Внедрение ИИ в HR: этапы, опыт компаний и типичные ошибки
Внедрение ИИ в HR пока редко дает измеримый результат. По данным Gartner, 88% HR-руководителей говорят, что их организации пока не получили значимой бизнес-отдачи от ИИ-инструментов (пресс-релиз Gartner, октябрь 2025 ). Это руководство для HR-директора: по каким этапам идти, кого вовлекать, что измерять до и после и на чем проект обычно останавливается.
По данным BCG (опрос 1 000 руководителей, октябрь 2024 ), только 26% компаний развили возможности, которых хватает, чтобы выйти за пределы пилотов с ИИ и получать ощутимую отдачу. У клиентов Qooqa, которые прошли этот путь и рассказали о нем публично, результаты такие: Holycode закрывает на 30% больше позиций, в Onpoint конверсия из первичных кандидатов в оффер выросла в 2,5 раза, в Systeme Electric время на найм сократилось на 40%. По нашей статистике за 500+ пилотов, команда из 10+ человек доходит до внедрения в три раза реже, чем команда из трех, а внедрение по методологии занимает около трех месяцев против полугода-года без нее.
Опыт внедрения ИИ в HR: что получили пять компаний?
Все пять компаний начали с подбора. В ЦИАН сокращений не планировали и не делали, в Островке состав команды не менялся три года, Holycode и Systeme Electric обошлись без найма дополнительных сорсеров и рекрутеров. Цифры в таблице взяты из опубликованных кейсов, написанных по вебинарам с этими компаниями.
| Компания | С чего начали | Как выстраивали доверие | Что получили |
|---|---|---|---|
| ЦИАН | Разбор откликов в массовом найме, команда около 13 человек | Руководитель подбора выборочно читает диалоги отклоненных кандидатов | +30% к эффективности массового найма, 77% кандидатов отвечают |
| Onpoint | Пилот на проектных менеджерах и дизайнерах | На опасения, что ИИ заменит людей, ответили установкой на развитие (growth mindset) | Первый оффер за 14 дней, конверсия в оффер выше в 2,5 раза |
| Holycode | Поток 250-300 откликов в месяц на одну позицию | Первый месяц рекрутеры вычитывали все диалоги и уточняли описания вакансий | +30% закрытых позиций, 50-60 подходящих резюме на вакансию вместо 10-20 |
| Systeme Electric | Десятки новых для компании IT-вакансий | Перед запуском собрали подробный бриф по каждой вакансии | Около 32 тысяч резюме за месяц с небольшим, -40% времени на найм |
| Островок | Сезонный массовый найм в клиентский сервис | Руководитель сам пытался увести ассистента от темы вакансии | 7 рекрутеров три года при росте департамента около 10% в год |
У Островка стоит оговорить одну цифру. Порядка 1 000 офферов за сезон в кейсе названы как масштаб найма компании, эффектом продукта эта цифра там не подана. С работой ИИ-рекрутера компания связывает другое сравнение, по одной сложной вакансии год к году: было 31 интервью и 9 офферов, стало 13 интервью и 11 офферов.
В этих кейсах работал ИИ-рекрутер Qooqa. Сейчас это группа цифровых сотрудников: методист готовит интервью, интервьюер ведет текстовые диалоги в мессенджерах и чатах и голосовые телефонные звонки, ассистенты собирают аналитику. За 2025 год сервис провел более 500 000 собеседований. Посмотреть, как это выглядит на ваших вакансиях, можно на демо .
С какого процесса начинать применение ИИ в HR?
С процесса, где много однотипных операций и есть цифры, по которым видно результат. Во всех пяти кейсах таким процессом оказался первичный подбор: разбор откликов, первые диалоги с кандидатами, запись на интервью. Объем там самый большой, а конверсии считаются на каждом шаге воронки.
Остальные HR-процессы у этих компаний пока в планах. Onpoint после подбора собирается подключить онбординг, обратную связь и performance review, Systeme Electric намерена глубже интегрировать ИИ в другие HR-процессы.
Есть и довод против старта сразу в нескольких процессах: в каждом придется описывать работу заново и договариваться с новой группой людей. У Островка путь занял несколько лет и шел по шагам: видеоинтервью, от которых отказались из-за низкой конверсии в запись, затем сценарные боты, затем генеративный ИИ.
