Большинство разговоров об искусственном интеллекте в HR пока крутятся вокруг отдельных инструментов: AI-рекрутеров, чат-ботов, генерации контента, аналитики или автоматизации кадровых операций.
Джош Берсин предлагает посмотреть дальше. В прогнозе HR 2030™: The Agentic HR Vision он описывает модель, в которой HR перестаёт быть набором отдельных систем и процессов и превращается в постоянно работающую сеть интеллектуальных агентов, связанных с данными о сотрудниках, финансами и операционным бизнесом.
Это не классическое научное исследование с репрезентативной выборкой и статистической проверкой гипотез. Авторы называют материал видением будущего, сформированным на основе сотен интервью с корпоративными клиентами и поставщиками HR-технологий.
Поэтому описанный сценарий стоит воспринимать не как точный прогноз на 2030 год, а как возможную архитектуру HR-функции, к которой постепенно ведут сегодняшние AI-инструменты.
Что такое Agentic HR
Agentic HR можно перевести как агентную модель управления персоналом. В ней искусственный интеллект уже не ограничивается ответом на вопрос или созданием текста по запросу.
Агент получает доступ к корпоративным данным, взаимодействует с другими системами, отслеживает изменения и способен не только анализировать ситуацию, но и предлагать следующий шаг.
Уровень автономности при этом может различаться. Составление графика или поиск внутреннего эксперта потенциально можно автоматизировать почти полностью. Решения о вознаграждении, продвижении или увольнении, наоборот, потребуют гораздо более жёсткого человеческого контроля.
HR-системы могут постепенно исчезнуть из поля зрения сотрудника
Сегодня сотруднику нередко приходится самому понимать, в какой системе лежит нужный документ, где оформить заявление, куда перейти для обучения и в каком разделе искать внутреннюю вакансию.
В агентной модели интерфейс становится вторичным. Человек формулирует задачу обычными словами, а агент уже сам находит регламент, проверяет доступы и правила, обращается к нужной системе и запускает процесс.
Если такая модель действительно масштабируется, HR Tech станет гораздо менее заметным для пользователя. Сотрудник будет работать не с десятком корпоративных платформ, а с единым интеллектуальным слоем поверх них.
Superworker Organization: как AI меняет работу сотрудников и роль HR →
Главное топливо Agentic HR — данные
Чтобы агент мог принимать полезные решения, ему недостаточно знать должность, подразделение и дату найма. Модель Берсина предполагает значительно более широкий цифровой контекст.
Компания сможет видеть не только должность, но и фактическую роль человека
Это одно из наиболее сильных обещаний агентной модели. Формальная оргструктура далеко не всегда отражает, кто в компании действительно обладает критической экспертизой.
Один специалист может регулярно подключаться к ключевым проектам нескольких подразделений, быть неформальным экспертом для коллег и влиять на результат значительно сильнее, чем следует из его должностного профиля.
Анализ организационных связей, истории проектов и используемых навыков потенциально позволит увидеть эту реальную структуру работы и быстрее находить внутреннюю экспертизу.
AI сможет раньше замечать перегрузку. Но где заканчивается забота и начинается наблюдение?
Если системе доступны расписание, нагрузка, сверхурочная работа и динамика производительности, она потенциально сможет замечать опасные паттерны раньше руководителя.
Это особенно важно для производственных, медицинских, технических и других ролей, где хроническая перегрузка влияет не только на самочувствие, но и на безопасность.
- профессиональное выгорание;
- длительные переработки;
- нехватка ресурсов;
- дисбаланс нагрузки;
- рост вероятности ошибок;
- снижение вовлечённости.
Но тот же массив данных, который позволяет вовремя заметить перегрузку, можно использовать и для постоянного контроля. Именно поэтому техническая возможность сама по себе ещё не отвечает на вопрос, допустимо ли такое наблюдение внутри компании.
Внутренний рынок талантов соединится с внешним рынком труда
В модели HR 2030 агент не ограничивается данными о собственных сотрудниках. Он одновременно видит, что происходит с профессиями, зарплатами и навыками снаружи компании.
