Знаете ли вы чем HCM отличается от TMS и что это вообще такое. А HRIS от HRMS? И что такое EXP?

Если знаете, то не читайте нашу статью про виды HR-систем и их классификацию. А если сомневаетесь, то вот она:
https://blog.websoft.ru/2019/07/hr.html

Недавно мы писали про оценку персонала и про то, что с точки зрения эффективности, распределение сотрудников в компании не нормальное. В смысле, не распределение Гаусса, а распределение Парето.

Это означает, что малое количество «звёздных» сотрудников отвечают за непропорционально большую долю результативности.

Кажется очевидным, что в компаниях-лидерах этих «звёзд» больше, чем в «обычных». И это причина их лидерства.

Оказывается, что это не так. Доля «звёзд» в компаниях лидерах индустрии практически такая же, как в других.

Эти данные - результат исследования 25 глобальных компаний консультантами из Bain & Co:
https://hbr.org/2017/02/the-best-companies-dont-have-more-stars-they-cluster-them-together

В компаниях лидерах - примерно 16% «звёзд», во всех остальных - чуть меньше 15%. Различий практически нет.

Но, есть разница в том, как эти люди используются.

В лидирующих компаниях до 95% критических для бизнеса позиций заняты «звёздными» сотрудниками. В остальных они относительно равномерно распределены по структуре управления. Логика которая работает в этом случае - то что ты мега-умный и эффективный ещё не означает, что ты перепрыгнешь через голову более заслуженных, опытных, проверенных...

Выводы из этой истории:
- процесс формирования кадрового резерва (определения «звёзд») должен почти в любой компании приводить к выявлению тех самых 15% - это хороший бенчмарк
- этот процесс не будет иметь особого смысла, если компания не готова «пересаживать» найденных людей на критические для бизнеса направления, без оглядки на корпоративные правила и процедуры. Просто формирование ИПР или размещение на доске почёта тут не помогут.

YouTube запускает новые фичи для авторов образовательных каналов. Можно будет создавать плей-листы, разбивать контент на уроки, упорядочивать от простого к сложному. Это будут почти полноценные учебные курсы.

Также, в этих плейлистах не будут показываться рекомендованные видео, чтобы не соблазнять людей, изучающих серьезные вещи, котиками и клипами.

Для начала, этот механизм будет доступен для TED и Khan Academy, но потом появятся и другие авторы контента.

По сути, YouTube может стать основным агрегатором открытого учебного контента, и, весьма возможно, тихим «убийцей» MOOC платформ вроде Coursera и Udemy. Аудиторию он точно сможет привлечь более широкую.

Пример плей-листа про программирование на Java: https://m.youtube.com/playlist?list=PLRqwX-V7Uu6YxDKpFzf_2D84p0cyk4T7X

Статья на VC: https://vc.ru/media/75151-youtube-predstavil-obrazovatelnye-pleylisty-bez-rekomendaciy-rolikov-na-drugie-temy

Какой способ доставки контента эффективнее - текст или видео?

Полноценных исследований на эту тему почти нет и в профессиональных дискуссиях приходится довольствоваться ощущениями и личным опытом участников.

Но, исследования все же встречаются. Например, вот это исследование, проведённое в MIT в 2018 году:
https://mitili.mit.edu/news/compared-reading-how-much-does-video-improve-learning-outcomes

Краткая выжимка из статьи:
- Участников разделили на 2 группы - одним дали видео-курс, другим текст. Содержание было идентичным.
- Предпочтения обучаемых изучали опросником
- Эффективность обучения измеряли тестом в конце обучения
- Результаты тестирования для видео - средний балл по тесту (от 100% возможных) - 81.3%, медиана- 80%
- Результат тестирования для текста - средний балл - 82.5%, медиана - 90%
- Недостаток сна, вероятно, оказывает более существенное влияние на восприятие текста чем на восприятие видео
- Если учитывать предпочтения, от есть давать людям, которые хотят смотреть видео курс в формате видео, а людям которые предпочитают читать - текстовый вариант, то результат тестирования улучшается примерно на 10%

Выводы:
- нет явного выигрыша в результативности ни для одного из форматов
- личные предпочтения оказывают небольшое влияние на результативность, но это влияние не существеннее чем другие факторы стабильного эмоционального состояния (например, сна)

Массовый подбор персонала - процесс вызывающий особенно большую головную боль у HR.

