Как искусственный интеллект меняет HR в 2026 году

HR-процессы в компаниях стали заметно сложнее: больше задач, больше данных, больше точек взаимодействия с сотрудниками. При этом многое по-прежнему делается вручную и держится на людях. В какой-то момент этого становится недостаточно, и именно здесь в процессы начинает входить искусственный интеллект, постепенно меняя подход к управлению персоналом.

Рынок находится в переходной точке. По данным Sk Финтех Хаба фонда «Сколково», 54% HR готовы делегировать задачи подбора искусственному интеллекту, но менее 30% реально умеют с ним работать. В результате большинство компаний остаются на стадии пилотов и не доходят до системного внедрения.

При этом давление на HR-подразделение усиливается. Более 70% российских компаний отмечают рост затрат на найм, что напрямую стимулирует спрос на автоматизацию. Подбор остается одной из самых ресурсоемких функций: на него приходится 20–25% HR-бюджета, а до 40–75% времени HR-специалистов уходит на ручные операции — поиск и первичный анализ кандидатов.

На этом фоне закономерно, что именно рекрутинг становится первой точкой внедрения технологий. Около 40% HR-специалистов считают подбор приоритетной зоной автоматизации, а сам сегмент занимает более половины рынка HR-tech.

Если смотреть на практику, то с приходом ИИ в первую очередь меняется сам вход в кандидата в воронку найма. Раньше он почти везде выглядел одинаково: отклик, просмотр резюме, первичный контакт. И именно на этом участке терялось больше всего времени и кандидатов.
Сейчас этот этап постепенно забирает на себя ИИ. Кандидат после отклика сразу попадает в диалог с чат-ботом, отвечает на вопросы, проходит короткое интервью и только после этого попадает к рекрутеру. В итоге HR уже не работает с входящим потоком, а подключается к тем, кто прошел отбор.

Например, на проекте с СТД «Петрович» мы полностью перенесли первичный контакт в чат-бот. В результате обработка откликов ускорилась примерно в 3 раза, срок закрытия вакансий сократился почти в 2 раза, а команда рекрутинга уменьшилась с 6 до 3 человек.

Параллельно меняется и сам уровень управления процессом. Когда подбор проходит через систему, он становится прозрачным: видно весь путь кандидата, где он отсеивается, и как ведет себя воронка в целом.

Онбординг — следующий процесс, который заметно меняется с приходом ИИ. Раньше адаптация в большинстве компаний строилась вокруг HR и руководителей: вручную отправлялись материалы, назначались встречи, собиралась обратная связь. При росте команды это быстро упирается в ограниченность человеческих ресурсов.

Постепенно этот процесс выстраивается иначе. После выхода сотрудника запускается единый сценарий, по которому система сама выдает материалы, напоминает о задачах, открывает доступы и собирает обратную связь. HR при этом не ведет каждого вручную, а видит картину по всему процессу.

Для Tutu мы автоматизировали онбординг через чат-бота. Система взяла на себя коммуникацию, выдачу материалов и контроль прохождения этапов — в результате время руководителей на адаптацию сократилось на 40%, а команда выросла в 2,4 раза без расширения HR-отдела.

В обучении главный сдвиг сейчас наметился в персонализации. Раньше всем давали одинаковую программу, и дальше уже от человека зависело, что он из этого возьмет. Проблема в том, что у людей разный уровень, разные задачи и, соответственно, разные ошибки, а обучение это не учитывало.

С ИИ это становится проще. Система видит, где сотрудник больше ошибается, а какие темы проходит быстро. На основе этого меняет траекторию обучения, то есть кому-то добавляет практику, кому-то возвращает базу, кого-то переводит на следующий уровень.

Оценка сотрудников меняется не столько за счет ИИ, а за счёт того, что она становится регулярной и управляемой. Раньше в большинстве компаний это была годовая или квартальная оценка, к которой отдельно готовились, собирали данные и обсуждали при личной встрече. Сейчас оценка постепенно встраивается в ежедневные процессы HR-отдела.

Один из самых простых и рабочих инструментов — self-review. Это короткая ежемесячная самооценка сотрудника: как он оценивает свои результаты, что получилось, где есть сложности.

На проекте для компании Tutu мы встроили self-review прямо в чат-бота. Раз в месяц сотрудник проходит короткий опрос, а результат автоматически фиксируется в системе и трекере. Руководитель там же видит ответы и может их сразу провалидировать.

Похожим образом меняется и классическая оценка персонала, которая завязана на цели и компетенции.

В проекте для Автозавода Санкт-Петербурга мы автоматизировали весь процесс оценки через чат-бот и портал. Объединили цели, матрицу компетенций, грейды и оргструктуру, а все этапы перевели в цифровой контур. В результате оценкой охвачены 100% сотрудников, сроки проведения сократились в 1,5 раза, а нагрузка на HR снизилась на 70%. Но главное появилась единая картина по сотрудникам.

