Я слегка ИИ-скептик. Не в смысле "нейросети бесполезны". В смысле: между "модель справилась с задачей" и "мы можем передать ей работу сотрудника" лежит дорогой проект с неочевидной окупаемостью. Поэтому к обещаниям "скоро всех заменим и сэкономим" я всегда относилась осторожно.

Делюсь исследованием "Инфосистемы Джет" и Smart Ranking за 2026 год. Отчасти потому, что оно подтверждает мою точку зрения, а наш мозг такое любит :) В основе - опрос 52 крупных компаний и семь глубинных интервью. Это не весь рынок и не прогноз будущего, но полезный взгляд на то, что происходит между впечатляющей демонстрацией и работающим решением.

Для себя подтвердила три вещи.

Использовать ИИ и передать ему процесс - разные задачи. 86% опрошенных компаний уже пилотируют или полноценно используют LLM. При этом полуавтономные агенты работают в проде у 15%, автономные - у 8%. Эти цифры не означают, что ИИ не окупается: полезный помощник вполне может давать экономический эффект без полной автономности. Но они показывают, что использование моделей пока гораздо распространённее, чем передача им самостоятельной работы. Для HR tech разница принципиальная. Подготовить описание вакансии, найти информацию в базе знаний, предложить вопросы для интервью - одно. Самостоятельно провести процесс найма, корректно обработать исключения и не потерять хорошего кандидата - другое.

Стоимость ИИ - это не стоимость подписки. Считать нужно стоимость работающего процесса, а не только цену ответа модели. Данные, интеграции с HRM и ATS, безопасность, проверка качества, обработка ошибок, поддержка, время сотрудников на контроль - всё это тоже часть счёта. Если рекрутер сэкономил час, а потом потратил его на перепроверку результатов, экономию мы пока получили только на слайде. В исследовании среди барьеров отмечены стоимость GPU и вычислений, а среди причин, по которым пилоты не доходят до прода, - отсутствие устойчивого экономического эффекта. Оценивать нужно процесс целиком. Не сколько текстов сгенерировали и сколько ответов дал бот, а сколько времени в итоге сэкономили, какого качества результат получили и во сколько он обошёлся с учётом проверки и исправлений.

Иногда для внедрения ИИ больше нужен владелец процесса, чем новая модель. В исследовании 44% компаний отмечают низкую зрелость процессов, данных и интеграций. Также среди барьеров перехода из пилота в прод - отсутствие владельца продукта или процесса. Очень знакомая проблема: инструмент появился, а кто отвечает за результат, что считаем успехом и как меняется работа команды - не определили. ИИ не отменяет эту работу. Он повышает цену неразберихи. Кто проверяет спорный ответ? Когда бот должен передать вопрос человеку? Кто обновляет базу знаний? Что делаем, если система уверенно сообщает сотруднику неправильную информацию? Без ответов на эти вопросы даже хорошая модель не становится надёжным продуктом.

Я не против ИИ. Я против обещания, что технология сама превратится в экономию. Между демо и устойчивым результатом нам ещё много работать. Именно людям - над процессами, данными, ответственностью и измерением эффекта. И часть этой работы вполне можно ускорить с помощью ИИ.

Полный текст исследования - по ссылке. А к посту добавила нашего красавчика HelpeR - бота для сотрудников. Он пока скорее практикант: очарователен, уже научился разговаривать, но периодически отвечает совершенно мимо. Его ответы нужно перепроверять, а экономический эффект мы ещё не подтвердили. Мы в него очень верим. Но вера в продукт и доказанная польза - разные вещи. И про это не нужно забывать.