ИИ для HR: онбординг, регламенты, обучение и аналитика

ИИ для HR обсуждают охотно и почти всегда сводят разговор к резюме и собеседованиям. Между тем кадровая служба тратит основное время совсем на другое, а две нормы российского закона прямо очерчивают, куда нейросеть в этой работе пускать нельзя. Об этом и разбор. Подпишитесь на канал, если такие темы вам полезны.

Что такое ИИ для HR и какие задачи он закрывает?

Работа кадровой службы делится на три непохожих слоя, и путаница начинается там, где их смешивают.

Первый слой - разговоры с людьми. Собеседование, обратная связь, конфликт, увольнение, разговор с тем, кто выгорел. Здесь нужен человек, и заменить его нечем.

Второй слой - текст и справка. Регламенты, приказы, должностные инструкции, уведомления, ответы на один и тот же вопрос про отпуск, учебные материалы, отчёт для руководителя. Этот слой съедает часы и почти не автоматизируется обычными средствами: под каждое письмо шаблон не напишешь, а поиск по чатам за прошлый год работает плохо.

Третий слой - решения о людях. Кого взять, кого повысить, кому поднять оклад, с кем расстаться.

Языковая модель целиком заходит во второй слой, частично помогает в первом (черновик письма, подготовка к разговору, расшифровка встречи) и не имеет права заходить в третий. Отсюда рабочее определение: ИИ для HR - это инструмент второго слоя, который готовит материал для решения, но само решение не принимает.

Вот из чего на практике складывается ИИ для HR:

• онбординг - план адаптации под конкретную роль, список доступов, первые задачи;
• справочник - ответы сотрудникам по внутренним регламентам, отпускам, командировкам, полису;
• документы - черновики должностных инструкций, положений, уведомлений, описаний вакансий;
• обучение - учебные материалы и проверочные вопросы из ваших же регламентов;
• опросы - сведение сотен свободных ответов к списку тем с цитатами;
• аналитика - пояснение к цифрам, которые посчитала таблица, и сводка для руководителя;
• коммуникации - рассылки, объявления, протоколы встреч.

Про подбор. Его в этом списке нет намеренно. Подбор и скрининг резюме живут по своим правилам: там другая экономика, другие сроки и свои правовые ловушки вокруг отказа кандидату. Эту часть я разбирал отдельно в материале про ИИ-рекрутера для бизнеса - здесь речь про всё остальное, чем занят ИИ для HR после того, как человек уже вышел на работу.

Онбординг: чтобы новичок не спрашивал одно и то же

План адаптации - это работа, которую делают заново под каждую вакансию, хотя большая часть пунктов повторяется из раза в раз. Модель собирает черновик: что подготовить до выхода, какие доступы нужны, с кем познакомить в первую неделю, какие обязательные инструктажи пройти, что проверить на испытательном сроке. Кадровик правит имена, даты и отраслевые детали.

Выигрыш здесь в другом: план перестаёт собираться с нуля. Для массовых позиций черновик собирается по шаблону роли, для редких - по описанию из заявки руководителя.

Вторая половина задачи интереснее. Новичок в первые недели задаёт десятки вопросов, и все они однотипные: где заявление на отпуск, как оформить пропуск, куда сдавать больничный, как работает полис. Каждый такой вопрос стоит кадровику пять минут, а новичку - полчаса ожидания. Справочник, который отвечает словами по вашим же документам, снимает основную массу этих обращений. Как такой справочник устроен изнутри, разобрано в материале про базу знаний для ИИ.

Чего онбординг на нейросети не делает. Он не замечает, что человек растерян и вторую неделю сидит без задач. Он не знакомит с командой и не создаёт ощущения, что новичка ждали. Ровно это и определяет, останется человек или уйдёт через три месяца, и именно это остаётся живой работой.

Внутренние вопросы: справочник, который отвечает словами

Быстрее всего ИИ для HR окупается именно здесь, и разница между рабочим справочником и игрушкой проходит по одной линии. Игрушка отвечает из общих знаний о трудовом праве, и её ответ звучит правдоподобно ровно до момента, когда сотрудник по нему что-то сделает. Рабочий справочник отвечает по вашим внутренним документам и показывает, откуда взял.

Требование к ответу формулируется в трёх пунктах, и его стоит записать буквально:

1. ответ даётся только на основании загруженных документов компании;
2. в ответе указывается документ и пункт, откуда взята формулировка;
3. если в документах ответа нет, модель пишет об этом и не придумывает.

Третий пункт важнее первых двух. Без него модель заполняет пробел общей практикой, а сотрудник получает уверенный ответ, которого нет ни в одном вашем положении.

