Идет защита бюджета на следующий год. Компания выросла, и вы просите двух рекрутеров и специалиста по обучению. Финансовый директор дослушивает и спрашивает: «А ИИ это не закроет?»
Вопрос неудобный. Ответить «нет» нельзя, потому что часть работы HR агенты уже делают, и делают хорошо. Ответить «да» тоже нельзя: следующим вопросом будет, сколько людей в HR тогда нужно вообще.
Мы в Codenrock делаем инструменты для оценки и развития сотрудников и по работе много разговариваем с HR-директорами. Этот вопрос в разных формулировках звучит все чаще. Аналитики Gartner отмечают, что финансовые директора уже оценивают, можно ли за счет ИИ сократить численность HR. В Shopify его записали в правила: прежде чем просить людей и бюджет, команда должна показать, почему задачу нельзя решить с помощью ИИ.
За вопросом финансового директора стоят три задачи на ближайшие два-три года. Как оценивать людей, когда ИИ есть и у кандидата, и у компании. Как оценивать потенциал, когда нужного опыта нет ни у кого. Как устроить работу HR, чтобы команда прежнего размера справлялась с выросшей компанией. Ниже наши рассуждения по каждой и примеры тех, кто уже попробовал.
Оценка, когда ИИ есть у обеих сторон
Рекрутер открывает вакансию в понедельник, к среде на нее триста откликов. Сопроводительные письма написаны одинаково гладко, резюме повторяют текст вакансии почти слово в слово. Раньше аккуратный отклик что-то говорил о человеке. Теперь он говорит о том, что у человека есть нейросеть.
Это видно и по большим числам. На LinkedIn, по данным The New York Times, подается около 11 000 откликов в минуту, на 45% больше, чем годом раньше.
Обесценились сразу несколько привычных признаков. Резюме и письмо пишет ИИ. Домашнее задание решает ИИ. На видеовстрече ИИ подсказывает ответы в соседнем окне. Со стороны компании происходит то же самое, потому что триста откликов руками уже не разобрать. Получается переписка двух нейросетей, в которой люди почти не участвуют.
Компании пробуют два выхода. У каждого своя цена.
Первый выход: вернуть очную встречу. Так поступили Google и Cisco, а агентство по подбору ИТ-специалистов рассказало The Wall Street Journal, что очных собеседований просит уже каждый третий его клиент. Годом раньше таких было около 5%. Способ надежный. Но для растущей компании он дорогой: людей приходится искать в других городах, руководители тратят на встречи часы. И проверяется на такой встрече в основном то, что человек знает без подсказки. На работе подсказка у него будет каждый день.
Второй выход: разрешить ИИ и смотреть, как человек с ним работает. Meta (признана в России экстремистской организацией и запрещена) с октября 2025 года заменила один из двух этапов по программированию на часовое задание с ИИ-помощником. Кандидат получает чужой проект, чинит в нем ошибки и дописывает функции. Критерий внутри компании пересказывают так: ИИ использовать нужно, но надо показать, что понимаешь код.
Нам второй путь кажется более честным по отношению к работе. Вопрос «знает ли он ответ» теряет смысл, когда ответ знает нейросеть. Остается другой вопрос: понимает ли человек то, что ему выдали. Видит ли ошибку, может ли объяснить свой выбор, что сделает, когда подсказка неверна. Подвох в том, что такие задания труднее готовить. Вопросы из готового списка здесь не работают, задание приходится собирать из настоящих рабочих ситуаций.
Есть третья сторона, о которой легко забыть. Это сами кандидаты. Разработчик системы для найма Greenhouse в мае 2026 года опубликовал опрос соискателей. В его американской части (1 200 человек) 63% уже проходили собеседование с ИИ, а 38% из-за такого собеседования бросили процесс найма. 70% никто заранее не предупредил, что оценивать будет машина.
В обсуждении на Reddit, которое пересказала Business Today, один из участников сформулировал претензию коротко: лицемерно, что компании используют ИИ на интервью, а кандидатам это запрещают. Автор той ветки, к слову, уже работал и новое место выбирал спокойно. Логично, что первыми уходят те, кому есть из чего выбирать.
