Прогноз увольнений — задача, где на исторических данных о людях строится оценка вероятности того, что конкретный сотрудник уйдёт в ближайшие месяцы. Технически задача решаемая и решённая: подходы известны, инструменты доступны. Нерешаемой её делает не техника, а размер выборки. Модели нужны примеры, а примером здесь является состоявшееся увольнение с историей человека до него — и вот таких примеров у компании на 30, 80 и даже 200 человек катастрофически мало.
Порядок величины, на который стоит ориентироваться: 200–300 увольнений с сопоставимыми признаками и 2–3 года истории, чтобы модель отличалась от подбрасывания монеты. Не потому, что это магическое число, а потому, что признаков, которые надо развести между собой, в задаче десятки, а увольнения бывают очень разными по причине. Компания на 30 человек с текучестью 20 % даёт 6 увольнений в год и 18 за три года. На восемнадцати примерах алгоритм не находит закономерность — он запоминает восемнадцать конкретных людей.
Дальше — арифметика по состоянию на сентябрь 2026 года. Компания в примере: производственно-торговая, 30 человек, текучесть 20 % в год. Ставки: час рекрутера — 800 ₽ полной стоимости, час руководителя подразделения — 1 800 ₽, день незакрытой линейной позиции — 2 500 ₽. Это те же ставки, что и в остальных материалах раздела, — смету автоматизации подбора мы считали на них же.
Почему 80 % точности — это ноль информации
Самая распространённая ловушка в разговоре о прогнозе оттока — цифра точности без базы сравнения. Если за год увольняются 20 % сотрудников, то система, которая молча отвечает «этот останется» про каждого, будет права в 80 % случаев. Модель, показывающая те же 80 %, не знает про ваших людей ничего — она просто повторяет базовую долю.
Смотреть надо на другое: сколько человек модель пометила и сколько из помеченных действительно ушли. В типичной картине на маленькой выборке это выглядит так.
| Что произошло за год | Человек | Как это читать |
|---|---|---|
| Всего сотрудников | 30 | Вся выборка |
| Уволились фактически | 6 | Базовая доля — 20 % |
| Модель пометила «в зоне риска» | 8 | Каждый четвёртый сотрудник компании |
| Из помеченных ушли | 3 | Меньше половины помеченных |
| Ушли, но помечены не были | 3 | Половина уходов модель не увидела вовсе |
| Помечены зря | 5 | С каждым из них кто-то поговорил особым тоном |
Формально точность такой системы — 80 %: она верно определила 22 оставшихся из 24 и 3 ушедших из 6, то есть 25 угадываний из 30. Ровно столько же дал бы ответ «никто не уйдёт». При этом система произвела пять ложных тревог и пропустила половину настоящих уходов. Это не плохая модель — это отсутствие данных, и никакая замена алгоритма положения не меняет.
Сетка из 30 одинаковых квадратов, 6 рядов по 5. Шесть квадратов закрашены сплошным и подписаны общей выноской «уволились фактически». Восемь квадратов обведены штриховой рамкой с выноской «модель пометила: в зоне риска». Три квадрата попадают в обе категории — они и закрашены, и обведены, отдельная выноска «угадано: 3». Справа от сетки три строки итога: «Пропущено уходов — 3», «Ложных тревог — 5», «Точность — 80 %, столько же у ответа «никто не уйдёт»». Тонкие чертёжные линии, все надписи по-русски.
Что модель заучивает вместо закономерности
Здесь начинается часть, о которой в предложениях подрядчиков не пишут. Когда примеров мало, а признаков много, алгоритм цепляется за то, что случайно разделяет эти восемнадцать человек. И почти всегда самыми «разделяющими» оказываются признаки, которых в анкете нет, но которые модель выводит сама.
Поля «возраст» в данных может не быть — но есть год окончания вуза, и модель прекрасно восстанавливает по нему возраст. Поля «национальность» нет — но есть имя. Поля «была ли в декрете» нет — но есть перерыв в стаже. Поля «есть ли маленькие дети» нет — но есть частота коротких отсутствий. Если по такой оценке человека не повышают, не включают в проект или расстаются с ним первым при сокращении, это решение по возрасту, происхождению и материнству, независимо от того, что таких полей в системе не было. Формулировка «так решила модель» не защищает — она ухудшает положение, потому что показывает, что решение принято без разбора обстоятельств.
