Аналіз exit-інтервʼю з AI: 7 тем, що випливають

Якщо ви засновник компанії на 30-500 людей, який два роки веде exit-інтервʼю і жодного разу не перечитував їх у сукупності — у вас уже є retention-датасет у папці. Ви ним просто не користуєтесь.

Чому SMB зливають exit-дані?

Бо exit-інтервʼю сприймається як ритуал закриття, не як research-вхід. HR-людина проводить, конспектує, підшиває й переходить далі. Коли через рік хтось питає «чому ми втрачаємо людей у CS-команді» — нотатки розкидані по 18 документах, і ніхто не має вільної пʼятниці на читання.

Definition: Exit-інтервʼю — структурована розмова з людиною, що йде, зафіксована текстом, мета — зрозуміти чому йдуть і що б змінили.

Датасет малий (рядок на leaver-а), текстово насичений, високосигнальний — саме те, у чому AI-аналіз тексту сильний. Поріг входу низький. Поріг бездії — ще нижчий, тому переважно нічого не робиться.

Які 7 тем варто тегати?

Два роки порівняння exit-датасетів по SMB-клієнтах вказують на ті самі 7 категорій. Інші таксономії існують; ці тримаються по функціях і стадіях.

1. Відносини з менеджером

Лінійний керівник. Комунікація, довіра, якість feedback, відчуття справедливості. Найбільший retention-драйвер у більшості датасетів — зазвичай 30-50% leavers ставлять у топ-3.

2. Компенсація

Кеш, equity, бенефіти, відчуття справедливості vs peer-и. Часто поверхнева причина («краще запропонували»), що маскує глибшу тему.

3. Ріст

Кар'єра, навички, розширення scope. Особливо несе ICs у вікно 3-5 років карʼєри.

4. Культура

Цінності в дії (не плакати), психологічна безпека, peer-динаміка, поведінка лідерів. Складно полагодити; неможливо полагодити, якщо не видно в даних.

5. Work-life balance

Години, on-call, вихідні, реальність відпустки. Сигнал, який «усі трекають», а реально ні.

6. Commute / RTO

RTO-мандати, дорога, mismatch hybrid-політики. Нова тема post-2020, але стійка. AI добре розрізняє «пішов через RTO» від «RTO був тригером; реально менеджер».

7. Напрямок продукту

Для IC у продукті, інженерії, дизайні: віра в те, що будуємо. Недоважена в більшості аналізів, особливо в сервісних і ops-важких компаніях, де звучить нерелевантно — а насправді ні.

Як AI-workflow тегає і ранжує?

Workflow робить 3 речі: тегає кожне інтервʼю по темах (multi-label), витягає датований leading indicator, виводить anti-patterns — теми, що кластеризуються по команді, менеджеру, tenure-band.

Definition: Leading indicator — конкретна подія/умова, яку leaver називає, що передувала рішенню піти (промо не дали, реорг, comp-цикл, RTO-анонс). Найдієвіший data-point exit-інтервʼю.

Добре написаний prompt дає 3 виходи: тегований датасет, ранжований по частоті список тем, і «cluster alerts» — місця, де одна команда чи один менеджер непропорційно підсвічуються під однією темою.

Cluster alerts — саме там цінність. Aggregate-частоти кажуть «люди йдуть через комп» — правда скрізь, не actionable. Cluster alerts кажуть «інженери під менеджером X цитують manager-relationship 4× від baseline» — actionable, захищено, терміново.

Copy/paste prompt — Multi-theme tagging exit-інтервʼю

Ти тегаєш exit-інтервʼю з компанії 30-500 людей.

Inputs:
- Текст інтервʼю: [ВСТАВ ПОВНИЙ ТЕКСТ]
- Метадані: імʼя, роль, команда, tenure (місяці), менеджер (anon ID), дата виходу

Output, JSON:
{
  "leaver_id": "...",
  "themes": {
    "manager": { "present": true|false, "evidence_quote": "...", "intensity": 1-5 },
    "comp": { ... },
    "growth": { ... },
    "culture": { ... },
    "wlb": { ... },
    "commute_rto": { ... },
    "product": { ... }
  },
  "leading_indicator": {
    "present": true|false,
    "event": "...",
    "date_or_window": "..."
  },
  "surface_vs_real_reason": "...",
  "manager_id_flag": true|false
}

Hard rules:
- Multi-label: усі теми, що зʼявляються, не лише топ.
- Evidence quote — дослівно з тексту.
- "Surface vs real" — якщо leaver називає поверхневу причину (комп), а evidence на іншу (менеджер) — підсвіти.
- НЕ домислюй тем без evidence у тексті.
- Anonymize імена в quotes.