На месте HR-директора мы бы начали с трех вещей:
- Пересмотреть задания. Оставить те, по которым видно понимание: человек объясняет свое решение и находит ошибку в чужом.
- Написать для кандидата правила про ИИ: на каких этапах им можно пользоваться и на каких нельзя.
- Сказать кандидату, где ИИ использует сама компания и на каком шаге решение принимает человек.
Потенциал, когда опыта нет ни у кого
Руководитель направления приносит заявку: нужен человек с опытом внедрения ИИ-агентов от трех лет. Таких людей на рынке почти нет, технология в нынешнем виде моложе этого требования. Через месяц заявку переписывают: «Ладно, возьмем толкового и научим». И тут выясняется, что толкового надо как-то отличить от остальных.
О найме по навыкам вместо формальных признаков говорят давно, но приживается он плохо. Гарвардская школа бизнеса и Burning Glass Institute проверили, что изменилось после того, как крупные работодатели начали убирать из вакансий требование диплома. Реальный наем изменился меньше чем в одном случае из 700. Около 45% компаний поменяли только текст вакансии.
Наше объяснение такое. Строчка в резюме работает как страховка для того, кто нанимает. Если не справился человек с десятью годами опыта, виноват человек. Если не справился человек без опыта, виноват тот, кто его взял. Пока у руководителя нет другой страховки, он будет возвращаться к стажу и диплому, что бы ни было написано в вакансии.
Отсюда задача HR-директора: дать руководителю другое основание для решения. Мы видим три рабочих варианта.
Задание, похожее на настоящую работу. Canva вместо классической алгоритмической задачи просит спроектировать систему управления взлетами и посадками в загруженном аэропорту и смотрит, как кандидат принимает решения. Готового ответа у такой задачи нет, поэтому виден ход мысли.
Обучение внутри оценки. Человеку дают материал, которого он заведомо не знает, и через час проверяют, как он его применил. Так проверяется скорость, с которой он осваивает новое. Для задач, где опыта нет ни у кого, это, на наш взгляд, самое близкое к прогнозу, что можно получить за один день.
Свои сотрудники. О них компания знает больше, чем о любом внешнем кандидате: результаты оценок, отзывы руководителей, то, как человек уже осваивал новое. Здесь мы регулярно слышим одну и ту же фразу: «Все ведем в Excel». Пока оценки лежат в файлах у разных людей, на вопрос «кого из своих можно перевести на новую задачу» отвечают по памяти. Когда данные собраны в одном месте, на него отвечают по ним.
Команда прежнего размера, компания больше
Теперь к вопросу финансового директора. Прогнозы на этот счет резкие. Gartner ожидает, что к 2030 году половину нынешних задач HR будут выполнять ИИ и ИИ-агенты. Josh Bersin Company считает, что HR-службы за это время станут меньше на 30–50%. Это расчетные модели, и читать их стоит как направление.
Измеренный пример тоже есть. В IBM внутренний агент AskHR закрывает без участия человека 94% типовых вопросов сотрудников. Операционные расходы HR за четыре года снизились на 40%, агенты взяли на себя работу нескольких сотен человек. Глава компании говорил, что общая численность IBM выросла: высвободившиеся деньги пошли в другие направления, наем сместился к разработке и продажам.
Стоит посмотреть, что именно ушло агентам. Это справочная и диспетчерская часть работы: ответить про отпуск, найти документ, напомнить, переслать, сверить. По нашему опыту, в цикле оценки 360 больше всего сил уходит на напоминания тем, кто не заполнил анкету. Вот эта часть и уходит. Решения остаются у людей: кого взять, кого повысить, что делать с конфликтом в команде.
Здесь есть подвох, и его хорошо показала Klarna. В 2024 году компания сообщала, что ИИ-помощник в поддержке клиентов делает работу 700 операторов. Через год ее глава признал, что ставка на экономию зашла слишком далеко и качество упало. Компания снова стала нанимать людей. В HR цена такой ошибки, на наш взгляд, выше. Недовольный клиент уходит, а недовольный сотрудник остается и рассказывает об этом коллегам.