Отсюда рабочая граница, которую мы держим во всех HR-проектах: машина сортирует и готовит материал, решение о человеке принимает человек. Список «на кого посмотреть в этом квартале» — допустимый результат. Автоматическое действие по этому списку — недопустимый. Та же граница разбирается применительно к отбору в материале про скрининг резюме без потерь, и она не смягчается от того, что речь о своих сотрудниках, а не о кандидатах.
Цена ложного срабатывания
Прямые расходы на пять ложных тревог невелики: пять разговоров руководителя по полтора часа — это 13 500 ₽ в год. Настоящая цена в другом. Разговор, который начинается с того, что система пометила человека, звучит иначе, чем обычный разговор о работе, — и человек это слышит, даже если ему ничего не сказали прямо. Сотрудник, до этого не думавший об уходе, получает сигнал, что о его уходе уже думают.
Считаем, во что обходится один такой случай, доведённый до конца. Арифметика замены линейного сотрудника прозрачна и совпадает с той, что используется в соседних материалах раздела.
Дальше сравниваем это с ценой самой затеи. Проект модели оттока на своих данных — это сбор и разметка истории, обучение, интеграция с кадровым контуром и последующее сопровождение: 380 000 ₽ разово и 18 000 ₽ в месяц, то есть 380 000 ₽ плюс 216 000 ₽ сопровождения — 596 000 ₽ в первый год. Чтобы просто выйти в ноль, модель должна удержать 596 000 ÷ 100 700 ≈ 6 человек за год. В компании, где за год увольняются шестеро, это означает предотвратить все увольнения года подряд. Арифметика закрывает вопрос до всякого обсуждения алгоритмов.
Две вертикальные полосы разной высоты. Левая высокая подписана «Модель оттока — 596 000 ₽ в первый год» и разбита на два сегмента: «Разработка — 380 000 ₽» и «Сопровождение — 216 000 ₽». Правая, примерно втрое ниже, подписана «Регламент разговоров один-на-один — 165 600 ₽ в год». Поверх левой полосы горизонтальная штриховая линия с подписью «порог: удержать 6 человек по 100 700 ₽». Рядом с линией мелкая выноска «всего увольнений за год — 6». Оси подписаны в рублях, все надписи по-русски, приглушённая чертёжная палитра.
Что работает вместо модели
Альтернатива прогнозу — не «ничего», а регулярность. Она дешевле, устроена скучно и даёт то, чего модель не даёт в принципе: не вероятность, а причину, сформулированную самим человеком.
- 1Регламент разговоров один-на-один
Раз в квартал с каждым, 40 минут, в календаре, с реестром договорённостей. На 30 сотрудниках это 80 часов руководителей в год (144 000 ₽) плюс 12 часов на ведение реестра (21 600 ₽) — 165 600 ₽ в год, в 3,6 раза дешевле первого года модели. Автоматизировать здесь надо расписание, напоминания и реестр обещаний, а не сам разговор; как это устроено, разобрано в материале про оценку персонала и обратную связь.
- 2Пять наблюдаемых признаков вместо вероятности
Два подряд перенесённых разговора один-на-один. Исчезновение инициативы: перестал предлагать и возражать. Отказ от проектов со сроком дольше квартала. Рост коротких отсутствий в рабочее время. Разговор о деньгах, начатый самим сотрудником и оставшийся без ответа больше месяца. Каждый признак наблюдается руководителем и обсуждается вслух — это принципиально другой инструмент, чем скрытая оценка.
- 3Выходное интервью, которое кто-то читает
Разбор причин ухода имеет смысл только при двух условиях: разговор ведёт не тот руководитель, от которого уходят, и результаты сводятся раз в квартал. Шесть выходных интервью в год дают более полезную картину, чем модель на восемнадцати примерах, — потому что содержат причину, а не корреляцию.
- 4Разбор первых 90 дней
Значительная часть уходов в малых компаниях приходится на первые месяцы, и это не прогноз, а процесс: человека не ввели в работу. Здесь исправление даёт результат быстрее и надёжнее любой аналитики — что именно чинить, разобрано в материале про онбординг нового сотрудника.
