Почти половина всех инноваций в сфере ИИ для HR расположены на начальном отрезке графика (триггер инноваций). Это новые технологии, которые требуют изучения, пилотирования и тестирования. Например, автономные ИИ-агенты в рекрутинге, которые берут на себя весь процесс подбора и найма сотрудников, — невероятно перспективная технология, но еще совершенно не освоенная.
К пику завышенных ожиданий (активное пилотирование и эксперименты) подходят технологии интеллектуального управления навыками кандидатов и сотрудников, а также использование ИИ для отдельных процессов в рамках подбора кадров — проактивного поиска специалистов (сорсинг) и рекрутмент-маркетинга.
Генеративный ИИ (Gen AI) движется к стадии разочарования — реальные практические результаты часто не соответствуют ажиотажу. Это связано с тем, что Gen AI обычно используется для отдельных задач: составления описаний вакансий, генерации контента или написания отзывов. Прямой денежный эффект от таких применений показать сложнее, чем в других сферах — например, автоматизации продаж, где метрики более очевидны и убедительны для финансовых директоров.
На следующем этапе, который в Gartner называют «Склоном просвещения», — машинное обучение в HR и ИИ в оценке навыков и компетенций (Talent Assessment). Их ценность и финансовая эффективность уже становятся очевидными для бизнеса.
На плато продуктивности расположены зрелые технологии, которые широко применяются в отрасли. В сегменте ИИ в HR — это классические системы аналитики, которые используются для привлечения талантов (AI in Talent Acquisition).
ИИ в HR: реальность 2025
Российские реалии отличаются от картины, описанной Gartner: автоматизация HR-процессов находится на довольно низком уровне. Например, такую базовую технологию, как кадровый электронный документооборот, применяют меньше 20% российских компаний. Возможности ИИ в HR там тем более не используют.
При этом в медиа транслируется иная информация. Например, в результате недавнего опроса выяснилось, что 46% компаний используют ИИ в HR. Но мой опыт общения с сотнями HRD показывает: этот процент сильно завышен. Респонденты таких опросов часто преувеличивают значение ИИ в своей практике. Реальное внедрение «умных» технологий — довольно редкое явление в HR-отделах. По моим оценкам, пилотируют или внедряют ИИ в процессы управления персоналом максимум 5% российских компаний — крупных и технологически продвинутых.
В России применение ИИ в HR сводится преимущественно к трем направлениям:
- Подбор кадров: описание вакансий, подготовка ответов кандидатам, скроллинг резюме (анализ на соответствие требованиям и выбор наиболее подходящих соискателей). Например, ИИ по названию должности, ключевым навыкам и требованиям генерирует несколько вариантов текста (для LinkedIn, hh.ru, внутреннего портала) за секунды. Нейросеть анализирует успешные вакансии на аналогичные позиции и создает оптимизированный текст. А ИИ-парсер может сразу отсеять кандидатов без нужного опыта или отдать в топ тех, чьи навыки на 95% совпадают с требованиями.
- Service Desk: виртуальные помощники для адаптации новичков и ответов на вопросы по кадровым процедурам и документам.
- Обучение: автоматизация создания обучающих материалов — генерация описаний курсов, написание и редактура статей, формирования заголовков и структурирование контента.
Преобладающая технология — это генеративный искусственный интеллект, позволяющий создавать текстовый контент, а также иллюстрации, презентации, видео. Однако применение Gen AI ограничено. Например, для личных целей можно использовать различные нейросети, в том числе зарубежные и бесплатные. Однако в корпоративной практике это невозможно из-за политик безопасности и требований регуляторов. При этом российские владельцы технологий пока мало заинтересованы в разработке решений для HR — для них это мелкие и финансово неинтересные проекты. Они сосредоточены на более крупных и денежных вертикалях. Это сдерживает внедрение ИИ в HR в России.
ИИ в HR: тренды 2026
Прорыв в применении ИИ в HR случится в 2027–2028 годах, а следующий год станет временем экспериментов. Компании будут изучать и пилотировать умные решения в четырех направлениях:
- Подбор: от скрининга к прогнозам
Кроме генерации текстовых материалов (вакансий, ответов и пр.) и скроллинга резюме компании начнут внедрять ИИ в другие процессы, связанные с подбором кадров. Один из перспективных сценариев применения ИИ в рекрутменте — интеллектуальный поиск сотрудников не по стандартным фильтрам, а по принципу схожести с эталонным специалистом. Например, решение задачи «найти такую же, как Маша Иванова» — с учетом опыта, навыков и психологических особенностей. Такой подход особенно полезен для поиска преемников при увольнении или карьерном росте ключевых сотрудников.
Другой сценарий — прогнозирование прохождения испытательного срока. Система анализирует скорость интеграции новичка в коллектив через показатели его сетевой активности и появления контактов. При выявлении рисков она автоматически предупреждает руководителя о необходимости дополнительного внимания к новому сотруднику.
