ИИ в HR: что уже работает, а что нет

ИИ в HR по процессам: что где

Прежде чем разбирать детали, полезно увидеть всю картину: по каким процессам ИИ уже что-то умеет, что из этого продаётся как готовый сервис, а что обычно делают под конкретную компанию — и честно, что из этого есть у нас, а что нет.

Дальше — подробно по каждой строке: что стоит за словами «готовый сервис» и «разработка под компанию», и почему в двух нижних строках мы прямо говорим «кейсов нет» вместо того, чтобы обещать.

Подбор: готовые сервисы и наша позиция

Подбор — часть HR, где готовых сервисов больше всего. Программы уже разбирают тысячи откликов за минуты, ранжируют кандидатов по тому, насколько резюме подходит вакансии, и пишут первый черновик текста самой вакансии. Сервис «Поток» умеет проводить с кандидатом первый разговор в чате, уточнять детали и передавать дальше тех, кто откликнулся и подходит. У Talantix, который принадлежит hh.ru, похожая логика: автофильтр отбирает кандидатов по заданным параметрам и сам переводит подходящих на следующий этап (сентябрь 2026).

Зрелость рынка при этом ниже, чем кажется из рекламы. По данным CNews, ИИ хоть в каком-то HR-процессе уже используют 57% российских компаний, но конкретно в подборе — 31%, в обучении — 17%, в адаптации новичков — 15% (CNews, 23.01.2026). При этом делегировать подбор ИИ готовы 54% HR-специалистов, а по-настоящему умеют с ним работать меньше 30%. Всего 5% компаний используют ИИ при найме целиком, а 42% всё ещё ведут его полностью вручную (РБК Тренды, 29.01.2026, обновлено 10.02.2026).

Своих кейсов по подбору у нас нет, поэтому первым делом советуем готовый сервис. Заказную разработку обсуждаем только тогда, когда готовый сервис не подходит под требования конкретной компании — например, нужна интеграция с внутренней системой, которую готовые сервисы не поддерживают.

Все решения La Chatte для HRКаталог: подбор, адаптация, обучение, карьерные треки и другие задачи отдела

Риски: данные кандидатов и предвзятость алгоритма

У готовых сервисов подбора есть обратная сторона, о которой на демо обычно не говорят. Алгоритм учится на прошлых решениях компании, и если раньше на похожую позицию чаще брали мужчин, он неосознанно повторит этот перекос в новых рекомендациях. Показательный пример: британская компания искала ИТ-аналитика, и алгоритм предложил трёх мужчин младше 35 лет. При повторной проверке вручную HR-специалисты обратили внимание на двух женщин с более высокими баллами тестов и подходящим опытом — алгоритм их пропустил, потому что в прошлых данных компании уже был такой перекос («Компания», 18.04.2025). Рекрутеры при этом склонны доверять рекомендации алгоритма даже тогда, когда у них самих есть сомнения.

Прежде чем подключать сервис подбора, стоит спросить у его поставщика, где физически хранятся данные кандидатов, — это вопрос на пять минут разговора, а не повод отказываться от автоматизации вообще.

Адаптация и обучение — наш профиль

Представьте сотрудника, который помнит все регламенты компании наизусть и готов ответить в любое время суток — даже в ночную смену или в выходной, когда наставника рядом просто нет. Столько живых людей компания не наймёт. А помощник может быть именно таким: он не устаёт объяснять одно и то же в десятый раз за смену.

Мы делаем помощника, который отвечает сотруднику по документам компании — регламентам, инструкциям, ответам, которые раньше давали только наставники. Сотрудник пишет вопрос своими словами в привычном мессенджере: Telegram, Max или тот корпоративный чат, которым компания уже пользуется. Помощник отвечает и указывает, из какого документа взят ответ, — это можно проверить. Если ответа в документах нет, он честно об этом говорит. Подробно, как устроен такой поиск ответа, — в отдельной статье о том, как ИИ ищет ответ в документах.

