Перевірка зарплат за ринком

Перевірка зарплат за ринком — це AI-агент, який збирає компенсаційні дані з доступних джерел і видає обґрунтовану вилку для конкретної позиції. Рішення запускається рекрутером або HR-менеджером при відкритті нової вакансії і замінює ручний пошук по агрегаторах та точкові дзвінки колегам "по дружбі". Результат — зведений звіт з діапазоном, медіаною та обґрунтуванням кожної цифри.

Що робить агент по кроках

1. Приймає вхідні параметри від рекрутера: посада, грейд (junior/middle/senior/lead), місто або режим роботи, індустрія, опціональні ключові навички.
2. Шукає збіги у відкритих джерелах: агрегатори вакансій, опубліковані salary-огляди, галузеві звіти, доступні через підключені API або RAG-індекс.
3. Підтягує внутрішні ставки з HRIS для аналогічних позицій — щоб зовнішній ринок порівнювався з тим, що компанія платить зараз.
4. Нормалізує дані: приводить зарплати до єдиної валюти, gross/net, періоду (рік або місяць), виключає викиди та дублікати.
5. Рахує медіану, 25-й і 75-й перцентиль по вибірці, окремо показує розкид по локаціях та грейдах.
6. Формує структурований звіт з джерелами, датами публікації, розміром вибірки та текстовим зведенням для презентації фінансовому відділу.
7. Зберігає артефакт у HRIS або у спільний репозиторій — щоб через півроку можна було порівняти, як змінився ринок по тій самій ролі.

Чого автоматизація не робить

• Не замінює переговори з кандидатом. Фінальний офер однаково залежить від мотивації, контр-офера та переговорної позиції — агент дає орієнтир, не рішення.
• Не враховує приховану частину компенсації конкурентів. Опціони, RSU, бонуси за релокацію, негрошові бенефіти часто не публікуються — агент працює з тим, що доступно.
• Не гарантує точність даних. Якість виводу обмежена якістю джерел: якщо у відкритому доступі мало вакансій по потрібній ніші, вибірка буде маленькою, і агент чесно про це повідомляє.

Рішення позиціонується як інструмент зниження ризику, а не як заміна досвідченого рекрутера. AI-агент бере на себе рутину збору та нормалізації, звільняючи людину для інтерпретації та переговорів з кандидатом.

Технічно рішення будується на двох паттернах: RAG Q&A для пошуку за неструктурованими джерелами зарплатних даних і аналітичний модуль для нормалізації та розрахунку статистик. Агент працює поверх HRIS як vertical-SaaS-надбудова і не потребує заміни поточної системи кадрового обліку.

Архітектура потоку даних

1. Тригер. Рекрутер створює чернетку вакансії в HRIS або заповнює форму запиту з параметрами ролі. Webhook або ручний запуск передає payload агенту.
2. Збір зовнішніх джерел. Агент опитує підключені джерела — публічні API агрегаторів вакансій, індексовані salary-огляди, галузеві PDF-звіти в RAG-сховищі.
3. Внутрішній контекст. Паралельно агент тягне з HRIS поточні ставки співробітників на порівнянних позиціях, історію останніх оферів, затверджені компенсаційні грейди.
4. Нормалізація. LLM-крок приводить різнорідні дані до єдиної схеми: валюта, періодичність, gross/net, фіксована частина проти бонусів.
5. Статистика. Розрахунковий модуль (не LLM) рахує медіану, перцентилі, розмір вибірки, розкид за локаціями. Це детермінована частина — її результати відтворювані та аудитовані.
6. Збірка звіту. LLM формує короткий наратив з обґрунтуванням цифр, посиланнями на джерела та попередженнями про слабкі місця вибірки.
7. Доставка. Звіт публікується в HRIS як вкладення до вакансії, відправляється в Slack рекрутеру і зберігається в архіві для подальшого порівняння.

Кроки впровадження

1. Аудит джерел. Команда Grow2.ai разом з HR-керівником складає список джерел зарплатних даних, доступних компанії — публічні огляди, підписки, локальні агрегатори.
2. Підключення HRIS. Налаштування читання даних по співробітниках і вакансіях через API або експорт. Запис звітів назад — опціонально, на другому етапі.
3. Конфігурація грейдів. В агент завантажується матриця грейдів компанії, щоб зовнішні дані мапились на внутрішню систему позицій.
4. Збірка RAG-індексу. Salary-огляди та галузеві звіти завантажуються у векторне сховище для пошуку за запитами типу "медіанна зарплата DevOps-інженера в Польщі".
5. Калібрування. На історичних вакансіях перевіряється, наскільки відповіді агента збігаються з реальними оферами компанії. Коригуються ваги джерел.
6. Запуск з одним рекрутером. Пілот на 5-10 вакансіях зі зворотним зв'язком — що не так у формулюваннях, які джерела не враховані.
7. Розкатка. Підключення решти рекрутерів, навчання за одногодинним форматом, документування процесу в HR-плейбуку.

Компоненти рішення

Рішення використовує AI-модель або порівнянну модель для кроків нормалізації та збірки наративу. Детермінована статистика виноситься в окремий модуль, щоб цифри у звіті були відтворювані — це ключ до довіри з боку фінансового відділу при узгодженні вилки.

Рішення потребує базової готовності даних і одного власника процесу з боку HR. Без HRIS впровадження можливе, але потребуватиме ручного вивантаження зіставних ставок — це обмежує регулярність використання.

Доступи та дані

• HRIS з можливістю читання вакансій і співробітників через API або регулярний експорт (BambooHR, HiBob, Personio, 1С:ЗУП та аналоги).
• Матриця грейдів компанії — опис рівнів і зон відповідальності за ключовими ролями. Якщо її немає, перший крок проекту — зібрати її хоча б у мінімальному вигляді.
• Список джерел ринкових даних, якими компанія готова користуватися: публічні огляди (DOU, Habr, галузеві асоціації), підписки на платні звіти, локальні агрегатори вакансій.
• Поточні компенсаційні політики — фіксована частина проти бонусів, gross/net, частота переглядів.

Готовність команди

• Власник процесу — HR-директор або провідний рекрутер, який приймає рішення щодо структури звіту та калібрування джерел.
• Доступ до ІТ для підключення HRIS — зазвичай достатньо одного спринту силами внутрішнього ІТ або підрядника.
• Готовність пілотувати на 5-10 реальних вакансіях до повного розгортання на всю команду найму.

Терміни впровадження

Типовий проект рівня складності "weekend" вкладається в 2-4 тижні за умови, що HRIS вже працює та матриця грейдів існує. Без матриці грейдів додається 1-2 тижні на її формалізацію. Якщо ринок даних по ніші компанії обмежений (вузька індустрія, маленький регіон), терміни ті самі, але якість вибірки буде нижчою — про це чесно повідомляється на етапі аудиту джерел.