Какие этапы проходит внедрение ИИ в HR?
Шесть этапов: выбор процесса, замер исходных показателей, сбор команды, триал, пилот с расчетом эффекта и масштабирование. Последние три шага мы подробно описали в статье о том, почему компании тестируют ИИ в подборе, но не внедряют , поэтому здесь только сроки и результат каждого.
| Этап | Что делаем | Что на выходе |
|---|---|---|
| 1. Выбор процесса | Берем один процесс с большим потоком и понятными метриками | Решение, что именно передаем агенту |
| 2. Точка А | Записываем текущие показатели за сопоставимый период | Цифры, с которыми будем сравнивать |
| 3. Команда | Назначаем владельца результата и 3-5 амбассадоров | Список людей с ролями |
| 4. Триал, пять дней | 3-5 вакансий разного типа, рекрутеры читают диалоги и уточняют требования | Понимание, как агент задает вопросы и принимает решения |
| 5. Пилот, до трех месяцев | Объем вакансий зафиксирован до старта, в конце считаем эффект на своих цифрах | Сравнение с точкой А |
| 6. Масштабирование | Амбассадоры переносят опыт на остальную команду и соседние процессы | Новый порядок работы для всех |
Сроки первых трех этапов зависят от того, насколько описаны процессы. В Systeme Electric сам запуск занял считанные дни, время ушло на бриф: критерии вакансии и портрет кандидата. В Holycode критерии агента и рекрутеров сошлись за одну-две недели вычитки диалогов.
Кого вовлекать и какие роли нужны?
Одного владельца результата, малую группу рекрутеров и три функции, которые легко упустить на старте: ИТ, безопасность и нанимающих менеджеров.
| Роль | Что делает | Когда подключать |
|---|---|---|
| Владелец результата: HR-директор или руководитель подбора | Отвечает за итог, утверждает метрики, снимает блокеры | С первого дня |
| Цифровизация и ИТ | Интеграция с HRM-системой и работными площадками | До триала |
| Служба безопасности и юристы | Согласие кандидата на обработку данных, где стоят серверы поставщика, как обезличиваются данные | До выбора поставщика |
| Амбассадоры, 3-5 рекрутеров | Ставят задачу агенту, сверяют его решения со своими, потом учат коллег | Триал и пилот |
| Нанимающие менеджеры | Калибруют требования и быстро отвечают по одобренным кандидатам | С первой вакансии |
| Остальная команда подбора | Знает цель проекта и что будет с ее работой | До старта, в работу входит на масштабировании |
Про остальную команду легко забыть. В Onpoint поначалу опасались, что ИИ заменит людей, в Островке рекрутеры перепроверяли диалоги целиком и спрашивали, почему ассистент задал тот или иной вопрос. Артем Пашков из Островка считает это нормальным для переходного периода и сравнивает с адаптацией нового сотрудника.
Какие метрики снять до и после внедрения?
Те же, по которым вы оцениваете подбор сейчас, только записанные до старта и за сопоставимый период. Если их не записать, итоги пилота будут обсуждать по впечатлениям.
| Метрика | Что записать до старта | Пример из кейсов |
|---|---|---|
| Срок до первого оффера | Дни от открытия вакансии | Onpoint: 14 дней; Systeme Electric: 3 дня после запуска |
| Конверсия интервью в оффер | Интервью и офферы по той же вакансии год назад | Островок: 31 и 9 против 13 и 11 |
| Подходящих резюме на вакансию | Сколько кандидатов доходит до рекрутера | Holycode: 10-20 до, 50-60 после |
| Закрытые позиции на команду | Число закрытий за период тем же составом | Holycode: +30% |
| Доля ответивших кандидатов | Ответы на первое сообщение или звонок | Более 70% в Systeme Electric, 77% в ЦИАН, более 80% в Holycode |
| Индекс вежливости на HeadHunter | Текущее значение | Островок: 99-100% |
| Состав команды при росте объема | Число рекрутеров и вакансий | Островок: 7 рекрутеров три года |
Формулы и нормы для классических показателей собраны в статье о десяти HR-метриках рекрутинга . Сравнивать лучше одинаковые вакансии за одинаковый сезон: у Островка пик найма приходится на отпускной сезон, и сравнение в кейсе идет за сопоставимый период год к году.
