AI для C&B та Total Rewards: грейдинг із Claude

Хочу почати з цитати Джоша Берсіна: компенсації — одна з найпотужніших і водночас найменш зрозумілих комунікаційних функцій у компанії. Я згоден із цим повністю. Через компенсації проходять гроші, а гроші безпосередньо впливають на мотивацію, на рішення залишитися чи піти, на те, чи вважає людина за себе цінною. І при цьому мало хто в бізнесі вміє цією силою усвідомлено користуватися.

Довгий час причина була банальною: щоб керувати компенсаціями по-дорослому, потрібно було побудувати окремий відділ, або найняти консалтингову компанію. Методології оцінки посад коштували грошей, огляди ринку коштували грошей, експерт, який уміє все це зібрати у систему, коштував ще більше. Компанії без бюджету просто жили без грейдингу, без виделок, без прозорих правил і отримували весь набір наслідків.

Сьогодні ситуація змінилася радикально. Штучний інтелект знає всі ключові методології оцінки посад, вміє працювати з масивами даних, вміє пам'ятати контекст вашої компанії та видавати результат рівня консультанта. Я багато років займався компенсаціями та пільгами на телеканалі СТБ та в компанії Wargaming: грейдинг, огляди ринку зарплат, побудова системи бенефітів, аудит EVP, бюджетування та перегляд зарплат, розробка систем преміювання. І можу сказати чесно: те, на що в мене витрачалися тижні, зараз робиться за годинник. У цій статті я розберу перший і фундаментальний блок — архітектуру посад і грейдинг за допомогою штучного інтелекту.

Функція Compensation & Benefits історично дуже дружила з Excel. Там зберігалися зарплати, там вважалася аналітика, там планувалися перегляди, там жив грейдинг. Хто працював у Total Rewards, той пам'ятає ці нескінченні ВПР, ІНДЕКС, зведені таблиці, які ламаються від одного доданого стовпця, і відчуття, що половина робочого часу йде на те, щоб формула перестала видавати помилку.

Я не закликаю відмовлятись від Excel. Excel залишається відмінним носієм інформації та зручним способом її зберігати та передавати. Але продовжувати жити лише в Excel – це вчорашній день. До таблиць повинен додатись штучний інтелект, який бере на себе мислення, а не лише обчислення.

Є ще один ефект, який я відчув. Коли ти знаєш, що завдання можна вирішити з ІІ не гірше, ніж вручну, і все одно робиш її вручну, ти фізично відчуваєш, як марнуєш час. Для маленької компанії на 50 чоловік ще можна уявити життя без ІІ. Для великої – вибору вже немає.

Давайте порахуємо, скільки часу з'їдає функція C&B протягом року, якщо робити все руками. За моєю оцінкою, повний цикл типових завдань — близько 510 годин на рік , тобто приблизно три місяці роботи однієї людини в режимі full-time.

І це, зверніть увагу, ще не всі задачі. Сюди не увійшли розробка систем преміювання, аналіз того, як ці системи реально працюють, розбір точкових переглядів зарплат за рік, підготовка висновків і рекомендацій. Якщо додати їх, рахунок легко йде далеко за 510 годин.

Окремо варто подивитися на рядок із Total Rewards Statement. 250 годин — це половина всього бюджету часу функції, витрачена на документ, який у більшості компаній взагалі не робиться саме тому, що «немає ресурсу».

Відсутність системи — це не нейтральний стан. Це набір конкретних втрат, які я бачу в компаніях постійно:

•Розрив в оплаті 20% і більше. Ідеться про різницю в зарплатах між чоловіками й жінками в середньому по індустрії, вже після контролю за рівнем посади та стажем. Тобто це не пояснюється тим, що «вони на інших позиціях» — це чистий розрив.

•У півтора раза вища плинність топ-перформерів порівняно з компаніями, де Total Rewards вибудуваний прозоро й де співробітник розуміє, з чого складається його винагорода.

•62% провальних salary review. Співробітники після погано організованого перегляду кажуть, що їх недооцінили, і йдуть. Причому часто йдуть не через суму, а через те, як процес було проведено та пояснено.

Виходить простий вибір: або жити з цими втратами, або наймати великий відділ і консультантів, або навчитися використовувати штучний інтелект. Третій шлях і є темою цього курсу.

Ключове тут — не економія годин сама по собі, а те, у що ці години конвертуються. Коли pay equity рахується на запит, а не раз на рік, ви можете підсвітити проблему до того, як вона стане юридичним і репутаційним кейсом. Коли 500 персоналізованих заяв про винагороду роблять за годину, вони починають існувати не лише для топменеджменту, а для всієї компанії.

Шлях побудований навколо моделі, яку я назвав TRACE . Логіка в тому, що кожен наступний рівень спирається на попередній і перестрибнути через сходинку не можна.

