Как внедрить ИИ в найм и не сломать процесс: опыт Звука, deeplay, Силовых Машин и Газпромнефть-Снабжения в главных выводах с панельной дискуссии
1 октября в Санкт-Петербурге Джун, Собесо и get experts провели встречу, чтобы поговорить про ИИ в найме. Одним из центральных событий стала панельная дискуссия под говорящим названием «От теорий к реальным внедрениям»: обсудили, где ИИ в HR и рекрутменте уже работает и кто отвечает за ошибки алгоритмов.
В статье мы собрали главное:
Почему у компаний разный темп внедрения ИИ и это нормально;
Как эффективно работать с освободившимся временем;
Когда лучше выбирать готовый продукт, а когда писать своё;
Какие ошибки чаще всего ломают пилоты;
Какие 6 вопросов стоит задать до запуска ИИ-инструмента;
Кто отвечает за решения, которые принимает алгоритм.
В дискуссии участвовали:
Фаина Лернер, консультант по развитию HR-функции в IT, HRD deeplay;
Анна Алексеева, руководитель управления развития персонала Силовых Машин;
Федор Ценер, руководитель направления подбора и адаптации Звука;
Иван Власов, директор по работе с персоналом Газпромнефть-Снабжения;
Евгений Селиванов, генеральный директор Джуна и Рефни.
Контекст задало исследование Джуна и get experts «Автоматизация найма с помощью ИИ». Основные выводы из материала:
49% компаний уже используют ИИ в найме;
21% планируют начать внедрение в течение года;
84% соискателей переживают, что алгоритм не увидит их реальный опыт и навыки.
Последняя цифра как раз задала тон дискуссии: спикеры говорили не только про эффективность, но и про безопасность, доверие и границы ИИ-автоматизации.
Главное за две минуты
ИИ в рекрутменте уже приносит пользу: разбирает отклики, транскрибирует интервью, отвечает сотрудникам на типовые вопросы, помогает с обратной связью и данными для performance review.
Результат появляется не в момент, когда подключили очередной сервис, а когда заранее определены задача, метрики, границы работы с данными и тот, кто отвечает за итоговое решение.
ИИ полезен там, где усиливает профессионала, а не подменяет его суждение — это главный вывод дискуссии.
У каждой компании своя точка старта
Единого уровня зрелости внедрения ИИ в HR на рынке пока нет, и это видно по рассказам спикеров.
Звук. Около двух лет команда найма разбирает отклики с помощью ИИ, в том числе с помощью https://joon-ai.refni.ru/ — команда Звука освободила 20% времени рекрутеров с инструментом. В компании также около года работают с ИИ-интервьюерами и текстовыми чат-ботами. За пределами рекрутмента ИИ помогает проверять качество целей в performance review: насколько они конкретны, измеримы и связаны с целями руководителя и стратегией компании. А внутренний бот отвечает сотрудникам на типовые вопросы про отпуска, отгулы и компенсации и снимает часть нагрузки с HR-партнёров и кадровой службы.
deeplay. ИИ уже встроен в ежедневную работу команды: разбирает резюме, расшифровывает записи встреч и помогает готовить обратную связь кандидатам. Сейчас команда пробует новые сценарии. Один агент собирает данные о работе сотрудника из Jira, рабочих чатов и Confluence, чтобы ему и руководителю было проще подготовиться к performance review. Другой, агент-методист, помогает внутреннему эксперту собрать собственный обучающий курс.
Силовые Машины и Газпромнефть-Снабжение. В крупных промышленных компаниях главный вопрос — не желание попробовать технологию, а безопасность данных и возможность использовать ИИ в закрытом контуре. Даже готовый продукт проходит долгий путь согласований, проверок и интеграций, поэтому внедряют осторожнее: локальные эксперименты, обезличивание информации, решения под требования ИБ.
Разница в скорости внедрения технологий в организациях не означает, что одни «современные», а другие отстают. У всех разные данные, риски и цена ошибки. Продуктовая ИТ-компания может протестировать решение за несколько недель, а в крупной промышленной корпорации допуск во внутренний контур иногда занимает месяцы.