Соответственно, чем сильнее болит, тем больше желающих предоставить лечение. Большинство новых инструментов автоматизации рекрутмента ориентированы на массовку
(и плохо подходят для классического подбора офисного и квалифицированного производственного персонала).

Основные новые инструменты при автоматизации массового подбора:
- Автоматический сбор кандидатов из различных источников по массовым профессиям
- Автообзвон найденных кандидатов роботов
- marhr - использование инструментов маркетинга для продвижения информации о вакансия и компании в соц. сетях
- Видео-интервью
- Чат-боты
- смотреть Геотаргетинг в рекламе вакансий (работа рядом с домом)

Читайте кейс, про автоматизацию массового подбора в DPD - крупнейшей в России компании экспресс-доставки.

В проекте использовались многие из перечисленных выше инструментов:
https://blog.websoft.ru/2019/06/staff.html

Также на тему массового подбора - посмотрите статью про инструмент, позволяющий автоматически собирать данные кандидатов из нескольких источников и настраивать автоматический обзвон с помощью робота, по заданному сценарию:
https://blog.websoft.ru/2019/07/e-staff.html

Что думают кандидаты о вакансиях и способах поиска работы?

К сожалению, российской статистики нет в наличии, но есть данные по US и UK (источников много, поэтому пруфлинки не привожу). Думаю, наши показатели не будут сильно отличаться.

Несколько цифр, важных, в том числе для задач автоматизации (в качестве метрик, KPI, контрольных показателей для автоматических напоминаний рекрутерам и.т.п):

70% кандидатов ожидают реакции на своё резюме или отклик на вакансию в течение недели. От человека. Автоответ «Ваше письмо очень важно для нас» не считается.

40% кандидатов готовы ждать job offer не более 4 дней после финального интервью. 38% готовы потерпеть 9 дней.

Почти 60% хотят быть проинтервьюированы своим будущим руководителем. Общения с рекрутером достаточно 25%, 13% согласны на внешнего эксперта и 5% на будущего коллегу.

Для 70% кандидатов информация о зарплате в объявлении о вакансии крайне важна. Ее отсутствие существенно снижает вероятность отклика.

42% кандидатов бесят устаревшие (уже закрытые) вакансии продолжающие висеть на сайтах.

80% кандидатов важно четко понимать из каких этапов состоит процесс подбора, временные рамки каждого из этапов и их соблюдение.

Простые выводы для задач автоматизации:
- Контролируйте срок в течение которого рекрутер внёс в ATS отметку о том, что позвонил/написал кандидату или автоматически обрабатывайте его переписку. Не сделал - автоматическое напоминание. Можно также считать и визуализировать KPI
- Аналогично с job offer
- Контролируйте (те же напоминания, отчеты,...) привлечение руководителей к интервью
- Автоматизируйте процесс удаления с сайтов закрытых вакансий
- Отправьте кандидату автоматическое письмо в котором расскажите о процессе подбора, его этапах и сроках

Набор показателей и соответствующих мер - не исчерпывающий. Чтобы улучшить качество подбора не обязательно затевать сложный проект по Customer Journey Map (хотя и полезно). Начните с открытых данных и очевидных изменений.

Пятничное. В одной умной книге повторный брак назван триумфом надежды над здравым смыслом.

Тем не менее большинство людей женятся повторно, несмотря на пугающую статистику повторных разводов.

