Что умеет ИИ в кадровых процессах
HR-направление — один из самых «текстовых» отделов компании: резюме, сопроводительные письма, вопросы кандидатов, онбординг-инструкции, обратная связь, отчёты. Именно поэтому языковые модели здесь дают быстрый эффект: они читают, структурируют и пишут быстрее человека, не уставая от однотипных операций.
При этом кадровые данные — это персональные данные в чистом виде. Любое внедрение ИИ в HR начинается не с выбора модели, а с ответа на вопрос, где эти данные будут обрабатываться и кто несёт ответственность за решение. Поэтому на этой странице мы говорим не только о сценариях, но и о границах: где ИИ в HR допустим, а где вредит и компании, и людям.
Бесплатно: разбор вашей задачи + расчёт за 1 рабочий день
Разбор ТЗ ведёт инженер, а не менеджер по продажам. ООО «НЬЮ-ССТ» · ИНН 7733311994 · микропредприятие в реестре МСП · работаем с 2016 года
Сценарии применения ИИ в HR
Ниже — сценарии, которые мы внедряем чаще всего. Для каждого указан качественный эффект: конкретные цифры зависят от размера компании и объёма потока, и мы не приводим их без замера на ваших данных.
1. Скрининг и ранжирование резюме
Модель читает входящие отклики, сопоставляет их с профилем вакансии и выдаёт рекрутеру ранжированный список с обоснованием: какие требования закрыты, какие — под вопросом, что стоит уточнить на интервью. Отдельно закрывается проблема «мусорных» формулировок: модель понимает синонимы и смежный опыт, которые ломают классические фильтры по ключевым словам. Эффект: рекрутер начинает день с короткого списка сильных кандидатов вместо ручного просмотра сотни откликов; подходящие люди с «нестандартными» формулировками резюме перестают теряться.
2. HR-ассистент для типовых вопросов
Кандидаты и сотрудники задают одни и те же вопросы: статус рассмотрения, порядок оформления, где найти справку, как устроен испытательный срок, что входит в ДМС. Ассистент на базе знаний компании отвечает мгновенно в мессенджере или на портале, а сложные случаи передаёт живому специалисту с собранным контекстом. Эффект: HR-отдел перестает быть «справочной» и тратит время на содержательные задачи; ответ сотруднику приходит за секунды вместо часов ожидания.
3. Онбординг новичков
Первые недели сотрудника — поток вопросов, которые уже много раз отвечали. ИИ-помощник ведёт новичка по чек-листу адаптации: подсказывает, какие документы оформить, к кому обратиться, где найти регламенты, и адаптирует подсказки под роль и подразделение. Руководитель видит, на каком этапе адаптации человек находится и где застрял. Эффект: новичок быстрее выходит на самостоятельную работу; наставники тратят меньше времени на повторение базовых вещей и больше — на передачу сути.
4. Сбор и анализ обратной связи
Опросы вовлечённости дают сырые тексты, которые вручную разбирают неделями. Модель кластеризует ответы по темам: условия труда, управление, загрузка, инструменты — и показывает, где концентрируется недовольство и как оно меняется от волны к волне. Анонимность сохраняется: контур разворачивается так, чтобы тексты не привязывались к конкретным людям. Эффект: руководство получает картину настроений через дни после опроса, а не к моменту, когда она уже устарела; проблемные зоны видны до того, как превращаются в увольнения.
5. Черновики вакансий и коммуникаций
Модель готовит текст вакансии под стиль компании, адаптирует его под площадку публикации и пишет персонализированные ответы кандидатам на разных стадиях воронки — от приглашения до вежливого отказа с сохранением хорошего впечатления о бренде работодателя. Все черновики проходят вычитку рекрутера. Эффект: коммуникация становится одинаково качественной независимо от загрузки отдела; кандидаты не остаются без ответа, и бренд работодателя не страдает от «тишины» в процессе.
6. Аналитика кадровой базы
Руководитель задаёт вопросы обычным языком: «какая доля инженеров со стажем более трёх лет ушла за полгода», «из каких источников приходят самые стабильные сотрудники». Модель формирует запрос к кадровой системе и объясняет результат. Персональные данные при этом агрегируются до статистики. Эффект: решения о найме и удержании принимаются на основе данных, а не ощущений; аналитика перестаёт требовать отдельного запроса к специалисту на несколько дней.
Как внедряем: этапы
- Аудит HR-процесса (3–5 рабочих дней, от 90 000 ₽). Смотрим поток резюме, статистику обращений, тикеты сотрудников, текущие инструменты. Считаем, где ручной труд максимален, а риск ошибки — минимален. Выходим с картой сценариев и рекомендацией: что пилотировать, что не трогать.
- Пилот на одном процессе (4–6 недель, от 480 000 ₽). Один сценарий — например, скрининг одной линейки вакансий или ассистент по типовым вопросам. Пилот работает на реальных данных, с проверяемыми метриками: доля резюме, требующих ручной правки, скорость ответа, число эскалаций к человеку.
- Правовой контур. Определяем состав обрабатываемых персональных данных, обновляем согласия, фиксируем регламент «модель рекомендует — человек решает». Для кандидатов и сотрудников — прозрачные уведомления об использовании ИИ.
- Промышленный контур. Интеграция с вашей кадровой системой или Битрикс24, подключение базы знаний, ролевые права доступа, логирование в SIEM. Контур закрывается проверкой по OWASP LLM Top-10: промпт-инъекции, утечки через ответы модели, избыточные полномочия.
- Обучение команды и сопровождение. Рекрутеры и HR-бизнес-партнёры учатся работать с ранжированием и обоснованиями модели. Дальше — поддержка, дообучение базы знаний, мониторинг качества и дрейфа.
Решение «пилот или сразу полный контракт» зависит от зрелости процессов; логика выбора и типовые сроки — в гайдах по подготовке дорожной карты внедрения ИИ и расчёту эффекта ассистента.
Связь с услугами и материалами
- Услуги: ИИ-консалтинг и аудит сценариев · автоматизация Битрикс24, включая HR-процессы · обучение команды работе с ИИ
- Технологии: интеграция GigaChat API и общий каталог технологий — векторные базы, локальные модели, RAG
- Практика: как обучить команду работе с ИИ · как написать ТЗ на ИИ-разработку · все гайды
- Смежные хабы: ИИ-ассистенты · ИИ для внутренних баз знаний · защита ИИ-систем
Когда ИИ в HR не нужен
Честность здесь экономит деньги. ИИ не нужен, если у вас закрывается одна вакансия в квартал — скрининг руками займёт меньше времени, чем внедрение. Не нужен он и там, где поток обращений измеряется единицами в неделю: ассистент не окупит своё содержание.
Прямые противопоказания:
- Решения с юридическими последствиями. Увольнение, дисциплинарные меры, отказ в найме по «решению алгоритма» — это правовой и репутационный риск. Человек решает, машина готовит материалы.
- Малые выборки. Если в команде десять человек, «аналитика выгорания» будет интерпретировать шум: у модели не хватит данных, а у компании — анонимности.
- Отсутствие регламентов. Если процессы не описаны и ответы HR на один и тот же вопрос разные, ассистент нечего поднимать в базу знаний — сначала порядок в процессах, потом автоматизация.
- Кадровые данные во внешних сервисах без согласий. Загружать резюме в публичные нейросети нельзя: это утечка персональных данных с реальными штрафами. Только закрытый контур.
Если ваш случай попадает в эти пункты, мы скажем об этом на аудите и предложим более простое решение — вплоть до отказа от проекта. Такая честность стоит дешевле, чем внедрение, которое не окупится.