Ставить справочник удобнее там, где люди и так общаются, - в корпоративном мессенджере. Как выглядит такой телеграм-бот для бизнеса и что он умеет, разобрано отдельно.

Главная опасность - устаревший документ. Положение об отпусках поменялось в марте, а в справочнике лежит редакция с прошлого года. Модель об этом не узнает никогда: она отвечает по тому, что ей дали. Поэтому у каждого документа в справочнике должна быть дата, а у справочника - ответственный, который эти даты обновляет.

Кадровые документы: черновик пишет модель, подпись ставит человек

Кадровые документы устроены удобно для языковой модели: у каждого есть привычная структура, знакомая лексика и образец, который можно показать. Вы даёте старую должностную инструкцию по смежной роли, описание обязанностей от руководителя и просите собрать черновик. Через минуту у вас лист, который остаётся выправить, а не написать с нуля.

Тот же приём работает с уведомлениями, служебными записками и ответами на обращения сотрудников. Заметнее всего он там, где документ типовой, но написать его нужно сегодня. Подробнее про работу с документами разобрано в материале про нейросеть для документов.

Что модели отдавать нельзя. Две вещи, и обе выглядят безобидно.

Первая - расчёты. Дни отпуска, сроки уведомления, стаж, компенсации. Внутри модели нет калькулятора: она подбирает продолжение текста по вероятности, и дата или количество дней подбираются тем же способом, что обычные слова. На выходе получается правдоподобная цифра, а по виду ответа не понять, что её никто не считал.

Вторая - ссылки на нормы права. Номер статьи, часть, редакция. Здесь модель ошибается чаще всего, и ошибка живучая: в документе она выглядит как признак качества. Механику такого поведения я разбирал в материале про галлюцинации нейросети.

Лечится это одной строкой в запросе: не ссылаться на статьи закона, а вместо ссылки оставлять пометку для проверки. Тогда вы точно знаете, какие места в черновике нужно открыть в тексте кодекса.

Обучение сотрудников: материалы, тесты и разбор ошибок

В большинстве компаний обучение упирается не в отсутствие знаний, а в отсутствие формы. Регламент на четырнадцать страниц существует, читать его никто не будет. Из него делается короткий материал на страницу, десять проверочных вопросов и три разбора ситуаций - и обучение появляется там, где вчера была папка с документами.

Три применения, которые окупаются сразу:

• учебный материал из регламента - тот же смысл, но человеческим языком и короче;
• проверочные вопросы - десять штук с правильными ответами и объяснением, почему остальные неверны;
• разбор типовой ошибки - описываете ситуацию, которая повторяется, и получаете материал для внутреннего обучения.

Отдельная тема - обучение самих сотрудников работе с нейросетями. Это уже обычное повышение квалификации со своими правилами: без практики на рабочих задачах курс не держится. Разбор этой части лежит в материале про обучение сотрудников нейросетям.

Опросы и удержание: как прочитать триста ответов

На кадровых опросах ИИ для HR даёт самый заметный выигрыш по времени, потому что ценность опроса живёт в свободных ответах, а не в баллах по пятибалльной шкале. Именно там сотрудник пишет, что согласование занимает неделю, что новичкам не с кем обедать и что премия непонятно как считается. И именно эта часть обычно теряется: триста ответов по абзацу никто не прочитает подряд.

Запрос для разбора формулируется в четырёх строках:

1. сведи ответы к списку тем, у каждой темы напиши, сколько ответов её затрагивают;
2. к каждой теме приложи две-три дословные цитаты;
3. отдельно вынеси темы, которые встретились один-два раза;
4. ничего не добавляй от себя, работай только с текстом ответов.

Третья строка - самая ценная. Модель по своей природе усредняет, и редкий сигнал она склонна сгладить. А в кадровых опросах редкий сигнал часто и есть самый дорогой: один человек написал про то, о чём остальные промолчали.

Тот же приём работает с отзывами сотрудников на внешних площадках и с обратной связью после увольнения. Механика разбора свободного текста одинаковая, и подробно она описана в материале про анализ отзывов нейросетью.

Про обезличивание. Ответы в опросе - персональные данные, если по тексту можно узнать человека. «Я единственный монтажник в филиале, и вот что у нас происходит» - это узнаваемо. Такие ответы либо обезличивают до отправки, либо разбирают в контуре, где данные не уходят наружу.

HR-аналитика: где считает таблица, а где помогает модель

Границу ИИ для HR в аналитике проводят так же, как в бухгалтерии: арифметика остаётся в таблице, текст уходит к модели. Разделение выглядит просто, но именно на нём ломается большинство попыток.

