Если видео выше не работает, то запись вебинара также можно посмотреть на RUTUBE по ссылке https://clck.ru/3VcUXA
Презентация вебинара доступна по ссылке https://clck.ru/3VcTbs
Подкаст вебинара доступен по ссылке https://clck.ru/3VcUjU
Тезисы на основе вебинара
ИИ используют в HR почти все — но структурно, с регламентами и расчётом эффекта — единицы. Для большинства это пока зона свободных экспериментов. Как отличить реальную пользу от хайпа: где ИИ в HR уже даёт результат, где проходят границы, кто отвечает за решения и по каким сигналам понять, что «пора»? Разбираем на опыте компаний с очень разным подходом.
- ИИ в HR используют почти все, но лишь единицы — структурно, с правилами и расчётом эффекта; у большинства правил нет.
- Главный ограничитель для чувствительных отраслей (фарма, банки, медицина) — персональные данные: это выбор между облаком и своей инфраструктурой.
- Где ИИ уже работает: массовая оценка компетенций и формирование планов развития — быстро, дёшево, масштабируемо. Решение при этом остаётся за человеком.
- Беспристрастность ИИ — плюс, но он не считывает невербалику; для массовых задач потери некритичны, для топ-уровня остаётся «human touch».
- Небольшой компании не обязательно разворачивать ИИ у себя — его уже приносят провайдеры; граница «сам / через провайдера» проходит по методологии и масштабируемости.
- Ответственность за решения о людях остаётся за человеком (в США автоматизированные решения по людям запрещены).
- Сигнал «пора» — не тренд, а собственные процессы: если всё налажено, можно осознанно подождать и внедрить позже, уже зная про «шишки» первопроходцев.
Хайп или рабочий инструмент: что показывают цифры
Картина противоречивая. По данным исследований рынка, больше половины российских компаний уже используют ИИ для HR-задач, но действительно широко и структурно — лишь около 4%, а ещё примерно четверть — эпизодически, без стратегии и правил. Международные цифры похожи: в основные процессы ИИ встроили около 11% организаций, а половина всё ещё пилотирует. Показательно и то, что ИИ применяют почти ежедневно, но работающие регламенты и расчёт эффекта есть дай бог у десятой части компаний, а правила отсутствуют или отданы на усмотрение сотрудников у ~77%.
Это временная точка: рано или поздно эффект придётся посчитать, процесс стандартизировать, а инструменты — сделать типовыми и управляемыми.
Совет. Не гонитесь за трендом по принципу «все уже там, а мы нет». Частая ошибка — внедрить ИИ с ожиданием мгновенной трансформации бизнеса, а использовать 1% возможностей. Это как купить сверхмощный компьютер, чтобы печатать на нём документы. Следить за трендами важно, но «запрыгивать» стоит осознанно.
Персональные данные — главный ограничитель
Для консервативных отраслей с жёсткой регуляторикой (фарма, медицина, банки) ключевой стоп-фактор — персональные данные. Открытые облачные модели здесь применять рискованно, а держать всё внутри (on-premise) — значит вкладываться в инфраструктуру и экспертизу.
Показательна аналогия с электронным документооборотом: компании долго заходили в него, пока не сложилась законодательная база. С ИИ похоже — многие ждут, как отрегулируют работу с данными. При этом полярные подходы уживаются: одна крупная компания разворачивает все модели в собственном закрытом контуре (нет риска утечек, но нужен большой бюджет), другая — пока не имеет своего продукта и потому не использует ИИ для рабочих задач, но следит за трендами.
Совет. Для чувствительных данных есть два пути: развернуть модели в собственном контуре или работать через провайдера с договорной гарантией сохранности. Открытые облачные модели с персональными данными — красный флаг.
Где ИИ в HR уже работает
Дальше подбора и оценки ИИ уже проникает в обучение (разработка курсов и тренажёров), оргдизайн (формирование профилей должностей через ИИ-агентов), карьерные треки. Но нагляднее всего — два реальных кейса.
Массовая оценка компетенций. В крупной компании запустили пилот: кандидат общается с ИИ (аватар в диалоге или чат-бот голосом/текстом), а на выходе получает отчёт по компетенциям. Результат: 300 человек оценили за две недели — несопоставимо дешевле классического ассессмента. Оценки ИИ совпали с выводами живых оценщиков на выборочной проверке, eNPS участников и руководителей высокий. Но всплыли и ограничения: искусственность и безэмоциональность («вычурно спокойный»), сомнения в валидности, когда кейс всего один, склонность «перехваливать», галлюцинации при транскрибации и капризная «температура» модели (то перехваливает, то грубит).
Формирование планов развития. Чат-бот помогает сотруднику собрать ИПР и подобрать форматы обучения. За два месяца — сотни участников; но обратная связь показала, что людям не хватает персонализации, и следующее решение делают индивидуальнее.
Про доверие к результатам. Стопроцентной гарантии, что ИИ нигде не ошибся, нет — но её нет и у живого ассессора, который устал или перегрелся. Помогает выборочная проверка, сверка с мнением руководителей и eNPS.
Что до беспристрастности: ИИ не считывает невербалику, но и в классическом ассессменте оценщик ориентируется в основном на действия и слова, а не на «нахмуренную бровь». Для массовых задач эти потери некритичны.
