И это уже становится обычной практикой. По данным SHRM, в 2025 году AI для HR-задач использовали 43% организаций против 26% годом ранее. В рекрутинге среди компаний, использующих AI, 89% HR-специалистов отмечали экономию времени или повышение эффективности.

В исследовании State of AI in HR 2026 SHRM прогнозирует использование AI в HR уже в 46% организаций. При этом влияние технологии значительно чаще проявляется в изменении содержания работы и появлении новых ролей, чем в непосредственном вытеснении сотрудников.

Иными словами, главный вопрос для HR сегодня звучит уже не «нужно ли нам использовать AI?», а:

Разбираем 9 сценариев — от найма и адаптации до L&D, работы HRBP и анализа вовлеченности — и даем готовые промпты, которые можно адаптировать под свою компанию.

AI в HR: от экспериментов к рабочему инструменту

В 2026 году разговор об AI постепенно смещается от отдельных экспериментов к перестройке самой работы.

Deloitte в Global Human Capital Trends 2026 отмечает заметный разрыв: 85% опрошенных лидеров считают критически важной способность организации и сотрудников быстро адаптироваться, но только 7% считают свои компании лидерами в обеспечении непрерывного роста и адаптации людей. При этом лишь 6% руководителей говорят о заметном прогрессе в проектировании взаимодействия человека и AI.

BCG приходит к похожему выводу. По оценке компании, в ближайшие два-три года AI может существенно изменить содержание 50–55% рабочих мест в США — прежде всего через изменение задач, а не простое исчезновение профессий.

Для HR это принципиально.

AI — не просто еще один инструмент автоматизации. HR предстоит одновременно:

• внедрять AI в собственные процессы;
• помогать сотрудникам осваивать новые способы работы;
• пересматривать роли и навыки;
• создавать правила использования AI;
• сохранять человеческий контроль над решениями, влияющими на людей.

BCG прямо относит redesign работы, развитие навыков и доверия к ключевым задачам CHRO в AI-трансформации.

Но начать можно с гораздо более простых вещей.

1. Создать матрицу оценки кандидата

Одна из классических проблем найма — разные интервьюеры оценивают кандидата по разным критериям.

Руководитель смотрит на опыт. HR — на мотивацию. Будущий коллега — на профессиональные навыки. После нескольких интервью команда начинает обсуждать впечатления от человека вместо его соответствия требованиям позиции.

AI позволяет еще до первого интервью превратить описание позиции в структурированную матрицу оценки.

Допустим, компания ищет руководителя отдела продаж.

Полученный результат можно обсудить с нанимающим руководителем и превратить в единый scorecard.

2. Подготовить сценарий структурированного интервью

Следующий шаг — превратить требования позиции в вопросы.

AI особенно полезен при подготовке структурированного интервью, когда кандидаты отвечают на сопоставимые вопросы, а интервьюеры используют заранее определенные критерии.

Например, нужно проверить:

• управление командой;
• принятие решений;
• ориентацию на результат.

Например, вместо:

может появиться:

AI помогает уйти от набора универсальных вопросов к интервью, привязанному к реальным требованиям позиции.

3. Создать план адаптации на 30/60/90 дней

Еще один сильный сценарий — onboarding.

Во многих компаниях адаптация по-прежнему выглядит примерно одинаково: новичку выдают доступы, знакомят с коллегами, отправляют документы — а дальше он должен самостоятельно разобраться, чего от него ждут.

AI позволяет быстро создать черновик полноценного плана адаптации 30/60/90 под конкретную должность.

4. Сделать чек-лист наставника

Даже отличный onboarding-план не гарантирует качественную адаптацию. Одна из причин проста: наставник часто не понимает, что именно он должен делать с новичком.

AI способен превратить большую программу адаптации в простой операционный инструмент.

Получается понятная логика:

Неделя 1: продукт, клиенты, CRM, процессы.

Неделя 2: наблюдение за звонками и первые разговоры.

Неделя 3: самостоятельная работа под наблюдением.

Неделя 4: оценка прогресса и определение зон развития.

Ценность AI здесь не столько в генерации текста, сколько в способности перевести HR-процесс в конкретные действия другого человека.

5. Создать FAQ для сотрудников

• «Когда приходит зарплата?»
• «Как оформить отпуск?»
• «Как получить ДМС?»
• «Что делать, если я заболел?»
• «Как заказать справку?»
• «Где посмотреть остаток отпуска?»

HR-служба может отвечать на одни и те же вопросы десятки и сотни раз.

Если у компании уже есть регламенты и инструкции, AI способен превратить их в понятный сотрудникам FAQ.

