Я работаю с ИИ в HR-процессах компаний — от рекрутинга до системы мотивации — и вижу, как одним это экономит недели, а другим множит проблемы. В статье покажу карту из 12 зон, где ИИ реально снимает нагрузку, а где может подставить.
Всем привет! Вы в блоге VK Tech, и это наша гостевая рубрика, где эксперты рассказывают, как мы будем работать дальше и как делать это лучше и эффективнее.
Я – Алла Попова, бизнес-стратег, кандидат психологических наук. Ко мне приходят, когда хотят внедрить ИИ, но непонятно, с чего начать и как не сломать то, что уже работает. Делюсь опытом, кейсами из практики и разбираю ошибки, из-за которых внедрение буксует.
Главный принцип: чем ближе ИИ к человеку, тем проще навредить
В HR-цикле есть процессы, где ИИ заходит на ура. Документы, аналитика, регламенты, скоринг резюме — все, что формализовано и не требует эмпатии. Здесь нейросеть работает быстрее и точнее человека.
Но есть процессы, где всё решает живой контакт. Финальное собеседование, разговор об увольнении, удержание человека, который уже решил уходить. ИИ может подготовить данные к такой встрече, но не провести ее.
Я разложила HR-цикл на 12 зон и разметила по уровню риска: куда не стоит заходить без человека, а где ИИ помогает без последствий.
Карта показывает общую картину — теперь разберем на двух конкретных примерах, как это работает на практике. Начнем с рекрутинга: здесь ИИ дает самую ощутимую экономию, но и ошибки обходятся дороже всего.
ИИ в рекрутинге: что ускоряется, а где можно нарваться на неприятности
Про рекрутинг и ИИ рассказывают на каждой конференции — но именно здесь цифры самые говорящие. 40% рабочего времени рекрутера уходит на подбор. Среднее закрытие вакансии — 90 дней. Уход сотрудника на испытательном обходится компании в 50–200% его годовой зарплаты — найм, обучение, простой позиции. Это не абстракция — это деньги.
Где ИИ ускоряет
✅ Написание вакансии. Было три-четыре часа, стало 20 минут. ИИ получает вводные по роли и требованиям — и выдает варианты под разные площадки.
✅ Скоринг резюме. Самый времязатратный этап. ИИ берет массив откликов, применяет критерии и раскладывает кандидатов по зеленым и красным флагам за считанные минуты вместо дней.
✅ Подготовка к интервью. ИИ формирует вопросы под конкретного кандидата, предлагает тестовое, подсвечивает зоны риска в опыте. Рекрутер приходит на встречу подготовленным, а не листает резюме за пять минут до звонка.
✅ Разбор после интервью. Рекрутер фиксирует впечатления, загружает в нейросеть — та собирает портрет кандидата с аргументами за и против. Готовый разбор можно сразу показать нанимающему менеджеру и обсуждать конкретику, а не ощущения.
Что может пойти не так
❌ Однотипные вакансии. ИИ пишет быстро, но у всех пишет похоже. Если выложить текст без правки — ваше предложение растворится в потоке одинаковых вакансий.
❌ Кандидаты обманывают ваши фильтры. Резюме собирают тем же ИИ, подгоняя под фильтры. Вместо пяти живых откликов рекрутер видит десятки «идеальных» — и наем превращается в угадайку. Доверять скринингу на 100% нельзя: нужен человек, который сможет отличить реальный опыт от красивой упаковки.
❌ ИИ не чувствует команду. ИИ выдает аккуратный разбор кандидата с аргументами и возникает ощущение, что решение уже принято. Но впишется ли человек в команду, потянет ли темп, сработается ли с руководителем — этого нейросеть не знает. Финальное решение нужно оставлять за человеком.
По моему опыту, ИИ экономит рекрутеру около 60 часов на каждые 10 вакансий — полторы рабочие недели. Это время можно вложить туда, где нейросеть бессильна: глубинные интервью со сложными кандидатами, переговоры по офферу, удержание тех, кто уже в команде.
ИИ в системе мотивации: нейросеть собрала данные, решения приняли люди
Зона компенсаций и аналитики на карте — зеленая, риск низкий. Задачи формализованы, ИИ справляется быстро и точно. Но иногда стандартный подход не работает.
Где ИИ ускоряет
✅ Анализ рынка зарплат. ИИ собирает данные по десяткам компаний за часы вместо недель: структура компенсаций, бенефиты, грейды, KPI.
