LLM в Яндексе,

LLM в Яндексе, #заметки с выступления Дмитрия Жиденко, Руководителя HR Tech Яндекса на митапе Yandex Cloud, 19.03.2026

Зачем внедряем? Какой смысл? • Экономический эффект • Качественный эффект • Маркетинг и adoption-технологии

Приоритетные области внедрения • Наём - сейчас этап production • Развитие и обучение - Pilot • Агенты эффективности – Production

Наём: основные сценарии

Транскрибация и саммаризация интервью • Транскрибируется 800 встреч в месяц (6% от всех интервью со встречей в календаре) • Генерируется ИИ-фидбек по 25% транскрибированных интервью • Экономия времени на каждое интервью — 20–30 минут

ИИ-ревью секций интервью • Делаем ревью 2800 технических интервью в месяц, ~32% от общего числа • Ревью занимает у человека 20–30 минут • Ресурсы ревьюеров ограничены, поэтому не можем охватить всё (можем около 5%) • Получаем возможность собирать статистику о качестве проведения секций по всем интервью

Агенты эффективности Уже делаем: Транскрибацию и саммаризацию встреч — 15 000 часов в неделю Метрики: Качество транскрипции - 9,07/10, Качество саммаризации - 8,84/10 Next steps: Создание и трекинг задач, Пространство команды

Развитие и обучение Уже делаем: Помощь в написании самоотзыва, Саммаризация обратной связи Next steps: Сценарии обучения и доступа к знаниям через LLM, Тренажёры на базе LLM

На что важно обращать внимание • Надо делать продуктовые сценарии, а не LLM • LLM-совместимая инфраструктура — важный шаг • Иметь метрики качества с самого начала и системно улучшать характеристики (цикл повышения качества)

Телеграм | Max | ВКонтакте База знаний whrdata