Балл, который AI поставил разговору менеджера, не может быть основанием для увольнения, и компания, которая попробует, скорее всего проиграет спор. При этом тот же балл честно экономит руководителю недели прослушки и показывает, где отдел теряет сделки. Принимать кадровые решения по данным AI можно, если различать оценку и факт: система указывает, где смотреть, а решение опирается на то, что руководитель увидел в самих записях. Соблазн обычно приходит по расписанию: через месяц после запуска хочется привязать к баллу премию, через полгода — уволить того, у кого он стабильно низкий. Ниже — где техническая возможность и правовая допустимость расходятся, что можно делать спокойно, что с оговорками и чего нельзя вовсе.
Оценка модели — интерпретация, а факт — сама запись разговора
Главный принцип здесь не технический, а трудовой: неисполнение обязанностей доказывается фактами, а не оценками. Балл, выставленный системой, — это интерпретация разговора по заданным критериям. Фактом является сам разговор, зафиксированный записью, и то, что в нём было или не было сказано.
У этого принципа есть и прямая норма. Трудовой кодекс (статья 86, пункт 6 части первой) запрещает работодателю при принятии решений, затрагивающих интересы работника, основываться на персональных данных, полученных исключительно в результате их автоматизированной обработки. Закон о персональных данных (152-ФЗ, статья 16) говорит о том же с другой стороны: решение, порождающее юридические последствия для человека или иначе затрагивающее его права, нельзя принимать исключительно на основании автоматизированной обработки, кроме случаев письменного согласия или прямого указания федерального закона. Для работника статья 86 ТК такой оговорки о согласии не содержит. Статья не заменяет консультацию юриста, и положение о премировании или порядок аттестации стоит согласовать со своим юристом, но направление закона однозначное: между моделью и решением должен стоять человек, который проверил факты.
Второе условие — прозрачность. Работник должен знать, что его работа оценивается, по каким критериям и как эти критерии связаны с его обязанностями. Локальные акты, по которым оценивают работу, доводятся до сотрудников под роспись (статья 22 ТК). Скрытая оценка, всплывающая в момент увольнения, — прямой путь к спору не в пользу компании.
Возражение: если данные объективнее руководителя, почему им нельзя верить
Против всего сказанного есть сильный аргумент, и он заслуживает честного разбора. Руководитель, который оценивает менеджеров «по ощущению», предвзят: любимчики, первое впечатление, усталость. Модель оценивает всех по одному чек-листу, без настроения и симпатий. Разве решение по баллу не справедливее решения по впечатлению?
В одном аргумент прав: единые критерии для всех действительно честнее, чем субъективная выборка из трёх звонков. Но из этого следует не «решать по баллу», а «искать по баллу». Модель последовательна, но последовательна и в своих ошибках: если она систематически хуже распознаёт речь с акцентом, быструю речь или шумную линию, она будет занижать оценку одним и тем же людям каждый день. Предвзятость руководителя хотя бы заметна коллегам. Предвзятость модели выглядит как объективная цифра.
Моя позиция такая: AI в кадровых вопросах лучший инструмент для поиска фактов и худший — для вынесения решений. Он честнее руководителя в выборе, что послушать, и опаснее руководителя в выводе, что это значит.
Обучение и поиск проблем не несут кадровых рисков
Обучение. Разбор конкретных разговоров, подсветка сильных приёмов коллег, индивидуальные рекомендации. У оценки здесь нет юридических последствий, а польза самая большая.
Управление вниманием руководителя. Условно, из тысячи разговоров система показывает несколько десятков, которые стоит послушать. Это не решение о сотруднике, а экономия времени на поиск. Именно так мы в 404ai позиционируем Эхо: он разбирает каждый звонок по чек-листу, а что делать с найденным, решает руководитель.
Задачи по процессу. «В большинстве разговоров не назван следующий шаг» — повод поправить скрипт и провести планёрку, а не наказать конкретного человека. Большая часть того, что находит анализ разговоров, — проблемы процесса, а не людей.