Освободили время — а дальше что?
Автоматизация реально забирает рутину и освобождает время рекрутеров, но руководителю нужно решить, как именно оно будет использовано: «С внедрением ИИ люди, не умеющие мыслить стратегически, не научатся мыслить стратегически», — говорит Анна Алексеева. Если рекрутер перестал вручную разбирать сотни откликов — автоматически он не начнёт лучше оценивать компетенции и строить наём на уровне бизнес-стратегии. Для этого нужны навыки, новые требования к качеству и понятное решение руководителя, куда направить освободившийся ресурс.
В Звуке, например, время, сэкономленное на первых этапах воронки, вложили в работу с матрицами компетенций, глубокую оценку, внутренние проекты. Федор Ценер формулирует это так: «Понимая, что высвобождаем время на начальных этапах воронки, мы усложняем следующее».
При этом рост производительности может означать не только новые задачи, но и сокращение команды или перераспределение ролей. Поэтому до внедрения ИИ-инструмента стоит решить, куда будет направлено время, и как изменится работа людей. Если не обеспечить прозрачность на этом этапе, технология может восприниматься как угроза.
Хотите избавиться от рутины? Джун ищет кандидатов, разбирает отклики, оценивает резюме по требованиям вакансии, отправляет обратную связь и приглашает подходящих на интервью. Рекрутер видит не только результат оценки, но и её обоснование, а финальное решение остаётся за человеком. Посмотреть возможности Джуна →
Своё или готовое
Сторонники готовых решений напомнили: специализированный вендор развивает один продукт, следит за обновлениями моделей, законодательством и практикой рынка. А внутренней команде нужно не только создать инструмент, но и постоянно его поддерживать. Евгений Селиванов выразил это короче: «Свое — дорого, больно, долго, потом еще раз дорого, потому что это надо поддерживать».
Но в крупной компании и готовый продукт редко остаётся «коробкой». Он проходит проверки ИБ, адаптацию к корпоративному контуру и интеграцию с существующими системами. Иван Власов отметил, что такой путь может занять 9-12 месяцев, и финальное решение заметно отличается от исходной версии.
Эксперты советуют делать выбор исходя из вводных:
Готовое решение, если задача типовая, важна скорость запуска, а внутри нет команды, которая будет постоянно развивать продукт.
Собственная разработка, если процесс уникален, данные нельзя выводить за периметр, а у компании есть сильная команда, а главное — ресурс на разработку и поддержку.
Гибрид, когда для крупных процессов используется готовый инструмент, а небольшие внутренние задачи закрывают собственные агенты и сервисы.
Главная ошибка — выбирать технологию раньше, чем сформулирована потребность. Можно идеально доработать продукт по техническому заданию и только потом обнаружить, что компания не готова его интегрировать или сам процесс устроен по-другому.
Где ломаются пилоты
Рабочие решения редко получаются с первой попытки. Федор Ценер рассказал, что два года назад команда Звука запускала пилоты на волне общего интереса к ИИ и не всегда понимала заранее, по каким критериям оценивать результат. Вывод такой: провалы — это нормально, опасно не учиться на них.
По опыту экспертов, главные ошибки при внедрении ИИ следующие:
Пилот запускается без исходной метрики и критерия успеха;
Рекрутеры слепо доверяют модели;
Скорость оценивается без проверки качества результата;
Разработка продукта проходит без понимания точной потребности и будущих интеграций;
Автоматизация задач, где технология не даёт надёжного результата;
Перекладывание ответственности за решение на алгоритм.
Отдельно опасно использовать ИИ-инструменты, которые определяют ложь по направлению взгляда или судят о потенциале человека по голосу и манере речи — технологии не могут объективно оценивать эти параметры.
Чек-лист: 6 вопросов перед пилотом
Какую конкретную проблему мы решаем?
Сколько времени или денег процесс занимает сейчас?
