Автоматизировать можно намного больше, чем компании автоматизируют сейчас, но полностью без человека обойдется только четверть работы HR. К такому выводу пришли в исследовании McKinsey «Escaping the pilot trap: Building HR for the agentic era» (август 2026 года). По расчётам McKinsey, к 2030 году около двух третей сегодняшних задач HR — от управления заявками и скрининга кандидатов до расчета зарплаты, онбординга и администрирования льгот — могут быть полностью автоматизированы или автоматизированы в части исполнения.
Эксперты HRTech-компании «Поток» разбирают, что из этого прогноза применимо к российским компаниям, а что упирается в другую готовность рынка. Смотрим инфографику прогноза и сверяем с российскими условиями.
Три уровня автоматизации HR-процессов по версии McKinsey
McKinsey делит работу HR не на «автоматизируемое и неавтоматизируемое», а на три уровня по степени участия человека.
- Полная автоматизация — 26% работы. Агент выполняет процесс от начала до конца без рутинного участия человека. Примеры: справка о трудоустройстве, назначение серии интервью, ответ на вопрос о праве на льготу.
- Полная автоматизация исполнения — 40% работы. Агенты выполняют процесс, человек отвечает за правила, результат и исключения. Пример: при расчете зарплаты агенты ведут цикл, а человек проектирует политику, разбирает удержания и нетиповые кейсы.
- Дополнение — 34% работы. Человек ведёт процесс, агенты готовят, анализируют и набрасывают варианты. Пример: HR-партнер приходит на разбор кадрового резерва с готовой аналитикой, но решение остается за ним.
Без человека обойдётся только четверть работы, а в 74% случаев человек всё равно участвует в процессе. McKinsey пишет, что вопрос «какие задачи отдать ИИ» поставлен неверно. Правильный вопрос: в какой точке процесса, который ведут агенты, без человека не обойтись и где нужно отвечать за результат?
«Сегодня главный вызов для эйчаров, внедряющих мультиагентные системы, связан с ответственностью, с готовностью взять ее на себя в случае ошибки агента.
Пока сотрудник сам выполняет задачу, он отвечает за результат. Но когда меньшую или большую часть работы делают ИИ-агенты, появляется психологический барьер: человеку сложно принять ответственность за решение, которое он не создавал полностью своими руками.
Поэтому при внедрении таких систем HRD важно не только определить роли агентов, но и четко закрепить за каждым сотрудником степень ответственности, регламентировать, кто и на каком этапе принимает окончательное решение. Иначе вместо роста эффективности можно получить размывание ответственности и снижение доверия к результатам работы ИИ»
Как изменится рабочий день HR-специалиста
В исследовании McKinsey приводится оценка того, как перераспределится время HR при переходе к агентной модели.
Сейчас HR тратит примерно 40% времени на операционную работу, 30% на программы и проекты, 15% на разбор нетиповых ситуаций и лишь 15% на стратегию и инновации. В агентной модели операционная работа сжимается примерно до 5%, программы и проекты — до 10%, разбор нетиповых ситуаций остаётся на уровне 15%, а на стратегию и инновации приходится около 50% человеческого времени.
Отдельного внимания заслуживают последние 20%, новая категория работы, которой у HR сейчас мало или совсем нет. Это управление агентами: настройка в low-code-средах, проверка логики, тестирование перед запуском, контроль качества и дрейфа, вывод агента из эксплуатации при изменении процесса. McKinsey отмечает, что такая работа ближе к продакт-менеджменту, чем к обработке обращений, и рекомендует закладывать её в наём, обучение и карьерные треки заранее.
«Сегодня перед HR стоит более сложная задача, чем просто внедрение ИИ-агентов или обучение сотрудников работе с ними. Самим HR-менеджерам предстоит освоить новую область — управление мультиагентными системами.
История уже знает похожие примеры. С развитием HR-аналитики оказалось, что недостаточно просто получить доступ к данным — понадобились специалисты, умеющие интерпретировать метрики, работать с аналитикой и принимать решения на их основе. Так сформировалась отдельная роль HR-аналитика. Аналогично с HRBP, компании начали выделять роль бизнес-партнера, которая сместила фокус с операционной работы на поддержку бизнеса и влияние на стратегические решения.
Сейчас функция по работе с персоналом переживает следующий этап трансформации. Востребованной становится роль HR-оркестратора ИИ-агентов — специалиста, который не просто использует агентов в работе, а проектирует их взаимодействие, тестирует сценарии, контролирует качество результатов и отвечает за постоянное совершенствование системы. Именно такие компетенции в ближайшие годы могут стать одним из ключевых факторов эффективности HR»
Пять вопросов, с которых стоит начать HR-директору
McKinsey предлагает HRD ответить на пять вопросов до начала внедрения ИИ. Каждый из этих вопросов определяет последующие шаги.
- Какова целевая модель? Какую ценность HR должны давать бизнесу в 2030 году, каким соотношением людей и агентов и что перестать делать совсем.
- С чего начать и в каком порядке идти дальше? Автоматизировать отдельные задачи там, где проблемы. Перестроить один процесс целиком, например, весь подбор от заявки до выхода сотрудника. Или пересобрать целое направление вроде обучения и развития. Выбор зависит от качества данных и готовности руководства, но важен не столько сам вариант, сколько внятный ответ, почему первым идет именно этот процесс и что за ним.
- Как перестроить компетенции самого HR? Можно уже сейчас повысить базовую ИИ-грамотность, улучшить навыки перестройки процессов, обратить внимание на качество данных, создать первую группу владельцев агентов.
