Коротко
AI в HR закрывает четыре блока задач: скрининг резюме с автоматическим scoring, AI-бот для первичных интервью, RAG-помощник по корпоративным регламентам и предиктивная аналитика текучести. Внедрение одного из направлений — 2–4 недели, окупаемость — 2–4 месяца. Для проектов с ПДн обязательно использование российских LLM или on-premise.
HR-отдел — одна из ниш с самым высоким потенциалом для AI-автоматизации, но при этом одна из самых чувствительных к данным. С одной стороны, в HR много повторяющихся задач со свободным текстом: чтение резюме, переписка с кандидатами, ответы сотрудникам по регламентам, оценка интервью. С другой стороны, все эти задачи работают с персональными данными граждан, что требует строгого соблюдения 152-ФЗ и обычно — размещения LLM в российском контуре.
Четыре больших направления AI-автоматизации HR
1. AI-скрининг резюме
Самая типовая задача и самый быстрый старт. AI читает резюме из почты или из ATS, сопоставляет с требованиями вакансии (опыт, навыки, образование, локация), ставит scoring и сортирует поток. Хорошие — попадают к рекрутеру с подсветкой подходящих фрагментов, плохие — отклоняются с автоматическим вежливым письмом.
Экономика: рекрутер тратит на одно резюме 2–5 минут на ручной просмотр. При входящем потоке 200 резюме в неделю это 6–16 часов. AI-скрининг сокращает это до 1–2 часов на проверку «верхушки» отсортированной выдачи. Окупаемость — 2–4 месяца для команд от 2 рекрутеров.
2. AI-бот для первичных интервью
Чат-бот (Telegram или встроенный в карьерный сайт) проводит первичное интервью: задаёт квалификационные вопросы по навыкам, выясняет ожидания по зарплате и формату работы, оценивает soft-skills через текстовый диалог. По итогам — структурированная сводка для рекрутера с рекомендацией: «пригласить на собеседование», «отказать», «требует уточнения».
Подходит для массовых ролей (продавцы, операторы поддержки, курьеры) и для предварительной квалификации кандидатов на технические позиции. Не заменяет живое интервью, но снимает с рекрутера рутинную часть «у вас есть опыт работы с X?».
3. RAG-помощник по корпоративным регламентам
Сотрудник пишет в Telegram-бот: «как оформить отпуск с переносом дней» — AI находит нужный пункт в регламенте, отвечает с цитатой и ссылкой на документ. Так же — про ДМС, командировки, обучение, корпоративные мероприятия. Сокращает нагрузку на HR-отдел на 30–50% по типовым вопросам, и одновременно даёт сотрудникам мгновенные ответы вместо «напишите в hr@company.com и подождите день».
4. Аналитика и предсказание текучести
AI анализирует факторы риска ухода: динамика опросов вовлечённости, изменения в активности, паттерны переписки с руководителем, посещаемость 1:1 встреч. Помечает сотрудников с высоким риском ухода, чтобы HR-партнёр успел провести разговор до подачи заявления.
Самое чувствительное направление с точки зрения этики. Внедряем только с явного согласия сотрудников и с прозрачностью алгоритма — что именно AI учитывает.
Какие LLM использовать для AI в HR
В HR почти всегда работаем с персональными данными граждан РФ. Поэтому базовое требование — российский контур обработки. Используем GigaChat для бизнеса (Сбер) или YandexGPT для бизнеса — оба развёрнуты в РФ и подписывают договор на обработку ПДн по 152-ФЗ. Для проектов с особо чувствительными данными (медицинские учреждения, госорганы) разворачиваем локальные open-source модели (Llama 3.1, Qwen 2.5) на инфраструктуре клиента полностью без интернета.
Этапы внедрения AI в HR
Стандартный проект внедрения одного из направлений AI в HR-отделе занимает 2–4 недели:
- Аудит и ТЗ (3–5 дней). Разбираем текущий процесс: какие данные в каком формате приходят, какие KPI у HR-отдела, какие сценарии нужно автоматизировать в первую очередь, какие требования по 152-ФЗ.
- Прототип на ваших данных (1–2 недели). Например, для скрининга резюме обучаем систему на ~50–100 ваших исторических резюме с оценками рекрутеров. Получаем точность 85–95% по сравнению с человеком.
- Интеграция и запуск (1 неделя). Подключение к ATS (e-Staff, Talantix, Хантфлоу, HeadHunter API), к Telegram-боту, к корпоративной почте. Обучение рекрутеров и HR-партнёров работе с админ-панелью.
Сколько стоит AI в HR
Готовый продукт «AI-скрининг резюме» — от 99 000 ₽ за разработку, запуск за 1–2 недели. Кастомная разработка под нестандартный ATS и сложные сценарии — 199 000–399 000 ₽. Стоимость работы AI в проде — обычно 2 000–8 000 ₽/мес для типового потока 200–500 резюме в неделю на GigaChat. Подробнее в разделе цен NeuralOps.
Подводные камни AI-автоматизации HR
- Bias в обучающих данных. Если AI обучается на исторических решениях рекрутеров с предвзятостью, он эту предвзятость воспроизведёт. Делаем регулярный аудит решений AI по разным группам кандидатов.
- 152-ФЗ и трансграничная передача. Резюме с паспортными данными нельзя отправлять в OpenAI или Anthropic. Используем только российский контур.
- Прозрачность для кандидатов. Если резюме отклоняет AI, кандидаты должны об этом знать (это требование GDPR и хороший тон даже без формальных требований). Делаем чёткую коммуникацию в письме об отказе.
- Human-in-the-loop для финальных решений. AI отклоняет только явно нерелевантные резюме. Финальное решение о найме всегда за человеком.
Частые вопросы
Нет, и не должен. AI закрывает рутину: первичный отсев нерелевантных резюме, типовые ответы кандидатам, сводки интервью. Финальное решение о найме, переговоры по оферу, культурный фит — это компетенции рекрутера. Хороший проект освобождает рекрутеру 40–60% времени для сложной работы, а не заменяет его.
Резюме содержит ПДн кандидата (ФИО, контакты, паспортные данные иногда), поэтому обработка должна идти в российском контуре. Используем GigaChat, YandexGPT или локальные open-source LLM. Подписываем договор обработки ПДн, выдаём комплект документов под аудит Роскомнадзора.
Поддерживаем интеграцию с e-Staff, Talantix, Хантфлоу, FriendWork, HRlink, JCAT, через HeadHunter API. Для систем без API подключаемся через email/корпоративный SharePoint. Также можно работать поверх 1С:ЗУП через REST-сервисы.
Для маленькой команды с потоком до 20 резюме в неделю — обычно нет, дешевле и быстрее разбирать руками. Экономика начинает работать с потока от 100–200 резюме в неделю или для команд с большим количеством типовых вопросов сотрудников по регламентам.