Это создаёт полноценный слой Talent Intelligence: компания может сравнить стоимость внешнего найма, развитие человека внутри, внутреннюю мобильность или изменение самой роли.
Система может показать, что поиск кандидата будет дорогим и долгим, а развитие действующих сотрудников — более реалистичным сценарием.
Агент может найти людей, чьи навыки подходят для растущего направления, и предложить внутреннее перемещение.
HR-аналитика может наконец соединиться с экономикой бизнеса
Сегодня кадровые и финансовые данные во многих компаниях живут параллельно. HR хорошо знает текучесть, обучение и численность, но связь этих показателей с выручкой, клиентским сервисом или операционной эффективностью часто приходится доказывать вручную.
Берсин предполагает, что HR-агенты будут напрямую взаимодействовать с финансовыми и операционными агентами. Тогда система сможет анализировать, какие характеристики команд, навыки и управленческие практики связаны с конкретными бизнес-результатами.
- связь обучения и производительности;
- влияние текучести на клиентские показатели;
- характеристики наиболее результативных команд;
- экономику кадровых перемещений;
- последствия изменения бизнес-модели для численности.
Performance Management станет намного менее периодическим
Один из самых заметных прогнозов касается оценки результативности. Сегодня performance review во многих организациях проходит один или два раза в год. К моменту разговора часть данных уже устаревает, а руководитель вынужден восстанавливать контекст по памяти.
В агентной модели появляется постоянный поток сигналов: выполнение целей, участие в проектах, динамика навыков, рабочая нагрузка, взаимодействие с командой и влияние на бизнес-результат.
Плюс очевиден: решения можно принимать быстрее и на более свежих данных. Риск тоже очевиден: постоянная аналитика легко превращается в ощущение постоянной оценки.
Вместо ежегодного опроса — постоянный поток сигналов от команды
Та же логика может изменить работу с вовлечённостью и Employee Experience. Агентные системы смогут объединять результаты опросов, обращения сотрудников, показатели текучести и другие организационные сигналы.
В идеальном сценарии проблема становится заметной ещё до того, как вырастет текучесть: ухудшилось отношение к руководителю, выросло число конфликтов, команда сопротивляется изменению или сотрудники всё чаще говорят о перегрузке.
Найм, внутренние перемещения и сокращения могут стать одним процессом
Сегодня подбор, внутренняя мобильность, кадровый резерв и сокращение численности обычно управляются разными командами и запускаются в разное время.
Agentic HR предполагает общий контур. Перед открытием внешней вакансии система может проверить внутренний рынок. Перед сокращением — найти альтернативную роль, предложить переобучение или временное перераспределение.
Это делает кадровую систему менее бинарной: вместо «нанять или сократить» появляется набор промежуточных сценариев.
Управление персоналом становится непрерывным
Это, пожалуй, наиболее важное изменение всей концепции. Большинство сегодняшних HR-процессов запускается после события. Агентная модель пытается работать раньше.
Вакансия появляется — начинается подбор.
Проблема с производительностью — начинается разбор.
Система заранее видит изменение нагрузки, навыков и бизнес-показателей.
Руководитель получает несколько сценариев до того, как ситуация становится критической.
Корпоративное обучение станет персональным и постоянно обновляемым
Вместо одинаковой программы для большой группы сотрудников агент сможет собирать индивидуальную траекторию, учитывая текущие навыки, карьерные интересы, требования роли и изменения в бизнесе.
Здесь меняется и роль L&D. Если AI сам генерирует рекомендации и часть контента, ценность специалистов по обучению смещается в сторону качества корпоративного знания: что считать правильным, какие источники использовать, кому доверять экспертизу и как поддерживать знания актуальными.
INSEAD: как искусственный интеллект меняет HR, обучение и организацию будущего →
Цифровые двойники могут стать новым способом сохранять экспертизу
Отдельный сценарий HR 2030 — цифровые двойники специалистов. Идея в том, чтобы корпоративная система могла сохранять профессиональные знания эксперта и делать их доступными другим сотрудникам.