Что останется за человеком: touch и ответственность
Тренд не остановить (как переход с наличных на карты), но «нишевость» сохранится: часть компаний оставит human touch как осознанное конкурентное преимущество. Живой контакт особенно важен там, где человеку тревожно («а вдруг ИИ оценит — и зарплату не повысят», «его же не перебьёшь и не переубедишь»), и на верхних уровнях — коучинг, ассессмент топ-руководителей, критические позиции. Вряд ли человек, чей час стоит дорого, согласится, что напротив него ИИ-агент, а не опытный консультант.
Метафора. ИИ и человек — как синтетика и натуральные ткани. Сначала все увлекаются синтетикой, потом маятник качается назад: где-то технологичнее синтетика (спорт, зима), где-то приятнее натуральное (повседневность), а лучшие современные ткани сочетают и то и другое. Для каждой задачи — свой оптимальный инструмент. Та же логика — с возвратом физических кнопок в авто после сплошных сенсорных экранов: людям важно «потрогать».
И главное ограничение — ответственность. За решения о людях отвечает человек: в США автоматизированное принятие таких решений запрещено, финальный выбор («брать / не брать», «повышать / нет») всегда за человеком. ИИ не может нести ответственность — как автопилот не снимает её с водителя.
Совет. Оставляйте итоговое решение по людям за человеком. Отдавать ИИ можно ровно до той границы, пока вы сохраняете ответственность за результат. Исключение, которое уже встречается, — первичный отсев в массовом подборе, где ИИ решает, пропускать ли кандидата дальше.
Сам или через провайдера: как выбрать
Небольшой компании не обязательно разворачивать ИИ у себя: он уже «внутри» продуктов провайдеров (инструмент подбора давно включает ИИ). Важен результат по договору и гарантия сохранности данных, а как именно он достигается — право подрядчика.
Чёткого водораздела «делать самим или через провайдера» пока нет, каждый нащупывает его под свои ресурсы. Ориентиры такие:
- рутинные задачи без сильной методологии — можно делать самим: проще, дешевле, быстрее;
- задачи, где нужна экспертиза и методология, — оставить провайдеру;
- масштабируемость и воспроизводимость — если инструмент нужен регулярно, есть смысл сделать его «на своей стороне» (возможно, с помощью провайдера).
Совет. Не мыслите дихотомией «всё сам или всё на аутсорс». Есть вин-вин-вариант: провайдер передаёт вам настроенного ИИ-агента, и вы используете его внутри компании, сокращая трудозатраты, — без разворачивания всей инфраструктуры с нуля.
Как понять, что пора
Сигнал к внедрению — не хайп, а собственные процессы. Если у вас всё налажено и нет нехватки ресурса, гнаться «потому что тренд» не нужно. Главный показатель здоровья — культура и опросы сотрудников, а не наличие ИИ как такового.
Быть первопроходцем (early adopter) — это набивать шишки: упереться в неожиданные ограничения (например, стоимость токенов внезапно делает выгоднее «вернуть джунов»). Иногда разумнее подождать и внедрить позже — уже зная про эти шишки — и сделать лучше (как компания, которая редко выходит на рынок первой, но делает так, что лидеры теряют долю).
Осторожно с помпой. Если торжественно объявить «мы теперь среди ИИ-амбассадоров», а потом выяснить, что «одёжка не по размеру» (не хватает экспертизы, бюджета, людей), — это репутационный удар в глазах сотрудников. Заходить лучше тихо и по делу.
Отдельный сдвиг — меняются требования к людям. «Уверенный пользователь office» в резюме уже моветон; на его место приходит владение языковыми моделями. При этом растёт ценность критического мышления и падает потребность держать в голове большие объёмы информации. Но здесь есть тревожный сигнал: по данным исследования одного из ведущих университетов, за год у тех, кто активно пользовался ИИ (даже перепроверяя результаты), критическое мышление снижалось — а это как раз та компетенция, которая должна остаться.
Заключение
С ИИ в HR стоит отделять страхи от фактов. Похожие опасения звучали и раньше — про клиповое мышление, про то, что из-за навигаторов разучимся ориентироваться, а из-за телевизора перестанем читать; убедительных доказательств «поглупения» человечества так и нет. ИИ уже с нами — вопрос не «использовать или нет», а где именно и до какой границы.
Практический вывод панели: решение о внедрении принимайте от своих процессов и ответственности, а не от тренда. Оставляйте финальное слово за человеком, считайте эффект, для чувствительных данных выбирайте безопасный контур или надёжного провайдера — и помните, что для разных задач подходит разная «ткань». Как показывает пример лондонских таксистов, заучивающих город наизусть даже в эпоху навигаторов, живой навык не обесценивается — он становится нишей.
Спикеры
- Дина Симановская, начальник отдела оценки и карьерного развития, Билайн
- Роман Зобнин, HR-директор, Органон
- Стас Павлов, партнёр Formatta, эксперт в построении HR-процессов
Тезисы написаны автоматически с использованием ИИ
Реклама. ООО «Форматта», ИНН 7725307497, erid: 2Vtzqx9Tpnf