Кроме того, виртуальные ассистенты рекрутеров возьмут на себя координацию: станут назначать встречи, планировать интервью, рассылать офферы и письма. Это сократит время закрытия вакансий и снижает административную нагрузку.
- Обучение: тотальная персонализация
Искусственный интеллект делает возможным создание персонализированных образовательных траекторий. На практике это реализуется через интеллектуальные системы рекомендаций, которые анализируют данные сотрудника. Такие проекты уже реализуют крупнейшие компании.
Например, в Сбере разработали систему персональных рекомендаций для обучения, которая решает проблему поиска релевантного контента в условиях большого объема материалов. На образовательной платформе зарегистрировано 300 тыс. сотрудников, а библиотека знаний насчитывает 45 тыс. единиц контента, включая материалы из внешних источников, таких как Хабр. Чтобы обеспечить каждого сотрудника полезными материалами, ИИ анализирует его профиль: профессиональные цели, должность, сферу ответственности, результаты оценок, поисковые запросы и сохраненный контент. На основе этих данных формируются индивидуальные рекомендации. Когда сотрудник заходит в систему, на главной странице его ждет персональная подборка материалов — статьи, книги, курсы, вебинары и видео. Этот список ежедневно обновляется, обеспечивая актуальность рекомендаций и соответствие меняющимся потребностям сотрудника.
Другой перспективный сценарий — использование голосовых тренажеров на базе ИИ для освоения практических навыков ведения переговоров или работы с возражениями клиентов. Такие системы позволяют сотрудникам в безопасной среде отрабатывать сложные сценарии и получать обратную связь.
- Автоматизация рутины в HR: от генерации текстов до умных чат-ботов
ИИ перспективен для автоматизации трех видов рутинной работы: генерации текстов, создания документов и отработки стандартных вопросов.
Генеративные модели создают любые тексты — от должностных инструкций до писем сотрудникам. Это ускоряет процессы и обеспечивает единый стандарт качества материалов. Например, по закону сотрудники на одинаковой должности не могут получать разную зарплату — отличие в доходах должно быть оправдано должностной инструкцией. ИИ помогает персонализировать эти документы под каждого специалиста.
Кроме этого, ИИ сможет автоматизировать прием на работу. Нейросеть на основе данных из заявления кандидата генерирует полный пакет документов для оформления, проверяя их на соответствие ТК РФ. Например, система сама создает персональный приказ и трудовой договор, подставляя ФИО, должность, оклад и дату выхода — все из готового шаблона. Однако такой сценарий возможен только там, где внедрен кадровый электронный документооборот.
Вырастет количество виртуальных HR-ассистентов. Такой чат-бот в корпоративном мессенджере 24/7 отвечает на типовые вопросы: «Как оформить больничный?», «Где найти шаблон служебной записки?», «Как подключиться к корпоративной почте?». Например, сотрудник пишет боту: «Нужен больничный», — и бот сразу присылает инструкцию и шаблон заявления.
- Аналитика в HR: интеллектуальные системы поддержки решений
Одно из наиболее перспективных направлений применения ИИ в HR — предиктивная аналитика. Например, прогнозирование увольнений сотрудников по собственному желанию. Такая модель, к примеру, работает в Ростелекоме. Она предсказывает увольнения с точностью до 80%. Во-первых, это помогает удерживать ценные кадры, позволяя руководителям заранее принимать превентивные меры для сохранения ключевых специалистов. Во-вторых, система позволяет минимизировать затраты компании при увольнении тех сотрудников, которых организация не планирует удерживать, обеспечивая более плавный и экономически эффективный процесс ротации.
ИИ может контролировать и вовлеченность. Например, модель анализирует результаты опросов, данные о рабочих процессах (участие во встречах, активность в корпоративных чатах) в реальном времени и выявляет «очаги» неблагополучия. Система предупреждает: «В отделе маркетинга зафиксировано падение вовлеченности на 40% по сравнению с прошлым кварталом. Рекомендуется провести сессию с командой».
Кроме того, компании все больше внимания уделяют подходу Data Driven — управлению на основе данных. Так, модель может автоматически собирать данные из нужных систем, готовить дашборды и отправлять готовый отчет руководителю с ключевыми HR-метриками и выводами. Количество таких кейсов точно увеличится в 2026 году.
Вместо итога
Главный вопрос 2026 года не в том, внедрять ли ИИ — без него компании начнут проигрывать конкуренцию за таланты на и так сжатом рынке. Основная задача — перестроить команду и процессы под новую реальность. Во-первых, оценить, что можно автоматизировать в первую очередь — какие решения принесут наибольший эффект при минимальных вложениях. Во-вторых, пересмотреть роли в HR-отделе и прокачать навыки, которые потребуются HR-специалистам завтра. На первый план выйдут эмпатия, стратегическое мышление, управление изменениями. К ним добавится цифровая грамотность: умение ставить задачи ИИ, проверять его выводы и работать с данными.
Для размещения отзывов необходимо авторизоваться