Что модель делает хорошо:

• собирает формулу для расчёта в таблице по описанию словами;
• объясняет, почему показатель считается именно так, и где обычно ошибаются;
• пишет комментарий к готовым цифрам для собрания или письма учредителю;
• предлагает разрезы, которые вы не запросили: по стажу, по подразделению, по каналу найма.

Что она делает плохо: считает сама. Если вы дали выгрузку и попросили посчитать средний срок закрытия вакансии, ответ будет выглядеть уверенно и может быть неверным. Отдельная беда - потерянная строка: в выгрузке двести позиций, в сводке оказалось сто девяносто восемь, и заметить это можно только сверкой двух контрольных величин, числа строк и итога. Формулы для таблиц и работа с выгрузками разобраны в материале про нейросеть для Excel, а сборка живого отчёта - в материале про то, как сделать дашборд без программиста.

Отдельно про прогнозы увольнений. Модели, которые предсказывают, кто уволится в ближайшие полгода, продаются активно. Прежде чем считать такой прогноз основанием для разговора или кадрового решения, дочитайте до раздела про решения о людях: там норма закона, которая эту конструкцию ломает.

Совещания и внутренние тексты

Внутренние коммуникации - это поток мелких текстов, каждый из которых стоит десять минут, а вместе они съедают полдня в неделю. Объявление, напоминание про сроки, пояснение к новому регламенту, письмо с итогами встречи. Здесь ИИ для HR работает без оговорок: текст короткий, проверяется чтением, цена ошибки низкая.

Расшифровка и протокол встречи - отдельная задача с ощутимым выигрышем: после планёрки остаётся список решений и ответственных вместо памяти участников. Как это устроено, разобрано в материале про нейросеть для протокола совещаний.

Ограничение одно. Запись разговора с сотрудником - это обработка его персональных данных. Участников предупреждают до начала, а разговоры один на один про зарплату, конфликт или увольнение не записывают вовсе. Протокол планёрки и расшифровка личной беседы - разные вещи, хотя технически делаются одинаково.

Персональные данные сотрудников: что нельзя загружать в публичный чат

Границу ИИ для HR в этом разделе ставит закон, а качество модели тут ни при чём. Начну с нормы, потому что она короткая и не допускает толкований. Статья 88 Трудового кодекса перечисляет обязанности работодателя при передаче персональных данных работника, и первая из них звучит так:

не сообщать персональные данные работника третьей стороне без письменного согласия работника, за исключением случаев, когда это необходимо в целях предупреждения угрозы жизни и здоровью работника, а также в других случаях, предусмотренных настоящим Кодексом или иными федеральными законами

Трудовой кодекс Российской Федерации, статья 88, текст на сайте КонсультантПлюс

Там же отдельной строкой: не сообщать персональные данные работника в коммерческих целях без его письменного согласия.

Публичный чат - это чужой сервис чужой компании. Когда вы загружаете туда ведомость или сканы документов, вы поручаете обработку персональных данных стороннему лицу. Закон о персональных данных такое допускает, но с условиями: по части 3 статьи 6 закона от 27.07.2006 № 152-ФЗ поручение обработки другому лицу даётся с согласия субъекта персональных данных и на основании договора, в котором определены перечень действий и цели обработки. Согласия сотрудников на отправку их документов в публичный чат обычно нет, договора с этим сервисом - тоже.

Что относится к данным работника. Список шире, чем кажется на первый взгляд:

• резюме, анкеты, характеристики, результаты оценки;
• паспортные данные, СНИЛС, ИНН, сведения о родственниках;
• зарплата, премии, удержания, исполнительные листы;
• медицинские документы, справки, сведения об инвалидности;
• служебные записки и объяснительные с фамилиями;
• ответы в опросах, если по тексту узнаётся человек.

Ещё одна норма, про которую забывают. Пункт 3 части 1 статьи 86 Трудового кодекса требует получать персональные данные работника у него самого; если их можно получить только у третьей стороны, работника уведомляют заранее и берут письменное согласие. Отсюда следует простое ограничение для затеи «пусть нейросеть поищет, что известно про нашего сотрудника в открытых источниках»: собранное таким образом досье - это данные, полученные у третьей стороны без уведомления и согласия. Кадровому решению оно основанием служить не может.

Что отправлять можно спокойно. Всё обезличенное: регламенты и положения без фамилий, шаблоны документов, описания ролей и обязанностей, учебные материалы, текст вакансии, формулировки для письма. Этого хватает для большей части задач из разделов выше.