Как измерим не только скорость, но и качество?
Какие данные получит система и где они будут храниться?
Кто проверяет результат и принимает окончательное решение?
Что сможет сделать кандидат или сотрудник, если считает решение ошибочным?
Кто отвечает за ИИ
Компания, руководитель, пользователь или вендор? Мнения разделились, но из разговора сложилась рабочая модель совместной ответственности:

Евгений Селиванов назвал две главные причины, почему сотрудники сопротивляются технологии. Первая — страх, что инструмент их заменит. Вторая — опасение, что ошибётся ИИ, а отвечать придётся человеку. Если компания не объясняет цели и не показывает качество на понятных метриках, люди додумывают самый неблагоприятный сценарий.
Таким образом, внедрение ИИ — это не только ИТ-проект. Это проект изменений, где коммуникация важна не меньше, чем функциональность продукта.
Когнитивная лень как отдельный риск
ИИ быстро делает убедительно оформленные тексты, отчёты и презентации, и форму легко спутать с содержанием. Фаина Лернер назвала серьёзным риском отчёты, сгенерированные целиком, «без своей мысли внутри».
Похожих историй набралось много:
Сотрудник отправляет руководителю сырую обратную связь;
Команда готовит презентацию с ИИ, но не может ответить на уточняющие вопросы;
Человек управляет десятками агентов и постепенно теряет навык самостоятельно делать эту задачу.
Запретить ИИ — не решение. Полезнее простое правило: автор решения должен уметь объяснить каждый вывод, проверить факты и ответить на вопросы по материалу. Иногда ясная мысль в нескольких предложениях ценнее презентации, которую алгоритм собрал за минуту. ИИ может сделать каркас, собрать данные и предложить варианты, но выбор, интерпретация и ответственность должны оставаться за человеком.
Что изменится в рекрутменте из-за ИИ в ближайшие годы
Прогнозы на год спикеры давали осторожно: в небольших технологичных компаниях перемены будут заметнее, в крупных корпорациях цикл внедрения останется долгим. Но несколько направлений уже видно:
ИИ-интервью перейдут от базового скрининга к оценке компетенции. Пока главный вопрос — насколько надёжно можно оцифровать многослойную человеческую оценку.
Появятся специалисты на стыке HR, продукта и технологий. Например, HR AI Product Manager или операторы HR-tech-решений: они понимают функцию, умеют описывать процессы, собирать прототипы и управлять группой агентов.
Агенты будут вести целые этапы воронки. Поиск, первичная оценка, назначение встречи, транскрибация, отчёт и подготовка оффера смогут работать как связный процесс под контролем одного специалиста.
Критическое мышление и эмпатия станут дороже. Чем больше операций берут на себя системы, тем важнее способность человека замечать контекст, задавать правильные вопросы и принимать решение в неоднозначной ситуации.
7 принципов: как внедрять ИИ в HR без лишнего риска
Начинайте не с технологии, а с конкретной проблемы процесса.
Посчитайте исходные затраты времени, денег и качество до пилота.
Автоматизируйте рутину, но заранее решите, куда направите высвободившийся ресурс.
Проверяйте результат на реальных кейсах, а не на эффектной демонстрации.
Не принимайте значимые решения о людях без участия человека.
Объясняйте сотрудникам и кандидатам, как используется ИИ и кто отвечает за результат.
Развивайте у команды не только навыки работы с инструментами, но и способность проверять, интерпретировать и оспаривать их выводы.
ИИ действительно ускоряет HR-процессы. Но зрелое внедрение начинается там, где компания перестаёт ждать магии и относится к ИИ как к рабочему инструменту: с понятной задачей, измеримым эффектом и человеком, который остаётся субъектом решения.
Хотите проверить ИИ-инструменты на своих вакансиях? Попробуйте Джуна — разбирает до 1500 резюме в минуту, экономит больше 2 часов в день и сокращает сроки найма на 7+ дней. Общается с кандидатами за вас и ищет в холодную.