6. Превратить регламент в мини-обучение

Представим, что компания внедряет новый performance review. HR подготовил подробную инструкцию на 30 страниц. Формально вся информация есть. Проблема в том, что руководители не хотят читать 30 страниц.

AI можно попросить превратить документ в 20-минутное обучение под конкретную рабочую задачу.

Вместо очередной презентации на десятки слайдов HR получает первую версию небольшого learning experience.

Это особенно актуально на фоне распространения AI в L&D: еще в исследовании SHRM 2025 среди организаций, применявших AI в обучении, 47% использовали его для рекомендации или создания персонализированных возможностей развития.

7. Подготовить HRBP к встрече с руководителем

AI можно использовать не только для создания документов. Он может выступать партнером при подготовке к сложному разговору.

Допустим, HRBP идет к директору подразделения, где резко выросла текучесть.

Даем AI данные:

• 120 сотрудников;
• текучесть выросла с 14% до 27%;
• особенно высока среди сотрудников со стажем менее года;
• engagement score снизился с 76 до 64;
• наиболее слабые показатели — обратная связь, карьерные возможности и нагрузка;
• директор уверен, что люди уходят из-за зарплаты.

Теперь задача.

8. Проанализировать опрос вовлеченности

Это один из наиболее интересных сценариев использования AI в HR. Представим, что компания провела engagement survey и получила количественные результаты, динамику относительно прошлого года, результаты подразделений и сотни или тысячи открытых комментариев сотрудников.

Ручной анализ занимает много времени. AI способен существенно ускорить первый этап.

Шаг 1. Найти изменения

Какие показатели сильнее всего выросли или снизились?

Шаг 2. Кластеризовать комментарии

Какие темы повторяются чаще всего?

Например:

• нагрузка — 31% комментариев;
• качество управления — 24%;
• карьерное развитие — 18%.

Шаг 3. Сравнить подразделения

В каких командах одни и те же проблемы проявляются особенно сильно?

Шаг 4. Сопоставить цифры и комментарии

Подтверждают ли открытые ответы количественные показатели или между ними есть противоречия?

Шаг 5. Сформировать гипотезы

Например: «В подразделении X сотрудники значительно чаще остальных упоминают высокую нагрузку» — это наблюдение.

Но утверждение «Сотрудники подразделения X увольняются из-за высокой нагрузки» — уже причинный вывод, для которого нужны дополнительные данные.

Так AI становится не заменой HR-аналитика, а инструментом, который помогает значительно быстрее понять, куда смотреть дальше.

9. Написать вакансию

Один из самых простых сценариев для знакомства HR с AI — создание текста вакансии.

По данным SHRM, среди организаций, применявших AI в рекрутинге в 2025 году, создание job descriptions было наиболее распространенным сценарием: его называли 66% респондентов.

Но запрос «Напиши вакансию HRBP» скорее всего даст совершенно типовой текст. Гораздо эффективнее передать AI реальный контекст.

После этого AI можно попросить создать несколько версий:

1. короткую — для job-сайта;
2. более живую — для Telegram;
3. версию для LinkedIn;
4. текст для прямого обращения к кандидату.

Но перед публикацией HR должен проверить требования, условия и соответствие текста реальной позиции.

Не только «создай»: используйте AI как критика

Одна из недооцененных возможностей AI — не создавать материал с нуля, а критиковать то, что уже сделал человек.

Например, HR самостоятельно разработал матрицу оценки кандидата. Вместо просьбы переделать ее можно дать AI другую роль.

Точно так же AI можно попросить проверить:

• вакансию;
• программу адаптации;
• опрос;
• презентацию;
• регламент;
• структуру обучения;
• сценарий встречи;
• аналитический отчет.

Главное в работе с AI — не промпт, а контекст

Одна из причин разочарования HR в AI — слишком короткие запросы.

Сравните.

Во втором случае AI понимает:

роль → контекст → бизнес-задачу → ограничения → ожидаемый результат.

Поэтому универсальную конструкцию HR-промпта можно представить так:

Контекст: я HRBP производственной компании, 2 000 сотрудников.

Задача: подготовить руководителя к разговору с сотрудником с низкой результативностью.

Данные: сотрудник работает два года, последние два квартала не выполняет KPI...

Критерий результата: разговор должен помочь выяснить причины и договориться о конкретных действиях.

Ограничение: не делай предположений о мотивации сотрудника без фактов.

Формат: сценарий встречи на 30 минут + вопросы + варианты следующих шагов.

