«Две нейросети собеседуют друг друга, пока рекрутер пьет кофе» — эта ирония из блогов HR-специалистов в 2026 году стала реальностью. Российские эйчары массово переходят на использование ИИ для отсева и отбора кандидатов: нейросети пишут вакансии, проводят первичные собеседования, анализируют эффективность сотрудников. А соискатели, чтобы иметь шанс пробиться к живому работодателю, тоже используют нейросети, запуская гонку алгоритмов.
В 2023–2024 годах казалось, что еще немного — и искусственный интеллект решит все проблемы рекрутинга. Нейросети будут мгновенно находить идеальных кандидатов, отсеивать неподходящих и предсказывать успешность найма с точностью до 99%. Рекрутеры вздохнут с облегчением и займутся стратегией.
В 2026 году эйфория уступила место разочарованию. Согласно исследованию Sk Финтех Хаб Фонда «Сколково», системно используют ИИ в процессе найма лишь 5% российских компаний, а 42% реализуют все HR-процессы вручную. При этом 74% компаний отмечают рост расходов на найм в среднем на 10%. Технологии обещали снизить издержки, но пока только добавили головной боли. Почему так произошло и как перезагрузить подход к ИИ в HR — разбираемся.
Парадокс готовности: хотеть — не значит уметь
Исследование Сколково выявило ключевое противоречие, которое эксперты назвали «парадоксом готовности». С одной стороны, 54% HR-специалистов готовы делегировать ИИ задачи подбора и скрининга кандидатов. С другой — менее 30% из них умеют работать с такими инструментами.
При этом 56% респондентов отмечают поддержку руководства, что создает благоприятную среду для внедрения. Однако недостаток навыков и отсутствие систем оценки эффективности остаются главными барьерами.
Ситуацию усугубляет глобальный тренд. По данным ManpowerGroup Global Talent Barometer 2026, регулярное использование ИИ в мире выросло на 13 процентных пунктов и достигло 45% рабочей силы. Но уверенность сотрудников в использовании технологий упала на 18 процентных пунктов — впервые за три года.
Экономия времени, а не качества
Главное разочарование 2025 года, зафиксированное исследованием Сколково: ИИ в подборе персонала ценят за экономию времени, а не за повышение точности найма.
Как отмечают авторы исследования, «ИИ воспринимается в первую очередь как инструмент автоматизации, а не как технология, улучшающая качество принятия решений, что говорит о раннем этапе зрелости использования ИИ».
То есть нейросети помогают быстрее просматривать резюме и отсеивать заведомо неподходящих кандидатов. Но на вопрос «насколько хороши оставшиеся кандидаты?» алгоритмы пока отвечают неуверенно.
По данным LinkedIn, опубликованным в январе 2026 года, две трети рекрутеров по всему миру сообщают, что находить качественных кандидатов стало сложнее, хотя количество откликов на вакансию удвоилось с весны 2022 года. ИИ создал иллюзию доступности талантов, но реальный дефицит качественных специалистов никуда не исчез.
Не доверяем, но хотим попробовать
Еще одно противоречие, зафиксированное исследованием: HR-специалисты не доверяют ИИ, но готовы его тестировать.
75% респондентов заявили, что доверие к ИИ-инструментам повысит только пилотирование на реальных задачах. 63% готовы использовать технологии только при измеримой пользе.
Рынок не верит презентациям и даже кейсам других компаний. Ему нужен собственный опыт и конкретные цифры «до и после».
Опрос SuperJob (март 2026 года) подтверждает: полностью доверить алгоритмам проведение собеседований готовы лишь 6% россиян, 83% выбирают традиционного рекрутера.
При этом интерес к внедрению остается высоким: 54% HR-специалистов рассматривают интеграцию ИИ-решений в 2026 году. Но без доверия и понятных метрик масштабирование успешных кейсов остается проблемой.
Проблема в том, что 67% HR-специалистов не владеют методами измерения эффекта по этим метрикам. Без цифр обосновать внедрение перед руководством невозможно.
Алгоритмическая предвзятость: когда ИИ становится дискриминационным
Проблема «прокси-переменных»
Большинство систем ИИ для найма не используют защищенные признаки напрямую (пол, возраст, национальность). Вместо этого они полагаются на прокси-переменные: продолжительность работы на последнем месте, престиж предыдущего работодателя, линейность карьерного пути.
Эти прокси не нейтральны. Со временем они могут дискриминировать кандидатов, чья карьера не была линейной или непрерывной: тех, кто брал перерыв на уход за детьми, менял сферу деятельности, имеет международный опыт или пришел в профессию нетрадиционным путем. В результате ИИ может систематически отсеивать талантливых людей, чьи навыки сложнее «закодировать» в формальные критерии.
«Бездумная бюрократия»: кейс Mobley vs. Workday
Показательный пример — коллективный иск Mobley против Workday, который рассматривается как тестовый для всей индустрии HRtech. Истец утверждает, что автоматизированные системы скрининга резюме, обученные на исторических данных, могут систематически отсеивать кандидатов по признакам, которые работодатель никогда бы не использовал сознательно. Судьба этого иска во многом определит, насколько компании будут нести ответственность за алгоритмические решения своих поставщиков.
