На HR-специалистов одновременно ложатся задачи рекрутинга, адаптации, обучения, аналитики. Поэтому многие пользуются нейросетями: кто-то просит помочь с составлением вакансии, кто-то — с подготовкой документов. Чаще всего это происходит стихийно, и только 5% российских компаний системно внедряют ИИ-решения в процессы. Это требует настройки инфраструктуры, обучения моделей, контроля качества данных и соблюдения правовых норм. Но именно такой подход дает бизнесу ощутимый результат.
Разберемся, какие задачи может взять на себя полноценный ИИ-помощник, и когда действительно оправдывает ожидания.
В чем ИИ может помочь HR
Подбор персонала
ИИ может автоматически сортировать резюме, сопоставлять их с требованиями вакансии, даже оценивать соответствие кандидата по ключевым критериям.
Онбординг
Для нового сотрудника адаптация — это всегда стресс. Нейросеть может взять на себя роль навигатора: рассказывать, какие документы нужны, как работает внутренняя система, куда обращаться по бытовым вопросам. В крупных компаниях это избавляет HR от сотен однотипных вопросов.
Обучение и развитие
ИИ может анализировать текущие навыки сотрудников и рекомендовать подходящие курсы или тренинги. Система отслеживает прогресс, напоминает о дедлайнах и помогает выстроить персональные планы развития.
Операционные задачи
Например, чат-бот, который круглосуточно отвечает на типовые вопросы («как взять отпуск?», «где найти политику по удаленке?»). Фактически это цифровой service desk, благодаря которому нагрузка на людей снижается в разы.
Какие решения есть на российском рынке
Российский рынок HRTech активно адаптируется. Уже есть:
коробочные чат-боты, которые интегрируются с мессенджерами или корпоративными порталами (примеров исполнителей сейчас много, поэтому не будем кого-то выделять);
ИИ-платформы (например, Skillaz, Поток);
встроенные ИИ-модули в HRM-системах, которые помогают автоматизировать онбординг и кадровый документооборот.
Особенности российского рынка — это строгие требования к хранению персональных данных, интеграции с 1С и корпоративными порталами, а также высокая чувствительность бизнеса к облакам. Поэтому часть решений ориентируется именно на локальные развертывания.
Однако важно понимать: существующие продукты пока находятся в стадии активного развития. У одних ограничен функционал, у других — качество алгоритмов. Поэтому волшебного универсального решения, увы, пока нет.
Почему коробочные решения не всегда работают
Как мы уже выяснили, на российском рынке есть готовые HR-боты, модули для HRM-систем и аналитические платформы. Казалось бы, зачем тратить время на кастомизацию, если можно подключить продукт «из коробки»? Но на практике именно здесь компании сталкиваются с разочарованием.
Универсальность против реальности
Коробочные решения рассчитаны на «среднюю» компанию. А HR-процессы у бизнесов отличаются: у кого-то есть большая внутренняя база, для которой нужно уникальное решение, у кого-то особый порядок согласования документов, у кого-то — разветвленная сеть филиалов. В результате часть функций остается невостребованной, а нужных, наоборот, не хватает.
Например, универсальные чат-боты используют общие языковые модели (как GPT). Но они не знают специфики вашей компании: принятых внутри формулировок, названий отделов, внутренних политик. Системный подход предполагает Fine-tuning, то есть дообучение базовой модели на ваших внутренних данных. Это делает ответы точными и релевантными.
Ограниченная интеграция
Готовые продукты часто плохо «стыкуются» с корпоративной инфраструктурой. Интеграции с 1С, внутренними порталами или кастомными CRM приходится дорабатывать, что увеличивает затраты и делает ожидаемое «недорогое» решение не таким уж недорогим.
Слабая аналитика и качество данных
«Коробка» предлагает стандартные отчеты, но реальную ценность дает только аналитика, настроенная под конкретные бизнес-цели. Без этого HR-отдел получает красивые дашборды, но не ответы на вопросы: «Почему мы так долго закрываем позиции?» или «Как повысить эффективность адаптации?».
Недостаточная гибкость развития
Когда бизнес меняется — «коробка» часто не поспевает. Добавить новые процессы или внедрить свои алгоритмы сложно, а иногда невозможно без глубокой доработки.
Если бизнес смотрит на ИИ-помощника как на стратегический инструмент, а не как на игрушку — кастомная разработка в итоге оказывается более эффективной.
Пример из практики: автоматизация отбора кандидатов с помощью ИИ
У одного из лидеров в дистрибуции электроники — VVP Group — данные о кандидатах стекались в огромную Excel-таблицу. В ней HR-специалисты вручную раскрашивали строки: красным — не подходит, желтым — сомнительно, зеленым — пригласить. Со временем таких анкет накопилось больше 15 тысяч, и стало понятно: без автоматизации процесс будет тормозить развитие бизнеса. За решением они обратились в IT Test.
Мы подключили ML-специалиста, который изучил поведение HR и вывел систему весовых коэффициентов по девяти параметрам: от полноты резюме до наличия рекомендаций. В результате получился гибрид: часть логики — формулы и баллы с понятной аргументацией, часть — нейросеть. То есть действуют детерминированные правила (например, если стаж более 5 лет, добавляется 50 баллов) + ML-модель (предсказывающая вероятность увольнения). Это повысило прозрачность и контролируемость.
Затем мы добавили интеграцию с API HeadHunter, чтобы резюме подтягивались автоматически. Система не просто выдает «да» или «нет», а формирует развернутый ответ с пояснениями. Позже появилась пакетная обработка — десятки анкет можно оценить за пять минут.
На старте совпадение рекомендаций алгоритма с мнением HR было всего 35%, но после нескольких итераций выросло до 90%. Теперь система помогает команде избавляться от рутины и принимать решения быстрее, что критически важно для быстрорастущей компании.
Нюанс: за моделью нужно постоянно следить. Мы обучали ее на данных 2022 года, а в 2024 году рынок труда изменился — требования к навыкам стали другими. Поэтому внедрили системы мониторинга для обнаружения дрейфа данных (Data Drift) и переобучения модели. Настроили автоматический процесс: сбор новых данных -> разметка -> переобучение модели -> тестирование -> деплой в продакшен без простоя.
Когда бизнесу действительно нужен ИИ-помощник в HR
Признаки, что он реально нужен:
уходит много времени на сбор и анализ HR-данных вручную;
больше сотни сотрудников, и HR-отдел задыхается от потока однотипных вопросов;
рост компании сопровождается жалобами на бюрократию;
сотрудники теряются в инструкциях и регламентах.
А когда можно обойтись без ИИ?
Например, в команде на 20–30 человек. Там процессы прозрачны, вопросы решаются быстро, и эффект от системного внедрения ИИ будет минимален. В этом случае логично просто использовать условный ChatGPT, чтобы чуть быстрее выполнять повседневные задачи.
ИИ для HR-процессов — это не про полную замену специалиста, а про освобождение его от рутины и помощи в концентрации на более стратегических вопросах. Подбор, онбординг, обучение, операционные вопросы — все это можно частично делегировать алгоритмам. Важно помнить о качестве данных, правовых рисках и ограничениях конкретных решений. И выбирать вариант, который действительно повысит бизнес-показатели вдолгую и обеспечит более быстрый рост.
