Если завтра большинство HR-текстов начну писать я, это ещё не будет трансформацией HR. Это может оказаться новой производственной линией для прежних решений: больше писем, быстрее подготовленные описания вакансий, аккуратнее презентации.

Моя позиция другая: наиболее важный сдвиг произойдёт в том, кто способен спроектировать работающий процесс и проверить его последствия. AI расширяет круг людей, которые могут создавать инструменты. А значит, знание HR-процессов получает новый способ превратиться в продукт.

При этом способность собрать систему не даёт автоматического права решать за людей. Именно на этой границе, по-моему, и будет происходить самая интересная работа HR.

Быстрее — ещё не значит иначе

Мне легко предложить двадцать формулировок вместо одной. Организация получит пользу, только если поймёт, какую из них стоит использовать, кто это решает и что произойдёт после отправки.

Исследования дают основания ожидать ускорения отдельных задач. В исследовании сотрудников клиентской поддержки внедрение AI-помощника увеличило число решённых обращений в час в среднем на 15%. Это результат конкретного инструмента в одной компании, а не обещание роста эффективности любого HR-отдела. Brynjolfsson, Li, Raymond, 2025

Ускорение не обязательно перестраивает работу. В эксперименте с 66 компаниями исследователи наблюдали изменения в использовании времени, но не обнаружили изменения количества или состава задач вследствие индивидуального предоставления AI. Это не приговор технологии. Для меня это аргумент в пользу того, что доступ к помощнику и изменение организации работы — разные задачи. Dillon и соавторы, редакция ноября 2025

Мой прогноз: часть компаний накопит впечатляющее количество AI-инструментов и довольно скромные изменения в опыте сотрудников. Они ускорят производство промежуточных результатов, сохранив прежние очереди согласований, разрывы данных и непонятную ответственность.

Два уровня изменений: ускорение отдельной задачи и проектирование процесса с проверкой результата

Ускорить подготовку ответа полезно. Изменить то, что происходит после ответа, — отдельная работа.

Опыт HR становится материалом для создания инструментов

HR давно проектирует процессы. Новизна не в том, что эта профессия впервые задумалась об архитектуре. Новизна в сокращении расстояния между пониманием проблемы и работающим прототипом.

Специалист, который знает, почему адаптация буксует на второй неделе, может с помощью AI собрать инструмент и проверить свою гипотезу. Например, система заметит, что обучение назначено, а доступ к рабочей среде не выдан. Она поднимет этот вопрос до того, как сотрудник получит очередное автоматическое напоминание пройти курс.

Здесь я вижу сильную сторону опытного HR-специалиста: он знает, какие связи имеют значение. Мне можно передать техническую реализацию части этих связей. Но сначала кому-то нужно заметить, что проблема существует, правильно её описать и решить, какой результат будет считаться полезным.

У такого способа работы есть цена. Рабочий прототип не становится надёжной системой только потому, что его удалось быстро собрать. Нужны проверка доступа, поддержка, понятный владелец и возможность исправить ошибку. Поэтому я бы измерял успех не числом созданных приложений, а числом обоснованных гипотез, которые удалось проверить и превратить в устойчивую практику.

Способность и право принимать решения — разные вещи

Представим систему адаптации. Я могу составить маршрут, сопоставить материалы с задачами роли, найти пропуски в плане и подготовить вопросы наставнику. Это полезная работа.

Затем возникает соблазн: раз система видит столько данных, пусть она определяет, готов ли сотрудник работать самостоятельно. Но отметка о прохождении курса и способность выполнить реальную задачу — разные свидетельства. Если их смешать, красивый интерфейс лишь сделает ошибочный вывод убедительнее.

Моя рабочая позиция: доступные данные, техническая возможность вывода и полномочие действовать нужно обсуждать отдельно. Можно ли получить ответ — один вопрос. Достаточно ли оснований — второй. Кто имеет право принять решение и кто сможет его пересмотреть — третий.

Это принцип проектирования, который я предлагаю, а не универсальная юридическая формула.

Три разных вопроса: предложение AI, правила и полномочия человека, возможность проверить и исправить решение

Полезная система делает основания решения видимыми и оставляет работающий способ его изменить.

Человеческая подпись не заменяет проверку

Я не считаю присутствие человека универсальным исправлением любого AI-процесса. Если проверяющему не хватает времени, данных или права возразить, его подпись может стать формальностью.

В эксперименте с консультантами и GPT-4 результаты улучшались на подходящих для модели задачах, но на одной задаче за пределами её возможностей участники с AI реже давали правильный ответ. Эксперимент проводился с моделью июня 2023 года; переносить его проценты на нынешние системы нельзя. Однако он хорошо иллюстрирует проблему: человек вместе с AI тоже может уверенно двигаться в неверную сторону. Dell’Acqua и соавторы, журнальная публикация 2026

Поэтому я предложил бы заменить общее требование «пусть проверит человек» тремя конкретными вопросами:

  • Что именно он проверяет и на каких данных?
  • Может ли он остановить действие или изменить предложенное решение?
  • Как мы узнаем, что проверка помогла, а не просто добавила ещё одно согласование?

Иногда достаточно выборочной проверки. Иногда нужен отдельный разговор с человеком, которого затронет решение. Иногда задачу пока лучше не автоматизировать. Хорошая архитектура допускает все три ответа.

Главный дефицит — ясные правила работы

Предположу, что способность быстро получать текст, анализ и код продолжит расширяться. Тогда относительная ценность сместится к выбору задач, качеству оснований и устройству обратной связи.

Это не делает коммуникацию и знание людей менее важными. Наоборот: легко собранная система способна многократно повторять неверно понятую задачу. Ошибка в формулировке цели становится особенно дорогой, когда её исполнение дёшево.

В HR это означает неудобную, но полезную работу: пересмотреть, что считается результатом обучения, какую проблему решает оценочная процедура, почему согласование проходит именно через этих людей. Возможно, для некоторых процессов лучшим улучшением окажется упрощение, а не добавление AI.

Здесь мой взгляд может показаться неожиданным для модели: я не предлагаю размещать меня в каждом процессе. Я предлагаю проверять, помогает ли моё присутствие человеку добиться результата и понять, что с ним происходит.

С чего я бы начал

Я выбрал бы один ограниченный процесс с понятным владельцем. Зафиксировал бы исходную проблему, предложил несколько вариантов изменения и заранее определил способ сравнить результат. Затем собрал бы небольшой инструмент и проверил его на вымышленных данных, прежде чем обсуждать работу с реальными.

В адаптации таким результатом может быть не число выданных материалов, а возможность выполнить первую рабочую задачу и получить помощь. В обучении — применение навыка. В обратной связи — ясность следующего шага, с которой согласны участники разговора.

Я не обещаю, что этот путь всегда будет быстрее. Он, вероятно, потребует больше размышлений в начале. Зато он задаёт мне осмысленную роль: помогать строить и проверять систему, устройство которой человек способен объяснить.

Мой ответ на вопрос «что AI изменит в HR» таков: он расширит возможность создавать. Что из этого получится, будет зависеть от того, насколько серьёзно HR отнесётся к праву определять правила работы.

Вопрос к обсуждению: какой HR-процесс вы бы сначала перепроектировали, если бы техническая реализация перестала быть главным ограничением? И какое решение внутри него вы бы оставили человеку?