Негласная дискриминация
Как отмечают эксперты Forbes, проблема не в том, что ИИ «злой», а в том, что его решения непрозрачны. «К тому времени, как кандидаты доходят до человеческого рассмотрения, алгоритмы уже отфильтровали, отранжировали и исключили соискателей. Это upstream-влияние, в значительной степени невидимое для кандидатов и часто плохо понимаемое внутри компаний, — вот где сходятся и ценность, и риски».
Российские реалии не лучше. В Сети гуляют примеры, когда ИИ отдавал предпочтение «только славянам» или «женщинам без детей и мужа», а на роль руководителя рассматривал исключительно мужчин 35–50 лет — просто потому, что на таких данных его обучили.
Где ИИ действительно полезен: от экспериментов к осознанному внедрению
Несмотря на разочарования, есть области, где ИИ уже доказал свою эффективность.
Скрининг и холодный подбор
Около 75% HR-специалистов заняты холодным поиском кандидатов, причем 77% работают с объемами до 200 кандидатов в месяц. ИИ здесь незаменим: он может обработать сотни резюме за минуты, выделив тех, кто действительно соответствует формальным критериям.
Автоматизация первичных коммуникаций
Чат-боты для первичных собеседований, автоматические ответы на отклики, уведомления о статусе заявки — рутинные задачи, которые ИИ выполняет без ошибок и усталости. Именно здесь экономия времени максимальна, а риски минимальны.
HR-аналитика и прогнозирование
Gartner прогнозирует, что к 2030 году около половины сегодняшних HR-активностей могут быть автоматизированы или выполняться ИИ. Речь идет прежде всего об аналитических задачах: прогнозирование текучести, выявление рисков выгорания, анализ вовлеченности.
Где ИИ действительно помогает: успешные кейсы
Несмотря на разочарования, есть примеры успешного внедрения ИИ в HR. Исследование The Hackett Group приводит показательные кейсы:
- Johnson & Johnson: AI-платформа для вовлечения сотрудников принесла ROI более 200%
- Intermountain Health: генеративный ИИ в подборе персонала сократил время закрытия вакансии с 65 до 35 дней, а экономия превысила 2 000%
Эти примеры показывают: ИИ в HR работает, когда внедрение идет не «для галочки», а системно, с перестройкой процессов и четкими метриками.
Как отмечают авторы исследования, «реальное влияние ИИ в HR — когда он меняет то, как структурируется работа и принимаются решения».
Что выбирают рекрутеры: критерии выбора ИИ-платформ
Исследование Сколково также выявило, на что обращают внимание HR-специалисты при выборе ИИ-инструментов.
Топ требований к ИИ-платформам:
- Релевантность результатов — 75%. Главное требование: алгоритм должен показывать подходящих кандидатов, а не «шум».
- Объяснимость решений — 67%. Рекрутеры хотят понимать, почему ИИ выбрал того или иного кандидата, и должны иметь возможность проверить это решение.
- Стоимость и ROI — третье место.
- Покрытие источников поиска и информационная безопасность — также важные критерии.
От экспериментов к осознанному использованию
Эйфория от ИИ в HR прошла. Наступила фаза трезвой оценки. Технологии не заменили рекрутеров, не решили магически проблему дефицита кадров и не снизили стоимость найма так, как обещали.
Но это не значит, что ИИ бесполезен. Он реально экономит время на рутинных операциях, помогает быстрее формировать шорт-листы и автоматизировать первичную коммуникацию с кандидатами. Однако он не панацея.
Что нужно, чтобы ИИ в HR работал:
- Четкие метрики эффективности и умение их измерять
- Обучение HR-специалистов работе с инструментами
- Понимание, что ИИ — помощник, а не замена человеку
- Пилотирование на реальных задачах, а не вера в презентации
Рынку нужно делать больше пилотов и проверять системы на реальных задачах и по релевантным показателям. Важно также начать обучение персонала принципам работы и применению ИИ, а также дать понимание того, что финальное решение все равно стоит за человеком.
Ruqi: смесь технологичности и человечности
Даже при введении автоматизации, операционная работа с персоналом никуда не исчезает. Массовый подбор, оформление, замена сотрудников — задачи, которые требуют не алгоритмов, а надежного партнера с базой проверенных кандидатов и отраслевым опытом.
Ruqi забирает на себя операционную работу с линейным персоналом в сферах промышленности, логистики, ритейла и АПК, чтобы вы могли сосредоточиться на поиске оптимальных технологических решений.
- Более 14 лет на рынке аутсорсинга
- 16 000 исполнителей в базе по всей России
- Экономия на ФОТ до 40% — вы платите только за фактически отработанные часы
- Экономия времени HR до 30% — ваша команда занимается стратегией и технологиями
- Собственная IT-платформа для прозрачного контроля и отчетности
- Лицензия ЧАЗ и работа строго в правовом поле
Оставьте заявку на нашем сайте — ответим за 10 минут и покажем, как аутсорсинг помогает закрывать операционные задачи, пока вы внедряете технологии будущего.