В первые недели такой помощник особенно нужен новичку: подсказывает порядок действий, отвечает на вопросы «что делать, если» и говорит, к кому обратиться, если сам не знает ответа. Поверх такого помощника мы строим короткие уроки и проверку через несколько дней — по темам, которые компания считает важными для новичка. Это не готовая функция из коробки, а отдельная надстройка под компанию, и отдельного кейса по ней у нас пока тоже нет.

Кейс: аптечная сеть , 11 000 сотрудников

Эта аптечная сеть — крупная федеральная сеть, в рознице у неё около 11 000 сотрудников по всей стране. Мы подключили помощника в её корпоративный Microsoft Teams — тот чат, которым сотрудники уже пользовались каждый день. Помощник отвечает на вопросы по внутренним регламентам и называет документ, откуда взят ответ. Модель работает на серверах самой сети: открытая модель Qwen, ничего не уходит наружу. Сеть подтвердила результат (источник — кейс на сайте): точность ответов — 94%, текучесть снизилась на 10–15%. Подробности внедрения — на странице «ИИ-ассистент для 11 000 сотрудников федеральной аптечной сети».

Аналитика и документы: что есть на рынке

Кроме подбора и ответов сотрудникам, на рынке есть ещё два направления ИИ в HR. Первое — предсказание, кто из сотрудников близок к увольнению, по данным о его поведении и активности. Второе — кадровый документооборот: приказы, справки и личные дела переводят в электронный вид и частично автоматизируют их оформление. Обычно это продают как отдельный модуль поверх системы кадрового учёта, которая уже стоит в компании.

Готового продукта под это у нас нет, и чужие кейсы мы за свои не выдаём. Наш профиль — тот кусок HR, где сотрудник уже работает в компании и ему нужен быстрый честный ответ по документам.

Когда ИИ в HR не поможет

У решения есть чёткие границы, и мы сразу говорим, кому не подойдёт наш ассистент — до того, как клиент потратит время на разбор задачи.

Если задача — разбор резюме и поиск кандидатов, выше уже названы готовые сервисы для этого. ИИ-ассистент для персонала отвечает уже нанятым сотрудникам и новых не ищет.

Сколько стоит и сколько занимает

Запуск ИИ-ассистента для персонала — от 250 000 ₽, сопровождение после запуска — от 50 000 ₽ в месяц. Срок зависит от объёма регламентов и числа сотрудников — точный расчёт даём на бесплатном разборе. Если нужен полностью закрытый вариант на сервере самой компании, как у этой аптечной сети, такой проект стоит от 2,5 млн ₽.

Первый месяц после запуска — это пилот, и он входит в цену. Ожидаемый результат и цифры, по которым его проверяем, фиксируем ещё на старте. Если за месяц не уложились — дорабатываем бесплатно. Если и после этого результата нет, мы говорим об этом честно и останавливаем работу.

ИИ-ассистент для персонала: как это устроено и сколько стоитЦены, шаги внедрения и весь кейс аптечной сети — на странице услуги

Что нужно от вас

От компании нужно немного, но конкретное. Собранные регламенты и инструкции — подойдут и разрозненные документы, необязательно готовый единый свод. Доступ к тому мессенджеру или чату, где сотрудники уже общаются между собой. И человек в компании, который отвечает за то, чтобы новые правила попадали в помощника вовремя — если такого человека в штате нет, за актуальностью документов в сопровождении следим мы сами.

Для технических специалистов

Ассистент ищет ответ методом RAG — Retrieval-Augmented Generation, то есть сначала находит нужный кусок в документах компании и только потом строит ответ по найденному. Так меньше риск, что модель ответит уверенно и неправильно. Модель может быть облачной — GigaChat, YandexGPT, модели OpenAI или Claude, выбираем по задаче и требованиям к данным — либо открытой моделью на сервере клиента, как Qwen у аптечной сети из нашего кейса. При работе с внешними моделями персональные данные обезличиваются перед отправкой. Каналы подключения — Telegram Bot API, Max Bot API, а также корпоративные мессенджеры компании: у той же сети, например, это Microsoft Teams.