Сравнение периодов. Как изменилось качество работы отдела после обучения или смены скрипта. Агрегированные данные по группе безопаснее и полезнее индивидуальных.
Премии, аттестация и рейтинги допустимы только при условиях
Премирование. Привязка премии к показателям качества допустима, если критерии закреплены в положении о премировании, известны сотрудникам заранее и измеряются одинаково для всех. Я бы первые месяцы после запуска держал систему в режиме обучения, без влияния на выплаты: за это время становятся видны перекосы в критериях и распознавании, и лучше найти их до того, как от них зависят деньги.
Аттестация. Данные системы могут быть одним из входов, но не единственным основанием. Процедура аттестации регулируется отдельно, и отчётом её не подменить.
Публичные рейтинги. Работают на мотивацию, если сравнение честное, и разрушают команду, если система систематически занижает оценку кому-то из-за особенностей речи или канала. Прежде чем вывешивать рейтинг, проверьте систему на предвзятость: сравните оценки одних и тех же разговоров, выставленные моделью и двумя руководителями независимо.
Увольнение по баллу, штрафы и скрытая оценка — за чертой
Увольнять по баллу. Основанием служат зафиксированные нарушения, а не низкая оценка модели. Если разговоры действительно плохие, доказательством будут они сами.
Штрафовать. Штрафы как вид дисциплинарного взыскания Трудовой кодекс не предусматривает: для обычного трудового договора статья 192 называет замечание, выговор и увольнение по соответствующим основаниям и запрещает взыскания, не предусмотренные федеральными законами, уставами и положениями о дисциплине. Кто посчитал «штраф», человек или алгоритм, значения не имеет.
Оценивать скрытно. Если сотрудники не знают о системе оценки и не ознакомлены с её критериями, опереться на её результаты в кадровом споре практически не получится. Кроме того, скрытность разрушает доверие быстрее, чем любая метрика его строит.
Принимать решения автоматически. Даже там, где это кажется технически удобным, это плохая практика и прямой конфликт с нормами о персональных данных: модель ошибается правдоподобно, а цена ошибки в кадровых вопросах измеряется не только деньгами.
Что фиксировать, чтобы оценка превратилась в факт
Разрыв между «система поставила низкий балл» и «сотрудник не выполнил обязанность» преодолевается не убеждением, а фиксацией конкретных эпизодов. Балл указывает, где смотреть; доказательством становится то, что там найдено.
Фиксируется не оценка, а событие: в разговоре такого-то числа не был назван следующий шаг, при прямом вопросе клиента о сроках названа неверная информация, обращение осталось без ответа столько-то часов. Каждое такое событие проверяемо независимо от того, какой алгоритм его нашёл.
Отсюда требование к любой системе оценки: она должна показывать не только балл, но и место в разговоре, из-за которого он такой. Без этого оценка непригодна ни для разбора с сотрудником, ни для чего-то более серьёзного — и её невозможно проверить на собственную ошибку. Как модель выставляет оценку по пунктам и где она ошибается, разобрано в статье как AI оценивает звонок.
Без права оспорить оценку данные начинают подделывать
Система без процедуры оспаривания воспринимается как приговор, и реакция на неё предсказуема: сотрудники подстраиваются под критерии вместо работы с клиентом. Возможность не согласиться — не уступка, а условие достоверности данных.
Минимальная процедура умещается в три пункта. К кому обращаться и в какой срок. Что происходит с оценкой на время разбора — она не должна учитываться в сводках, пока спор не решён. Кто принимает окончательное решение и фиксируется ли оно письменно.
Отдельно стоит вести статистику оспариваний по критериям. Критерий, по которому спорят чаще всего, обычно сформулирован плохо, а не применяется несправедливо. Несколько оспариваний по одному пункту — это задача на переформулировку, и решать её нужно до того, как их накопятся десятки. Как формулировать пункты, которые не вызывают споров, — в статье про чек-лист оценки звонка.
