Изменения в офисной активности помогают заметить сдвиги в рабочем ритме. Резкое сокращение времени в офисе, частые поздние приходы или ранние уходы могут стать дополнительным сигналом, если раньше сотрудник работал иначе.
• Непройденные обучающие курсы. Источник данных: LMS или корпоративный университет. Застой в обучении может говорить о снижении интереса к развитию внутри компании. Если сотрудник раньше активно проходил курсы, а затем перестал участвовать в обучении, модель фиксирует изменение поведения.
• Частота отпусков. Источник данных: кадровая система. Частые отпуска, больничные или резкие изменения в графике отсутствий могут указывать на усталость, перегрузку или выгорание. Такой сигнал нельзя читать отдельно от контекста: для модели он важен только в связке с другими признаками.

Алгоритм машинного обучения анализирует дополнительные сигналы из российских внедрений, такие как динамика KPI, частота больничных, изменения в составе команды и другие поведенческие сигналы. Больше типов данных — точнее модель, но и выше этические и правовые риски.

Среди всех направлений предиктивной HR-аналитики именно прогноз ухода даёт наиболее рабочий результат, и этим объясняется, почему предиктивные модели в крупных российских HR-функциях фокусируются на наборе данных, чувствительных к настроению и поведению сотрудника, а не просто к его KPI.

«У нас эффективнее всего получается работать с прогнозом оттока сотрудников и, насколько я знаю, в других компаниях это тоже распространенная практика.» — Владимир Смагин, директор проектов CDO блока HR в Сбербанке.

Главный практический вывод для тех, кто думает о запуске прогноза: данные уже есть в HR-системах. Узкое место — интеграция: данные лежат в разных системах и форматах, и их нужно свести в единый профиль сотрудника.

Как устроен сервис: интерфейс, доступ, действия

Сервис ценен для HR тогда, когда риск виден в рабочем интерфейсе: с причиной сигнала, историей изменений и следующим шагом для руководителя. Прогноз без действия сам по себе не снижает текучесть. Поэтому половина проектной работы в кейсе Ростелекома приходится не на машинное обучение, а на интерфейс и регламент использования.

Результаты прогноза публикуются на внутренней платформе, доступной HR-специалисту и руководителю любого подразделения. Каждый видит расширенную аналитику по сотруднику и может сравнить показатели с другими подразделениями и компанией в целом. Карточка сотрудника показывает:

• Риск-сигнал по сотруднику.
• Факторы риска, которые сильнее всего повлияли на прогноз.
• Историю изменений по прошлым сигналам.
• Рекомендуемые действия: поговорить, проверить нагрузку, предложить ротацию, запланировать развитие.
• Контекст по подразделению, чтобы руководитель сравнил ситуацию с командой и компанией.

Для руководителя команды это инструмент, который встроен в привычный рабочий поток, а не отдельная аналитическая система. Он заходит в HR-портал и видит, кому из его подчинённых нужно уделить внимание на этой неделе. Для HR-партнёра — обзор по портфелю, фильтрация по уровню риска, возможность приоритизации работы с конкретными подразделениями.

Параллельно сервис показывает контекст: историю взаимодействий и прошлые риск-сигналы. Без него разговор превращается в холодный «прогноз показывает, что ты собираешься уйти», что само ускоряет уход.

Как читать «риск увольнения 78%» — этика и интерпретация

Интерпретация результата прогноза требует отдельных правил. Без них модель превращается в инструмент дискриминации сотрудников и быстро вступает в конфликт с законом и доверием команды. Цифра «риск 78%» в карточке сотрудника — не приговор и не основание для управленческого решения. Это сигнал, что данные сотрудника по поведению похожи на данные тех, кто уходил из компании в прошлом.

Несколько обязательных правил, которые формируются в зрелых внедрениях.

Первое — прогноз не показывается самому сотруднику. Это инструмент HR и руководителя, и его публичная демонстрация моментально меняет поведение и обнуляет точность модели.

Второе — прогноз не используется как основание для премии, повышения или увольнения. Использование риск-сигнала в кадровых решениях — прямой путь в правовой риск и в массовое недоверие команды.

