Как анализировать рынок труда с помощью ИИ: методика и инструменты

Стандартный подход к анализу рынка труда выглядит так: открыть hh.ru, отфильтровать похожие вакансии, записать вилки в таблицу. Результат — цифра, которая отражает не реальный рынок, а то, что компании хотят показать кандидатам. Это два разных числа.

В отдельных профессиях разрыв между ними может достигать 15–25% — и именно на этот разрыв компании теряют кандидатов или переплачивают за найм. ИИ-подход к анализу рынка труда позволяет агрегировать несколько источников данных и получать статистически взвешенную картину за часы, а не за рабочие дни. Здесь подробнее про нейросети для резюме: обзор инструментов.

Почему стандартный мониторинг hh.ru даёт неполную картину

Большинство HR-специалистов анализируют рынок труда по одному срезу — открытым вакансиям. Смотрят вилки, считают среднее, делают вывод о медиане. Проблема в том, что вакансия отражает «желание купить», а не реальную рыночную цену. Вилки нередко завышены, чтобы оставить пространство для переговоров, или занижены — чтобы не отпугнуть кандидата бюджетными ожиданиями уже на этапе отклика.

На самом деле у рынка труда минимум три слоя данных. Первый — что компании пишут в вакансиях (задекларированное предложение). Второй — что кандидаты указывают в резюме как зарплатное ожидание (субъективный спрос). Третий — что сотрудники реально получают: это отражается в верифицированных отзывах на Dream Job и в данных зарплатных опросов. Профессиональный анализ рынка труда работает со всеми тремя слоями одновременно.

По нашим аналитическим срезам по ряду московских позиций, разрыв между медианой по объявлениям о вакансиях и медианой реальных выплат из отзывов сотрудников может составлять 15–25%. Для компании это означает одно из двух: либо она переплачивает за найм, ориентируясь на завышенные вилки конкурентов, либо теряет кандидатов, выставив предложение ниже реального рынка. Ни то ни другое не заметно при взгляде только на hh.ru.

Для московского рынка это особенно важно: по многим офисным, IT, инженерным и маркетинговым позициям кандидат одновременно сравнивает предложения нескольких работодателей. Разница даже в 10–15 тысяч рублей в вилке может повлиять на отклик, если у конкурентов сопоставимые требования и более понятные условия.

Улучшение резюме с помощью ИИ — не менее полезная услуга, с которой рекомендуем ознакомиться.

Какие источники данных используются в современном HR-анализе

Профессиональный анализ рынка строится на комбинации источников, каждый из которых закрывает свой слой информации.

• hh.ru — крупнейшая база активных вакансий в России. Показывает динамику спроса, количество конкурирующих работодателей в нише, вилки зарплат, требования к опыту. Сервис hh Статистика (stats.hh.ru) открыт бесплатно: там доступны индекс конкуренции (число резюме на одну вакансию), динамика числа вакансий и резюме, медианные зарплатные ожидания по профобласти и региону.
• SuperJob — альтернативная база с собственным зарплатным калькулятором. Особенно информативна по инженерным и рабочим специальностям; даёт разбивку ставок по опыту и региону, что помогает строить грейдовые вилки.
• Avito Работа — быстрорастущий источник по линейным и рабочим позициям. Часто покрывает сегменты, слабо представленные на hh.ru: розница, логистика, производство, сервисные специальности.
• ГородРабот — агрегатор с региональным фокусом. Полезен при планировании распределённых команд: позволяет сравнить московские ставки с региональными по конкретной специальности.
• Dream Job — платформа работодательского бренда с верифицированными отзывами сотрудников. Это один из немногих открытых источников, где можно увидеть данные о фактических зарплатах из отзывов сотрудников, а не только задекларированные вилки работодателей. Именно здесь виден третий слой рынка.

В нашей практике ни один источник не используется как единственный. hh.ru показывает активный спрос работодателей, Dream Job помогает увидеть фактические выплаты из отзывов, SuperJob и Avito дополняют картину по отдельным сегментам. Поэтому мы смотрим не на одну цифру, а на пересечение нескольких слоев рынка.

Вручную свести пять источников в единую таблицу, нормализовать данные и убрать выбросы — это 2–3 рабочих дня аналитика. ИИ-агрегатор решает ту же задачу за 20–40 минут. Тот же набор источников используется при анализе вакансий конкурентов, но там логика агрегации строится иначе — под другую задачу.

Как работает ИИ-агрегация данных рынка: пошаговая механика

В агентстве «Некст» анализ рынка труда для клиента проходит в пять шагов.

