Авторская колонка для hr-media.ru · экспертиза Codenrock
За последние несколько лет искусственный интеллект научился писать код, создавать презентации, анализировать документы и отвечать на вопросы сотрудников. Поэтому неудивительно, что и в HR главный вопрос долгое время звучал примерно одинаково: какую работу AI сможет забрать у человека?
Первые эксперименты с AI почти всегда были посвящены автоматизации отдельных задач. Одни компании пытались поручить нейросетям создание тестовых заданий, другие — автоматическую проверку открытых ответов, третьи экспериментировали с анализом резюме или генерацией рекомендаций для сотрудников. Искусственный интеллект воспринимался как ещё один инструмент, позволяющий быстрее выполнять уже существующие процессы.
Однако по мере того, как мы работали с проектами крупных компаний, становилось всё очевиднее: главный эффект AI находится совсем в другом месте. Да, он действительно берёт на себя часть рутинных операций, но гораздо важнее другое — постепенно он перестаёт быть отдельной функцией внутри платформы и становится частью самой архитектуры оценки компетенций.
Этот вывод хорошо совпадает с более широкими изменениями на рынке труда. По данным Всемирного экономического форума, 86% работодателей ожидают, что технологии искусственного интеллекта и обработки информации существенно трансформируют их бизнес к 2030 году. Одновременно, по их оценке, 39% ключевых навыков изменятся или устареют уже в течение 2025–2030 годов. В таких условиях компаниям становится недостаточно разово проверять соответствие сотрудника текущим требованиям — гораздо важнее постоянно отслеживать, как меняются его компетенции.
Работая с проектами массовой оценки, мы заметили любопытную закономерность. Если раньше оценочная кампания состояла из нескольких практически независимых процессов — подготовки контента, проведения тестирования, проверки результатов, формирования отчётов и последующей интерпретации данных, — то сегодня все эти этапы постепенно складываются в единую систему. Внутри неё искусственный интеллект уже не столько заменяет человека, сколько связывает между собой отдельные элементы процесса. В результате меняется не скорость выполнения отдельных операций, а сама логика оценки: она перестаёт быть разовой процедурой и превращается в непрерывный цикл накопления, анализа и использования данных о компетенциях.
Именно поэтому главный вопрос сегодня звучит уже не «Что умеет AI?», а «Какой становится система оценки, когда искусственный интеллект присутствует на каждом её этапе?»
Как выглядела оценка ещё совсем недавно
Если отвлечься от маркетинговых презентаций поставщиков HR Tech и посмотреть на то, как большинство компаний действительно организовывали оценку сотрудников ещё несколько лет назад, окажется, что этот процесс почти всегда строился по одной и той же схеме. Эксперты вручную разрабатывали банки вопросов, методологи проверяли качество материалов и полноту покрытия компетенций, HR-команда запускала оценочную кампанию, специалисты оценивали открытые ответы и практические задания, после чего результаты выгружались в Excel или BI-системы, где их приходилось дополнительно анализировать, интерпретировать и превращать в выводы для руководителей и индивидуальные планы развития.
Главная проблема такой модели заключалась не только в её трудоёмкости, но и в том, что ей всё меньше доверяли сами участники процесса. По данным Betterworks, 64% сотрудников считают performance review пустой тратой времени, которая не помогает им работать лучше. При этом, по данным Deloitte (2025), лишь 32% руководителей уверены, что действующая система позволяет своевременно и качественно принимать решения о сильных и слабых сотрудниках.
Даже когда отдельные этапы удавалось автоматизировать, между ними сохранялся большой объём ручной интеллектуальной работы, который практически не поддавался масштабированию. Чем крупнее становилась компания и чем больше сотрудников требовалось оценить, тем сильнее росла зависимость от экспертов, проверяющих, методистов и координаторов. Именно поэтому большинство организаций воспринимали оценку как дорогостоящий проект, который имеет смысл запускать один-два раза в год — например, перед аттестацией, формированием кадрового резерва или после завершения крупной программы обучения.
При этом высокая стоимость была связана не только с привлечением специалистов. По оценке Gallup, которую приводит Deloitte, совокупные потери рабочего времени на проведение performance evaluations могут составлять от 2,4 до 35 млн долларов в год для компании численностью около 10 000 сотрудников — это нижняя и верхняя границы оценки.
Таким образом, главным ограничением постепенно становились уже не технологии, а человеческий ресурс. Любая попытка увеличить масштаб оценки автоматически означала больше ручной работы, более длительные сроки, рост стоимости и усложнение всей организационной конструкции.
Что меняется сегодня
На первый взгляд может показаться, что искусственный интеллект просто автоматизирует отдельные этапы уже существующего процесса. Однако опыт последних проектов показывает совершенно другую картину. AI постепенно появляется практически на каждом этапе оценки, и именно совокупность этих изменений начинает перестраивать не отдельные операции, а всю систему целиком.
Это подтверждают и данные рынка. Согласно исследованию SHRM, 39% HR-профессионалов сообщили, что AI уже используется непосредственно в их HR-функциях, ещё 23% работают в организациях, где искусственный интеллект внедрён в других подразделениях. При этом лишь 16% компаний оценивают возврат инвестиций в AI, а 56% вообще не измеряют эффективность таких внедрений. Иными словами, большинство организаций пока воспринимают AI как набор полезных инструментов, а не как новую архитектуру рабочих процессов.
Мы увидели эту трансформацию сразу в нескольких проектах, очень разных по масштабу и задачам. В одном случае искусственный интеллект автоматически интерпретировал результаты тестирования и сразу после завершения оценки формировал для каждого участника персональную обратную связь с рекомендациями по развитию. В другом — помогал встроить оценку в существующий HR-контур компании, автоматически создавая оценочные сессии, синхронизируя участников с корпоративными системами и возвращая результаты обратно без каких-либо ручных действий со стороны HR-команды.