Это особенно важно там, где значительная часть экспертизы существует не в документах, а в опыте конкретных людей. После увольнения или выхода на пенсию компания часто теряет эту информацию вместе с человеком.
Но вместе с возможностью сохранить институциональную память появляется целый набор вопросов: кому принадлежат эти знания, можно ли использовать цифрового двойника после ухода сотрудника, кто отвечает за его рекомендации и где проходит граница между опытом эксперта и его личностью.
Чем больше AI в HR, тем больше работы вокруг качества и правил
Agentic HR не обязательно означает сокращение самой HR-функции. Наоборот, чем больше решений передаётся интеллектуальным системам, тем больше становится работа по настройке, проверке и управлению этими системами.
- интеграция HR-данных;
- контроль качества информации;
- настройка и обучение агентов;
- проверка моделей на предвзятость;
- поддержание корпоративных знаний;
- AI governance;
- этика и защита данных;
- контроль соответствия законодательству.
Корпоративные политики превратятся из документов в работающие правила
Сегодня многие корпоративные политики существуют в виде инструкций и регламентов, к которым сотрудники обращаются только при необходимости.
Для AI-агента политика становится частью архитектуры решения. Он должен понимать, какие ограничения существуют, что разрешено автоматически, какие принципы вознаграждения действуют и когда обязательно участие человека.
Поэтому качество корпоративных правил становится техническим вопросом. Неясная политика, противоречивый регламент или устаревшее описание процесса будут напрямую влиять на качество работы агента.
CHRO получает не больше отчётов, а другую роль в управлении бизнесом
В модели Берсина директор по персоналу получает практически постоянное представление о состоянии организации: навыках, кадровых рисках, качестве управления, внутреннем потенциале и готовности компании к изменениям.
Это позволяет CHRO обсуждать с бизнесом не только текучесть или штатное расписание, но и способность подразделения реализовать стратегию: достаточно ли навыков, где слабые управленческие уровни, какие команды можно усилить и какие кадровые решения дадут экономический эффект.
Главный риск HR 2030 — не технология, а доверие
Технологически многие элементы этого сценария уже выглядят достижимыми. Но чем больше данных и полномочий получает система, тем важнее становится вопрос: насколько сотрудники понимают, что именно о них анализируется и как эти данные влияют на решения.
Что HR может начать делать уже сейчас
До 2030 года ещё несколько лет, но многие подготовительные задачи не связаны с ожиданием новой технологии. Они актуальны уже сегодня.
Проверить полноту, актуальность и непротиворечивость информации о ролях, сотрудниках и навыках.
Понять, насколько HRM, ATS, LMS, ERP и другие платформы могут обмениваться данными.
Заранее зафиксировать, какие решения допустимо передавать AI, а где всегда требуется человек.
Распределить ответственность, определить правила использования данных и порядок проверки моделей.
Аналитика, работа с данными, сценарное моделирование и AI-инструменты постепенно становятся частью профессионального набора HR.
Навигация по документам, поиск внутренних знаний, поддержка сотрудников и персонализация обучения позволяют проверить подход без передачи AI критических кадровых решений.
Agentic HR меняет не отдельный HR-процесс, а сам принцип управления людьми
Сегодня кадровые процессы живут отдельными циклами: вакансия открывается — начинается найм, приходит время оценки — запускается performance review, появляется дефицит компетенций — начинается обучение, ухудшаются финансовые показатели — обсуждается численность.
В сценарии HR 2030™ эта логика становится непрерывной. Система постоянно анализирует, какие навыки есть в компании, где меняется нагрузка, что происходит с результативностью и какие кадровые сценарии доступны.
Это может сделать HR значительно точнее и теснее связать кадровые решения с бизнесом. Но именно поэтому вопрос доверия становится центральным. Чем больше знает система, тем яснее должны быть правила того, что ей разрешено делать с этими знаниями.
Поэтому главный вопрос будущего HR, вероятно, будет звучать не «может ли AI принять это решение?», а «при каких условиях сотрудники готовы доверить компании такое количество данных и полномочий?».