1. Шаг 1. Задаем позицию и параметры. Название роли, уровень опыта (junior / middle / senior или в годах), город и формат работы (офис, гибрид, удаленка). Чем точнее входные данные — тем меньше шума в выборке.
2. Шаг 2. Агрегация данных. Инструмент собирает данные по всем активным вакансиям из перечисленных источников, фильтрует дубли (одна компания нередко размещает одну и ту же вакансию на трёх площадках) и нормализует вилки: объявления без указания суммы или с формулировкой «по договорённости» исключаются из расчета медианы, но учитываются как маркер непрозрачного рынка.
3. На этом этапе ИИ не просто собирает строки из разных источников. Он помогает нормализовать названия должностей, убрать дубли, отделить релевантные вакансии от похожих, но нерелевантных, извлечь зарплатные вилки, формат работы, требования к опыту и ключевые навыки. За счёт этого аналитик получает не сырую выгрузку, а очищенный массив данных для расчета.
4. Шаг 3. Статистический расчет. Вычисляются четыре ключевые метрики: нижняя граница рынка (10-й перцентиль), медиана, модальная ставка (наиболее часто встречающаяся сумма) и максимум. Объяснение того, как пользоваться этими метриками при принятии решений, — в разделе ниже.
5. Шаг 4. Таблица конкурентных вакансий. Формируется срез из 10–20 вакансий конкурентов с разбивкой: компания, предлагаемая зарплата, формат работы, ключевые требования. Это позволяет не просто получить цифру, но и понять, с кем именно вы конкурируете за кандидата в данный момент.
6. Шаг 5. Бенчмарк и вывод. Ставка клиента сравнивается с рыночными показателями. На выходе — однозначный вывод: предложение конкурентоспособно, отстает от рынка или избыточно высокое для данной локации и уровня.

Как мы используем ИИ в «Некст»

В «Некст» мы используем ИИ не как «калькулятор средней зарплаты», а как инструмент предварительной обработки данных. На входе задаем позицию, город, уровень опыта, формат работы и текущую ставку клиента. Затем инструмент собирает данные из нескольких источников: вакансии, зарплатные ожидания кандидатов, отзывы сотрудников и конкурентные предложения. ИИ помогает убрать дубли, нормализовать названия должностей, выделить релевантные вакансии, привести зарплатные вилки к сопоставимому формату и собрать таблицу конкурентов.

После этого аналитик проверяет выборку вручную: убирает нерелевантные объявления, смотрит выбросы, оценивает качество источников и формулирует вывод. На выходе клиент получает не просто «среднюю зарплату по рынку», а понятный бенчмарк: где находится его предложение относительно медианы, модальной ставки, нижней границы и конкурентов.

Схема рабочего цикла: на входе — позиция, город, уровень опыта, формат работы, ставка клиента; ИИ-обработка — сбор данных из источников, удаление дублей, нормализация вилок, выделение требований, расчет метрик; на выходе — медиана, мода, нижняя граница, максимум, таблица конкурентов и вывод о конкурентоспособности предложения.

В одном из аналитических срезов по инженерной позиции мы сравнили ставку заказчика не только с открытыми вакансиями, но и с данными из нескольких источников: зарплатными ожиданиями кандидатов, конкурентными предложениями и фактическими выплатами из отзывов сотрудников. Первичный мониторинг показывал, что предложение выглядит близким к рынку, но после нормализации данных стало видно, что ставка ниже модального значения — то есть ниже наиболее частого конкурентного предложения. Для клиента это означало риск слабого отклика и долгого закрытия вакансии. В рекомендации мы предложили не просто повысить вилку, а пересмотреть условия: требования к опыту, формат работы и позиционирование вакансии.

Подробный материал про то, как улучшить резюме с помощью ИИ.

Инструменты для самостоятельного анализа: что доступно HR-специалисту

Не каждая задача требует привлечения агентства. Ниже — инструменты, которые HR-руководитель может использовать самостоятельно:

1. hh Статистика (stats.hh.ru) — бесплатный публичный сервис. Показывает индекс конкуренции, динамику числа вакансий и резюме, медианные зарплатные ожидания кандидатов по профобласти и региону. Ограничение: это зарплатные ожидания из резюме, а не реальные выплаты и не предложения работодателей.
2. РосНавык (rosnavyk.ru) — государственная платформа с ИИ-аналитиком, агрегирующая более 1,5 млн вакансий. Анализирует навыки и тренды спроса по профессии и региону; полезна для стратегического планирования: какие компетенции становятся обязательными в горизонте года.
3. HR Stats (hrstats.ru) — коммерческая платформа HR-аналитики с ИИ-ассистентом. Ориентирована на снижение текучки и оптимизацию бюджета найма; есть конкурентный анализ по рынку. Подходит компаниям с регулярным потоком вакансий.
4. LLM-ассистенты (YandexGPT, GigaChat) — применяются для обработки и суммаризации больших объемов текстов вакансий: извлечение требований, формирование сравнительных таблиц, нормализация форматов данных. Ограничение: требуют ручного сбора исходных данных — это узкое место по скорости.
5. API hh.ru — технически доступен разработчикам; позволяет автоматически собирать данные по заданным критериям. Требует технических ресурсов и регулярного обслуживания скрипта. Оправдан для крупных компаний с выделенной HR-tech командой.

