ИИ в HR: как меняет структуру корпоративного управления

Я, Екатерина Александрова, CPO EmplDocs, по роду своей деятельности наблюдаю сейчас, как искусственный интеллект меняет подход в HR-процессах и забирает на себя большую часть ролей. Изучив данные, о том, что более 70% организаций в России уже внедрили ИИ-инструменты в свои процессы, могу сказать, что HR-подразделения оказались на передовой этой трансформации.

Причина здесь понятна, ведь значительная часть кадровых процессов завязана на обработке массивов типовой информации (резюме, внутренние запросы, документооборот), что делает их идеальной средой для передачи ИИ-агентам.

Аналитика рынка: от автоматизации к перераспределению ролей

На практике вижу, как ИИ-агенты постепенно становятся таким же стандартом, как CRM или ERP-системы. Если заглянуть в мировую статистику, то увидим прогноз от Gartner — мировые расходы на искусственный интеллект в 2026 году могут достигнуть $2,5 трлн., что на 44% больше к 2025 году. Уже к 2026 году около 40% корпоративных приложений будут оснащены автономными ИИ-агентами — системами, способными выполнять рабочие процессы без прямого участия человека.

Смотрим дальше на исследования Anthropic, и видим интересную статистику: категория «Office & Administrative» (Офис и Администрация), куда входит HR, обладает потенциалом в ИИ-автоматизации до 94%. На практике алгоритмы уже закрывают 42% реальных задач в этом сегменте, по их данным.

Как утверждают McKinsey, компании активно передают нейросетям рутинные административные операции, что неизбежно ведет к перераспределению ролей и оптимизации штата. И это действительно происходит на уровне отдельных функций, операционная нагрузка сокращается, а требования к HR смещаются в сторону аналитики и цифровым навыкам работы с ИИ.

Международный опыт: миллионная экономия и сокращения бэк-офиса

Возьмем пример из крупного бизнеса, который внедряет алгоритмы для радикального ускорения процессов и снижения операционных затрат:

• Hilton: оптимизация подбора. Внедрили ИИ-систему в рекрутинг сократило время от первого отклика до оффера с 42–50 дней до 5 дней.
• Unilever и Guardian: автоматизация первичного скоринга. Они проводят анализ видеоинтервью с помощью ИИ экономит компаниям сотни тысяч фунтов и до 100 000 рабочих часов рекрутеров ежегодно.
• IBM: масштабная замена персонала ИИ. Компания внедрила ИИ-агента AskHR для внутреннего обслуживания сотрудников.  В результате IBM достигли снижения операционных затрат HR-отдела на 40%, обработка 94% типовых запросов происходит без участия человека (из 11,5 млн обращений в год). На фоне этой автоматизации IBM провела сокращение около 8 тысяч сотрудников бэк-офиса и поддерживающих подразделений.

Опыт мировых корпораций доказывает одну истину, по моему мнению: экономический эффект от внедрения генеративного ИИ достигается не при замене одного конкретного сотрудника алгоритмом, а при полном реинжиниринге всего процесса. Зарубежный рынок сейчас активно перестраивает штатные расписания, сокращая те роли, которые не приносят прямой ценности продукту.

Российская практика: фокус на предиктивную аналитику и скорость найма

Согласно данным Яков&Партнеры, около 71% российских компаний уже используют ИИ-инструменты. При этом потребность в кадрах, по их данным, способных поддерживать такие решения, стремительно растет и к 2030 году рынку потребуется дополнительно 89 тысяч специалистов со знаниями в управлении ИИ-алгоритмами.

Отечественный бизнес показывает реальные результаты и опыт внедрения ИИ в HR:

• Северсталь: использование ИИ-аналитики для сопоставления резюме с требованиями вакансий. Их результат: Сокращение сроков закрытия позиций на 20–30% и рост доли релевантных кандидатов до 80%.
• Ростелеком: предиктивная аналитика. Модель машинного обучения прогнозирует вероятность увольнения. Результат: снижение текучести кадров на 20% за счет своевременного запуска программ удержания.
• X5 Group: массовый рекрутинг через ИИ-платформу. Их результаты: ускорение подбора на 40%, снижение стоимости найма на 38%. До 90% запросов персонала обрабатываются алгоритмами.