Розберу логіку детальніше. Якщо у вас немає архітектури посад, бенчмарк ламається одразу: ви порівнюєте своїх сеньйорів невідомо з чим, отримуєте медіану ринку, яка нижча за ваші фактичні виплати, і не розумієте, що з цим робити. Далі — ринкові дані, де джерелами виступають і платні огляди провайдерів, і відкриті дані, і те, що модель уже знає. Тут є важливий нюанс: ШІ навчений на такому масиві, що частину знань у відкритому інтернеті ви просто не знайдете, а частина лежить у таких кутках, куди ви ніколи не заглядали.

Потім іде перегляд зарплат, далі моделювання витрат — бо не можна ставити вилки та планувати підвищення, не розуміючи, як це перетворюється на бюджет. І фінал циклу — Total Rewards Experience: як зробити так, щоб винагорода враховувала потреби різних людей і реально на них впливала. Це якраз те, що без ШІ було практично недоступним.

Архітектура посад — це системна організація всіх позицій компанії в єдиній структурі. Вона складається з трьох шарів.

Групи ролей за типом діяльності: інжиніринг, продукт, дизайн, продажі, маркетинг, HR, фінанси, операції або виробництво. Набір залежить від індустрії — у продуктової компанії він буде один, у виробничої інший.

Рівні всередині кожного сімейства, наскрізні для всієї компанії. Наприклад, від IC1 до IC8 для індивідуальних контриб’юторів і M3–M7 для менеджерів. Наскрізні — ключове слово: рівень 5 в інжинірингу та рівень 5 у фінансах мають означати порівнянну складність і вплив.

Конкретна роль у конкретному сімействі на конкретному рівні, зі своїм описом, скоупом і impact. Наприклад, senior backend engineer рівня 5 — це вже job profile.

Багато компаній додатково розділяють функціональні треки: окремо individual contributors, окремо менеджери. Це база всього циклу Total Rewards. Раніше її побудова займала місяці й вимагала консультантів, які приносили свою методологію та або метчили ваші посади зі своїм каталогом, або будували унікальну структуру під вас.

У технологічних компаніях поширена модель із вісьмома рівнями посад, де експертний і менеджерський треки йдуть паралельно. Сенс у тому, що співробітник на будь-якому етапі може обрати, розвиватися йому вглиб експертизи чи в people-менеджмент, і жоден зі шляхів не вважається вищим за інший.

Подібну архітектуру використовують провайдери даних, наприклад Radford. І найголовніше: ця модель відома штучному інтелекту, тому побудувати аналогічну структуру під свою компанію можна за один робочий день.

Методології потрібні для того, щоб оцінити посаду, розподілити позиції за грейдами, а потім встановити для грейдів вилки. Ось основні, які використовуються у світі.

Плюс існують локальні та регіональні методології від менш відомих провайдерів — їх теж можна використовувати, якщо вони поширені на вашому ринку.

Як влаштована методологія Hay

Оцінюючи посаду за Hay, ви дивитеся на три речі:

1.Потрібний рівень знань для цієї посади.

2.Рівень проблем і питань, які розв’язуються — наскільки складні й неструктуровані задачі закриває роль.

3.Відповідальність — на що і в якому масштабі роль впливає.

За кожним фактором посада отримує бали, бали сумуються, із суми виводиться грейд і кар’єрний рівень.

Я зареєструвався в ChatGPT одразу, щойно він з’явився, і користувався ним кілька років. Потім перейшов на Claude, хоча ChatGPT іноді використовую й досі. Ось порівняння за параметрами, важливими саме для Total Rewards.

На простих задачах різниці майже немає: попросіть обидва інструменти написати текст вакансії — результат буде порівнянним. Різниця проявляється на складних задачах, де треба утримати багато даних і нюансів одночасно.

Проєкт у Claude — це робочий простір, де живуть ваша база знань, інструкції та всі чати за темою. По суті ви створюєте персонального AI-агента, експерта в Total Rewards.

1.Створіть проєкт. У лівому меню Projects → New Project. Назвіть його, наприклад, Job Architecture.

2.Пропишіть системний промт (Project Instructions). Тут ви задаєте роль агента, його експертизу, принципи роботи, обмеження.

3.Завантажте базу знань. Це файли, на які агент буде спиратися.

4.Задайте стиль і формат виводу. У якому вигляді ви хочете отримувати відповіді: таблиця, картка оцінки, стисле резюме.

5.Протестуйте й донастройте. Прожене кілька посад і порівняйте результат зі своїм розумінням.

Корисна деталь: якщо всередині проєкту ви обговорюєте щось цінне, Claude зберігає це в пам’ять проєкту й використовує в інших чатах. Інсайти з одного діалогу переносяться в наступні.

Що завантажувати в базу знань

•Методології, якщо вони у вас є. Документи Hay або Mercer — це їхня інтелектуальна власність, тому я не можу передавати їх у межах курсу й можу лише посилатися на них. Але якщо у вас нічого немає — не страшно: модель навчена на цих методологіях, і я тестував це в різних сценаріях.

•Ваші посадові інструкції — хоча б 10–20 штук. Що більше завантажите, то краще модель зрозуміє вашу специфіку й те, як у вас прийнято описувати ролі.