Когда прогноз всё-таки имеет смысл
Задача становится осмысленной, когда меняется масштаб. Условия, при которых мы за неё беремся: несколько сотен линейных сотрудников на однородных ролях, высокая текучесть и накопленная кадровая история минимум за два года. Типичный профиль — розничная сеть, склад, контакт-центр, служба доставки: должности одинаковые, людей много, увольнений много.
Считаем на сети с 900 линейными сотрудниками и текучестью 45 %: это 405 увольнений в год и около 810 примеров за два года — выборка, на которой модель уже может находить закономерности, а не запоминать людей. Расходы те же: 596 000 ₽ в первый год. Порог окупаемости — те же 6 удержанных, только теперь это 1,5 % годового потока увольнений, а не 100 %. Если регулярная работа со списком удержит хотя бы 16 человек, то есть 4 % потока, годовой эффект составит 1 611 200 ₽. Подчеркнём: это условие, а не обещание — удерживает не модель, а руководитель, которому она дала повод для разговора.
| Условие | Компания 30 человек | Сеть 900 линейных сотрудников |
|---|---|---|
| Увольнений в год | 6 | 405 |
| Примеров за два года | 12 | 810 |
| Проект в первый год | 596 000 ₽ | 596 000 ₽ |
| Надо удержать, чтобы окупиться | 6 человек — 100 % уходов | 6 человек — 1,5 % уходов |
| Вердикт | Не беремся, считаем это гаданием | Задача решаемая, начинаем с замера на истории |
Горизонтальная схема из четырёх блоков со стрелками слева направо. Первый блок «Наблюдаемые признаки — пять пунктов, видит руководитель». Второй «Разговор один-на-один — 40 минут, раз в квартал». Третий «Реестр договорённостей — что обещано и к какому сроку». Четвёртый «Решение о человеке — принимает руководитель». Под первым и третьим блоками мелкая подпись «здесь помогает система: расписание, напоминания, хранение». Под четвёртым блоком подпись «здесь система не участвует». Тонкие чертёжные линии, все надписи по-русски.
Правовая рамка: основание и политика
Прогноз оттока — это обработка персональных данных сотрудника с новой целью. Трудовой договор даёт основание вести кадровый учёт, начислять зарплату и оформлять отпуска; оценка вероятности ухода в этот перечень автоматически не входит, и цель обработки придётся сформулировать и отразить в документах отдельно. Состав данных при этом чувствительный: стаж, возраст, состав семьи, отсутствия — то есть ровно те поля, из которых модель и выводит косвенные признаки. Что относится к персональным данным и какие четыре документа появляются в проекте, разобрано в соседнем материале словаря, а специфика кадрового контура — в материале про данные кандидатов.
С 1 сентября 2026 года действует регулирование в области ИИ, включая требования к обработке данных при использовании моделей и рекомендацию завести внутреннюю политику использования ИИ. Для HR-функции минимальный состав такой политики — три пункта: какие данные сотрудников можно отдавать моделям, какие решения не принимаются автоматически ни при каких условиях и кто отвечает за пересмотр правил. Практика применения ещё формируется, поэтому категоричных выводов о деталях мы не делаем — но сам факт наличия документа снимает большую часть вопросов; подробнее — в разборе того, что меняется в работе с ИИ с сентября.
Когда за это браться не надо
- Меньше 200 увольнений в накопленной истории. Это отсекает подавляющее большинство компаний до 300 человек. Ответ здесь не «возьмите модель попроще», а «возьмите регламент встреч»: он в 3,6 раза дешевле и работает на любом размере.
- Роли слишком разные. Даже при формально достаточном числе увольнений выборка из главного бухгалтера, водителя и двух инженеров не образует однородной задачи. Модель нужна там, где сотни людей делают одно и то же.
- Причина текучести известна и не измеряется данными. Если люди уходят из-за конкретного руководителя, графика или отставшей от рынка зарплаты, прогноз покажет вам следствие. Дешевле починить причину — и это обычно понятно без всякой аналитики.
- Нет намерения что-то делать со списком. Модель, чей результат никто не разбирает еженедельно, — расход без эффекта. Прежде чем считать бюджет, назовите фамилию человека, который будет проводить разговоры, и найдите в его календаре часы. Отсутствие владельца процесса хоронит HR-проекты чаще, чем нехватка денег.
Модель отвечает на вопрос «кто вероятно уйдёт». Компанию спасает ответ на вопрос «почему он уходит» — и его пока умеют получать только разговором.