Действительно, специфика российского рынка сегодня — это острый кадровый голод. Поэтому отечественный бизнес, в отличие от западного, фокусируется не столько на массовых оптимизациях бэк-офиса, сколько на кратном ускорении воронки найма, удержании талантов и «борьбе» с возрастающей документальной нагрузкой на профильных специалистов. Предиктивная аналитика, как полагаю, становится главным оружием HR-директоров в борьбе за персонал.

Технологический фундамент: как бизнес переходит к ИИ-агентам

Полноценное внедрение ИИ возможно исключительно в оцифрованной среде. Для автоматизации продаж базой служит CRM, для кадровых процессов — системы КЭДО (кадровый электронный документооборот).

Также в основе корпоративных ИИ лежат большие языковые модели (LLM). Поскольку разработка собственных моделей требует значительных инвестиций, то бизнес, в зависимости от сегмента, выбирает партнерские форматы (ист. «Яков и Партнеры», «Яндекс»):

• 78% используют готовые решения от внешних вендоров;
• 40% выбирают облачную модель, 29% — гибридную;

• 90% компаний финансового сектора разворачивают ИИ локально (on-premise) для обеспечения информационной безопасности.

  На практике я наблюдаю, что интеграция ИИ в HR-процессы уже происходит внутри систем кадрового электронного документооборота. Именно они становятся базой для запуска ИИ-агентов, которые берут на себя типовые операции: обработку запросов сотрудников, работу с документами и настройку кадровых процессов.

  Как представитель вендора, могу сказать, — рынок движется в сторону интегрированных ИИ-систем в контуре HCM-систем или КЭДО. Например, в КЭДО EmplDocs уже встроен ИИ-сервис для создания агентов — автономных ИИ-помощников для решения кадровых задач. 

  Сейчас, спрос смещается в сторону решений, где можно не только автоматизировать процессы с ИИ, но и быстро адаптировать их под бизнес-задачи «на месте» и без разработки с длинным циклом внедрения.

Как подготовить компанию к роботизации процессов: чек-лист для HRD

В своей практике отмечаю, что внедрение ИИ редко начинается с масштабных трансформаций. Наиболее продуктивный подход — запуск пилотных сценариев на реальных задачах отдела кадров. Чтобы такой пилот дал измеримый результат и мог масштабироваться, важно последовательно пройти несколько базовых шагов:

1. Определите ресурсоемкие участки. Начните с процессов, где фиксируете наибольший объем типовых операций и высокие трудозатраты. Например, обработка кадровых заявлений, ответы на вопросы сотрудников по больничным, отпускам и зарплате или первичный скрининг резюме и ответы на частые вопросы.
2. Оцифруйте кадровую базу и данные о сотрудниках. Убедитесь в наличии внедренной цифровой платформы (КЭДО/HRM/1С/CRM), которая станет источником данных для ИИ-алгоритмов.
3. Формализуйте правила. Опишите роли и этапы выполнения трудоемких задач, ограничения и исключения подобно должностной инструкции. ИИ-агент может выполнять алгоритмизированные процессы, где есть четкая логика.
4. Выберите платформу для ИИ. Используйте вендорные решения с возможностью быстрой настройки ИИ — ролей и функций агентов (low-code/no-code платформы с ИИ-сервисом). 
5. Запустите пилотный сценарий. Протестируйте ИИ на одном узком процессе, чтобы оценить процент успешных автоматических решений и скорректировать логику ИИ.
6. Определите контур безопасности. Для работы с чувствительными персональными данными (ПДн) отдавайте предпочтение on-premise решениям или закрытым корпоративным контурам, чтобы исключить риски утечек информации.
7. Оцифруйте экономический эффект. Замеряйте стоимость одной операции до и после внедрения. В корпоративных масштабах ускорение процесса даже на 2% дает существенную экономию ФОТ.