А ещё, масса людей начинает новый бизнес, несмотря на цифры совсем не внушающие оптимизм:
- 96% бизнесов не доживают до 10 лет
- 50% небольших и средних компаний выходящих на IPO (а это «сливки» бизнеса) не переживают 5 лет после выхода на биржу. Для крупных IPO статистика получше, но и там много проблем

В целом можно сказать, что люди склонны затевать большие проекты (в том числе в ИТ и HR) существенно недооценивая вероятность полного провала.

Почему? Потому, что большие проекты это круто. Много власти, престиж, ощущение значимости и сопричастности к чему-то большому...

При этом, маленькие дела и небольшие улучшения влияют на нашу повседневную жизнь куда сильнее чем мегапроекты. Жаль, что за них не дают орденов и не ставят памятники.

Послушайте одно из самых моих любимых выступлений на TED (есть русская транскрипция) - про «Министерство мелких деталей» и несуществующих людей с большой властью и малыми бюджетами. Очень смешно и поучительно:
https://www.ted.com/talks/rory_sutherland_sweat_the_small_stuff/up-next

Выводы (если стоит их делать):
- Когда затеваете глобальный проект соберитесь и обсудите что будет когда он не взлетит (не если, а когда). Если все же взлетит - будет приятный сюрприз, но вы будете готовы к неудаче
- Попробуйте пожить в agile-режиме - вместо мега-проектов начать жить в логике небольших, инкрементальных, но непрерывных улучшений и изменений к лучшему

Сколько активностей в плане адаптации может «переварить» новый сотрудник? И за какой период времени?

Это вопрос возник у меня после разговора с одним из наших заказчиков. У компании полностью автоматизированный процесс адаптации, качественный e-learning, хорошие материалы, персонализованный подход и все равно сотрудники не довольны. Это показывают опросы.

Почему? Возможно, потому, что компания хочет уложить адаптацию (по крайней мере приобретение нужных знаний) в 1 месяц, а материалов очень много. Более 100 (курсы, тесты, вебинары, инструкции, ...).

Может быть, столько просто не влезает в голову?

Статистики/аналитики по объёму и длительности адаптационных программ не много. Вот что удались найти:
- Среднее число заданий на период адаптации - 54 (опрос компании Sapling, 2019)
- Только 37% компаний проволят процедуру адаптации длительностью более 1 месяца (опрос Clickboarding, 2016), а по данным HCI (Human Capital Institute) лишь у 50% компаний процедура адаптации длиться более недели

Исходя из приведённых данных, получается, что процедура адаптации, с точки зрения сотрудника либо излишне интенсивная либо некачественная. Излишняя интенсивность тоже качества не добавляет. У нового сотрудника и так стресс на новом месте.

Цифры это подтверждают - по результатом опроса Gallup в 2017 году 88% людей не довольны качеством адаптационных программ в их компаниях.

Очевидный вывод - процесс адаптации оптимально планировать не на 7 или 30, а на 60 или 90 дней. И адекватно автоматизировать.

Про то, что можно автоматизировать в процессе адаптации мы когда-то писали: https://blog.websoft.ru/2018/01/blog-post.html

Интересные цифры в одной из статей Джоша Бесина - в результате исследования выяснилось, что сотрудникам 65% из рассматривавшихся компаний, легче найти работу вне текущей компании, чем внутри.

Компании пренебрегают внутренним рекрутментом. И зря. Потому что цифры вполне красноречивы:
- Внутреннему кандидату нужно платить в среднем на 20% меньше чем «варягу»
- Отсутствие возможности внутреннего карьерного роста - причина увольнения как минимум для 25% кандидатов

По моему опыту - на каждый проект автоматизации внутреннего подбора, приходится 5 проектов по автоматизации подбора внешнего.

