Нейросети для HR: какие рабочие задачи автоматизировать и чему научиться
Нейросети ускоряют в HR ту работу, где нужно быстро написать или прочитать много однотипного текста: черновик вакансии, сводку резюме по требованиям, вопросы для структурированного интервью, план онбординга, группировку открытых ответов опроса, ответы сотрудникам по внутренним регламентам. Решение о найме, отказ кандидату и оценку сотрудника модели не отдают: она переносит перекосы из данных, на которых её учили. Чтобы пользоваться навыком без риска, HR-специалисту нужно ставить задачу с контекстом, обезличивать данные, проверять ответ и понимать, что закон о персональных данных говорит о резюме и зарубежных сервисах.
Содержание
Частое ожидание от нейросети — что она «отберёт лучших» из сотни откликов. На деле модель хорошо пишет, сокращает и раскладывает текст по рубрикам, но непрозрачно ранжирует людей. Время экономят задачи, где HR раньше писал с нуля или читал сотни строк вручную, а результат легко проверить глазами.
Какие задачи HR поручают нейросети
Во всех подходящих задачах человек даёт модели материал и критерии, а получает черновик, который затем правит. Вот что нужно дать и что проверить самому.
| Задача | Что даёте модели | Что проверяете сами |
|---|---|---|
| Текст вакансии | Задачи первых месяцев, график, условия | Нет требований о поле и возрасте, условия правдивы |
| Разбор резюме | Обезличенное резюме и требования | Каждое «да» подтверждено цитатой |
| Вопросы для интервью | Профиль должности | Вопросы о прошлом опыте, шкала оценки |
| Онбординг | Регламенты, график первой недели | Ссылки на актуальные документы |
| Опросы | Ответы без имён и табельных номеров | Совпадение с ручной выборкой |
| База знаний | Утверждённые регламенты | Ответ ссылается на пункт документа |
Самая частая ошибка — просить модель «оценить кандидата по 10-балльной шкале». Надёжнее запрос на таблицу «требование — есть ли подтверждение — дословная цитата из резюме». Её HR сверяет за минуту, а пустая ячейка показывает, о чём спросить кандидата на звонке.
С интервью похожая логика: модель превращает профиль должности в вопросы о прошлом опыте и описания баллов шкалы, а HR убирает вопросы, на которые легко дать «правильный» ответ без опыта. Само структурированное интервью подробно разобрано в статье о рекрутинге.
Учебный пример: открытые ответы опроса
Ситуация учебная. На складе логистической компании 214 сотрудников ответили на вопрос «Что больше всего мешает вам в работе?». Руководство ждёт итоги к пятнице.
Сначала HR убирает ФИО, табельные номера и названия смен, где работает меньше пяти человек: по ним автора легко узнать. Затем просит модель разбить ответы на темы, по каждой указать число ответов и две дословные цитаты, а тему с менее чем тремя ответами не выделять.
Модель возвращает семь тем, и дальше идёт проверка. HR сам размечает 30 случайных ответов и сравнивает с разметкой модели. Расхождение нашлось в одной теме: модель слила жалобы на график смен и на переработки, хотя у них разные причины и разные владельцы решения. HR разделяет тему, поиском по файлу проверяет, что цитаты дословные, и только потом пишет записку на страницу.
Чего модель решать не должна
Самый известный пример — Amazon. Как писал Reuters в октябре 2018 года (перепечатка материала Джеффри Дастина), модель обучили на резюме за десять лет, в основном мужских. Она стала понижать резюме со словом «women’s», например «капитан женского шахматного клуба», и выпускниц двух женских колледжей. К началу 2017 года команду распустили.
Современные модели проблему не сняли. Кира Уилсон и Айлин Калискан из Вашингтонского университета проверили три открытые модели текстовых эмбеддингов, на которых строят поиск и ранжирование документов, на 500 с лишним реальных резюме и 500 вакансиях девяти профессий (AIES 2024, arXiv:2407.20371). В резюме меняли только имя. Резюме с именами, типичными для белых американцев, модели значимо предпочитали в 85,1 % тестов, для темнокожих — в 8,6 %; в паре «темнокожий мужчина — белый мужчина» белый выигрывал во всех 27 тестах. В 2026 году авторы опубликовали поправку: из-за ошибки в коде результаты сравнения только по полу нужно читать наоборот, выводы по расе она не затронула. Даже исследователям трудно проверить ранжирование.
Для HR отсюда два вывода. Модель может выписать факты из резюме, но не должна ставить итоговый балл и тем более отказывать. И удалить имя мало: авторы называют это наивной защитой, потому что принадлежность к группе выдают вуз, место жительства и даже выбор слов.
В России ограничение прав при заключении трудового договора по полу, расе, национальности, возрасту, месту жительства и другим обстоятельствам, не связанным с деловыми качествами, запрещает ч. 2 ст. 64 ТК РФ, и «так решила программа» ответственности не снимает. Запрет решать судьбу работника только по автоматизированной обработке разобран в статье об HR-аналитике. В ЕС системы для подбора — от адресной рекламы вакансий до фильтрации откликов и оценки кандидатов — отнесены к ИИ высокого риска (AI Act, приложение III, п. 4).
