ИИ в HR — не про замену людей роботами. Это про то, чтобы повторяющиеся задачи решал ИИ-ассистент, а HR-специалист занимался тем, что действительно влияет на бизнес: нетворкингом, культурой, сложными решениями и удержанием.
Средний российский бизнес — от 10 до 200 сотрудников — обычно не может позволить себе огромный HR-департамент. Один специалист тянет подбор, адаптацию, внутренние запросы и отчётность. ИИ здесь работает как ассистент: фильтрует поток, задаёт первые вопросы, отвечает по базе знаний и считает метрики.
Smart Solutions оценивает ИИ через измеримость: любое внедрение должно давать понятный эффект в часах и рублях ещё до покупки лицензии. Если цифры не складываются — не внедряем. Ниже — пример расчёта и границы автоматизации.
Где HR тонет в рутине: скрининг резюме, типовые вопросы, адаптация
В типичной компании HR в месяц обрабатывает сотни резюме. Каждое требует внимания: прочитать, проверить опыт, зарплатные ожидания, геолокацию, график. На одну вакансию часто приходит 50–150 откликов, из которых подходят 5–10.
Кроме подбора — однотипные вопросы кандидатов: «Какой график?», «Есть ли ДМС?», «Формат работы?». Кроме кандидатов — внутренние запросы сотрудников: отпуск, справка, регламент, кто курирует закупку. А ещё — адаптация новичка, которому в первые недели нужно много ответов, а коллеги заняты.
Всё это не требует стратегического мышления, но съедает часы. Всё это — точки, где ИИ может убрать рутину и вернуть HR-специалисту время на нормальную работу с людьми.
Что ИИ делает с потоком резюме: скрининг по критериям, не «по фото»
ИИ читает резюме не как человек, а как фильтр по правилам. Настраиваете критерии: опыт в роли, стек, зарплата, город/удалёнка, готовность к графику. Система проверяет каждое резюме по этим критериям и отмечает, что подходит, что нет, а что — на уточнение.
Важно: речь не про оценку по фото, не про «классификацию личности» и не про предсказание успеха. Это автоматизированная проверка формальных и контекстных параметров. Если кандидат не попал по опыту — ИИ отсеивает. Если не хватает данных — просит уточнить.
Такой подход прозрачен. HR всегда может объяснить, почему кандидат прошёл или не прошёл: конкретные критерии, а не «модель так решила». Это важно и для кандидатов, и для внутреннего контроля качества.
Результат: HR видит сразу короткий список релевантных кандидатов вместо сотни неотсортированных файлов. И не тратит вечер на перебор тех, кто явно не подходит.
Первичный скрининг-диалог: вопросы-квалификация до живого интервью
После фильтра резюме обычно идёт звонок или переписка: уточнить зарплатные ожидания, готовность к офису/удалёнке, срок выхода, мотивацию. Это занимает у HR заметное время на каждого кандидата.
ИИ-ассистент может провести первичный скрининг-диалог сам: задать несколько ключевых вопросов, записать ответы, выставить оценки и передать в HR только тех, кто прошёл порог. Кандидат отвечает удобно — в мессенджере или на лендинге — без ожидания звонка в рабочее время.
Это не заменяет живое интервью. Это убирает бесполезные созвоны. HR получает кандидата с уже понятным профилем и может сразу углубляться в компетенции, культуру и ценности.
Хороший скрининг-диалог настраивается под каждую вакансию. Для продажника — вопросы про опыт, KPI, готовность к холодным звонкам. Для разработчика — стек, уровень, тип задач. Для бухгалтера — опыт с 1С, знание налогов, готовность к отчётности. Ответы фиксируются, и HR видит не просто «подходит/не подходит», а аргументированную краткую сводку.
Адаптация новичка: ассистент по базе знаний вместо «спроси коллегу»
Первые дни на новом месте — это лавина вопросов: как войти в почту, где взять пропуск, кто утверждает отпуск, как оформить командировку, как устроены встречи, где лежат регламенты.
Если на каждый вопрос новичок идёт к HR или руководителю, оба теряют время. ИИ-ассистент по базе знаний отвечает на типовые вопросы мгновенно, 24/7, с ссылками на конкретные документы. Сложные и личные случаи передаются человеку.
Хорошая адаптация снижает отток в первые месяцы. Кандидат не чувствует себя брошенным, быстрее входит в курс дела, а HR не тянет повторяющиеся консультации.
Ассистент может не только отвечать, но и вести новичка по плану: в первый день — знакомство с командой, на третий — вводный курс, на неделе — встреча с руководителем. Если человек застрял — напоминает, куда обратиться. Это особенно полезно при удалённом onboarding: новичок не остаётся один на один с вопросами.
Внутренние HR-запросы: отпуска, справки, регламенты
Сотрудники постоянно задают HR одни и те же вопросы. Сколько дней отпуска накопилось. Как оформить больничный. Где взять справку о зарплате. Как записаться на ДМС. Какой регламент по командировкам.
ИИ-ассистент подключается к базе знаний, FAQ или внутреннему порталу и отвечает по шаблону с персонализацией. Если вопрос выходит за рамки — переводит на HR.