А технически нужно совсем немного (не считая политической воли руководителей компании):
- страница с вакансиями на корпоративном/HR портале
- автоматическое размещение вакансий на этой странице из вашей ATS
- автоматизация работы с кадровым резервом и уведомление резервистов об открывающихся позициях
- приоритет внутренних кандидатов для некоторых вакансий и автоматический контроль этого приоритета (отчеты, уведомления)

Собственно, ссылка на статью: http://www.hrtechcentral.com/?open-article-id=10606925&article-noscript=the-talent-experience-market-is-real--and-hr-tech-vendors-are-scrambling&blog-domain=joshbersin.com&blog-noscript=josh-bersin

Если бы 5 лет назад кто-то сказал, что люди сделают бизнес из робота, который будет анализировать работу других роботов, я бы посмеялся.

А теперь я нашёл проект chatbase и совсем не удивился: https://chatbase.com

Это услуга по автоматическому анализу и улучшению работы чат-ботов. Впрочем, сервис может анализировать и логи разговоров обычной «человеческой» поддержки.

Результатом работы робота по анализу работы роботов может быть улучшенная спецификация бота (опять же робота) для загрузки в ботовый сервис, например, Dialogflow. Звучит сюрреалистично, но это так.

Это проект инкубатора Google и он использует технологии родительской компании, в том числе для анализа естественного языка.

На этом примере мы видим как раскручивается маховик индустрии - не успели появиться сервисы по созданию ботов, как появились инструменты по их оптимизации и автоматической генерации.

Так что готовьтесь оптимизировать своего HR-бота до того, как вы его сделаете.

Важное противоречие в процедуре адаптации.

72% сотрудников считают самым важным на этапе адаптации общение с непосредственным руководителем (усреднённые данные по нескольким опросам).

Но, только в 35-40% компаний в адаптации полноценно участвуют руководители (Опрос Allied Workforce 2012 и другие).

Руководители не очень хотят участвовать в адаптационных процедурах. И тут на помощь приходит автоматизация, которая может сделать ситуацию ... хуже.

Во многих компаниях, HRы, отчаявшиеся привлечь руководителей, пытаются заместить их автоматизированными инструментами. Не хотят разговаривать - сделаем чат-бота, не хотят учить - заменим на записи вебинаров...

И, после этого, руководители окончательно решают, что адаптация (теперь автоматизированная) обойдётся без них. И в итоге люди уходят (по статистике не менее 20% только на этапе адаптации). Уйти от человека, который с тобой общался, намного тяжелее чем от робота.

Выводы:
- не все способы автоматизации одинаково полезны
- цель автоматизации адаптации - не замещать руководителя, а помогать ему. Предоставлять удобный интерфейс и отчёты, подсказывать, напоминать, ...

Пятничная история. В одной из них HR-групп в Facebook, директор по персоналу одной уважаемой компании спросила коллег совета - как отговорить линейных руководителей отказывать кандидатам из-за неправильного знака зодиака. Как вы догадываетесь, она пожалела, что спросила.

И я вспомнил лучший запрос на автоматизацию, который я получал за всю свою карьеру.

Нас попросили автоматизировать подбор по знакам зодиака - чтобы в заявке на подбор можно было указать нужные знаки, эти данные попадали в карточку вакансии в E-Staff и система автоматически не давала отбирать кандидатов с датой рождения не подходящих по знаку.

Было даже ТЗ. Пришлось отказаться.

Но, нам удалось придумать ещё несколько безумных идей HR-автоматизации, которые мы когда-нибудь реализуем, скорее всего 1 апреля:
- автоматическое исключение кандидатов-неудачников из рассмотрения. Случайным образом
-«перевёрнутая» оценка эффективности - обычно сначала заполняются формы оценки, а потом проводится калибровка под заданное распределение. Можно пропустить этап оценки сразу переходить к калибровке методом случайных чисел - неудачники получат D, везунчики A, а компания экономию времени :)
- Имитатор руководителя - так как руководители не любят давать обратную связь, переводим коммуникацию в чат и там создаём бота, воспитанного по лучшим заветам Капитана Очевидность. Сотрудники не заметят разницы.

Хорошей всем пятницы!