Резюме и персональные данные
Резюме — персональные данные, даже если вы просто вставили текст в чат. По ст. 5 закона № 152-ФЗ объём обрабатываемых данных должен соответствовать заявленным целям, а по их достижении данные уничтожают или обезличивают.
Если сервис работает на зарубежных серверах, действует ст. 12 того же закона: оператор обязан уведомить Роскомнадзор до начала трансграничной передачи (подробнее — в статье о специалисте по ИИ). У HR три пути: обезличивать текст до отправки (ФИО, контакты, дата рождения, фото, ссылки на соцсети), пользоваться сервисом, который компания подключила по договору и согласовала с юристом, или запускать модель локально. И прочитайте условия сервиса: используются ли запросы для обучения модели.
С чего начать и в каком порядке осваивать
Порядок задаёт риск. Сначала — тексты и шаблоны, где ошибка видна сразу и никого не затрагивает. Потом — чужие тексты, где нужна проверка выборкой. Данные кандидатов и сотрудников — последними, когда вы уже умеете обезличивать и проверять.
- Перепишите с моделью свою вакансию и сверьте результат с реальными условиями.
- Составьте запрос для разбора резюме в виде таблицы с цитатами и отработайте его на трёх обезличенных резюме.
- Подготовьте вопросы для интервью по профилю одной должности и шкалу с описанием баллов.
- Разметьте с моделью ответы старого опроса и сравните с ручной выборкой.
- Соберите план онбординга и частые вопросы новичков по действующим регламентам.
Пройти эти шаги с проверкой заданий можно на курсе Эдюсона «Нейросети для HR»: около 49 часов материалов, обучение с куратором, модули о подборе, адаптации, обучении, рутинных документах и HR-аналитике. На практике делают бота в SaluteBot для первичного общения с кандидатами, вакансию, помощника адаптации и план развития сотрудника, в конце выдают удостоверение о повышении квалификации. Срок на странице указан по-разному, два или три месяца, — его и доступ к платным сервисам уточните у школы.
Упражнения и самопроверка
Главное упражнение для разбора резюме — тест подмены. Сделайте две копии резюме, которые отличаются только именем, полом или годом рождения, и прогоните обе через свой запрос. Если оценки или формулировки расходятся, запрос нельзя использовать для отбора даже как подсказку.
Для базы знаний задайте боту десять вопросов, ответы на которые вы точно знаете, например о порядке оформления отпуска. Каждый ответ должен ссылаться на пункт документа. Если бот отвечает уверенно без ссылки или опирается на старую редакцию регламента, сначала наведите порядок в документах.
Следующий шаг — ассистент на своей базе знаний или модель на собственном компьютере, чтобы документы не уходили во внешний сервис. Эти сценарии есть на курсе Skillbox «Нейросети для бизнеса»: GPT-ассистент на регламентах, цепочки в Make и n8n, локальный ассистент в LM Studio или AnythingLLM, заявлено более 78 часов практики. HR-модулей в описании нет, а про документ об окончании на странице не сказано — уточните у школы.
Как навык влияет на доход
Отдельной надбавки за работу с нейросетями в HR-вакансиях обычно не обещают, и сопоставимой статистики по зарплатам HR с этим навыком в открытых источниках нет. Аналитики hh.ru насчитали в первом полугодии 2026 года около 21,6 тыс. вакансий с прямым упоминанием навыков ИИ (ТКС.РУ со ссылкой на ТАСС, июль 2026); HR-специалистов назвали лишь среди тех, кому такие требования предстоят, без цифр и без описания методики.
Поэтому навык оценивают по задачам, которые он позволяет брать. HR-универсал в небольшой компании за те же часы ведёт не только подбор, но и онбординг с опросами. HR-менеджер, который собрал бота по регламентам или наладил регулярный разбор опросов, получает проект для собеседования на должность HR бизнес-партнёра. Чтобы оценить вилку, сравните вакансии своего уровня и города с нейросетями в требованиях и без них и смотрите, указана сумма до вычета налога или на руки.
Как выбрать обучение
Ищите программу, где разбирают вакансии, резюме и онбординг, говорят о персональных данных кандидатов и проверке результата: без этого навык опасно применять к живым людям.
Тому, кто внедряет нейросети в целом отделе, подойдёт формат с проектом на реальном подразделении. На курсе Яндекс Практикума «Нейросети для бизнеса» три связанных проекта: аудит рутины, план внедрения и запуск ассистента в Yandex Cloud с векторным поиском по своим документам и Telegram-ботом. Работают с наставником, выдают удостоверение о повышении квалификации; HR-модулей нет, кейс отдела персонала придётся принести свой.
Перед оплатой спросите у школы, на каких сервисах идёт практика и нужен ли платный доступ, можно ли работать с собственными обезличенными документами и кто проверяет задания.
Сравнить школы по цене, формату и документам поможет рейтинг онлайн-школ, обучающих нейросетям для работы и бизнеса — широкий, где HR-программы соседствуют с курсами для маркетологов и бухгалтеров. Проверить готовность можно сегодня: перепишите с моделью одну вакансию и сделайте тест подмены на одном резюме. Если вы видите, где модель ошиблась, и понимаете почему, обучение поможет перейти к онбордингу, опросам и базе знаний.