Какие типичные ошибки останавливают внедрение?
Шесть ошибок ниже собраны из наших пилотов, кейсов клиентов и внешних исследований, и все они связаны с организацией работы.
- Купили инструмент и оставили процесс прежним. В том же релизе Gartner приведен опрос 114 HR-руководителей (июль 2025): только 7% организаций дают сотрудникам ориентиры, на что тратить время, которое освободил ИИ. Мы видели, чем это заканчивается: у рекрутера появляется 4-6 свободных часов в день, и он начинает перепроверять агента. Этот сюжет разобран в статье «Рекрутер саботирует ИИ, директор молчит» .
- Внедрили сверху, не дав команде права на правку. Дитворст, Симмонс и Мэсси (Management Science, 2018 ) показали, что люди охотнее пользуются несовершенным алгоритмом, если могут хотя бы немного менять его результат. Механизм мы описали в разборе через теорию самодетерминации .
- Скопировали требования из текста вакансии. В кейсе Systeme Electric приведена оценка разработчиков Qooqa: результат ИИ-рекрутера на 95% зависит от четкости исходных требований.
- Скрыли от кандидатов, что с ними говорит ИИ. Для ЦИАН открытость была условием выбора: ассистент представляется и никого не вводит в заблуждение.
- Не договорились о данных. По опросу Работа.ру, СберПодбора и Нетологии (2026, 250+ руководителей и HR ), правила работы с ИИ закреплены в регламентах у 20% компаний, а в 71% сотрудники решают сами.
- Поставили целью сокращение штата. В ЦИАН сокращений не планировали и не делали, цель была закрывать больше тем же ресурсом. В Островке состав команды не менялся три года.
Чек-лист готовности к внедрению
В списке девять утверждений. Если больше половины пока неверны, начинать стоит с них, а пилот отложить.
- Выбран один процесс, и у него есть владелец с правом менять порядок работы.
- Записаны текущие показатели по этому процессу за сопоставимый период.
- Требования к вакансиям описаны так, что по ним может отбирать новый сотрудник без устных пояснений.
- Названы 3-5 рекрутеров, которым интересен эксперимент и которым доверяют коллеги.
- Команда знает цель проекта и что изменится в ее работе.
- Юристы и служба безопасности проверили согласие кандидатов и размещение данных по 152-ФЗ.
- ИТ подтвердили интеграцию с вашей HRM-системой и работными площадками.
- Нанимающие менеджеры готовы отвечать по кандидатам в течение часов.
- Решено, чем займутся рекрутеры в освободившееся время.
Данные Qooqa: использование ИИ в HR в цифрах, 2025-2026
Таблица собрана из двух опубликованных источников: агрегированной статистики сервиса за 2025 год и разбора 500+ пилотов ИИ-рекрутера за 2025-2026 годы, который Тамара Воронцова представила на эфире 12 ноября 2026.
| Показатель | Значение | Источник и период |
|---|---|---|
| Проведено собеседований | более 500 000 | Статистика сервиса, 2025 |
| Оценено резюме | более 1 млн | Статистика сервиса, 2025 |
| Кандидатов отвечают ассистенту | в среднем 74% | Статистика сервиса, 2025 |
| Просят позвать человека | менее 1% | Статистика сервиса, 2025 |
| Отвечают в выходные и праздники | 25% | Статистика сервиса, 2025 |
| Отвечают после 18:00 | 46% | Статистика сервиса, 2025 |
| Команда из 10+ человек доходит до внедрения | в три раза реже, чем команда из трех | Пилоты Qooqa, 2025-2026 |
| Срок внедрения по методологии | около трех месяцев, без нее полгода-год | Пилоты Qooqa, 2025-2026 |
Методология: статистика сервиса - это агрегированные данные Qooqa за 2025 год, они опубликованы в кейсе ЦИАН. Данные по пилотам взяты из аналитики Qooqa, сравнивались команды до трех и от десяти человек.
Подбор стал для нас первым процессом. На платформе оркестрации Qooqa те же правила применяются к другим ролям: у каждого агента есть зона ответственности и измеримый результат, управляют агентами ваши люди.