70% соискателей оценивают будущего/потенциального работодателя по качеству взаимодействия с его рекрутерами. Это статистика.

А что важнее всего для соискателя в потенциальном работодателе (кроме денег)? Надежность, стабильность, выполнение взятых на себя обязательств.

Рекрутер, не перезвонивший соискателю, отсутствие обратной связи по итогам интервью, задержка с ответом, интервью, начавшееся не вовремя - все это проецируется на компанию в целом. Раз такой рекрутмент, то такой же будет и работа.

Вывод для задач автоматизации - нужен фокус на небольших, но важных мелочах, которые создают у кандидата правильное ощущение:
- автоматизированные рассылки
- напоминания рекрутерам о сроках
- внутренний SLA, который контролирует ATS система
- аккуратные форматы писем
⁃ ...

Из этих мелочей у кандидата складывается ощущение надежной компании.

Когда сотрудник увольняется - как лучше узнать причину? Очное интервью (exit interview) или опрос (exit survey)?

Не встречал российской статистики, но, по моему ощущению, доля компаний систематически анализирующих причины ухода одним из этих способов точно меньше 50%.

Результаты опроса, описанного в статье ниже (США, 2013) - 75% компаний используют ту или иную форму сбора обратной связи. Почему так много? Потому, что инвестиции в понимание реальных причин ухода сотрудника окупаются безусловно проще чем инвестиции в поиск новых людей.

При этом большинство проводят неструктурированное интервью. Лишь около 5% используют опросники.

Источник и полезная статья про exit interview:
https://hbr.org/2016/04/making-exit-interviews-count

Плюсы и минусы у каждого из способов:

Интервью:
- Плюс - опытный и мотивированный инетвьюер может направить разговор в нужное русло и понять в том числе скрытые мотивы
- Минусы - в очном разговоре сотрудники склонны приукрашать действительность, не всегда хотят говорить правду

Опросник:
- Плюс - есть время подумать над ответом, опросник можно сделать конфиденциальным, легко автоматизировать
- Минус - опросник намного проще проигнорировать чем приглашение на разговор

Опросник при увольнении - один из самых простых инструментов с точки зрения автоматизации. Все что нужно - получить из системы кадрового учета данные о дате увольнения сотрудника (должно быть внесено будущим числом после подачи заявления), сгенерировать письмо с пояснениями, просьбой дать обратную связи и ссылкой на опрос. И, затем, построить финальный отчет по опросам.

По нашему опыту, в автоматизированной HR-системе в которой уже есть данные кадрового учета и механизм опросов такой процесс настраивается за 1 день если не за несколько часов.

Вывод - начните с автоматизированного опроса. Его можно очень быстро и легко сделать. Форм опросников в интернете полно, как на русском так и на английском.

Потом можно переходить к интервью, так как по мнению многих экспертов оптимальной формой обратной связи является сочетание опросника и интервью. По крайней мере для анализа причин ухода ключевых людей.

Системы для автоматизации корпоративных процессов (в том числе HR) могут быть нескольких типов.

1. Платформы - универсальные системы со встроенными средствами разработки и инструментами для глубокой кастомизации не только силами вендора. Это могут быть ERP или HCM системы, портальные платформы. Вариацией платформы является система с развитым API и маркетплейсом для расширений и интеграций.

2. Продукты для автоматизации какого-то набора процессов - ATS/LMS/TMS/CRM/... Как правило с относительно ограниченным набором возможностей для кастомизации, особенно если это облачные системы.

3. Инструменты для реализации проектов. Когда вендор не готов делать универсальную платформу или не хочет отдавать возможности глубокой кастомизации партнерам/клиентам. Но хочет делать большие проекты, требующие серьезной кастомизации. За основу для реализации берётся базовая система и под каждого крупного заказчика «допиливается» уникальное решение.

Когда создаёшь систему надо делать выбор по какому из путей идти. И если основатели/инвесторы проекта не могут договориться - они не уживутся. А клиенты не будут понимать как будет развиваться система.