✅ Сравнение бенефитов. Нейросеть сопоставляет пакеты по отрасли, региону и размеру компании — на выходе структурированная сводка, а не хаотичная подборка.
✅ Расчет грейдов. ИИ накладывает внутренние данные на рыночные и предлагает варианты грейдовой сетки.
Что может пойти не так
❌ Устаревшие данные. Зарплатный рынок меняется быстро. Если не указать период — нейросеть может выдать прошлогоднюю аналитику как актуальную.
❌ Цифры без контекста. ИИ показывает, что у конкурентов грейд выше, но не учитывает, что у них другая бизнес-модель или регион. Без человека, который знает внутреннюю кухню, данные — бессмысленный шум.
❌ Иллюзия готового решения. ИИ выдает красивую аналитику — и кажется, что осталось только утвердить. Но какие грейды оставить, как перестроить ФОТ, что вынести на совет директоров — это всегда решение человека.
Ко мне обратился HR-директор крупной компании: нужна была новая система мотивации для штата 200+ человек. Загвоздка — компания единственная в своей нише на российском рынке, сравнивать не с кем.
Мы направили ИИ на зарубежный рынок. Через Perplexity собрали данные по 15 аналогичным компаниям: компенсации, бенефиты, грейды, KPI. Сопоставили с внутренними данными, адаптировали и вынесли на совет директоров. Итог — система принята и внедрена. На исследование ушло 40 часов вместо полугода.
ИИ не принял ни одного решения. Какие грейды оставить, как перестроить ФОТ, что утвердить — всё это решали люди.
Две ошибки, которые убивают результат от внедрения ИИ
За два года я видела десятки внедрений — успешных и провальных. И почти все провалы сводятся к двум одинаковым ошибкам.
Автоматизация хаоса. Если процесс не выстроен, ИИ не починит его, а сломает быстрее и масштабнее. Сырые данные на входе = мусор на выходе, только красиво оформленный. Простая проверка: опишите процесс, который хотите отдать ИИ в пяти шагах — четко, без оговорок. Не вышло? Сначала наведите порядок.
Для порядка в кадровых процессах используйте VK HR Tek
Упростите взаимодействие с HR-службой и автоматизируйте задачи сотрудников и руководителей — оформление документов, запросы, согласования. Модули покрывают весь HR-цикл — от найма и адаптации до внутренних процессов, развития и завершения работы в компании.
ИИ сочиняет данные. Когда нейросеть не находит нужную информацию, она не признаётся и подставляет что-то правдоподобное — галлюцинирует. Цифры выглядят убедительно, расчеты красиво сходятся, а потом вы защищаете их на совете директоров — и выясняется, что половину ИИ придумал. Решение простое: пропишите в промпте «если не нашел данные — спроси, не додумывай». Проверьте свой последний промпт прямо сейчас. Есть там такая инструкция? Если нет — стоит добавить.
В 2025 году Deloitte сдал правительству Австралии отчет на 237 страниц по контракту на $290 000. Исследователь обнаружил в нём ссылки на несуществующие научные работы и выдуманную цитату из судебного решения. Deloitte пришлось вернуть часть оплаты. Вскоре аналогичные ошибки нашли и в их отчете для Канады — уже за $1,1 млн.
Чтобы избежать обеих ошибок, нужно внедрить правило: без проверки человеком из нейросети не уходит ничего. Ни отчет, ни аналитика, ни презентация.
С чего начать и где остановиться
Рекрутинг и система мотивации в этой статье — не случайный выбор. Это два примера из разных зон карты, которые показывают один принцип: ИИ забирает на себя рутину и аналитику, но там, где нужен живой контакт, он остаётся только помощником, а не исполнителем. Принцип работает везде — от HR-администрирования до корпоративной культуры.
Я бы не рекомендовала автоматизировать всё сразу. Откройте карту, найдите зеленую зону, которая съедает больше всего времени у команды, — и начните с неё. Один процесс, один промпт. Засеките, сколько заняло с ИИ, сравните с тем, сколько уходило раньше. Если экономия ощутимая — двигайтесь дальше по карте.
ИИ в HR — не волшебная таблетка и не угроза профессии. Это инструмент с понятными зонами силы и понятными зонами риска. Карта перед вами — дальше решаете вы.
А вы уже пробовали ИИ в HR — или пока присматриваетесь? Если внедряли — что реально ускорилось и где застряли? Расскажите в комментариях, обсудим.