Третье — модель регулярно проверяется на смещения. Если прогноз систематически выше для женщин, для сотрудников старше 50 лет, для определённых национальных групп, такая закономерность означает ошибку модели или данных, и её нужно исправлять, а не использовать как «обнаруженный паттерн». Этический контроль здесь так же важен, как и точность.

От прогноза к действию: что делает HR с риск-кейсами

Прогноз увольнения сам по себе не удерживает сотрудника. Работает цепочка из трёх шагов: быстрый разговор, проверка причины риска, конкретное предложение в течение 7–10 дней.

После этого окна сотрудник часто переходит из стадии «обдумываю» в стадию «принял решение и оформляю документы», и удержать его становится почти невозможно. На рынке труда последние годы стало проще найти альтернативу, и это укорачивает время, в котором HR ещё может вмешаться.

Типичный плейбук HR-руководителя при сильном риск-сигнале:

• Шаг 1. Провести 1-to-1. Руководитель говорит с сотрудником в рабочем формате и не ссылается на прогноз. Цель — услышать, что сейчас в работе сотрудника не работает: нагрузка, отношения с коллегами, отсутствие развития, конфликт ценностей с компанией.
• Шаг 2. Найти предмет изменения. HR-партнёр и руководитель обсуждают, что из услышанного компания готова менять.
• Шаг 3. Дать конкретное предложение. В течение 7–10 дней сотрудник получает вариант: ротацию, новый проект, изменение команды или корректировку зоны ответственности.

Что не работает — общие фразы «сходи на тренинг» или «обсудим через месяц». На этой стадии сотрудник уже взвешивает альтернативу, и абстрактные обещания усиливают риск. Конкретность и скорость — ключевые параметры удержания. И, что критично, в большинстве случаев деньги уже не главный аргумент. Поэтому реакция «давайте поднимем зарплату на 20%» в ответ на риск-сигнал срабатывает реже, чем перепроектирование роли или содержательное предложение нового вызова.

«Возможность залить деньгами основные проблемы уже в значительной степени себя исчерпала.» — Григорий Финкельштейн, партнёр консалтинговой компании «Экопси консалтинг».

Метрика эффективности прогноза измеряется удержанием сотрудников из риск-группы. Если из 100 сотрудников с высоким риск-сигналом через 3 месяца ушли 50 — а без вмешательства HR ушли бы порядка 80, — модель и плейбук работают. Если ушли те же 80 — модель показывает реальность, но компания не научилась на неё реагировать.

Что переносить из кейса Ростелекома в среднюю компанию

Средней компании на 500-2000 человек не нужно строить полный аналог сервиса Ростелекома. 80% эффекта даёт минимальный вариант на трёх данных и одном правиле эскалации. Что обязательно перенести из кейса:

1. Минимальный набор данных — три источника. Карточка сотрудника из HRIS, активность в корпоративном мессенджере или почте, прохождение обучения. Этого достаточно для базовой модели на 6-12 месяцев работы, дальше можно расширять.
2. Правило эскалации — в течение 7 дней. Высокий риск получает ответственного HR, руководителя и обязательный 1-to-1. Без жёсткого правила эскалации модель быстро превращается в дашборд, на который никто не смотрит.
3. Регламент по этике — до запуска, не после. Письменный документ, утверждённый юристами и подписанный HR-руководителем, фиксирует что можно и что нельзя делать с результатами прогноза. Без него модель в течение 12 месяцев может привести к репутационному или правовому инциденту.
4. Метрика успеха — удержание риск-группы, а не точность модели. Запускайте модель в режиме «оценка эффекта» и через квартал сравнивайте удержание сотрудников из риск-группы с базовым периодом. Если разница ниже 10-15 процентных пунктов, продолжать инвестиции в саму модель не имеет смысла, нужно работать с плейбуком действий.

Через год такая схема превращает удержание в регулярный процесс: HR видит риск заранее, руководитель быстрее реагирует, компания снижает расходы на текучесть.