Аналитический материал, лонгрид для hr—media.ru · экспертиза Codenrock
В этой статье вы найдёте ответы на вопросы:
Почему автоматизация HR не делает управление персоналом эффективнее?
Почему компании пересобирают HR-стек?
Что такое единый контур данных в HR?
Как объединить ATS, LMS, HRIS и системы оценки?
Как современные HR-платформы помогают управлять развитием сотрудников?
Что такое skills intelligence и competency management?
Последние десять лет российский HR оцифровывался по одной логике: найти процесс, который отнимает время, и закрыть его отдельным сервисом. Так появились ATS для подбора персонала, LMS для обучения, HRIS для кадрового учёта, отдельные платформы для опросов вовлечённости, оценки 360, корпоративные порталы и десятки специализированных решений для управления отдельными этапами жизненного цикла сотрудника. Каждый инструмент честно делал свою работу. И всё же к 2026 году всё больше директоров по персоналу и руководителей HR-направлений формулируют одну и ту же претензию: «Мы автоматизировали почти всё, но по-прежнему не понимаем своих людей».
Это не парадокс. Это закономерный итог эпохи точечной автоматизации — и главная причина, по которой компании сейчас начинают пересобирать HR-стек заново, переходя от набора отдельных сервисов к единой модели данных о сотрудниках.
Почему автоматизация HR не делает управление персоналом эффективнее?
Автоматизация отвечает на вопрос «как сделать процесс быстрее». Но главная проблема HR лежит не в скорости процессов, а в качестве решений о людях: кого нанять, кого продвинуть, кого и чему учить, кто находится в зоне риска, кто готов к следующей роли, где скрыты дефициты компетенций и какие сотрудники обладают наибольшим потенциалом.
Пока эти решения принимаются вслепую, цена ошибки остаётся высокой. Средняя стоимость замены уволившегося сотрудника в России оценивается в 221 тыс. рублей, а на испытательном сроке компанию покидают от 20 до 28% новичков (по данным опроса Nexign). Один неудачный найм с учётом скрытых издержек обходится в 6–9 месячных окладов. И это при том, что структурированная оценка по единым критериям, как показывают десятилетия исследований валидности методов отбора, предсказывает будущую результативность заметно точнее, чем интервью «на ощущение».
Инструментов для автоматизации HR стало много, а основа для объективного суждения так и не появилась. По данным HeadHunter, HR-аналитику (people analytics) в том или ином виде используют лишь около 30% российских компаний — хотя за два года эта доля выросла почти вдвое (с 18% в 2022-м). Причина не в лени HR-команд, а в том, что для качественных решений нужны не отдельные быстрые процессы, а связные данные. Связности же точечная автоматизация не даёт — наоборот, она её разрушает.
Посмотрите на типичный стек среднего бизнеса. Рекрутёр оценил кандидата в ATS — и результаты этой оценки остались в ней навсегда. Человек вышел на работу — его завели в HRIS практически с нуля, как будто до найма о нём ничего не знали. Через полгода руководитель провёл ревью в третьем сервисе. L&D назначил обучение через LMS, никак не связанную ни с результатами оценки, ни с ревью, ни с исходным профилем компетенций. В итоге про одного и того же сотрудника в компании существует четыре-пять разных «портретов», и ни один из них не разговаривает с другими.
Каждая система по отдельности работает. А организация в целом остаётся слепой: она не может ответить на элементарный вопрос «что мы уже знаем об этом человеке?», потому что знание размазано по несовместимым базам данных.
Почему компании пересобирают HR-стек?
У фрагментированного HR-стека есть цена, и она перестала быть терпимой сразу по нескольким причинам.
Данные теряются на стыках. Самый ценный актив HR — история наблюдений за человеком: как он проходил отбор, какие компетенции демонстрировал, как рос, где буксовал, чему научился. При переходе между системами эта история обнуляется. Компания годами собирает данные и годами их выбрасывает.
Решения остаются субъективными. Когда данные не сходятся в одной точке, руководитель принимает решение о повышении, переводе или увольнении «на ощущение». Инструментов становится всё больше, а оснований для объективного суждения — нет.
