Разговоры о том, что ИИ заменит HR, идут третий год подряд, и за это время рынок успел пройти путь от восторга до усталости. Короткий ответ: нет, но работа изменится сильнее, чем кажется. Алгоритмы забирают не профессию, а операции внутри неё — те, где нужно быстро обработать много однотипных данных. Чем больше задача зависит от контекста, неполной информации, переговоров, ответственности за последствия, тем выше роль человека: даже при развитии моделей такие решения требуют человеческого контроля.
Разбираем по-честному: что уже делается без участия HR, где проходит граница, как меняется роль специалиста и что стоит сделать руководителю, который прикидывает, можно ли сократить HR-функцию за счёт технологий. Позиция здесь наша, агентства CorpStaff, — она сложилась из того, что мы сами автоматизировали в петербургском подборе и от чего отказались.
Что ИИ уже умеет делать вместо HR
Список короче, чем обещают на конференциях, но он реальный.
Первичный отсев откликов. Алгоритм сопоставляет резюме с требованиями вакансии и сортирует по релевантности. Он помогает расставить приоритеты, а рекрутер смотрит и релевантные, и пограничные профили.
Ответы на типовые обращения. Бот отвечает кандидату в момент отклика и сотруднику по вопросам про отпуск или документы. Забирает не разговор, а ожидание в очереди.
Расшифровка и структурирование интервью. Транскрипт, краткая выжимка по компетенциям вместо конспекта во время разговора. Рекрутер слушает, а не пишет.
Черновики текстов. Вакансии, письма кандидатам, регламенты, планы адаптации. Модель даёт заготовку, человек правит смысл и тон.
Сбор отчётности. Воронка, сроки, источники откликов подтягиваются автоматически: при настроенной системе значительную часть такой отчётности уже не нужно сводить руками к дате.
Общее у всех пунктов одно: алгоритм уверенно работает там, где решение принимается по заранее описанному правилу, а объём данных большой. Чем больше задача требует интерпретации и профессионального суждения, тем важнее человеческая проверка.
Где проходит граница на практике
Проще всего увидеть её на конкретной вакансии. Возьмём подбор оператора склада в Петербурге.
Что уходит алгоритму. Сбор откликов в одну воронку. Отсев тех, кому не подходит сменный график или дорога. Ответ кандидату в момент отклика, включая вечер и выходные. Напоминание о собеседовании. Отчёт по итогам недели: сколько пришло, сколько дошло до интервью, где потеряли.
Что остаётся человеку. Разговор с нанимающим менеджером о том, кто вообще нужен. Решение по спорному кандидату — опыт формально не тот, но человек производит впечатление. Звонок тому, кто пропал после интервью. Обсуждение вилки, когда финалист просит больше. Ответ на вопрос кандидата, который не был предусмотрен сценарием.
Если свести это в таблицу, граница видна сразу:
Граница между алгоритмом и человеком
Этап работы
Кто делает
Почему так
Сбор и сортировка откликов
Алгоритм
Правила заданы заранее, объём большой
Первый ответ кандидату
Алгоритм
Здесь особенно важна скорость, а содержание можно стандартизировать заранее
Отсев по формальным критериям
Алгоритм
Критерий проверяемый: график, дорога, допуск
Разбор спорного профиля
Человек
Нужен опыт, а не совпадение по словам
Содержательное интервью и интерпретация мотивации
Человек
Смысл в том, что стоит за ответом
Переговоры об оффере
Человек
Цена ошибки — сорванный наём
Решение о найме
Человек
За него отвечают перед людьми и законом
Разница не в сложности задач, а в их природе. Первый список — это операции с данными по правилам. Второй — решения в условиях неполной информации, где цена ошибки лежит на компании. Прогресс в первом сам по себе не решает задач второго: там меняются не требования к точности модели, а требования к ответственности за результат.
Что не стоит полностью передавать ИИ
Слово «никогда» здесь стоит понимать не как техническое ограничение — модели будут точнее. На горизонте, который имеет смысл учитывать бизнесу сейчас, есть задачи, которые не стоит полностью передавать алгоритму: не потому, что он ничего не умеет, а потому, что цена ошибки и ответственность остаются на компании.
Ответственность за решение. Последствия кадрового решения несут компания и конкретные должностные лица. Поэтому автоматическая оценка остаётся инструментом поддержки, а не единственным основанием для решения.
Считывание контекста и мотивации. Почему кандидат уходит с прежнего места на самом деле, выдержит ли он темп конкретной команды, что для него значит «интересные задачи». В разговоре важны не только слова: уточняющие вопросы, противоречия между ответами, детали опыта, реакция на конкретные условия вакансии дают больше, чем сама формулировка.