И еще одно, про слова. В июле 2024 года разработчик HR-систем Lattice объявил, что ИИ-агенты получат в его продукте карточки сотрудников и место в оргструктуре. Через три дня, после волны критики в соцсетях, компания отказалась от этой идеи. Мы вспоминаем эту историю, когда слышим от HR-директоров: «ИИ должен помогать, а не заменять». За фразой стоит понятный расчет. Люди в HR-команде читают те же новости о сокращениях. От того, как руководитель назовет происходящее, зависит, станут они помогать или будут тихо тормозить.
Один человек ведет цикл, который раньше вел отдел
Теперь о том, куда это, по нашему мнению, придет.
Сегодня HR-система устроена как набор разделов: подбор, адаптация, оценка, обучение. В каждом свои настройки, и в команде часто есть один человек, который знает, где что нажимать. Когда он в отпуске, запуск оценки ждет его возвращения.
Следующий шаг уже виден по отдельным продуктам. В России hh.ru в ноябре 2025 года запустил «ИИ-помощника», которому можно поручить текст вакансии, приглашения, разбор откликов и первый разговор с кандидатом. У LinkedIn есть похожий агент для рекрутеров. Пока это части одного процесса, подбора. Мы думаем, что через два-три года так будет устроен весь цикл работы с людьми: специалист пишет задачу обычными словами, система раскладывает ее на шаги и выполняет.
Как это может выглядеть:
- «Нужны два менеджера по продажам к ноябрю». Система собирает профиль роли и задание под него, рассылает кандидатам, проверяет ответы и показывает короткий список.
- «В понедельник выходит новый сотрудник». Заводит профиль, назначает стартовую оценку, собирает план на первые недели.
- «Проведи оценку отдела продаж». Готовит вопросы по компетенциям, запускает цикл, напоминает тем, кто не ответил, собирает отчет и черновики планов развития.
- «Кого из команды можно повышать?» Сводит результаты оценок и показывает, кто к чему готов и чего кому не хватает.
На этом месте нам обычно возражают: «Зачем система, если есть ChatGPT?» Разница в том, что происходит после ответа. Обычный чат отдает текст, и дальше кто-то все равно должен разослать, напомнить, собрать и сохранить. Здесь задание уходит кандидату, напоминание приходит сотруднику, результат остается в системе. И остается у компании. Когда специалист увольняется, таблицы и переписка обычно уходят вместе с ним.
Для HR-директора это означает, что один человек сможет вести цикл, который раньше вел отдел. Мы понимаем, как это звучит для руководителя, у которого в команде пять человек. Но в растущих компаниях, с которыми мы разговариваем, выбор обычно выглядит иначе. Штат HR не увеличивают вместе с компанией. Тогда либо часть работы откладывается (оценку переносят на следующий год, на адаптацию не хватает рук), либо ее ведет система под присмотром человека.
Что остается у человека:
- Решения о людях. Взять, отказать, повысить, расстаться.
- Правила, по которым работает система. Кого считать сильным кандидатом, какие компетенции важны для роли, какие вопросы допустимы. Это методика. Когда HR-директора говорят нам «важно сохранить контроль и методику», они говорят об этом.
- Исключения и конфликты. Все, что не укладывается в правило.
- Проверка. «Кто проверит ИИ, когда сотрудников тысяча?» Тот же человек, только проверка устроена иначе. Он смотрит выборку и все случаи, где система сомневается или где решение затрагивает конкретного человека.
Об ограничениях стоит знать заранее.
Агент ошибается. Первые месяцы его работу проверяют плотно, и это время нужно закладывать в план.
Агенту нужны данные в одном месте. Если половина сведений о людях лежит в таблицах, он будет работать с половиной.
Есть закон. Статья 16 закона о персональных данных запрещает решения, которые затрагивают права человека и приняты исключительно автоматически. Исключений два: письменное согласие человека или прямое указание федерального закона. Отказ кандидату без участия человека на такое решение очень похож. По статье 64 Трудового кодекса причину отказа по требованию кандидата нужно сообщить письменно за семь рабочих дней, и шаблонное письмо от системы эту обязанность не закрывает. Рабочее правило простое: агент готовит, решает человек. Свою схему отбора стоит показать юристу.