Каждый инструмент закрывает свой слой данных. Полноценный зарплатный анализ по рынку предполагает их комбинацию и нормализацию — именно это и составляет методологическую ценность профессионального исследования.

Главное ограничение самостоятельного анализа — не доступ к данным, а их сопоставимость. Разные площадки по-разному называют должности, используют разные форматы зарплатных вилок и по-разному раскрывают требования. Поэтому ценность ИИ здесь не только в скорости сбора, но и в нормализации данных: привести разные источники к единой логике, чтобы сравнивать сопоставимое с сопоставимым.

Как интерпретировать результаты: медиана, мода и нижняя граница

Получить цифры — только половина задачи. Большинство HR-специалистов смотрят на среднее значение или «вилку» и делают вывод. Это ошибка: среднее уязвимо к выбросам, а вилка — это диапазон намерений, а не рыночный стандарт.

• Медиана — ставка, которую предлагает ровно половина работодателей. Устойчива к выбросам: одна компания с предложением 500 000 ₽ не смещает ее вверх. Используется как базовый ориентир при установке вилки.
• Модальная ставка — самая часто встречающаяся сумма в выборке. Отражает «стандарт рынка» — то, что большинство реальных компаний считают нормальным предложением. На позициях с широким диапазоном вилок (например, в IT или продажах) мода информативнее медианы: она показывает, где сосредоточена основная конкурентная масса предложений.
• Нижняя граница (10-й перцентиль) — ставка, ниже которой находятся только 10% предложений рынка. Практический смысл: если предложение клиента ниже этой отметки, вакансия будет игнорироваться большинством активных кандидатов — они её просто не откроют.
• Максимум — как правило, крупные корпорации или компании с уникальными требованиями (узкий стек, режимный объект, ненормированный график). Ориентироваться на максимум при найме в МСБ нецелесообразно. Но знать его важно: именно эти работодатели формируют «потолок ожиданий» кандидата.

В отчёте для клиента мы всегда разделяем расчет и вывод. Сама цифра мало что даёт без интерпретации: важно понять, будет ли вакансия получать отклики, насколько ставка конкурентна и что именно стоит менять — зарплату, требования, формат работы или позиционирование предложения. Условный пример по московскому рынку для иллюстрации метрик:

Если ставка клиента — 115 000 ₽, она формально выше нижней границы, но ниже моды. Это значит: вакансия будет получать отклики, но конкурентное давление со стороны работодателей, предлагающих 120–130 000 ₽, приведёт к тому, что активные кандидаты выберут их — именно из-за разрыва между предложением работодателя и зарплатными ожиданиями кандидатов, которые формируются независимо от вилок в объявлениях.

Как часто нужно обновлять данные и что провоцирует смещение рынка

Анализ рынка труда — не разовое мероприятие. Данные устаревают, и скорость устаревания зависит от специальности и внешних факторов. Типичные триггеры, при которых рыночные ставки смещаются быстро:

• Резкий рост спроса на специальность. Когда крупный игрок заходит на московский рынок или государство запускает программу в отрасли, спрос на профильных специалистов за квартал может вырасти на 30–40%. Медиана вслед за этим смещается вверх.
• Сезонность найма. Январь–февраль и май–июнь — периоды низкой активности: компании не открывают новые вакансии, кандидаты пассивны. Март–апрель и сентябрь–октябрь — пики: конкуренция за кандидатов обостряется, и медианные предложения в горячих специальностях растут.
• Макроэкономические события. Изменение ключевой ставки, новый санкционный пакет, изменения в трудовом законодательстве — всё это влияет на зарплатные ожидания и на то, насколько активно кандидаты готовы менять работу.
• Массовые сокращения в отрасли. Временно увеличивают предложение кандидатов и снижают медиану. Компании, которые открывают вакансию в этот момент, получают конкурентное преимущество без повышения ставки — но только если успевают действовать быстро.

Практическая рекомендация: для активно нанимающих московских компаний с регулярными открытыми вакансиями — обновлять анализ рынка раз в квартал. Для точечного найма — запускать анализ перед открытием каждой новой вакансии. Данные полугодовой давности в быстро меняющихся нишах (IT, маркетинг, логистика) — это уже другой рынок.

Заключение

ИИ-анализ рынка труда не заменяет HR-экспертизу — он даёт ей фактическую основу. Компании, принимающие решения по зарплатной политике на основе данных из нескольких источников, а не по одной странице hh.ru, нанимают быстрее и теряют меньше на переговорах: ставка изначально попадает в конкурентный диапазон. Описанная методика — агрегация источников, нормализация данных, расчет медианы и модальной ставки — лежит в основе аналитики вакансий как самостоятельного инструмента зарплатного бенчмаркинга.

Если нужно понять, насколько ваша вакансия конкурентоспособна по зарплате, требованиям и условиям, агентство «Некст» может провести аналитику вакансий: собрать данные по рынку, сравнить вас с конкурентами и показать, где предложение стоит скорректировать.