AI и skills intelligence не на чем работать. Все ждут, что искусственный интеллект возьмёт на себя рутину оценки и развития сотрудников. Но модель бесполезна поверх разрозненных силосов данных: ей нужен единый профиль сотрудника, единая модель компетенций и сопоставимый поток данных. Нет единого HR-контура — нет и осмысленного AI, сколько бы «AI-функций» ни появлялось в отдельных сервисах.
Именно поэтому фокус постепенно смещается с вопроса «какой сервис купить под эту задачу» к вопросу «вокруг чего собрать весь HR-стек и единую модель данных о сотрудниках».
Что такое единый контур данных в HR?
Единый контур данных — это архитектура, при которой вся информация о человеке, от первой оценки кандидата до последнего ревью, живёт в одном профиле сотрудника, накапливается во времени и используется как для задач подбора, так и для обучения, развития и управления талантами.
В отрасли то же самое называют единой моделью данных о сотрудниках, единым HR-контуром или централизованной моделью компетенций. Это не маркетинговые неологизмы, а всё чаще используемые отраслевые термины: именно так практики описывают современные HR-платформы, которые объединяют подбор, адаптацию, оценку, развитие, обучение и карьерное планирование вокруг единого профиля сотрудника, а не вокруг набора разрозненных модулей.
Ключевое слово здесь — «накапливается». Единый контур не заменяет отдельные функции, он лишает их права существовать изолированно. Оценка кандидата, диагностика компетенций, ревью, обучение, индивидуальные планы развития и повторная оценка перестают быть набором независимых продуктов и становятся слоями единой картины сотрудника, которая со временем не беднеет, а становится всё богаче.
У такого подхода есть три практических следствия:
- Один профиль человека на весь жизненный цикл — от кандидата до сотрудника, без потери истории при переходе между процессами.
- Единая модель компетенций — найм, оценка, обучение и развитие используют общий язык, а не несколько независимых классификаторов.
- Решения на данных, а не на догадках — у каждого управленческого действия появляется измеримое основание, которое можно поднять, проверить и сопоставить с предыдущими результатами.
Как объединить ATS, LMS, HRIS и системы оценки?
На практике у компании есть три пути, и выбор между ними зависит от размера «зоопарка» систем.
Точечные интеграции. Зрелые ATS, LMS и HRIS давно умеют обмениваться данными по API. Там, где систем немного (две-три), это рабочий и самый дешёвый путь. Но с ростом числа сервисов каждая новая связка превращается в стоимость поддержки, дополнительную точку отказа и конфликт моделей данных. На длинной дистанции интеграционный «клей» между десятком продуктов нередко обходится дороже, чем платформа, изначально спроектированная как единая система.
Промежуточный слой данных. Компания оставляет существующие системы, но выгружает данные в общее хранилище для аналитики. Это решает задачу отчётности, но не решает главную: оперативные решения по-прежнему принимаются в разрозненных интерфейсах, а модель компетенций остаётся у каждой системы своя.
Единая платформа полного цикла. Оценка, обучение и развитие изначально работают на одной модели данных, поэтому «сшивать» ничего не нужно. Цена вопроса — переход и риск зависимости от одного поставщика, который снимается открытыми API и возможностью выгрузки данных.
Важно: это не аргумент в пользу обязательной платформенности. Это повод честно посчитать совокупную стоимость владения и задать поставщику правильный вопрос. Не «есть ли у вас модуль X», а «переносятся ли результаты оценки в план развития без ручной выгрузки и по какой модели компетенций». Ключевой критерий выбора — не количество функций, а связность данных между ними.
В чём сила единого контура данных — на цифрах
Разрозненность HR-стека — это не абстракция: по данным Nexign, 37% российских компаний до сих пор ведут HR-данные вручную в Excel, без специализированных систем управления персоналом. Каждая такая таблица — это данные, которые невозможно полноценно сопоставить, использовать для аналитики или передать дальше без потерь.