10 команд, которые делают ответы AI полезнее для HR

К любому HR-промпту можно добавлять короткие инструкции:

1. «Каких данных тебе не хватает для качественного ответа?»
2. «Не делай предположений, если информации недостаточно».
3. «Отдели факты от гипотез».
4. «Предложи три варианта и сравни их».
5. «Какие альтернативные объяснения возможны?»
6. «Выступи критиком предложенного решения».
7. «Найди слабые места в своем ответе».
8. «Укажи, где вывод основан на предположении, а не на данных».
9. «Что здесь может быть субъективным или предвзятым?»
10. «Перечисли, что HR должен проверить самостоятельно перед использованием результата».

Такие дополнения часто оказываются важнее попыток написать один «идеальный промпт».

5 ошибок HR при использовании AI

Ошибка №1. Давать слишком мало контекста

«Составь вопросы для интервью» почти неизбежно даст универсальные вопросы.

Чем больше AI понимает про роль, бизнес, задачи и критерии успеха, тем полезнее результат.

Ошибка №2. Принимать первый ответ за финальный

Результат AI лучше воспринимать как первый черновик, а не готовый HR-продукт.

Попросите модель покритиковать собственный результат, предложить альтернативы и указать слабые места.

Ошибка №3. Загружать персональные данные без проверки

Резюме, зарплаты, результаты assessment, медицинские сведения, индивидуальные performance-данные и необезличенные комментарии сотрудников могут содержать конфиденциальную или персональную информацию.

Ошибка №4. Просить AI установить причину там, где есть только корреляция

Снизилась вовлеченность и одновременно выросла текучесть?

Это еще не доказывает, что одно вызвало другое.

AI полезнее попросить сформировать несколько конкурирующих гипотез и способы их проверки.

Ошибка №5. Автоматизировать плохой HR-процесс

Это одна из самых опасных ошибок.

Если компания не определила, что такое high potential, AI не исправит методологию оценки.

Если непонятно, по каким критериям выбирать руководителей, AI не создаст объективную систему только потому, что он AI.

Если onboarding состоит из бессистемного набора встреч, автоматизация сама по себе не сделает его качественным.

Где AI нельзя отдавать последнее слово

Есть принципиальная граница между подготовкой решения и самим кадровым решением.

С осторожностью следует относиться к передаче AI решений о том:

• кого нанять;
• кого уволить;
• кого повысить;
• кого включить в кадровый резерв;
• кого признать high-potential;
• какую оценку поставить сотруднику;
• почему конкретный сотрудник увольняется;
• какие последствия должны наступить для человека.

AI может структурировать данные, предложить критерии, обнаружить противоречия, сформировать гипотезы и подготовить вопросы.

Но решения, существенно влияющие на людей, требуют человеческого контроля, организационного контекста и соответствующей ответственности.

Это совпадает с более широким направлением развития AI в HR. SHRM подчеркивает необходимость сочетать технологические возможности с человеческим суждением, прозрачностью, защитой данных и контролем.

Формула эффективной работы HR с AI

Практически все приведенные сценарии можно свести к одной модели:

Именно поэтому наиболее продуктивная модель — не AI вместо HR, а HR + AI.

AI в HR — это не только автоматизация

BCG в исследовании AI at Work 2026 обнаружила интересный эффект: среди frontline-сотрудников, регулярно использующих AI, 42% сообщили, что технология экономит им восемь и более часов в неделю.

Но исследователи отдельно отмечают: большинство организаций пока не научились превращать высвободившееся время в дополнительную ценность.

Для HR это важный вопрос.

Допустим, AI сократил подготовку матрицы оценки с двух часов до 20 минут. Что произойдет с оставшимися 100 минутами? HR просто сделает больше документов?

Или потратит время на разговор с нанимающим руководителем и уточнит, какой человек действительно нужен бизнесу?

Если AI за несколько минут классифицировал 1 000 комментариев из engagement survey, задача HR не заканчивается.

Наоборот, она только начинается.

Теперь нужно понять, почему сотрудники говорят именно об этих проблемах и что компания собирается с ними делать.

Первая версия может появиться значительно быстрее:

1. матрица оценки;
2. интервью-гайд;
3. onboarding-план;
4. FAQ;
5. мини-курс;
6. сценарий разговора;
7. аналитическая гипотеза.

Первую версию всего этого AI способен помочь создать гораздо быстрее.

А освободившееся время HR может направить туда, где ценность человеческой работы значительно выше: понять бизнес-контекст, поговорить с людьми, проверить гипотезы, увидеть сопротивление, договориться с руководителем и принять решение.

McKinsey в HR Monitor 2026 как раз фиксирует разрыв между экспериментами с AI и масштабированием реального эффекта в HR-функциях.

Поэтому следующий этап внедрения AI в HR — это не просто научить сотрудников писать хорошие промпты. Это научиться перепроектировать работу вокруг связки человека и искусственного интеллекта.