Основатели проекта Potok не договорились со стратегическим инвестором (Северсталь) - они хотели делать продукт, а получилась, похоже, проектная кастомизация. И основателю пришлось уйти из своей компании. Впрочем, реальные причины могут отличаться от декларируемых. Посмотрим, какая будет судьба у системы:
https://vc.ru/services/77470-soosnovatel-hr-startapa-potok-kirill-nikolaev-pokinul-proekt-iz-za-rashozhdeniy-vo-vzglyadah-na-strategiyu-kompanii

Что такое ATS (Applicant Tracking System)? Вроде бы все очевидно - система автоматизации рекрутмента.

Но, из-за невероятного многообразия функционала, ATS системы очень сильно различаются. Лендинги для соискателей это ATS? А управление обучением на этапе адаптации?

Мы подготовили статью, в которой перечислили основной функционал, который теоретически может быть в ATS. От лендинга до предиктивной аналитики:
https://blog.websoft.ru/2019/07/ats.html

Пятничное. Приходилось ли вам приносить своим коллегам/команде/подчиненным плохие новости?

А если есть и хорошие? Например, плохая новость - срок проекта сократили вдвое, но есть и хорошая - никого пока не уволили.

Как правильно - сначала хорошая новость, а потом плохая или наоборот? Большинство из нас либо об этом не задумываются либо считают, что порядок значения не имеет.

А вот и нет. Если верить британским ученым.

Дениэл Пинк, автор многих вполне любопытных книг (на русский переведена только книга Драйв, а есть ещё очень неплохие «To sell is human”, “When”). Опираясь на исследования, он говорит о том, что у сказки должен быть хороший конец. А начинать всегда надо с плохих новостей.

Так что, когда вы идёте к HR-директору/CEO объяснять почему проект не укладывается в сроки/бюджет/спецификацию начинайте с самого печального и ужасного. А заканчивайте тем, что надежда ещё есть ;)

Вполне научное обоснование этой нехитрой идеи описано в статье: https://ideas.ted.com/why-you-should-always-deliver-the-bad-news-first/

По какой модели делать проект HR-автоматизации:
⁃ традиционный вариант (waterfall) с ТЗ, четким планом проекта, фиксированной ценой, формальным процессом сдачи-приемки
⁃ гибкий подход (agile) - без детального ТЗ, с последовательностью спринтов (этапов)

Мы более 10 лет делали проекты исключительно традиционным способом, но 2 года назад практически полностью перешли на agile. И у нас есть возможность сравнивать. Поделюсь нашими наблюдениями.

Возьмём типовой HR процесс, требующий автоматизации. Например, сложная процедура Performance Management.

Для традиционного проекта:
1. Есть этап (предпроект) по аналитике - подготовке ТЗ. Трудозатраты - не менее 1 человеко-месяца. Реальный срок - до 2-х месяцев. Проблемы на этом этапе - заказчик пытается «запихнуть» в ТЗ как можно больше, ведь второго шанса не будет

2. Этап реализации. Трудозатраты - от 3-4 человеко-месяца разработчика/аналитика. Но, к этим трудозатраты нужно добавить затраты на управление проектом и риски (ведь ТЗ не идеально). Резерв и затраты на управление могут составлять от 50 до 100% от основных трудозатрат.

3. Этап сдачи приемки. Тут будет о документация и обучение и подготовка ПМИ и проведение испытаний. Не менее месяца, как правило 2.

Итого, проект будет выполнен в лучшем случае за 5-7 месяцев, а оценочные трудозатраты составят 10-12 человеко-месяцев. И стоимость этих работ и рисков будет заложена в договор (он же с фиксированной стоимостью). Я знаю компании, которые и эти цифры умножили бы на 2x при классическом варианте проекта, особенно для сложного государственного заказчика.

