Эйфория закончилась, началась работа
К июню 2026 года можно честно сказать: первая волна восторга от нейросетей в HR схлынула. В начале года многие компании включили ИИ почти во всё: массовый подбор, собеседования, оценка, увольнения. Казалось, ещё чуть-чуть и рекрутеры станут "надсмотрщиками за алгоритмами"
Проблема не в технологиях, а в ожиданиях. Нейросеть - не новый директор по персоналу. Это инструмент, который помогает тем же людям дать не 100, а условные 150 - 200% результата, снимая рутину и ускоряя понятные шаги. В этой статье разберём, где ИИ уже работает, где должен быть только ассистент и за какие процессы отвечает HR-человек.
Что уже можно смело отдавать ИИ
Золотое правило: всё, что повторяется, считается и описывается правилами, можно частично или полностью отдать алгоритму. Ниже - те зоны, где ИИ уже эффективно работает.
Генерация текстов: вакансии, письма, контент
Нейросети хорошо справляются с текстами. Описания вакансий, должностные инструкции, письма-шаблоны, ответы кандидатам, планы выступлений и обучающих модулей - ИИ пишет быстро и без усталости.
Но есть нюанс. Если просто попросить "написать вакансию", вы получите выхолощенный текст, который можно подставить в любую компанию. Даже если добавить "напиши, как будто рассказываешь другу", ИИ не знает ваш контекст, вашу культуру и ваши реальные обещания.
Поэтому правильный сценарий такой:
– вы задаете ИИ структуру и требования к кандидату;
– получаете черновик;
– добавляете "человеческие" детали.
Например, вместо замыленного "зарплата без потолка" - честное "мы не меняем систему мотивации задним числом”, “не режем бонусы”. Это то, что кандидат чувствует как реальное обещание, а не маркетинг.
В связке с Workhere это выглядит так:
– рекрутер заводит вакансию в системе;
– Workhere с помощью ИИ предлагает структуру и формулировки;
– HR дописывает фишки компании и реальные преимущества.
На выходе - быстрый текст без воды и с вашим голосом.
Скрининг резюме и массовый поток
Сотни откликов - повседневность любого рекрутера. Кандидаты пишут сопроводительные, как будто идеально подходят, напитывают резюме правильными словами, чтобы обходить фильтры ATS.
Задача ИИ - разобрать этот поток. В Workhere ИИ-ассистент анализирует резюме, сравнивает навыки и опыт с требованиями, смотрит карьерную траекторию, частоту смен работы, соответствие должностей содержанию вакансии.
Пример из практики: ИИ-ассистент рекрутера уже встроен в Workhere. Рекрутер задает критерии, ИИ считает скоринг в процентах и ранжирует кандидатов: 300 резюме за 15 минут вместо целого дня. HR смотрят только релевантных, экономят до 90% времени на рутину и меньше выгорают.
Плюс к этому в Workhere можно искать по базе резюме и откликов на естественном языке. Не через старые фильтры "город–опыт–отрасль", а вопросом вроде: "кандидаты с опытом продаж сложных b2b-решений в IT". Так всплывают профильные люди, которые в классических фильтрах потерялись бы.
Важно: ИИ подсказывает, кого смотреть первым, но не решает, кого приглашать. Лучший сценарий:
– модель делает рейтинг;
– рекрутер проверяет верхнюю часть и пару спорных профилей;
– решение "зовём / не зовём" принимает человек.
И помните, что ИИ часто анализирует "продукт другого ИИ": резюме, которое допилил генератор, сопроводительное письмо, подготовленные нейросетями. Человек чувствует искусственность, алгоритм - нет.
Чат-боты для первичного контакта
Чат-боты уже спокойно берут на себя часть коммуникации с кандидатами: отвечают на стандартные вопросы, рассказывают о вакансии, собирают базовые данные и назначают встречи. Они работают 24/7 и особенно полезны в массовом подборе и на начальных ролях.
Чат-боты хорошо отвечают на стандартные вопросы:
– что за компания;
– какие требования;
– как проходит отбор;
– когда ждать ответа.
Они подбирают базовые данные, могут записать на интервью, отправить ссылку на тест. Работают круглосуточно и выручают в массовом подборе и для начальных позиций.
Но у ботов есть ограничение: они отвечают по сценариям. Если вопрос выходит за рамки, кандидат получает "ответим позже" или "обсудим на собеседовании". Для линейных ролей это терпимо. Для топ-кандидатов неприемлемо.
Если сильный специалист видит только сухой автоответ, он делает вывод: в компании люди - просто функции. И его больше привлекает, где пишет живой человек.
