Написать диплом по теме «Управление персоналом с использованием искусственного интеллекта»

ВКР по теме «Управление персоналом с использованием искусственного интеллекта» в МТИ (38.03.02) требует сочетания HR-процессов, анализа данных и разработки ИИ-моделей. В статье — структура, примеры внедрения, чек-листы, типичные ошибки и требования ГОСТ. Подходит для студентов, которые хотят сделать работу с реальными расчётами, кодом и экономическим обоснованием.

Нужен разбор вашей темы Управление персоналом с использованием искусственного интеллекта? Получите бесплатную консультацию: @dan_kursach | +79851158222 (WhatsApp)

Актуальность темы

Компании теряют до 30% бюджета на HR из-за ручной обработки заявок, подбора кандидатов и оценки вовлечённости (исследование CyberLeninka, 2024). ИИ-решения сокращают время найма на 50% и повышают точность оценки кандидатов. В МТИ по направлению 38.03.02 это особенно актуально — студенты должны показать, как технологии решают бизнес-задачи.

Заметьте: просто сказать «ИИ — это модно» недостаточно. Нужен конкретный пример: например, внедрение чат-бота для первичного отбора в компании с 200+ сотрудниками. Это соответствует требованиям методички МТИ к обоснованию актуальности.

Цель и задачи

Цель: разработка и экономическое обоснование информационной системы на базе ИИ для автоматизации процессов управления персоналом в АО «ТехноСервис».

Задачи:

1. Проанализировать текущие HR-процессы в АО «ТехноСервис».
2. Выявить узкие места: время обработки заявок, текучесть, оценка вовлечённости.
3. Спроектировать архитектуру ИИ-системы (чат-бот, модель оценки резюме, прогноз увольнений).
<4>Разработать прототип на Python с использованием библиотеки spaCy.
4. Рассчитать экономическую эффективность по методике ГОСТ 34.602-2020.

Каждая задача — это основа для параграфа во второй или третьей главе. Это соответствует структуре, которую требует методичка МТИ.

Объект и предмет исследования

• Объект: система управления персоналом АО «ТехноСервис».
• Предмет: автоматизация процессов подбора, адаптации и удержания персонала с использованием ИИ.

Объект шире — это вся HR-система. Предмет — конкретная область, которую вы оптимизируете. Такое разделение требует ГОСТ 7.0.100-2018.

Ожидаемые результаты и практическая значимость

• Снижение времени обработки заявок на 40%.
• Автоматизация 70% первичного отбора кандидатов.
• Прогноз увольнений с точностью 85% (на основе модели классификации).
• Экономия 1.2 млн руб./год на HR-операциях.

Эти цифры — не фантазия. Они рассчитываются на основе реальных данных о зарплатах, количестве заявок и времени обработки. Это повышает доверие научного руководителя.

Рекомендуемая структура дипломной работы

Пример введения для МТИ

В условиях роста конкуренции за квалифицированных специалистов компании вынуждены оптимизировать HR-процессы. АО «ТехноСервис» сталкивается с высокой нагрузкой на HR-отдел: в среднем 120 заявок в месяц, 30% из которых обрабатываются более 5 дней. Это приводит к утечке кандидатов и снижению удовлетворённости сотрудников.

Целью ВКР является разработка ИИ-системы для автоматизации подбора, адаптации и удержания персонала. Задачи: анализ текущих процессов, проектирование архитектуры, разработка прототипа, расчёт экономической эффективности.

В работе используются методы системного анализа, машинного обучения (модель NLP на spaCy), методика расчёта экономической эффективности по ГОСТ 34.602-2020. Практическая значимость — снижение времени обработки заявок на 40% и экономия 1.2 млн руб./год.

Как написать заключение по Информационный менеджмент

В ходе работы была проанализирована система управления персоналом АО «ТехноСервис». Выявлены ключевые узкие места: длительный цикл найма, низкая автоматизация, отсутствие прогноза увольнений.

Разработан прототип ИИ-системы с модулями: чат-бот для первичного отбора, модель оценки резюме, прогноз вовлечённости. Экономическая эффективность составила 1.2 млн руб./год при сроках окупаемости 8 месяцев.

Работа соответствует требованиям ГОСТ и методичке МТИ. Рекомендуется внедрение системы в пилотном режиме с последующей интеграцией в корпоративный HRM.

Требования к списку литератууры МТИ

Список литературы оформляется по ГОСТ Р 7.0.100-2018. Минимум — 25 источников, включая:

• Официальные документы (ГОСТ, ФСТЭК).
• Научные статьи из eLibrary и CyberLeninka.
• Документацию разработчиков (например, spaCy, Hugging Face).

Примеры источников:

1. ГОСТ Р 34.602-2020. Информационные технологии. Экономическая эффективность программных средств. — https://docs.cntd.ru/document/1200179534
2. Смирнова О.А. Использование ИИ в HR: системный анализ. // Вестник МТИ, 2024. — https://cyberleninka.ru/article/n/ispolzovanie-iskusstvennogo-intellekta-v-upravlenii-personalom
3. spaCy Documentation. Natural Language Processing in Python. — https://spacy.io/usage

Типичные ошибки студентов

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, можно взять open-source чат-бот, но переписать логику под HR-сценарии, добавить интеграцию с базой кандидатов. Главное — показать вклад: что вы изменили, как тестировали, какие результаты получили.

Сколько страниц должна быть практическая часть?

В МТИ — 40–60 страниц. Включайте: архитектуру системы, диаграммы UML, код (в приложениях), результаты тестирования, скриншоты интерфейса. Это требование методички по 38.03.02.

Можно ли использовать open-source решения?

Да. Например, spaCy для NLP или Hugging Face для предобученных моделей. Но обязательно укажите источник, адаптируйте под задачу и приведите результаты собственных тестов. Это соответствует требованиям научной этики.

Что проверить перед сдачей

Проверьте свою тему ВКР

• □ Есть ли реальная организация для анализа?
• □ Есть ли измеримый эффект внедрения?
• □ Можно ли построить диаграммы процессов?
• □ Есть ли реальные данные для экономических расчетов?