Три рабочих выхода, если данные всё-таки нужны:

1. Обезличить до отправки. Заменить фамилии на роли, убрать номера документов и адреса. Занимает минуту и закрывает большинство случаев.
2. Работать там, где есть договор. Российский сервис с договором и понятным местом хранения данных снимает часть вопроса. Что есть на рынке, перечислено в материале про российские нейросети для бизнеса.
3. Поставить модель в своём контуре. Дороже и сложнее, но данные не покидают компанию. Разбор варианта - в материале про локальную нейросеть.

Ответственность за всё это несёт работодатель как оператор персональных данных: сотрудник, который «просто попросил чат помочь», компанию не прикрывает. Требования к обработке ужесточились: поправки в Кодекс об административных правонарушениях, внесённые Федеральным законом от 30.11.2024 № 420-ФЗ, вступили в силу 30 мая 2025 года. Тот же круг вопросов со стороны клиентских данных разобран в материалах про персональные данные клиентов в нейросети и про то, что происходит с данными в публичной нейросети.

Решения о людях: закон запрещает отдавать их автоматике

Пункт 6 части 1 статьи 86 Трудового кодекса перечисляет общие требования при обработке персональных данных работника и содержит прямой запрет:

при принятии решений, затрагивающих интересы работника, работодатель не имеет права основываться на персональных данных работника, полученных исключительно в результате их автоматизированной обработки или электронного получения

Трудовой кодекс Российской Федерации, статья 86, текст главы 14 на сайте КонсультантПлюс

Вторая норма шире и касается любого человека, не только работника. Часть 1 статьи 16 закона о персональных данных:

Запрещается принятие на основании исключительно автоматизированной обработки персональных данных решений, порождающих юридические последствия в отношении субъекта персональных данных или иным образом затрагивающих его права и законные интересы, за исключением случаев, предусмотренных частью 2 настоящей статьи

Федеральный закон от 27.07.2006 № 152-ФЗ, статья 16, текст на сайте КонсультантПлюс

Что это означает на практике, если убрать юридический язык.

Скоринг сотрудников не может быть основанием. Система посчитала, что человек в зоне риска увольнения или что его результативность ниже нормы. Использовать этот балл как причину решения нельзя. Посмотреть на него как на повод самому разобраться - можно.

Автоматический отбор на повышение или премию не годится. Решение о премии затрагивает интересы работника напрямую. Оно должно опираться на фактические показатели, которые руководитель видел и может объяснить словами.

Дисциплина и увольнение - тем более. Здесь помимо статьи 86 работает обычный порядок: основания, объяснение работника, сроки. Вывод модели в этот порядок не встраивается ни на одном шаге.

Рабочая формулировка, которая закрывает вопрос про ИИ для HR целиком: модель готовит материал к решению, а в приказе и в разговоре с человеком основанием служат факты, а не её вывод. Если убрать вывод модели, решение должно остаться обоснованным. Не остаётся - значит, вы нарушаете статью 86.

Отсюда же ответ на вопрос, который задают чаще остальных: заменит ли ИИ для HR живого специалиста. Ответственность за кадровое решение лежит на людях и на организации, у модели нет ни подписи, ни правосубъектности. Подробнее эта развилка разобрана в материале про то, бывает ли ИИ вместо сотрудников.

Где ИИ для HR ошибается: пять типовых сбоев

Пятёрка ниже - то, на чём ИИ для HR спотыкается в кадровых задачах чаще всего.

1. Выдуманная или устаревшая норма права. Модель называет статью, части и формулировку, которых нет или которые давно в другой редакции. В кадровом документе это дорого: ошибку заметят при проверке или в суде. Как ловить: открывать каждую ссылку на норму в тексте кодекса. Проще запретить их в запросе совсем.

2. Ответ по общей практике вместо вашего регламента. Сотрудник спрашивает про отпуск, модель отвечает как принято в среднем по рынку, а у вас в положении иначе. Как ловить: требовать в ответе указания на документ и пункт. Нет ссылки - ответ не принимается.

3. Формулировка с признаком дискриминации. Модель охотно пишет «ищем молодого энергичного сотрудника» или подставляет в требования семейное положение: она собирает текст по тому, как подобные объявления пишут в среднем по интернету. Часть 3 статьи 3 Трудового кодекса запрещает ограничивать трудовые права и давать преимущества в зависимости от пола, возраста, семейного и социального положения, места жительства и ряда других обстоятельств, а статья 64 требует оценивать деловые качества. Правовая сторона отказа кандидату разобрана в материале про ИИ-рекрутера. Как ловить: вычитывать любой текст про людей по перечню из статьи 3 - возраст, пол, семейное положение, национальность, место жительства.