Высокий балл без продаж — сигнал против чек-листа, а не против менеджера
Ситуацию «балл высокий, а результата нет» обычно трактуют неверно: считается, что сотрудник научился обходить систему. Иногда так и есть, но чаще расхождение означает, что чек-лист измеряет не то, что приводит к сделке.
Проверяется это на данных, а не в разговоре с сотрудником. Возьмите закрытые сделки за квартал и сравните средний балл разговоров по выигранным и проигранным. Если разница мала или отсутствует, критерии не связаны с результатом, и премировать по ним — значит платить за соблюдение ритуала.
Обратная находка тоже полезна: иногда обнаруживается один-два критерия, которые действительно различают выигранные и проигранные сделки, а остальные шумят. Тогда правильное действие — сократить чек-лист, а не искать виноватых.
Доступ к оценкам определяет, прочитают ли их как надзор
Вопрос доступа влияет на восприятие системы сильнее, чем содержание критериев. И чаще всего он решается по умолчанию: доступ получают все руководители, а иногда и коллеги.
Разумная схема: сотрудник видит свои оценки полностью, включая обоснование. Его непосредственный руководитель — оценки своей команды. Выше по иерархии — агрегированные показатели без разбивки по людям, если речь не идёт о конкретном разборе.
Открытое сравнение сотрудников между собой лучше не делать вовсе или делать очень осторожно: рейтинг легко подталкивает всех к оптимизации показателя вместо работы, а тех, кто внизу, — к поиску новой работы. Если сравнение нужно, безопаснее показывать человеку его позицию только ему самому.
Когда систему оценки не стоит связывать с кадровыми решениями
Есть ситуации, где честнее вообще не выводить оценку разговоров за пределы обучения.
Критерии не проверены на связи с результатом. Пока не сделана сверка баллов с выигранными и проигранными сделками, премия по баллу — это премия за ритуал. Сначала проверка, потом деньги.
Цель — найти повод уволить. Если решение о человеке уже принято, а система нужна для его оформления, она не поможет: основанием всё равно будут факты, а команда быстро поймёт, зачем появилась оценка, и перестанет доверять ей навсегда.
Маленькая команда. Когда в отделе несколько человек и руководитель сам слушает их разговоры, формальная система баллов добавит конфликтов больше, чем пользы. Разбор записей вместе с сотрудником даст то же без цифры рядом с фамилией.
Качество распознавания не проверено. Если на части линий шум, а у части сотрудников сложная для модели речь, оценки будут несопоставимы. Это проверяется выборочной сверкой расшифровок до того, как оценка начинает что-то значить.
Команде нужно услышать цель раньше, чем увидеть балл
Первая реакция на любую систему оценки — «за нами следят». Она предсказуема, и её нужно закладывать в план внедрения, а не преодолевать по факту.
Работают три вещи. Первая — честно назвать цель: не поймать, а найти, что мешает продавать. Вторая — первый период без последствий для выплат. Третья, самая недооценённая, — разбирать не только провалы, но и удачные разговоры: когда сильная формулировка коллеги становится общим достоянием, система начинает работать на менеджера, а не против него. Подробнее о сопротивлении при внедрении — в статье про сопротивление команды.
Данные AI меняют не право руководителя решать, а качество его доказательств
Что это значит для решения, которое вы, возможно, уже обдумываете? Если хочется привязать к баллу деньги или увольнение, начните не с положения о премировании, а с проверки самой оценки: совпадает ли балл модели с оценкой двух руководителей на одних и тех же разговорах и различает ли он выигранные и проигранные сделки. Если да, оценку можно осторожно выводить в премирование. Если нет, она пока годится только для поиска и обучения — и это тоже большая польза.
Такую проверку мы закладываем в пилот по методу «Цель → метрика»: сначала договариваемся, для чего будет использоваться оценка, потом сверяем её с решениями людей на ваших записях, и только после этого решаем, на что она влияет. Как одни и те же данные меняют работу руководителя и что сделать, чтобы прозрачность не читалась как надзор, — в статье о роли руководителя среднего звена.