На этапе сдачи приёмки обязательно возникнут спорные или даже конфликтные ситуации из-за различной трактовки ТЗ.

Итог: долго, дорого, почти неизбежные разногласия в конце проекта

А что в agile?

Аналогичный проект делается, как правило, за 3 месячных спринта и 4 спринт на финальное тестирование и сдачу приемку.

Требования уточняются по ходу проекта. В реализованную систему попадёт только то, что реально нужно. Не критичные требования исключаются автоматически и за них заказчик не платит.

Трудозатраты проекта (и как следствие цена) - 6-8 человеко-месяцев.

Итого: быстрее в полтора раза, на столько же дешевле., вероятность конфликта в ходе проекта - драматически ниже.

Вывод: при правильном подходе к agile, затраты будут на 50% ниже, а срок реализации быстрее, удовлетворенность заказчика и исполнителя - выше существенно.

Это если делать все правильно. Что такое правильный подход и чего не нужно делать в agile - в следующем посте.

Есть и более оптимистичные исследования, которые говорят что agile проекты стоят в 4 раза меньше, а их вероятность успеха в 6 раз выше
https://www.scrum.org/resources/blog/large-scale-agile-and-scrum-vs-waterfall-agile-6x-more-successful-14-cost-and-10x

Как контролировать усталость персонала там, где это критично? И можно ли это сделать с помощью технологий?

Яндекс-Такси работает над инструментами для анализа усталости водителей. Утомление будут определять по 68 точкам на лице, зеванию и т.п:
https://www.kommersant.ru/doc/4052447

Так что не зевайте в такси. Как известно, у Homo Sapience это заразно, а вашего таксиста снимут с маршрута.

Китайцы для этих же целей экспериментируют с приборами для снятия энцефаллограммы мозга, встроенными в головные уборы:
https://blog.websoft.ru/2018/06/blog-post_21.html

К сожалению, броня и снаряд находятся в состоянии вечной борьбы. Когда на рынке появятся психоактивные вещества, обманывающие алгоритмы Яндекса, мы об этом узнаем. А также о том, можно ли обмануть алгоритм тремя чашками крепкого кофе или кока-колой с какими-нибудь добавками.

Продолжим разговор про agile, начатый пару дней назад.

Несмотря, на очевидные прелести гибкого подхода к разработке, испортить можно и его.

Что НЕ надо делать при автоматизации по agile:

1. Неожиданно менять длительность спринтов

2. Относиться к каждому спринту как к небольшом проекту, выполняемому по традиционной модели разработки

3. Не резервировать время на приемку результатов спринта

4. Не проводить регулярные встречи проектной команды

5. Не планировать и не резервировать ресурсы заказчика на спринт (планирование/тестирование/изучение новых доработок)

6. Менять планы работ в середине спринта

7. Ругаться с подрядчиком про то, что исправление ошибок не является частью работ по спринту

8. Начинать проект без верхнеуровнего понимания цели (agile не означает хаос)

9. Менять направление работы в середине проекта (начинали автоматизировать один процесс, а закончили другим)

10. Менять команду на стороне заказчика на каждом спринте

Интересное интервью с экспертом в области искусственного интеллекта. Для тех кто ещё не разобрался в терминах (AI/ИИ/ML) - на человеческом языке даются вполне осмысленные объяснения.

В нем есть кусочек про ИИ в HR. И про сложности с ним связанные.

Согласен со словами автора, что в hr-данных очень много шума и это сильно затрудняет аналитику и использование алгоритмов ML. А ещё большинство HR данных не попадают под определение big data - их слишком мало, чтобы строить надежные модели.

Прочитайте, чтобы иметь основание более вдумчиво и взвешенно относиться к рекламным историям про «использование Искусственного Интеллекта», декларируемые многими HRTech стартапами:
https://vc.ru/dev/77620-pro-ii-prostym-yazykom-intervyu-s-rossiyskim-data-scientist-obladatelem-vtorogo-mesta-v-reytinge-kaggle