В мире ИТ-команд индивидуальные планы развития (ИПР) порой кажутся чем-то вроде квантовой физики: все слышали, что это важно, но когда доходишь до дела — постоянно что-то ускользает. Раньше процесс их создания напоминал рутинный ремонт — вроде всё просто, а возишься часами: выясни, что сотруднику интересно, определи его сильные и слабые стороны, оформи всё красиво и структурировано. Словом, бесконечный HR-абонемент на игру «угадай желания и преврати их в action plan».

Для начала немного контекста: HR-отдел «Технократии» регулярно организует процесс performance review. Для тех, кто с этим не сталкивался поясняем: это событие представляет собой чекап состояния каждого члена производственной команды и сбор обратной связи по сотруднику, чтобы понять как изменились мягкие и твердые навыки.

Performance review в «Технократии» обязательно включает в себя сбор обратной связи от коллег, заказчиков и лидов, а также техническую оценку навыков. Потому что время идет, люди меняются и учатся чему-то новому. Вишенкой на этом торте является ИПР, который также известен, как индивидуальный план развития — это уникальный документ для каждого сотрудника, в котором отражены направления, в котором сотрудникам стоит подтянуть навыки или развить какое-то новое умение. И вот тут и образовалось поле для ИИ-автоматизации. 

В прошлом наши тимлиды с энтузиазмом Кулибина садились придумывать ИПР. На заполнение одного плана уходило минимум 30-40 минут — а если сотрудник опытный, задач становилось только больше. Было сложно избежать «синдрома белого листа»: устаёшь думать, как сделать не очередной шаблон, а что-то персональное.

Перелом наступил, когда мы всерьёз задумались о генеративных нейросетях. К простому «напиши план развития для middle-разработчика» мы не скатились — понимали, что универсальных решений тут быть не может. Вместо этого решили действовать с умом: раз в компании уже накапливается детальный фидбек и оценки на аттестациях, почему бы не использовать этот массив данных для нейросети? Именно это стало нашей отправной точкой и ключевым преимуществом. 

Вот тут начинается техническая магия. У каждого сотрудника — например, нашего героя, вымышленного Артёма Серова — в системе копится массив персональных данных с прошлых performance review: фидбек, оценки, заметки от коллег. Всё это складывается в так называемый «мастер-промпт» — огромный структурированный запрос, который скрыт от глаз пользователей.

Пользователь просто выбирает сотрудника и жмёт кнопку «Сгенерировать ИПР». В этот момент система делает за кулисами следующее:

• Автоматически собирает всю релевантную информацию о сотруднике — от последних результатов оценки до прошлых планов развития.
• Формирует мастер-промпт: туда добавляются детали о сильных и слабых сторонах, задачи, пожелания по развитию, даже комментарии от коллег. Мастер-промпт структурирован так, чтобы нейросеть понимала контекст и могла «мыслить» почти как настоящий тимлид.
• Передаёт мастер-промпт нейросети, которая генерирует сразу несколько вариантов ИПР в нужном формате (так, чтобы их можно было автоматически внести в базу, без ручной доработки).
• Система сохраняет ИПР в статусе черновика — его видит только инициатор, а дальше план можно редактировать, менять шаги, дополнять деталями.

Для пользователя всё выглядит как магия: один клик — и готовый план. Но на самом деле за этим стоит слаженный механизм подготовки данных и работы с мастер-промптом.

Но это совершенно не означает, что ответ нейросети вытесан в камне. Он, скорее, формирует нулевую точку, от которой отталкивается при составлении плана, который уже пойдет в работу. При желании, лид может изменить задачи, которые выдала в качестве ответа нейросеть, добавить что-то от себя и уже после валидации человеком готовый ИПР отправляет сотрудником.  

Экономия времени: создание ИПР теперь занимает секунды, а не часы. Можно сравнить с автоматической настройкой git-репозитория — всё работает само, только жми «Enter».

Индивидуальность: система учитывает не только последние успехи, но и историю развития сотрудника в компании.

Нет эффекта чистого листа: нейросеть всегда подскажет отправную точку — даже для новичков, только что присоединившихся к команде.

Гибкость: итоговые планы можно редактировать, удалять, дорабатывать — это рекомендательная система, а не приказ.

В качестве примера — ситуация с Артёмом Серовым, сеньором, который недавно прошёл очередную аттестацию. Система сформировала три варианта плана развития: два по soft skills, один по hard. Всё чётко: цели, ожидаемые результаты, пошаговые действия — от курсов до самостоятельных проектов. Для софтов — литература, техники делегирования, конкретные инструменты. Даже специальные вопросы по методикам — система не ограничивается списком задач, а реально советует полезные книги и методы, экономя часы поиска.

В планах — добавить интеграцию с внутренними базами знаний, автоматический подбор обучающих материалов, использование данных после собеседований для новых сотрудников.

Этот подход помог нам не только облегчить работу команды и сократить время на создание ИПР, но и получить признание на рынке: кейс «Технократии» с HRM-системой Youl выиграл премию «HR-бренд» от hh.ru в номинации AI в HR — ту самую, что коллеги в шутку называют «HR-Оскаром».

Вывод: если хотите перестать крутиться, как белка в колесе, и освободить время для реального развития людей, — смело внедряйте нейросети. А если система вдруг предложит прочитать книгу, не спорьте — возможно, это очередная подсказка к будущей победе.