Переговоры об оффере. Здесь нужно уточнять приоритеты кандидата, обсуждать компромиссы и балансировать интересы компании и человека, предлагая не только деньги. Ошибка на этом этапе стоит месяца работы всей воронки.
Конфликты и трудные разговоры. Увольнение, разбор ситуации в команде, обратная связь по результатам испытательного срока. Передать это боту — не экономия, а репутационный риск.
Проверяемость решений. Отказ кандидату должен иметь объяснимую причину. Компании, использующие автоматический скоринг, должны понимать, по каким критериям сформирована рекомендация, и сохранять возможность человеческой проверки, — иначе бизнес оказывается в уязвимом положении и с точки зрения закона, и с точки зрения бренда работодателя. Поэтому оценку кандидатов целиком на автоматику обычно не переводят даже там, где остальное давно автоматизировано.
Как меняется роль HR в компаниях с ИИ
Главное смещение — от исполнения к проектированию. Раньше значительная часть работы HR состояла в том, чтобы самому пройти по всем шагам процесса. Теперь шаги выполняет система, а человек её настраивает и проверяет.
Это меняет набор ежедневных действий. Вместо «просмотреть двести откликов» — «настроить критерии отсева и проверить, кого система отсеяла зря». Вместо «написать сорок писем» — «сделать шаблоны и убедиться, что они не звучат как рассылка». Вместо «собрать отчёт» — «прочитать отчёт и понять, где воронка проседает».
Что это значит в цифрах рабочего дня
Сколько времени рекрутер тратит на механику, зависит от объёма найма и устройства процессов, поэтому универсальной доли здесь нет — её имеет смысл замерить у себя недельным хронометражем. После автоматизации эта доля обычно падает, но освободившееся время не превращается в паузу: оно уходит на то, что раньше делалось урывками. Больше живых разговоров с кандидатами, больше времени на брифинг с заказчиком, больше внимания к финалистам.
Отсюда практический вывод для руководителя: автоматизация HR чаще меняет не численность, а содержание работы штата. Если цель именно в сокращении, честнее считать не «сколько людей уберём», а «сколько вакансий закроем тем же составом».
Три сценария для HR-функции
Компании, которые уже прошли автоматизацию, приходят к одному из трёх исходов. Полезно понимать заранее, какой из них вы выбираете.
Сценарий 1. Тот же состав закрывает больше вакансий. Один из наиболее понятных исходов: после автоматизации команда может вести больше вакансий одновременно, если качество отбора и коммуникации не снижается. Штат не меняется, стоимость найма падает за счёт скорости.
Сценарий 2. Состав сокращается, качество падает следом. Возникает, когда автоматизацию покупают именно как способ сократить расходы. Если сокращение происходит без перераспределения содержательной работы, возможен обратный эффект: меньше внимания к финалистам, нанимающим менеджерам и адаптации. Тогда экономия на ресурсе HR может сопровождаться снижением качества найма, причём заметно это становится не сразу.
Сценарий 3. HR переключается на более сложные задачи. Освободившееся время уходит не на новые вакансии, а на то, чего раньше не было: аналитику рынка труда, работу с брендом работодателя, обучение нанимающих менеджеров интервью. Это самый долгий по отдаче путь и самый заметный по влиянию на бизнес.
Ни один из трёх не наступает сам по себе — сценарий выбирает руководитель в тот момент, когда решает, чем занять освободившееся время. Технология здесь нейтральна.
Какие навыки станут важнее
Не абстрактное «развиваться», а конкретные вещи, которые уже сегодня отличают сильного специалиста.
Работа с метриками. Понимать свою воронку в цифрах: где отваливаются кандидаты, сколько стоит закрытие, что изменилось после правки требований.
Постановка задач модели. Умение описать роль, компетенции и контекст так, чтобы на выходе получился рабочий результат, а не общие места.
Критическая проверка результата. Видеть, где алгоритм ошибся: отсеял смежный опыт, принял приукрашенное резюме за сильное, придумал деталь, которой не было.
Переговоры. Одна из тех частей найма, где ценность человеческого участия сохраняется особенно высокой.
Аналитика рынка труда. Обосновать вилку и требования данными, а не ощущением. Это же и есть аргумент в разговоре с нанимающим менеджером.
Работа с персональными данными. Понимать, что можно загружать в сторонний сервис, а что нельзя, и как оформлено согласие кандидата.