Когда подбор, адаптация, обучение и оценка уже стали цифровыми, аналитика появляется почти автоматически. Все данные сразу доступны в дашбордах: можно посмотреть динамику, сравнить команды, увидеть, где происходят потери или задержки. ИИ подключается уже поверх этих данных, чтобы находить закономерности, отклонения или риски.

Если собрать все эффекты от внедрения ИИ в HR-процессах, они складываются в четыре управленческих результата:

1. Выше скорость. Сотрудник быстрее проходит адаптацию, быстрее получает обратную связь, быстрее получает ответы на свои запросы.
2. Ниже затраты и нагрузка. До 75% времени HR уходит на повторяющиеся действия. Когда это берет на себя система, тот же объем задач выполняется без увеличения штата или с меньшим количеством сотрудников.
3. Появляется прозрачность и предсказуемость. Когда весь входящий поток проходит через единые критерии, снижается влияние случайных факторов.
4. Масштабируемость. Процессы перестают зависеть от количества людей в HR и начинают выдерживать рост нагрузки. Это особенно заметно в массовых сценариях.

Есть задачи, которые по-прежнему остаются за человеком, и это нормально:

1. Мотивация. Система может показать, что у сотрудника снижается вовлеченность, он реже отвечает, хуже проходит обучение, но дальше нужно понять причину.
2. Обратная связь. ИИ может собрать self-review, подсветить расхождения и даже показать, где сотрудник стабильно не дотягивает до ожиданий. Но сам разговор о результатах, особенно сложный, всегда остается за руководителем.
3. Конфликты. Система может зафиксировать ухудшение взаимодействия в команде, но разбираться с этим придется людям.
4. Корпоративная культура. Ее можно поддерживать через ИИ-инструменты, но не заменить.

На практике ИИ смещает фокус работы HR-специалистов. Он забирает рутину, структурирует данные и дает сигналы, но решение и ответственность остается за человеком.

1. Компетенции. Интерес к ИИ высокий, но умеют с ним работать не все. По данным «Сколково», таких сотрудников меньше 30%. В результате инструменты тестируются, но не становятся частью регулярных процессов.
2. Данные. Если информация хранится в разных системах, частично ведется вручную и не синхронизирована, на нее сложно опираться. В какой-то момент возникает ситуация, когда данные есть, но доверия к ним нет — и аналитика перестает использоваться для принятия решений.
3. Процессы. Если они не описаны и зависят от ручных договоренностей, автоматизация не дает качественного изменения. Система начинает воспроизводить ту же логику работы, включая все ее ограничения.
4. Готовность команды. Внедрение ИИ меняет саму роль HR: снижается доля ручной работы и возрастает роль управления через данные и процессы. Это требует изменения подхода, и именно на этом этапе часто возникает внутреннее сопротивление.

В итоге на практике работает довольно простая закономерность: система усиливает текущую модель работы. Если процессы и данные выстроены, эффект масштабируется. Если нет — масштабируются существующие проблемы.

На практике внедрение почти всегда идет по одному сценарию. Компании не начинают с тотальной цифровизации. Обычно выбирается один процесс (чаще всего подбор или коммуникации), в нем ищется узкое место и запускается пилот. Дальше смотрят на цифры, и только после этого принимается решение о масштабировании.

Попытка внедрить всё сразу почти всегда заканчивается тем, что система не приживается. Без понятной точки приложения эффект размывается, а команда не успевает перестроиться.

Это хорошо видно на примере «Автозавода Санкт-Петербург». Мы начали этот проект не с цифровой трансформации как цели, а с прикладной задачи — нужно было восстановить внутренние сервисы и коммуникации после изменений в ИТ-ландшафте.

Первым шагом стало создание единого цифрового окна: корпоративный портал и чат-бот, через которые сотрудники начали получать информацию и обращаться к HR-сервисам. На этом этапе решалась конкретная проблема — разрозненные каналы и высокая нагрузка на HR.

Дальше система начала развиваться по мере появления задач:

• Добавили работу с кандидатами через ярмарки вакансий — бот собирал контакты и формировал базу кандидатов без ручной обработки.
• Автоматизировали адаптацию сотрудников: бот стал сопровождать сотрудников на испытательном сроке, собирать обратную связь и сигнализировать о проблемах.
• Визуализировали оргструктуру на портале.
• Автоматизировали ежегодные оценки сотрудников.

Все новые процессы не внедрялись отдельно, а встраивались в уже работающую систему.

Этот кейс хорошо показывает то, что ИИ и автоматизация не внедряются как единый проект. Они собираются по частям от конкретной задачи к единой HR-экосистеме.