ИИ для HR: от найма до обучения — что реально автоматизируется
«ИИ — это первоклассник, которому нужны чёткие инструкции и микрошаги» — формула HR-эксперта из фокус-группы, которая оказалась и про людей, и про машины.
01 — Ниша
Почему HR — идеальная и недооценённая ниша для ИИ?
HR-работа — это конвейер повторяемых процессов: вакансии, скрининг, интервью, онбординг, обучение, оценка, внутренние коммуникации. У каждого процесса есть регламент и критерии — ровно то, что хорошо параметризуется.
При этом запросы HR из базы шире, чем «напиши вакансию»: «автоматизировать HR-процессы», «разработать инструменты для профориентации», даже «как устроить агентство AI-персонала». Люди в этой профессии быстро видят суть: ИИ — это не текстогенератор, а способ масштабировать работу с людьми без потери качества.
02 — Цикл сессий
Как автоматизируется разбор сессий и оценок?
Самый структурный паттерн из кейсов — трёхшаговый цикл вокруг любой сессии (интервью, оценка, тренинг):
- Подготовка — ИИ собирает бриф по кандидату/сотруднику: вводные, история, вопросы под цель встречи;
- Оценка — после сессии заметки или расшифровка превращаются в структурированную оценку по вашим критериям;
- Сильные стороны и зоны роста — на выходе конкретный план развития, а не общее «молодец, но старайся».
Раньше на такой разбор уходил час на человека — и потому он делался поверхностно или не делался вовсе. Теперь глубина разбора перестала зависеть от свободного вечера HR.
03 — Кастомные GPT
Какие ассистенты собирают HR под себя?
По кейсам HR собирают кастомные GPT под конкретные процессы: скрининг резюме по критериям роли, черновики писем кандидатам на каждом этапе, онбординг-навигатор для новичков, инструменты профориентации.
Важное наблюдение одной участницы: «ИИ усиливает качество инструментария, если работать не только на маркетинг» — то есть строить не витринные боты, а рабочие инструменты внутренних процессов. Тот же принцип, что и везде: один ассистент = один процесс со своим регламентом, а не «универсальный HR-бот».
04 — Принцип
«ИИ — первоклассник»: почему это лучшая ментальная модель?
ИИ — это первоклассник, которому нужны чёткие инструкции и микрошаги.— HR-эксперт из фокус-группы
Эта формула из кейса — лучшая ментальная модель для работы с ИИ вообще. Первокласснику не говорят «сделай хорошо» — ему дают маленькие шаги, примеры и проверяют результат. Ровно так же надо ставить задачи модели: микрошаги, критерии, образцы.
А дальше красивый разворот: HR из базы заметили, что этот же навык улучшает обучение живых сотрудников. Разложить процесс на микрошаги, дать примеры, задать критерии — это и есть хороший онбординг. Промптинг оказался тренажёром управленческой ясности.
05 — Границы
Что HR не отдаёт ИИ?
Границы в HR — про людей и данные:
- Решения о людях — найм, увольнение, повышение принимает человек; ИИ готовит материал, но не вердикт;
- Персональные данные — резюме и оценки содержат чувствительную информацию: обезличивание или корпоративные контуры обязательны;
- Предвзятость — модель может унаследовать перекосы из ваших же примеров; критерии скрининга стоит проверять на дискриминирующие паттерны.
Схема та же, что у юристов: ИИ — черновик и структура, человек — решение и ответственность.
06 — С чего начать
С чего HR начать на этой неделе?
1. Возьмите один цикл: например, разбор интервью
2. Оформите критерии оценки (что смотрите, как меряете «хорошо»)
3. Промпт: «вот мои заметки с интервью [обезличенные], вот критерии —
собери оценку: сильные стороны, зоны роста, рекомендация»
4. Проверьте на 3–5 прошедших интервью, докрутите критерии
5. Правило: решения о людях — за вами; данные — обезличеныHR-процессы параметризуются как никакие другие: подготовка → оценка → зоны роста, кастомные GPT под каждый цикл. Ставьте задачи ИИ как первокласснику — микрошагами с примерами — и заметите, что и людей стали обучать лучше.
Частые вопросы
Что HR автоматизировать первым?
Цикл разбора сессий: подготовка брифа → структурированная оценка по вашим критериям → сильные стороны и зоны роста. По кейсам это самый быстрый выигрыш: глубина разбора перестаёт зависеть от свободного часа, а план развития становится конкретным вместо «молодец, но старайся».
Можно ли доверять ИИ решения о найме?
Нет — решения о людях (найм, увольнение, повышение) принимает человек. ИИ готовит материал: скрининг по критериям, структурированные оценки, черновики писем. Плюс проверяйте критерии на предвзятость: модель может унаследовать перекосы из ваших же примеров.
Как быть с персональными данными кандидатов?
Обезличивать или использовать корпоративные контуры с контролем данных. Резюме и оценки — чувствительная информация; в публичные модели она попадать не должна. Рабочая схема: шаблоны и критерии — в ассистенте, конкретные данные — минимально и без идентификаторов.
Что значит «ставить задачи ИИ как первокласснику»?
Формула HR-эксперта из фокус-группы: модели нужны чёткие инструкции и микрошаги — как первокласснику. Не «сделай хорошо», а маленькие шаги, примеры и критерии проверки. Бонус: этот же навык улучшает онбординг и обучение живых сотрудников — это одна и та же управленческая ясность.