Как проверить себя по этому списку
Простое упражнение на десять минут. Возьмите свою последнюю закрытую вакансию и разложите работу по ней на две колонки: что вы делали руками и что решали головой. Если в первой колонке много повторяющихся операций по понятным правилам, там есть потенциал для автоматизации. Чем больше во второй колонке решений, переговоров и работы с контекстом, тем выше доля задач, где ценность специалиста определяется не скоростью обработки информации, а качеством суждения.
Упражнение полезно и как аргумент в разговоре с руководителем: оно превращает абстрактный спор о ценности HR-функции в конкретный список задач, который можно обсуждать.
Прогнозы: рынок труда HR через 5 лет
Точных прогнозов с процентами здесь не будет — они всегда красивые и всегда мимо. Осторожно можно говорить о трёх вещах.
Доля автоматизированных операций в верхней части воронки, скорее всего, будет расти. Сбор откликов, первичная квалификация, ответы на типовые вопросы — здесь ручного труда, вероятно, останется меньше всего.
В финальном отборе человеческое участие, вероятно, сохранится дольше всего — особенно на позициях с высокой ценой ошибки. Скорее вырастет требование объяснять, как решение принято.
Регулирование, вероятно, ужесточится. Разговор о прозрачности алгоритмов и защите данных кандидатов идёт давно, и компаниям стоит закладывать, что требования к обоснованию отказов будут расти.
Что из этого следует для специалиста: под давлением оказывается не профессия, а её операторская часть. Будущее профессии HR выглядит не как исчезновение, а как расслоение — между теми, кто умеет строить и проверять процесс, и теми, кто умел только выполнять его руками.
Стоит держать в голове и обратный эффект. Чем больше компаний автоматизирует верх воронки, тем более одинаковыми становятся первые касания с кандидатом: похожие боты, похожие вопросы, похожие формулировки в вакансиях. Конкурентным преимуществом становится ровно то, что не автоматизируется, — внятный разговор с человеком и честные условия. На дефицитных рынках труда это особенно заметно, потому что кандидат нередко сравнивает сразу несколько возможностей.
Как HR-специалисту адаптироваться
Практический минимум, который можно начать на этой неделе:
Выберите одну рутинную задачу — ту, что делаете чаще всего, — и передайте её модели.
Научитесь проверять результат. Заведите привычку спрашивать себя, что здесь может быть неправдой.
Освойте метрики своей воронки. Хотя бы срок закрытия, конверсию по этапам, время первого ответа.
Оставьте за собой решения. Решения, которые напрямую влияют на человека или условия найма, должны оставаться под контролем ответственного сотрудника, даже если подготовку к ним делает система.
Фиксируйте эффект в цифрах. Сэкономленные часы — лучший аргумент в разговоре с руководителем о своей роли.
Что стоит сделать руководителю
Если вы смотрите на эту тему со стороны бизнеса, порядок вопросов такой:
Посчитайте, сколько времени HR-функция тратит на механику. Хронометраж одной недели даст ответ точнее любых оценок.
Решите, во что превращается сэкономленное время. Больше вакансий, новые задачи или сокращение — это управленческое решение, а не следствие технологии.
Зафиксируйте, что остаётся за людьми. Решение о найме, разговор о деньгах, обратная связь. Лучше письменно, чтобы через полгода это не размылось.
Проверьте не только скорость, но и качество. Через полгода сравните долю прошедших испытательный срок, отказы после оффера, обратную связь нанимающих менеджеров, число ошибочных отсевов. Одной метрики здесь мало: на удержание влияют и руководитель, и адаптация, и условия.
О четвёртом пункте вспоминают реже всего, хотя только он отвечает на главный вопрос: компания стала нанимать качественнее или просто быстрее.
Полезно помнить и про обратный счёт: время, которое команда тратит на поддержку инструментов, тоже стоит денег. Настройка сценариев, проверка качества, разбор жалоб кандидатов — это не ноль, и в честном расчёте эффекта эти часы вычитаются из сэкономленных.
Что в итоге
Вопрос «заменит ли ИИ HR-специалиста» плохо поставлен. Правильный звучит так: какую часть своей работы вы готовы отдать, чтобы освободить время на ту, где вас никто не заменит.
В CorpStaff мы ответили на него практикой. Алгоритмы держат первичный контакт и собирают ответы на проверяемые условия вакансии, а диалог уходит к рекрутеру, как только речь заходит о мотивации, деталях опыта или деньгах. Автоматизируется ожидание и повторяющиеся действия, но не сама работа с кандидатом. Подбор персонала от этого не стал менее человеческим — наоборот, на человеческую часть наконец хватает времени. И решение по каждому кандидату по-прежнему принимает тот, кто за него отвечает.