Рядок «surface vs real reason» — найрезультативніший. Чверть leavers називає комп топ-причиною; для приблизно половини з них evidence у тому ж інтервʼю вказує на менеджера, ріст або культуру як справжній драйвер. Без цього розрізнення retention-стратегія — це comp-raise, який не лагодить тікання.

Tool tip (Course for Business): Аналіз exit-інтервʼю — найнедовикористаний AI-workflow у SMB People-Ops, і причина та сама — ніхто не власник. Augment, don't replace у 6-тижневій програмі віддає цей workflow HR-generalist-у, який і так веде exits, і дає Shoulder-to-Shoulder hot seat, де він тегає реальний бекглог з чемпіоном поруч. До кінця тижня 2 у нього датований cluster-репорт, який можна показати CEO. https://course.aiadvisoryboard.me/business.

Team scan (що AI-чемпіони репортять після тижня 1)

• Бекглог витягнуто: 12 місяців exit-ів тегано <4 годин
• Топ-3 теми за частотою: ранжовано, датовано, з дослівними quotes
• Cluster alerts: 1-3 manager-team-tenure кластери на втручання
• Leading indicators: 60%+ leavers мають названу подію перед рішенням
• Surface-vs-real reframing: ~25% «пішов через комп» перекласифіковано на менеджер/ріст
• HR-цикл: з «перечитаємо наступного кварталу» в «маємо roadmap до пʼятниці»
• CEO-видимість: однопейджер, не 40 PDF
• Етичний guardrail: ID менеджерів anonymized у bulk-репорті, названі лише в 1:1
• Retention-розмова: з індивідуальних виходів на системні патерни
• Action items: 3-5 змін (coaching менеджера, comp adjustment, growth-програма), привʼязаних до evidence

Micro-case (що змінюється за 7-14 днів)

Сервісна компанія на 140 людей мала 23 виходи за 18 місяців і «не знаємо чому» на кожному борд-мітингу. HR-lead витратив пів дня на tagging. Топ-тема: комп, 12 з 23. Surface-vs-real: 6 з 12 evidence-ами вказували на ріст/менеджера, не комп. Cluster alert: 5 з 23 — одна delivery-команда під одним менеджером; intensity manager-relationship у кластері 4.2 vs baseline 1.8. Фікс — не company-wide comp-adjustment, а сфокусована coaching-сесія менеджера + growth-розмова з двома інженерами на межі. За пів року: 0 виходів з цієї команди, attrition по компанії впав приблизно на третину.

Note on this case: This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

Tool tip (Course for Business): Найскладніше в аналізі exit-інтервʼю — не AI, а зробити так, щоб HR-людина комфортно поділилась cluster alert, який називає конкретного менеджера. Shoulder-to-Shoulder hot seats у 6-тижневій програмі тренують саме цю розмову: HR-чемпіон драфтить брифінг для засновника, senior-коуч грає реакцію засновника. До реального брифінгу дані тверді, фрейминг спокійний, план — на одній сторінці. https://course.aiadvisoryboard.me/business.

FAQ

Хіба exit-інтервʼю не брешуть? Поверхневі причини — часто; тіло тексту — зазвичай ні. Тому surface-vs-real reframing критичний — leaver назве комп як ввічливу версію, але якщо решта інтервʼю про те, що менеджер ігнорив, AI це виокремить там, де single-pass читання не побачить.

А якщо ми не ведемо формальних exit-інтервʼю? Починайте. 20-хв структурована розмова, конспектована, дає 80% цінності датасету. Ставте їх останнім слотом до здачі ноута.

Чи може AI передбачити, хто піде наступним? Не з exit-ів самих, і не просіть. Exits кажуть чому пішли, а не хто в ризиці. Передбачення ризику — інший workflow (stay-interviews, engagement-дані), інші етичні питання.

А ті, хто відмовляється від інтервʼю? Трекайте rate відмов як сигнал сам по собі. Кластер відмов з однієї команди — окрема data-point. Не екстраполюйте — фіксуйте в репорті.

Чи ділитись аналізом з менеджерами індивідуально? Лише cluster-level і тільки після того, як coaching-розмова в русі. Називати конкретних менеджерів у циркулюючому репорті без support-плану — це як перетворити exit-аналіз на політичну зброю.

Висновок

Рік exit-інтервʼю — це retention-roadmap, який ви вже оплатили. 7 тем, AI-tagged з evidence-quotes і surface-vs-real reframing, перетворюють папку PDF на однопейджер cluster-alert. Виберіть бекглог. Прожийте через prompt. Покажіть CEO до наступного борду.

Якщо хочете, щоб кожен співробітник зашипив свою першу AI-автоматизацію за 5 днів — у тому числі HR-generalist, що видобуває рік exits за вечір — забронюйте 30-хв дзвінок: https://course.aiadvisoryboard.me/business.