В Workhere мы исходим из простого принципа: ИИ - в помощь, а не вместо человека. Поэтому:
– бот отвечает на частые вопросы, собирает анкету, записывает на встречу;
– в любой момент HR или рекрутер может подключиться к диалогу;
– для ключевых ролей первый контакт оставляем за человеком.
Видеоинтервью и эмоции
Системы анализа видео уже умеют многое. Они оценивают тон голоса, мимику, жесты, паузы. Есть кейсы, когда такие системы помогали быстро отбирать стажёров: HR смотрели записи с ключевыми вопросами, отмечали лучших и шли дальше.
Но давайте честно: до полноценной оценки эмоционального интеллекта ещё далеко. ИИ видит, соответствует ли ответ вопросу, насколько человек уверен, насколько совпадает его эмоциональный фон с типовым паттерном. Но не понимает, что за этим стоит: усталость, волнение, культурные особенности или просто характер.
Правильная роль таких инструментов - подсветить моменты, на которые стоит обратить внимание. Модель выделяет спорные фрагменты, дальше их смотрит HR и принимает решение.
Если вы используете видеоаналитику, зафиксируйте для себя правило:
• выводы ИИ - это рекомендации, а не приговор;
• любой спорный случай пересматривает человек;
• финальную оценку soft скиллов и "адекватности" ставит рекрутер или нанимающий менеджер.
Онбординг и обучение
В первые недели в компании новичок задает десятки вопросов: куда писать, где взять доступ, кто отвечает за какую задачу. Ранее в компаниях для этого настраивали вики, чат-боты, базу знаний. Теперь ИИ-ассистенты вполне могут выступать цифровым куратором: показывать документы, базовые инструкции, записи тренингов, ответы на типовые вопросы.
Первые недели в компании - стресс для новичка. Вопросы сыплются один за другим: кому писать, где взять доступ, как оформить заявку, как устроены процессы. Раньше это закрывали вики, инструкции в PDF, чат-боты с десятком сценариев.
Сегодня ИИ-ассистент может стать цифровым куратором. Он показывает документы, даёт ссылки на нужные разделы, подсказывает, куда идти по бытовым вопросам. Человек не тратит время на поиски по старой базе знаний, спрашивает "живой" интерфейс и сразу получает ответ.
В обучении тоже много возможностей. ИИ-тренажеры имитируют сложные разговоры с клиентами. Подсказчики в реальном времени помогают менеджеру прямо во время звонка. Платформы рекомендуют курсы и модули, смотря на результаты оценки, а не только на хотелки.
Но важно понимать границы. ИИ-советник может помочь понять тему или отработать навык. Он не научит думать самостоятельно в новой ситуации, не развивает критическое мышление.
Поэтому вместе с цифровыми помощниками развивайте и живое наставничество. Особенно там, где речь про конфликты, выгорание, карьерные амбиции.
Практический минимум может быть таким:
– соберите FAQ для новичков, базу знаний и загрузите в ИИ-ассистент;
– настройте сценарий: на каждый вопрос - короткий ответ плюс ссылка;
– назначьте наставника, который раз в неделю смотрит прогресс, говорит один на один и ловит сигналы изменений.
Где ИИ должен быть только ассистентом
Есть задачи, где нейросеть даёт полезный результат, но вы не можете просто "отдать" процесс без человека. Ответственность за решение - на человеке
Аналитика HR-данных
ИИ отлично работает с текстом и цифрами: резюме, отзывы, комментарии по оценкам, результаты тестов. Он находит закономерности и аномалии, которые сложно заметить руками.
Но как только вы захотите предсказывать увольнения, оценки KPI и "портреты успешных сотрудников" на своих данных, начинаются проблемы. Для надежной модели нужны тысячи и десятки тысяч наблюдений в каждом сегменте. У большинства компаний таких объемов нет. Есть сотни кейсов, а это мало.
Поэтому сегодня реалистичный ИИ в HR - это инструменты поверх текста, а не магия предсказаний "кто уйдёт через полгода". Гораздо практичнее провести инвентаризацию данных: понять, что вообще собираете, в каком виде, насколько это качественно. И честно ответить, окупится ли сложная модель в вашей компании.
ИИ можно использовать там, где данных достаточно и они понятные:
– обобщение обратной связи по кандидатам;
– анализ текстов интервью и оценочных форм;
– подсказки по рискам и сомнительным местам в профиле.
Решения по людям на этом не строятся. Это дополнительный слой подсказок для тех, кому платят за достижения.
