HRTech и ИИ — это уже стандарт

Некоторые люди воспринимают HRTech как что-то про очередную систему для рекрутеров. Как будто это история про удобство - меньше ручных табличек в Excel, быстрее согласования кандидатов-лидеров, красивее отчёты в BI системах.

Но HRTech это далеко не про интерфейсы и не про системы. HRTech это про управляемость процессов.

Когда рынок труда напряжённый, компания может сколько угодно много хотеть нанимать лучшие кадры в кратчайшие сроки. Вопрос тут в другом: а может ли она вообще держать весь процесс найма в руках, не теряя кандидатов на этапах воронки, не удлинняя сроки и не превращая найм в лотерею - дойдет кандидат или нет.

И вот здесь цифровые инструменты перестают быть простым экспериментом - здесь они уже становятся базовой инфраструктурой.

Эксперты Talantix (экосистема hh.ru) описывают 2025 как переломный год: HR-команды начали массово внедрять технологичные решения (в том числе на основе ИИ) во все направления работы с персоналом - от подбора до адаптации и обучения, а не точечно, что называется "для галочки". Ссылка на первоисточники: тут и тут.

Давайте немного конкретики.

Три числа, из которых складывается 2026

Первая цифра - 65%.
По данным обзора Talantix, 65% компаний, которые уже используют HRTech, сообщили, что смогли усилить подбор несмотря на кадровый дефицит и непростые внешние условия рынка.

Сразу скажу, что слово "усилить" здесь легко понять неправильно, будто это всегда про объем найма. В данном случае тут про другое: сам процесс найма стал быстрее, прозрачнее или менее нервным. Там, где раньше всё держалось на усилиях конкретных людей, теперь часть найма держится на системе, которая позволяет соблюдать некий ритм.

Вторая цифра - 55%.
Это доля компаний, которые планируют расширять применение IT в работе с персоналом.

Я бы тут не делал романтики, 55% - это уже не хайп. Это признак того, что цифровизация становится частью кадровой деятельности компаний. И особенно это видно в крупном бизнесе: среди компаний со штатом более 1000 человек тренд выражен сильнее, так в материале приводится аж 79%.

То есть рынок всё больше делится на две категории:

• те, у кого HR-данные начинают работать как сквозной поток, проходя через различные процессы;

• и те, кто продолжает жить в различных Excel таблицах, где статус кандидата в одной папке, план найма в другой, причины отказов в третьей, а итоговый результат где-то в голове у рекрутера.

Третья цифра - 46% и рядом 38%.
И вот здесь самая важная развилка. Согласно публикации, 46% работодателей намерены использовать ИИ в подборе: в процессах оценки резюме, коммуникации с кандидатами, проведения интервью.

Но когда речь заходит о нейросетях уже внутри управления персоналом - профилактика выгорания, прогноз увольнений, анализ настроений, улучшение внутренних коммуникаций - цифра становится ниже и уже около 38% компаний рассматривают это направление.

Эта разница не очень большая, но могу предположить что тут дело в различном восприятии людей:

• ИИ для найма персонала воспринимается людьми как ускоритель процессов ⚡

• ИИ для оценки человека воспринимается как нежелательный риск 🧩

И это, на мой взгляд, абсолютно рационально.

Почему глубокая HR-аналитика идёт осторожно

Потому что изменяется стоимость ошибки.

В подборе ошибку ещё можно исправить. Если резюме не подходит, то его можно вернуть, уточнить, пересмотреть. В самом процессе найма много обратной связи и быстрых циклов, к примеру, сегодня собеседование рекрутера с кандидатом, завтра интервью с нанимающим менеджером, потом следующий кандидат, выбрали финалиста, подписали оффер.

А вот когда аналитика пытается предсказывать вещи, которые люди не любят обсуждать или которые очень своеобразны в интерпретации: кто выгорит, кто уйдёт и т.п., то здесь любой прогноз начинает сам по себе вмешиваться в реальность.

Если модель пометила человека как "высокий риск увольнения", то дальше в работу вступает обычная человеческая психология. Менеджер может начать вести себя иначе с этим сотрудником, сотрудник почувствует давление, команда изменит свое отношение - и сам по себе прогноз внезапно может сделать событие еще более вероятным. Не потому что модель плохая, а потому что система стала другой.

К этому добавляется второй слой - качество данных. В найме события более-менее структурированы: есть конкретные этапы воронки, целевые и фактические сроки кандидата на каждый этапах, сроки вакансий. А вот внутренняя жизнь сотрудника / отдела почти всегда хранится неровно: что-то не заполняют, что-то заполняют формально и для галочки, где-то нет единых статусов. В таких условиях нейросеть не превращает хаос в порядок - она просто масштабирует шум, но еще более быстрее.

И есть ещё третий слой - доверие. Чем ближе аналитика подбирается к человеку, тем важнее ответить не на вопрос "точно ли это работает?", а на вопрос: "какие последствия мы создаём?" 🤝

Почему это всё равно хорошая новость

Проявление осторожности в этом вопросе это скорее поэтапного признак взросления.

Пока рынок доходит до глубокой аналитики, он сначала строит фундамент: налаживает сквозные процессы, создает системы единых статусов и измеримый результат деятельности каждого процесса. И это как раз то, что видно по описанию 2025 года: компании массово двинулись от точечной автоматизации к системному внедрению HRTech в разных направлениях работы с персоналом.

А дальше появляется главный момент для аналитика: перестать спорить о том, "есть ли у нас HRTech", и начать спрашивать: где в процессе рождается результат.

Вывод

По ощущениям, 2026 будет годом, когда HRTech окончательно перестанет быть опцией, а станет тем, что отличает управляемую систему найма от хаоса. А ИИ продолжит проникать туда, где уже понятен эффект от внедрения и ниже цена ошибки: в подбор персонала, в коммуникации между отделами, в ускорение рутинных процессов, в обучение и адаптацию персонала.

А вот глубокая people analytics будет расти медленнее, потому что там действительно нужна зрелость: высокое качество данных, конкретные правила интерпретации результатов, ответственность за работу моделей.

Самый интересный вопрос на 2026 здесь не сколько компаний внедрит ИИ, а сколько компаний научатся измерять эффект от внедрения инструментов так, чтобы аналитика начинала все больше влиять на решения руководства.

Я регулярно разбираю такие темы в своём Telegram-канале, если вам интересно глубже понимать аналитику и работать с данными, там регулярно выходят короткие заметки и практические примеры.