Одним из самых показательных проектов Codenrock Vibe стала оценка Python-разработчиков промышленной компании. Именно он впервые заставил посмотреть на искусственный интеллект не как на средство автоматизации отдельных функций, а как на полноценную систему, внутри которой несколько специализированных AI-агентов последовательно дополняют и проверяют работу друг друга. Требовалось оценить разработчиков, работающих на стыке backend-разработки, инженерной математики и научных вычислений. Вместо традиционного банка вопросов была построена многоагентная архитектура: один AI-агент генерировал задания, второй проверял их фактическую корректность, третий анализировал полноту покрытия компетенций, а финальный проходил тест как кандидат, оценивая качество итогового результата. Именно тогда стало понятно, что искусственный интеллект перестаёт быть отдельной функцией платформы и начинает управлять всей цепочкой подготовки и проведения оценки.
Важно оговориться: пример выше — про разработчиков, но сам принцип не привязан к инженерным ролям. Точно так же многоагентная логика применима к управленческим, коммерческим или сервисным компетенциям — везде, где важно проверять не только фиксированные знания, но и способность рассуждать, решать нестандартные задачи и объяснять свои решения.
Одновременно меняется и сама природа компетенций. Если раньше компании могли рассчитывать, что модель навыков останется актуальной несколько лет, то сегодня этот горизонт стремительно сокращается: по оценке Всемирного экономического форума, в число наиболее быстрорастущих компетенций уже входят аналитическое мышление, работа с AI и данными. Это означает, что и оценка перестаёт быть статичной: один раз измерить уровень сотрудника и считать, что этих данных хватит на несколько лет, уже невозможно.
Поэтому оценивать сотрудника только по фиксированному набору вопросов становится недостаточно. Более перспективная модель должна проверять не только знание конкретного инструмента, но и способность решать новые задачи, объяснять ход рассуждений, работать с неопределённостью и быстро осваивать новое.
В такой модели искусственный интеллект отвечает уже не только за автоматическую проверку заданий. Он связывает генерацию контента, проведение оценки, интерпретацию результатов и рекомендации по развитию в единый процесс, где каждый следующий этап опирается на данные предыдущего. Так на смену разовому ассессменту приходит непрерывное управление компетенциями — модель, при которой оценка перестаёт быть отдельной кампанией и становится встроенным в рабочие процессы циклом: данные о навыках постоянно накапливаются, анализируются и сразу превращаются в решения о развитии. Именно в этом и заключается главный сдвиг: AI становится основой новой архитектуры управления компетенциями.
Что это значит для HR уже сейчас
Смена архитектуры — не отдалённое будущее, а набор решений, которые можно принимать уже сегодня:
- Пересматривайте модель компетенций регулярно, а не раз в несколько лет. Она устаревает быстрее, чем раньше, и «замороженная» модель быстро перестаёт отражать реальные требования.
- Стройте оценку как непрерывный цикл, а не разовую кампанию. Встраивайте её в рабочие процессы, чтобы данные о компетенциях обновлялись, а не собирались раз в год перед аттестацией.
- Оценивайте способность учиться, а не только текущее знание инструментов. Умение осваивать новое и решать нестандартные задачи сегодня важнее, чем владение конкретным фреймворком.
- Требуйте от AI-функций связности. Ценность не в отдельных «умных» кнопках, а в том, чтобы результат оценки автоматически превращался в обратную связь и рекомендации по развитию.
Вывод
Главный сдвиг, который происходит сейчас, — это не просто автоматизация отдельных HR-операций, а перестройка всей архитектуры управления компетенциями. Искусственный интеллект перестаёт быть «ещё одной функцией» внутри платформы и становится связующим слоем, который объединяет оценку, обратную связь, обучение и развитие в единый непрерывный цикл.
Это особенно важно в условиях, когда требования к навыкам меняются быстрее, чем когда-либо прежде: значительная часть компетенций, по прогнозам Всемирного экономического форума, изменится или устареет уже к 2030 году. В такой среде разовый ассессмент раз в полгода или год перестаёт быть достаточным инструментом управления.
Возможно, главный вопрос ближайших лет звучит уже не «Как использовать AI в оценке?». Гораздо важнее другой: какой должна стать система управления компетенциями, если искусственный интеллект присутствует на каждом её этапе?
Ответ постепенно становится очевидным. AI не делает систему «умнее» сам по себе. Он делает возможной модель, которая ещё несколько лет назад была слишком дорогой и слишком сложной для большинства компаний, — непрерывное управление компетенциями, встроенное в повседневные рабочие процессы. И именно эта смена архитектуры, а не появление очередной AI-функции, скорее всего, станет главным изменением HR Tech в ближайшие годы.
Источники
- Всемирный экономический форум, Future of Jobs Report 2025 (86% работодателей; 39% ключевых навыков; быстрорастущие компетенции) — weforum.org/publications/the-future-of-jobs-report-2025
- Deloitte, Human Capital Trends 2025, раздел о performance management (32% руководителей; оценка Gallup) — deloitte.com/insights
- Gallup, «More Harm Than Good: The Truth About Performance Reviews» (2,4–35 млн $ в год для компании на 10 000 сотрудников) — gallup.com/workplace/249332
- Betterworks, State of Performance Enablement (64% сотрудников) — betterworks.com
- SHRM, State of AI in HR (39% используют AI в HR-функциях; 16% измеряют ROI) — shrm.org