Задачи, где лучше без ИИ
Существуют зоны, где цена ошибки слишком высока. Ответственность HR в этих процессах выше, чем разработчиков ИИ или промпт-инженеров. И вытекает она из понимания рисков, не все из которых укладываются в математическую модель.
Окончательное решение о найме
Можно автоматизировать поиск, скрининг и часть общения. Но финальное "берём / не берём" всегда должен говорить человек.
Представьте типичную картину: ИИ показывает "подходит на 87%". На чём основана цифра? На резюме, которое кандидат допилил генератором. На ответах, где ему помогали подсказки. На скриптах, которые он отрепетировал заранее.
Нейросеть не видит, что оценивает продукт других нейросетей. Она просто верит тексту и картинке. Человек видит, когда за идеальными формулировками пусто.
Правильный подход:
– используйте проценты и скоринг как аргументы;
– проводите живое интервью;
– обсуждайте кандидата с нанимающим менеджером;
– фиксируйте решение и причины.
Сложные переговоры и увольнения
ИИ уже умеет писать вежливые скрипты отказов и увольнений. Но сам разговор это эмоции, страхи, агрессия, иногда прерванная карьера. Представьте сотрудника, которого "увольняет" бот. Формально это возможно, но для бренда и доверия внутри компании - все еще репутационные риски с отложенным эффектом.
В сложном конфликте ИИ видит только черно-белый код и предлагает юридическое решение, а в реальности там десятки оттенков серого. Разобраться в этих нюансах может только человек.
Совет: скрипты в чат-ботах приемлемы, автоматизация или моделирование живого разговора - нет. Увольнение и обратную связь в сложных ситуациях пусть всегда остается за живым HR или руководителем.
Конфликты и групповая динамика
Конфликт редко сводится только к "не поделили зоны ответственности". В нем часто еще и борьба за влияние, личные обиды, скрытая конкуренция и недоверие к руководству. ИИ опирается на слова и текст, опытный HR - на динамику взаимодействия. Попытка "упростить" конфликт до решения по чек-листу в боте делает ситуацию хуже.
Совет: используйте аналитику для поиска узких мест (частые жалобы, пропуске, повторы в анкетах), но разбор конкретного кейса оставляйте людям.
Корпоративная культура и потенциал
Нейросеть легко напишет манифест с ценностями "ответственность, открытость, командная работа". Но она не живёт внутри вашей культуры: не видит, как принимаются решения, кого повышают и за что штрафуют. Корректировать могут только живые HR и руководители.
И зачастую быстрее принять решение и затем прописать правила. Чем наоборот - сделать выводы из накопленной ИИ-информации, предложить гипотезы и автоматизировать получение "стандартных" результатов.
ИИ не живёт в вашей культуре. Он не ходит на встречи, не слышит шутки, не видит невербалику. Максимум - может структурировать обратную связь и подсветить тренды.
Потенциал сотрудника тоже не читается из "чистых данных". Модель видит прошлое, но не гарантирует будущее. Она не понимает, почему один человек растет в карьере, а другой застревает, хотя формально его результаты выглядят неплохо. Для этого нужны наблюдения, интуиция и ответственность менеджера.
Совет:
– оцифровывайте результаты и метрики;
– используйте ИИ для отчётов и визуализаций;
– решения о развитии, резерве, повышениях оставляйте за руководителями.
Как внедрять ИИ в HR этим летом
Короткий план
• Опишите воронку подбора по шагам. От запроса до онбординга.
• Отметьте этапы, которые повторяются и занимают много времени: скрининг, переписка, напоминания, FAQ. Оцените затраты времени и их влияние не скорость и качество заполнения вакансий.
• Выберите 1–2 процесса для пилота и включите в них ИИ-инструмент там. Замерьте эффект по итогам пилота.
• Настройте значения, при которых решение всегда проверяет человек.
• Обучите HR работать с инструментом: писать промпты, читать скоринг, проверять аномалии случаи.
• Измеряйте результат не "сэкономили в часах", а в соотношении темпа выручки к темпу найма. Если выручка растет быстрее штата - операционный рычаг заработал.
ИИ - не только айтишный проект, еще и кадровый
Там, где внедрение прошло удачно, компании начинали не с покупки лицензий, а с обучения людей и пересборки процессов. Лицензия без обучения даёт почти нулевой эффект. ИИ не работает сам по себе, он усиливает уже существующие практики.
Сейчас главный показатель - не "сколько часов сэкономили", а отношение роста выручки к росту штата. Если выручка растет в разы быстрее, чем численность, значит, вы действительно научились использовать технологии как рычаг. Если темпы одинаковые, то это просто "новая игрушка", а не инструмент.