Здесь важна интеграция с реальными системами. Если ассистент подключён к 1С, Telegram или корпоративному порталу, сотрудник получает не общий ответ, а конкретный шаг. Без интеграции бот превращается в ещё один FAQ, который люди игнорируют.
Это не отменяет HR-специалиста. Это освобождает его от обработки десятков однотипных сообщений в день.
Расчёт эффекта
Эффект считается по формуле, а не по чужим примерам. Главные составляющие:
- Скрининг резюме. (Количество резюме в месяц) × (время на одно до и после) − затраты на ИИ.
- Первичный скрининг-диалог. (Количество кандидатов) × (время на диалог до и после).
- Внутренние HR-запросы. (Количество типовых обращений) × (время на одно) − затраты на поддержку базы знаний.
Ставка часа HR-специалиста считается по реальной зарплате сотрудника с налогами и накладными. Все остальные экономические показатели считаем после пилота на ваших данных.
Скрытые выгоды: меньше упущенных кандидатов, быстрее закрытие вакансий, меньше выгорания HR. Эти эффекты измеряются качественно после пилота.
Главное условие: экономия в часах и рублях должна превышать стоимость пилота и поддержки. Без этого внедрение не имеет смысла.
Пилот 2–4 недели: замер → данные → бой → метрики
Не нужно сразу покупать годовую лицензию. Начните с пилота:
- Замер. Посчитайте, сколько времени сейчас уходит на скрининг, скрининг-диалоги, внутренние запросы, адаптацию.
- Данные. Подготовьте критерии отбора, базу знаний, частые вопросы и ответы.
- Бой. Запустите ИИ на одной-двух вакансиях или на внутреннем HR-боте.
- Метрики. Через 2–4 недели сравните: время на обработку резюме, количество проведённых скрининг-диалогов, среднее время отклика кандидату, снижение типовых вопросов HR.
Если цифры не вырастают — не внедряйте. Пилот нужен именно для того, чтобы честно проверить, окупается ли инструмент в вашем случае.
Во время пилота важно не гнаться за «красивой презентацией», а собирать реальные цифры. Сколько резюме обработано автоматически, сколько передано HR, сколько кандидатов дошло до интервью, как изменилось время отклика, сколько вопросов решил бот без участия человека. Эти цифры — единственное, на что можно опираться при решении о полноценном внедрении.
Где ИИ в HR не окупится / опасен
ИИ — не всемогущий. Есть зоны, где он либо бесполезен, либо рискован:
- Финальные решения о людях. Найм, увольнение, повышение, премии — остаются за человеком. ИИ предоставляет данные, но решение остаётся за человеком.
- Дискриминация через данные. Если в обучающих примерах есть предвзятость, ИИ её унаследует. Нужен контроль критериев и аудит.
- Малый поток резюме. Если на вакансию приходит совсем немного резюме в месяц, автоматизация не сэкономит время, а только добавит настройки.
- Сложные конфликты и чувствительные ситуации. Увольнение, трудовой спор, жалоба — здесь нужен живой HR.
- Тонкая культура команды. ИИ не поймёт, подойдёт ли человек в конкретный коллектив. Это задача интервьюера.
ИИ в HR — это инструмент отбора и сопровождения, а не HR-директор.
Поэтому в любом проекте важно чётко разделить ответственность. За данные, за критерии, за эскалацию, за финальное решение — всегда отвечает человек. ИИ помогает быстрее и системнее готовить решение, но не принимает его.
Частые ошибки
- Выбирать ИИ «потому что все делают». Если нет рутины, нет и экономии.
- Доверять ИИ финальное решение. Это и юридический риск, и риск для репутации.
- Игнорировать базу знаний. Без неё ассистент по адаптации будет врать или ссылаться на устаревшие регламенты.
- Не ставить метрики. Без замеров до и после нельзя сказать, окупилось ли внедрение.
- Ожидать, что ИИ поймёт контекст без настройки. Нужны чёткие критерии, примеры ответов, правила эскалации.
- Забывать про кандидата. Автоматизация должна ускорять процесс, а не превращать общение в бессмысленный квест.
- Пускать ИИ без теста. Любую модель нужно прогнать на реальных резюме и вопросах до запуска на всех кандидатах. Иначе рискуете получить некорректные ответы и потерять людей.
- Не обновлять базу знаний. Регламенты меняются, ДМС переезжает на другого провайдера, а бот продолжает отвечать по старому. Раз в квартал пересматривайте данные.
Чек-лист готовности
Перед внедрением проверьте:
- Есть ли регулярный поток резюме — десятки и сотни в месяц?
- Описаны ли критерии отбора для каждой роли?
- Есть ли база знаний / FAQ для сотрудников?
- Готовы ли HR и руководители участвовать в настройке?
- Есть ли понимание, какие метрики замерять?
- Определены ли границы: что делает ИИ, что остаётся за человеком?
- Есть ли сценарий эскалации на живого HR?
- Понятна ли юридическая ответственность за обработку персональных данных?
Если ответили «да» на 6 из 8 — пилот точно стоит запускать.
Если нет — не значит, что ИИ не нужен. Значит, сначала нужно подготовить данные и процессы. Без этого любая автоматизация будет давать сбои из-за несогласованных процессов.