Показателен опыт концерна «Русэлпром» (5 производственных площадок, более 5000 сотрудников). До объединения процессов компания сталкивалась с классической проблемой фрагментированного HR-контура: разные информационные системы, отсутствие единой аналитики и общего профиля сотрудника, что, по словам директора по управлению персоналом концерна Дмитрия Рябова, делало невозможными удалённое управление персоналом и горизонтальную ротацию специалистов. После формирования единого контура компания получила измеримый эффект: на 30% сократилось время HR на административные операции, 3% вакансий удалось закрыть внутренней ротацией, а ещё 6% высококвалифицированных специалистов были привлечены с предприятий-конкурентов. Иначе говоря, как только данные о людях собрались в одной системе, единый контур начал одновременно работать и на удержание сотрудников, и на привлечение новых.
В этом и заключается сила подхода: ценность возникает не потому, что отдельные процессы стали быстрее, а потому, что связные данные впервые позволяют видеть человека целиком и принимать решения, которые в разрозненном HR-стеке были невозможны в принципе.
При этом практики предупреждают: технология — далеко не главная сложность перехода.
«Технически собрать единый контур сегодня несложно — сложно договориться о едином языке. Пока найм, оценка и обучение измеряют людей разными линейками, никакая платформа не спасёт: вы просто быстрее накопите несопоставимые данные. Мы начинали не с системы, а с единой модели компетенций и с того, чтобы руководители научились доверять данным больше, чем первому впечатлению. Единый контур — это процентов на тридцать технология и на семьдесят — управленческая дисциплина», — Марина Беляева, старший HR бизнес-партнер, Инферит.
Данные о человеке рождаются на входе
Здесь возникает неочевидный, но очень важный вывод: пересборку HR-стека логичнее всего начинать не с внутреннего развития сотрудников, а с точки, где данные о человеке появляются впервые, — с оценки кандидатов.
Именно на этапе подбора разрозненность данных проявляется наиболее наглядно. Типичная картина массового найма выглядит знакомо практически каждому HR-директору: десятки Яндекс.Форм, Excel-таблицы, ручные выгрузки, постоянная сверка результатов между системами и электронной почтой. Формально данные существуют, но использовать их как основу для дальнейших управленческих решений практически невозможно.
Показательный пример — организация массового отбора в МТС Web Services для образовательной программы. До внедрения платформы процесс строился вокруг форм и таблиц с постоянными ручными выгрузками и загрузками данных. После перехода на единую платформу оценки компетенций (Codenrock Vibe) компания провела 1950 тестовых сессий почти для 2000 кандидатов всего за один день: контакты загружаются одним Excel-файлом, приглашения рассылаются автоматически, все тестовые сессии управляются централизованно, а 79% участников успешно завершили тестирование.
«Процесс тестирования стал централизованным и управляемым, команда получила возможность быстро и качественно отбирать кандидатов даже при массовом наборе», — отмечает Алина Веденская, менеджер проектов МТС Web Services.
Важно честно оговориться: этот кейс демонстрирует только первый этап построения единого HR-контура. Он показывает, что оценку на входе можно сделать управляемой, отказаться от Excel-хаоса и получить чистые структурированные данные вместо разрозненных файлов. Сам по себе этот проект ещё не охватывает весь жизненный цикл сотрудника.
Но именно здесь начинается единая модель данных. Когда результаты оценки кандидата перестают быть тупиком внутри отдельной платформы тестирования и становятся первой точкой единого профиля человека, к которому впоследствии добавляются результаты ревью, обучения, развития и повторной диагностики компетенций, появляется принципиально иной уровень управления талантами.
Как выглядит этот следующий шаг — рассмотрим на модельном примере.
Как современные HR-платформы помогают управлять развитием сотрудников?
В большинстве компаний подбор персонала и развитие сотрудников до сих пор существуют как два разных мира с разными системами, разными командами и зачастую разными моделями компетенций. Рекрутёр закрывает вакансию и передаёт человека «дальше», а команда L&D фактически начинает знакомство с новым сотрудником с чистого листа.
Единый HR-контур устраняет этот разрыв. Данные оценки кандидата становятся доступными тем, кто отвечает за его дальнейшее развитие, карьерные траектории и обучение. Именно отсюда появляются сценарии, которые невозможно реализовать при фрагментированном HR-стеке. Покажем их на сквозном модельном примере — это иллюстрация архитектуры процесса, а не описание конкретного клиентского проекта.
Аргумент на промо-комитете
Через год после выхода сотрудника возникает вопрос о переводе на следующий грейд. Руководителю больше не нужно защищать собственные впечатления. Он открывает единый профиль сотрудника и видит всю историю: результаты оценки при найме, динамику компетенций, итоги ревью, завершённые программы развития, повторные оценки.
Представим ситуацию: на промо-комитете обсуждают, готов ли специалист перейти на следующий уровень. Вместо обмена субъективными мнениями участники открывают профиль сотрудника и видят, что одни компетенции за год значительно выросли, а другие пока остаются ниже требований следующего грейда.
Решение становится очевидным: не отказ и не повышение «авансом», а конкретный план развития на ближайшие полгода с повторной оценкой по тем же критериям. Спор «мой сотрудник сильнее твоего» превращается в обсуждение данных по единой шкале компетенций.
Развитие строится на реальных дефицитах
Индивидуальный план развития формируется не «в вакууме», а на основании накопленного профиля компетенций. Сотрудник впервые получает понятную карту собственного развития: какие навыки необходимо усилить, чтобы перейти на следующую роль, какие уже соответствуют ожиданиям бизнеса, а какие требуют дополнительной практики. Такой подход постепенно превращает управление компетенциями из формальной процедуры в реальный инструмент развития.
Доказанный, а не заявленный результат обучения
Именно здесь становится заметна главная слабость классической LMS. Прохождение курса фиксирует часы обучения, но практически ничего не говорит о том, изменилась ли компетенция сотрудника. Пройденный курс ≠ приобретённый навык.
Подтвердить развитие может только повторная оценка по тем же критериям, что использовались при первоначальной диагностике. Когда оценка, обучение, индивидуальные планы развития и повторная диагностика находятся внутри единого HR-контура и работают на общей модели компетенций, L&D впервые получает возможность показать бизнесу измеримый эффект обучения, а не отчёт о количестве закрытых курсов или академических часов.
К этой логике постепенно приходят крупнейшие российские работодатели. Так, Сбер развивает внутреннюю платформу «Пульс» с AI-модулем, который анализирует карьерные траектории сотрудников и рекомендует персонализированные программы развития. Оценка, накопленные данные и обучение работают не как три отдельных продукта, а как единая система принятия решений. По схожему принципу развиваются и платформы полного цикла — например, Codenrock Vibe, где оценка кандидатов и развитие сотрудников работают на общей модели данных о сотрудниках.
Но важен здесь не конкретный продукт, а принцип: ценность возникает не потому, что каждая функция автоматизирована сама по себе, а потому, что оценка, обучение, развитие и аналитика начинают работать как единый процесс и усиливают друг друга.
«Компании долго покупали отдельные инструменты под подбор, обучение, оценку и развитие сотрудников — и в итоге получали несколько несвязанных архивов вместо единой истории человека. Единый контур не добавляет ещё один сервис. Он превращает разрозненные данные в основание для управленческих решений», — Дарья Зыкина, CEO, Codenrock.
Что такое skills intelligence и competency management?
Вокруг единого контура данных сформировались два понятия, которые часто путают.
Competency management (управление компетенциями) — это подход, при котором найм, оценка, обучение и карьерные решения опираются на единую модель компетенций: общий для всей компании перечень навыков с описанием уровней владения и требованиями к каждой роли. Без такой модели контур не собирается: подбор, оценка и обучение просто измеряют людей разными линейками.
Skills intelligence (интеллект навыков) — это способность компании не просто хранить информацию о сотрудниках, а понимать, как меняются их навыки во времени: какие компетенции уже сформированы, где находятся дефициты, как быстро люди растут и какие инвестиции в развитие действительно влияют на результат бизнеса.
Разница принципиальная. Competency management — это язык и правила: как мы описываем и измеряем людей. Skills intelligence — это то, что становится возможным, когда данные, собранные на этом языке, накапливаются годами: прогноз кадровых дефицитов, поиск скрытых талантов внутри компании, обоснование бюджета на обучение.
И здесь важно понимать причинно-следственную связь. Skills intelligence невозможен без единого контура данных. Пока результаты оценки живут в одной системе, обучение — в другой, а ревью — в третьей, никакая аналитика не покажет динамику навыков: сравнивать будет нечего и не с чем.
Единый контур данных — это ещё и ответственность
У объединения всех сведений о сотруднике в единой модели данных есть и обратная сторона, о которой сегодня всё чаще говорят HR-директора и специалисты по информационной безопасности. Чем полнее профиль человека, тем выше требования к работе с ним: речь идёт не только о соответствии требованиям 152-ФЗ, но и о прозрачной системе согласий сотрудников, разграничении прав доступа, локализации хранения данных и понятных правилах использования информации внутри компании.
Единый профиль сотрудника не должен превращаться в инструмент тотального контроля. Иначе вместо доверия компания получит сопротивление.
Поэтому зрелые HR-платформы строятся вокруг обратной логики: сотрудник понимает, какие данные собираются, зачем они используются и какие решения помогают принимать. При этом доступ к чувствительным данным получают только те роли, которым эта информация действительно необходима для выполнения задач. В результате прозрачность становится не просто юридическим требованием, а обязательным элементом архитектуры: без доверия сотрудников единый контур данных не работает.
С чего начать пересборку HR-стека
Переход к единой модели данных о сотрудниках редко происходит по принципу «большого взрыва», когда компания одномоментно заменяет весь существующий HR-стек. На практике это почти всегда последовательная трансформация.
- Определите первую точку появления данных. Найдите процесс, где информация о человеке появляется впервые. Чаще всего это оценка кандидатов во время подбора персонала. Именно отсюда логично начинать формирование единого профиля сотрудника.
- Зафиксируйте единую модель компетенций. Пока рекрутинг, обучение, оценка эффективности и развитие используют разные словари компетенций, никакой единый контур не заработает. Общая модель компетенций — фундамент всей архитектуры.
- Проверяйте не количество функций, а связность данных. При выборе HR-платформы полезнее спрашивать не «есть ли здесь ATS, LMS или модуль ревью», а «могут ли результаты оценки автоматически использоваться при построении индивидуального плана развития без ручной выгрузки данных».
- Требуйте от AI доказуемой пользы. Главная ценность искусственного интеллекта — не в количестве «умных» функций, а в способности анализировать накопленный профиль сотрудника, строить рекомендации на основе реальных данных и подтверждать их эффективность повторной оценкой компетенций.
- Проектируйте приватность заранее. Согласия сотрудников, разграничение доступа и требования законодательства должны становиться частью архитектуры ещё на этапе выбора платформы, а не после первых инцидентов.
Вывод
Автоматизация HR-процессов была необходимым этапом развития отрасли. Она избавила компании от бумажных процессов, ручных операций и позволила перевести большую часть кадровых процессов в цифровую среду. Сегодня ATS, LMS, HRIS, системы оценки и корпоративные порталы стали базовой инфраструктурой большинства крупных организаций.
Однако именно этот успех привёл к новой проблеме. Автоматизируя отдельные процессы, компании одновременно создавали всё больше разрозненных источников данных. В результате современный HR всё чаще сталкивается не с нехваткой инструментов, а с отсутствием единой картины о сотруднике. Именно поэтому сегодня главный вопрос звучит уже не «что ещё можно автоматизировать?», а «как объединить HR-данные и превратить их в основу для управленческих решений?».
Ответом становится переход от набора независимых сервисов к единой модели данных о сотрудниках, единому HR-контуру и централизованной модели компетенций. Именно вокруг этой архитектуры сегодня начинают строиться современные платформы управления талантами, people analytics и skills intelligence.
Парадоксально, но следующая революция в HR связана не с появлением ещё одного нового сервиса. Она происходит тогда, когда данные перестают теряться между ATS, LMS, HRIS и системами оценки и начинают сопровождать человека на протяжении всего жизненного цикла — от первого контакта с компанией до следующего карьерного шага.
Поэтому выиграет не та организация, у которой больше HR-систем или AI-функций. Выиграет та, которая сможет построить единый профиль сотрудника и превратить накопленные данные в основу для принятия решений — при подборе, оценке, развитии, формировании кадрового резерва и управлении талантами. Именно в этом сегодня заключается главное отличие современной HR-платформы от набора отдельных инструментов: не в количестве модулей, а в способности связать оценку, развитие, обучение и аналитику в единый управленческий контур, где каждое новое действие делает профиль сотрудника богаче, а каждое решение — точнее.