4. Уверенный тон при незнании. Ответ звучит одинаково твёрдо и когда модель знает, и когда придумывает. Интонация сигналом не является. Как ловить: прямо разрешать ответ «в документах этого нет». Без такого разрешения модель заполнит пробел.

5. Усреднение редких сигналов. В разборе опросов модель тянет к середине и сглаживает то, что встретилось один раз. В кадровых данных редкий сигнал часто и есть самый важный. Как ловить: отдельным пунктом запроса просить вынести темы, встретившиеся один-два раза.

Общее правило для всех пяти: проверка идёт по формальному списку, а не по ощущению. Ощущение здесь не работает - смущаться нечему, текст выглядит гладко в обоих случаях.

Как завести ИИ для HR у себя: четыре шага

Шаг 1. Одна задача вместо «внедрим ИИ для HR». Посмотрите, на что у кадровой службы уходит неделя, и возьмите самое частое: вопросы новичков про отпуск и пропуск, типовые уведомления, разбор последнего опроса. У такой задачи есть понятный владелец и видимый результат, поэтому через месяц будет ясно, работает затея или нет. Широкий заход этим свойством не обладает.

Шаг 2. Разложите кадровые документы на три стопки до первого запроса. Первая уходит в модель как есть: положения, регламенты, шаблоны приказов, тексты вакансий, учебные материалы. Вторая уходит после обезличивания: служебные записки, объяснительные, ответы в опросах. Третья не уходит никуда: личные дела, табели с фамилиями, ведомости по оплате труда, сканы паспортов и трудовых книжек, медицинские сведения. Если в компании есть ответственный за организацию обработки персональных данных, раскладку согласуйте с ним: это ровно его вопрос.

Шаг 3. Соберите справочник из действующих редакций. Правила внутреннего трудового распорядка, положение об отпусках, положение об оплате труда, порядок командировок, регламент по больничным - в одном месте, у каждого документа дата утверждения и человек, который её обновляет. Это самая скучная часть работы, и она же решает, будет справочник отвечать правду или красиво. Формулировки запросов, которые заставляют модель держаться источника, разобраны в материале про то, как писать промпты.

Шаг 4. Запишите правило проверки и раздайте его отделу. Три пункта: что проверяется всегда (сроки, дни отпуска, суммы, ссылки на статьи кодекса), что не отдаётся модели ни при каких условиях, кто отвечает за актуальность документов в справочнике. Пока правило живёт в голове одного энтузиаста, оно уходит вместе с ним в отпуск.

Рано или поздно задач у ИИ для HR набирается несколько, и они начинают связываться между собой: справочник, уведомления, обучение, отчёты. С этого момента ручная переписка с чатом перестаёт окупаться, и разговор переходит в автоматизацию бизнеса с ИИ. Процесс описывается один раз и дальше работает без участия человека на каждом шаге. Сходится ли это на вашем масштабе, считают по обычной арифметике, она разобрана в материале про окупаемость ИИ для бизнеса. Типичный порядок запуска в небольшой компании описан в материале про внедрение ИИ в малом бизнесе.

Где вы сейчас

• Ещё не пробовали, а новички съедают время вопросами. Начинайте со справочника по внутренним документам: эффект виден на первой же неделе.
• Пробовали, получили общие слова и бросили. Скорее всего, в запросе не было требования отвечать только по загруженным документам и указывать пункт. Вернитесь к разделу про внутренние вопросы.
• Пользуетесь регулярно и загружаете туда файлы сотрудников. Остановитесь на разделе про персональные данные: похоже, вы уже передаёте их третьей стороне без письменного согласия.
• Смотрите в сторону скоринга и прогнозов по команде. Прочитайте раздел про решения о людях до того, как такой балл попадёт в разговор с сотрудником.

Чек-лист

• У затеи есть одна конкретная задача с владельцем в кадровой службе и видимым результатом через месяц.
• Кадровые документы разложены на три стопки, и раскладку видел ответственный за обработку персональных данных.
• Личные дела, табели, ведомости по оплате труда и сканы паспортов в публичный чат не отправлялись ни разу.
• В справочнике лежат действующие редакции, у каждого документа есть дата утверждения и человек, который её обновляет.
• Справочник называет документ и пункт, а на вопрос без ответа в документах отвечает прямо, что ответа нет.
• Сроки, дни отпуска, суммы и ссылки на статьи кодекса перепроверены человеком до того, как ушли в документ.
• Ни один приказ и ни один разговор с сотрудником не опираются на вывод модели как на основание.