По всем вопросам звоните:

+7 495 274-22-22

УДК: 349.22

Формализация процесса промпт-инжиниринга для задач управления человеческими ресурсами на основе star-методологии

Рыбанов Александр Александрович канд. техн. наук, доцент, зав. кафедрой информатики и технологии программирования, Волжский политехнический институт (филиал) Волгоградского государственного технического университета, г. Волжский, Е-mail: rybanoff@yandex.ru

Статья посвящена исследованию методологии конструирования промптов для систем генеративного искусственного интеллекта, применяемых в сфере управления человеческими ресурсами. Показана актуальность проблемы дефицита унифицированных стандартов, регламентирующих взаимодействие HR-специалистов с инструментами на основе ИИ. В качестве методологического решения предлагается апробированный в практике проведения поведенческих интервью структурированный подход STAR, адаптированный для задач проектирования промптов. Разработана и систематизирована классификация областей применения промпт-инжиниринга в HR-менеджменте (рекрутинг, онбординг, оценка и развитие персонала), а также введена система из девяти критериев оценки качества промптов. Научная новизна исследования заключается в разработке формальной математической модели структуры промпта на основе STAR-методологии и формализации процесса оптимизации промпта как задачи максимизации целевой функции качества выходного контента. Эмпирическая часть включает сравнительный анализ качества промптов на примере генерации текстов вакансий, демонстрирующий прямую зависимость релевантности результата от степени детализации компонентов STAR-методологии.

Литература:

1. Демянинко А.В. Влияние генеративного искусственного интеллекта на перераспределение человеческих ресурсов в управленческих иерархиях современного предприятия // Академический исследовательский журнал. — 2025. — Т. 3. — № 2. — С. 67–79. DOI: 10.25726/z4539-5465-7117-k.

2. Овчинникова О.П., Лебедева Д.В. Искусственный интеллект в управлении персоналом: возможности и угрозы // Вопросы менеджмента. — 2024. — № 4 (89). — С. 55–66.

3. Михненко П.А. Профессиональная коммуникация с генеративным искусственным интеллектом: тенденция или «мимолетное явление»? // Цифровая экономика. — 2023. — № 4 (25). — С. 5–18. DOI: 10.34706/DE-2023-04-01.

4. Соколова М. Е. ChatGPT и промпт-инжиниринг: о перспективах внедрения генеративных нейросетей в науке // Науковедческие исследования. — 2024. — № 1. — С. 92–109. DOI: 10.31249/scis/2024.01.07

5. Giray L. Prompt engineering with ChatGPT: a guide for academic writers // Annals of biomedical engineering. — 2023. — Т. 51. — № 12. — Р. 2629–2633.

6. Schmidt D.C. et al. Towards a catalog of prompt patterns to enhance the discipline of prompt engineering // ACM SIGAda Ada Letters. — 2024. — Т. 43. — № 2 — Р. 43–5

7. Рыбанов А.А. Преимущества и недостатки применения HR-чат-ботов в процессах управления человеческими ресурсами // Кадровик. — 2024. — № 3.— С. 88–93

8. Yıldırım M., Aytan T. Greening Language Learning Pathways: Three Sustainable Practices Using the STAR Framework // Sustainability. — 2025. — Т. 17. — № 5. — Р. 2046. DOI: 10.3390/su17052046

Внедрение генеративного искусственного интеллекта (ИИ) ознаменовало новый этап цифровой трансформации в управлении человеческими ресурсами [1, 2]. Ключевым инструментом взаимодействия с ИИ является промпт — структурированный текстовый запрос, определяющий содержание, контекст и формат ответа модели. В контексте задач управления человеческими ресурсами промпт можно определить как формализованный текстовый ввод, функционирующий в качестве структурированной инструкции и описывающий HR-задачу для систем искусственного интеллекта (рис. 1). Он выполняет роль технического задания, детерминируя контекст, определяя формат выходных данных и устанавливая целевые параметры генерируемого контента.

Перспективы применения промпт-инжиниринга в управлении человеческими ресурсами связаны с трансформацией подходов к автоматизации бизнес-процессов за счет использования генеративных нейросетей, где ключевой компетенцией становится навык составления эффективных промптов для получения точных результатов, что актуализирует появление на рынке труда новой профессиональной ниши — промпт-инженеров, системно работающих с ИИ [3, 4].

Несмотря на растущий интерес к применению ИИ для автоматизации рутинных HR-задач, в научной литературе и отраслевой практике отмечается существенный пробел: отсутствие единых стандартов и методологий формализации процесса работы с промптами для HR-специалистов [5, 6].

Актуальность применения методологически корректных промптов в HR-практике обусловлена следующими факторами [7]:

1. Оптимизация ресурсов процесса рекрутинга: минимизация временных затрат на разработку промпта позволяет существенно сократить трудозатраты на выполнение рутинных операций, таких как первичный скрининг анкет, составление шаблонов писем и анализ данных кандидатов.

2. Снижение когнитивной нагрузки на HR-специалистов: использование ИИ для генерации контента, верификации текстов на соответствие критериям позиции и предложения альтернативных формулировок способствует предотвращению профессионального «выгорания» и повышает эффективность кадрового менеджмента.

Для Цитирования:
Рыбанов Александр Александрович, Формализация процесса промпт-инжиниринга для задач управления человеческими ресурсами на основе star-методологии. Кадровик. 2025;9.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: