ИИ инструменты в HR процессах

Участники узнают, как устроена работа LLM в HR-задачах — не техническую лекцию, а именно то, что нужно руководителю функции: какие сценарии работают, где LLM ошибается, как её эти ошибки контролировать в HR-контексте, чем массовый подбор отличается от подбора редких ролей с точки зрения автоматизации.

Практика. Каждый участник:

• Получает развёрнутый разбор ИИ-операционной модели HR-функции.
• Разбирает 6–8 публичных кейсов внедрения ИИ в HR в российских компаниях — что внедряли, какие цифры получили, на чём споткнулись.
• Получает карту типовых ошибок, что делает 60% проектов провальными до старта.
• Размечает свою HR-функцию по трём горизонтам: «работает сейчас», «через 6 месяцев», «не работает».

Командная практика

Работа в группах по типам компаний — обмен ИИ-картами, сравнение приоритетов, поиск пересечений. Каждая группа представляет: с каких 2–3 процессов начнём, и почему именно с них.

С чем уходит слушатель

• Развёрнутая ИИ-карта HR-функции на одной странице — фундамент для всей дальнейшей работы.
• Понимание текущего уровня зрелости HR-функции и реалистичной точки роста.
• Знание типовых ошибок, на которых проваливаются ИИ-проекты в HR — и план, как их обойти.

Разбираем четыре крупных применения ИИ в подборе: автоматический скрининг резюме, ИИ-собеседование первого уровня, голосовой обзвон ботом, генерация вакансий и приглашений. 

Практика. Каждый участник:

• Настраивает правила автоматического скрининга резюме — на собственных критериях, под собственный профиль вакансии. Видит, где модель ошибается на «нестандартных» кандидатах.
• Разбирает архитектуру ИИ-собеседования первого уровня — что замеряется, что не замеряется, какие риски смещения и дискриминации заложены в моделях.
• Учится отличать ИИ-резюме кандидата от написанного «руками» — и понимать, что с этим делать на этапе скрининга и оффера.
• Получает разбор того, что меняется в роли рекрутера, когда часть скрининга закрыта ИИ.

Командная практика

Каждая группа моделирует процесс подбора под заданный тип вакансии (массовая роль, узкоспециализированная роль, executive search): где ИИ обязателен, где не нужен, где опасен. Сравнение результатов между группами.

С чем уходит слушатель

• Промпт-набор для скрининга, генерации вакансий, приглашений и базовых интервью-вопросов.
• Чёткая позиция по ИИ-собеседованию — где он применим, а где даёт больше репутационных рисков, чем эффекта.
• Понимание подбора с ИИ-кандидатами и набор практик противодействия.

Практика. Каждый участник:

• Проектирует ИИ-онбординг для одной из ролей в своей компании: персональный план, бот для частых вопросов, трекинг прогресса, своевременные напоминания. На выходе — архитектура процесса, готовая к пилоту.
• Разбирает реалистичные ожидания от predictive-аналитики по увольнениям — что даёт точность 80%, чего не даёт, как с такой моделью работать без манипуляции людьми.
• Знакомится с подходом к анализу тональности pulse-опросов и обратной связи: что снимается с ИИ автоматически, что требует ручной интерпретации.
• Разбирает архитектуру корпоративного чат-бота для внутренних HR-запросов: расчёт нагрузки на L1-поддержку, типовые сценарии, метрики качества.

Командная практика

Группы обмениваются проектами ИИ-онбординга: одна команда задаёт роль и критерии, другая показывает архитектуру процесса. Обсуждение: что разумно сделать в первую очередь, что отложить.

С чем уходит слушатель

• Архитектура ИИ-онбординга для одной из ролей в компании — готовая к пилоту.
• Понимание границ predictive-аналитики и того, как с ней работать этично.
• Аргументы в защиту «быстрых побед» — то, с чего реалистично начинать ИИ-программу в HR.

Разбираем три большие темы: 152-ФЗ и обработка ПДн в ИИ-контуре, дискриминация ИИ-скоринга и судебная практика, ответственность работодателя и распределение её с ATS-вендором.

Практика. Каждый участник:

• Получает разбор того, какие именно операции с резюме и данными сотрудников считаются обработкой ПДн — и где границы трансграничной передачи.
• Получает рабочую формулировку согласия на обработку ПДн под ИИ-инструменты, с типовыми дырами, которые встречаются в большинстве компаний.
• Разбирает свежую судебную практику по ИИ-дискриминации в найме и пределам автоматизированных решений.
• Проводит аудит собственного текущего ИИ-контура и помечает зоны, которые работают на грани нарушения.

Командная практика

Каждая группа представляет свой аудит и план «закрытия дыр» за ближайшие 2 недели. Преподаватель и группа разбирают, что критично, что подождёт, что вообще не риск.

С чем уходит слушатель

• Рабочая формулировка согласия на обработку ПДн под ИИ-инструменты.
• Карта собственных «дыр» в ИИ-контуре с приоритетом закрытия.
• Понимание судебной практики и того, как защититься от обвинений в ИИ-дискриминации.

Разбираем структуру внедрения проекта: цель, гипотеза, метрики, команда, бюджет, контрольные точки, риски и план Б.

Практика. Каждый участник:

• Упаковывает собственный ИИ-пилот в один HR-процесс по утверждённой структуре.
• Формулирует пилот так, чтобы его согласовал CEO, не закопал юрист и поддержал линейный руководитель.

Командная практика — финальная защита

Каждый участник представляет план пилота за 7 минут. Группа и преподаватель отвечают за 5 минут — что усилить, что убрать, какие риски недооценены. План корректируется по ходу обсуждения.

С чем уходит слушатель

• Готовый план запуска ИИ-пилотасо структурой, метриками, бюджетом, командой, рисками.
• Прошедшая внешний разбор гипотеза — что именно мы хотим доказать пилотом, и какие метрики это покажут.
• Понимание трёх первых шагов, которые делаются в первый рабочий день после курса.
• Уверенность, что пилот защищается перед CEO и CFO — а не «зависнет» в стадии бесконечного согласования.