Насколько это близко. В опросе Talantix и hh.ru осенью 2025 года использовать ИИ в подборе собирались 46% российских работодателей, среди крупных 61%. Намерение есть почти у половины. Целиком такой способ работы, по нашим наблюдениям, пока мало у кого собран, и время разобраться спокойно еще есть.
С чего начать
Пять шагов для компании от ста до тысячи человек, где HR состоит из нескольких специалистов.
- Расписать один процесс по шагам. Например, адаптацию. В каждом шаге отметить, где принимается решение, а где идет пересылка, напоминание и сверка. Вторая группа и есть работа для агента.
- Собрать данные о людях в одном месте. От этого шага зависят все остальные, и он полезен сам по себе: история перестает зависеть от одного сотрудника.
- Пересобрать оценку. Задания, близкие к работе. Правила про ИИ для кандидата. Понятное предупреждение о том, где ИИ использует компания.
- Записать, какие решения остаются за людьми, и рассказать об этом своей команде. Лучше сделать это до запуска, чтобы команда узнала о планах от вас.
- Запустить один цикл и мерить. Часы команды, сроки, число ошибок агента, оценку от самих сотрудников. Через квартал будет видно, что переносить дальше.
По этой схеме мы строим Vibe: оценка при найме, компетенции, обратная связь 360 и планы развития лежат в одной системе, а запуск этих циклов из чата сейчас в разработке.
Что ответить финансовому директору
Вернемся на защиту бюджета. Нам кажется честным такой ответ: «Да, часть работы закроет ИИ, и вот какая». Дальше идет список. Что отдаем агентам в этом году. Что остается людям и почему. Как через квартал проверим, что получилось. После такого ответа обсуждают устройство работы, и ведет этот разговор HR-директор.
Кто-то в компании все равно будет решать, что агентам можно поручать про людей. Глава Nvidia Дженсен Хуанг считает, что отделом кадров для ИИ-агентов станет ИТ. Moderna объединила HR и ИТ в одну службу и отдала ее своему HR-директору. Нам ближе второй вариант. Правила для агентов собираются из того, что HR и так ведет: профили ролей, модели компетенций, критерии оценки, порядок проверки качества. ИТ может подключить агента и выдать ему доступы. Что считать хорошей работой с людьми, в компании определяет HR.
Частые вопросы
Заменят ли ИИ-агенты HR-специалистов?
Агенты забирают справочную и диспетчерскую работу: ответы на типовые вопросы, напоминания, пересылку, сверку данных. В IBM агент закрывает 94% типовых вопросов сотрудников. Решения о найме, повышении, увольнении и конфликтах остаются у людей. Прогнозы Gartner и Josh Bersin Company о сокращении HR-команд к 2030 году построены на расчетных моделях.
Может ли один HR-специалист вести найм, адаптацию и оценку с помощью ИИ?
К этому идут продукты: специалист пишет задачу словами, система раскладывает ее на шаги, рассылает задания, напоминает и собирает результат. Сейчас так работают отдельные части подбора, например «ИИ-помощник» hh.ru. У человека остаются решения о людях, правила работы системы, исключения и проверка результата.
Какие задачи HR отдавать ИИ-агентам в первую очередь?
Те, где нет решения о человеке: пересылку, напоминания, сверку данных, ответы на вопросы о правилах компании, сбор материалов к оценке. Удобно начать с одного цикла, например с адаптации новых сотрудников, и измерять часы команды, сроки и число ошибок агента.
Можно ли в России отказать кандидату по решению ИИ?
Статья 16 закона о персональных данных запрещает решения, которые затрагивают права человека и приняты исключительно автоматически. Они допустимы при письменном согласии человека. По статье 64 Трудового кодекса причину отказа по требованию кандидата сообщают письменно за семь рабочих дней. Безопаснее схема, где ИИ готовит оценку, а отказ подтверждает специалист.
Как оценивать кандидатов, если все пользуются нейросетями?
Есть два подхода. Первый: вернуть очный этап, как сделали Google и Cisco. Второй: разрешить ИИ и проверять, понимает ли человек полученный результат, как это делает Canva на собеседованиях инженеров. В обоих случаях кандидату стоит заранее сказать, где ИИ разрешен и где его использует компания.