•Організаційна структура — список ролей, відділів, відносин підпорядкування. Прізвища можна не завантажувати: це питання конфіденційності та вимог GDPR, якщо ви в Європі. Рішення про завантаження персональних даних завжди залишається за вами.

•Огляд ринку заробітних плат, якщо він є. Якщо немає — не критично, відкриті джерела ми розбираємо на другому занятті.

•Внутрішня специфіка: ваші назви, терміни, прийняті позначення. Якщо це ніде не описано, просто напишіть або надиктуйте й збережіть у знаннях проєкту.

Хороший промт для C&B тримається на чотирьох елементах:

1.Роль — як поводиться агент, ким він є в цьому діалозі.

2.Контекст — опис компанії, індустрії, специфіки. Може лежати в базі знань.

3.Інструкція — що саме ви оцінюєте і за якою методологією.

4.Структура відповіді — у якому вигляді ви хочете отримати результат.

На такому каркасі будуються всі типові задачі: порахувати бали за методологією Hay для senior backend engineer і видати готовий текст для копіювання, оцінити одразу 10 ролей одним промтом, провести калібрування, згенерувати список сімейств посад під вашу компанію, побудувати кар’єрну архітектуру з поведінковими індикаторами.

Перший результат майже ніколи не буде ідеальним, і це нормально. Ось послідовність, яка приводить проєкт у робочий стан:

1.Прожене п’ять ролей різних рівнів — обов’язково різних, щоб побачити, як модель розрізняє складність.

2.Порівняйте оцінки з тим, як ви самі оцінили б ці позиції, і з даними, які у вас уже є.

3.Виправте інструкції там, де логіка розійшлася з вашою.

4.Доповніть базу знань відсутнім контекстом.

5.Прожене складні, межові кейси — саме на них видно якість налаштування.

6.Протестуйте з командою: нехай колеги перевірять результат на своїх ролях.

7.Зафіксуйте фінальну версію як робочий стандарт проєкту.

Окремий прийом, яким я користуюся постійно: якщо модель зробила не те, що я очікував, я прошу її провести ретроспективу. «Чому в тебе вийшло саме так?» Вона пояснює. «Що потрібно змінити, щоб виходило ось так?» Вона формулює. Цю відповідь я додаю в знання проєкту — і наступний прогін уже коректний.

Інструменти та шаблони

Крім промтів, у роботі допомагають готові файли. Структура файлу оцінки проста: перша вкладка — інструкції, далі таблиці методології, мепінг і шаблон картки посади, де ви проставляєте варіанти відповідей, а бали сумуються в total score, hay grade і career level. Є заповнений приклад для senior backend engineer і аркуш масового порівняння для великої кількості позицій.

З цими файлами можна працювати двома способами: заповнювати руками або віддати шаблон Claude разом зі своїми посадовими інструкціями й попросити заповнити його під вашу компанію.

Якщо ви дивитеся в бік готових платних рішень, на ринку є Pave, HR Signal і beqom. Вони дорогі, і мій аргумент завжди на користь зв’язки «Claude + шаблони»: результат ви отримаєте не гірший, а коштувати це буде незрівнянно менше.

Що робити далі

1.Зберіть вихідні дані. Вивантажте 10–20 посадових інструкцій і організаційну структуру без персональних даних.

2.Створіть проєкт у Claude під назвою, наприклад, C&B Job Architecture, і пропишіть системний промт із роллю експерта в Total Rewards.

3.Визначте сімейства посад і кар’єрні рівні для своєї компанії: скільки рівнів IC, скільки менеджерських, де вони синхронізовані.

4.Прожене п’ять різних ролей через оцінку за обраною методологією та порівняйте з власною експертною оцінкою.

5.Проведіть ретроспективу розбіжностей разом із моделлю й додайте висновки в базу знань проєкту.

6.Зберіть архітектуру цілком — сімейства, рівні, профілі посад — і зафіксуйте її в шаблоні.

7.Налаштуйте метрики, за якими ви відстежуватимете якість грейдингу та управління архітектурою посад.

Раніше, щоб працювати в Total Rewards, треба було мати практично стовідсоткову експертизу — напрям складний, методологічний, з великою кількістю нюансів. Зараз пропорція інша:

1.10% — ваші знання C&B і Total Rewards. Достатньо розуміти логіку напряму й те, який результат ви хочете отримати на виході.

2.20% — уміння працювати зі штучним інтелектом. Це про промтинг, про проєкти, про базу знань, про те, як перевіряти й донастроювати модель.

3.70% — робота самого штучного інтелекту. Він знає методології, пам’ятає ринкові практики, рахує, структурує, оформлює.

Саме тому курс AI для C&Bі TotalRewards.З аналітика — у партнера корисний і новачкам, і досвідченим спеціалістам. Початківці принагідно опановують сам напрям Total Rewards, а досвідчені одразу бачать, як перекласти знайомі процеси на нові інструменти.
✅ На курсі AI для C&Bі TotalRewards.З аналітика — у партнера використовуються шаблони в Excel: побудовник архітектури посад, інструмент для оцінки посад за методологією Hay і керівництво із застосування.