- Кто принимает решения и на чьем балансе система, в которой работают агенты? Агенты выполняют задачи HR, но запускаются они на общей корпоративной инфраструктуре: доступы, безопасность, интеграции. Если её держит ИТ, HR встает в очередь за каждой доработкой и теряет скорость.
- Каков экономический эффект и какие решения обратимы? Как отслеживать эффект и какие ранние решения можно откатить без потерь, а какие станут фундаментом.
Четвертый и пятый вопросы наиболее показательны для российского контекста. По данным Sk Финтех Хаба, именно измеримость эффекта вызывает вопросы. Пока 67% HR-специалистов не владеют методами оценки эффекта, обсуждение целевой модели не с чем сверять.
Как «Поток» помогает пройти этот путь
Начинать с подбора удобно, потому что весь цикл уже живет в одной системе, а значит, эффект от автоматизации виден в цифрах. В «Поток Рекрутменте» ИИ-инструменты закрывают всю воронку подбора:
- помогают составить заявку на вакансию и ее согласовать,
- публикуют вакансии и собирают отклики с джоб-бордов,
- проводят скрининг резюме, обзвон и первичную оценку кандидатов,
- назначают интервью и собирают обратную связь от нанимающих менеджеров,
- подключаются на этапе оффера и выхода сотрудника,
- делают аналитику по этапам и рекомендации по повышению эффективности подбора,
- возвращают кандидатов в воронку.
ИИ-рекрутер «Потока» обрабатывает 250 звонков за 2 минуты, сокращает время скрининга на 70% и общее время найма на 20%. В кейсе ОТЭКО автоматизация подбора дала сокращение времени закрытия вакансии на 36% и снижение затрат на подбор на 30,5%.
➡️ Читать кейс ОТЭКО
- 💡на 36% сокращение времени закрытия вакансии
- 💡на 30,5% снижение затрат на подбор
Аналитика подбора в системе собирается из уже существующих данных о вакансиях и кандидатах. Это и есть тот инструмент оценки эффекта, отсутствие которого фиксируют российские исследования.
Главное для HRD
- По расчётам McKinsey, к 2030 году две трети дел HR могут быть автоматизированы полностью или в части исполнения. Полностью без человека обойдётся только 26% работы.
- Время HR сдвигается: операционная работа сжимается с 40% до 5%, стратегия и инновации вырастают с 15% до 50%, еще 20% уходит на управление агентами — категорию, которой пока нет в функциях HR.
- Автоматизация HR-процессов в России идет по-другому, чем в исследовании McKinsey: расчёт зарплаты для автоматизации почти закрыт (50% российских работодателей не планируют), а подбор — самый освоенный процесс (31% компаний уже используют ИИ).
- Автоматизация подбора персонала: какие этапы найма автоматизировать и что это даёт бизнесу
- Эволюция ИИ-агентов в работе HR: от точечных задач к сложным автоматизациям
- ИИ-рекрутер в действии: как мы выстроили точечный подбор в «Потоке»
- Как HR-автоматизация помогает выигрывать на рынке труда: подкаст с CPO «Поток Рекрутмента»
- Gartner прогнозирует, что 30% сокращённых сотрудников придётся нанять заново
Частые вопросы
McKinsey делит работу HR на три уровня. Полная автоматизация — 26% работы: агент выполняет процесс от начала до конца. Например, выдает справку о трудоустройстве, назначает серию интервью, отвечает на вопрос о праве на льготу. Полная автоматизация исполнения — 40%: агенты ведут цикл, а человек проектирует правила и разбирает исключения, как при расчете зарплаты. Дополнение — 34%: человек ведет процесс, а агенты готовят аналитику и варианты решений.
Нет, но состав работы изменится. В 74% случаев человек всё равно участвует в процессе: задаёт правила, разбирает исключения или отвечает за результат. При этом около 20% времени HR займёт новая задача — управление агентами. Это настройка в low-code-средах, проверка логики, тестирование перед запуском, контроль качества и вывод агента из эксплуатации при изменении процесса. McKinsey отмечает, что такая работа ближе к продакт-менеджменту, чем к обработке обращений.
Это специалист, который не просто использует агентов в работе, а проектирует их взаимодействие, тестирует сценарии, контролирует качество результатов и отвечает за развитие системы. Роль появляется по той же причине, по которой раньше выделились HR-аналитик и HRBP: доступ к инструменту сам по себе не дает эффекта, нужен человек, умеющий с ним работать и принимать решения на его основе.
Этот вопрос нужно закрыть до внедрения. Пока сотрудник выполняет задачу сам, он отвечает за результат. Когда часть работы делают агенты, возникает психологический барьер — человеку сложно принять ответственность за решение, которое он не создавал полностью сам. Поэтому HRD важно не только определить роли агентов, но и закрепить за каждым сотрудником степень ответственности и регламентировать, кто и на каком этапе принимает окончательное решение. Иначе вместо роста эффективности выходит размывание ответственности и падение доверия к результатам ИИ.
В России последовательность отличается от рекомендаций McKinsey. Расчет зарплаты — канонический пример автоматизации исполнения в исследовании — у нас для автоматизации не подходит: 50% работодателей не планируют применять здесь ИИ. Самый освоенный процесс — подбор. ИИ в нём уже используют 31% компаний. Начинать с него удобно, так как весь цикл живёт в одной системе, поэтому эффект от автоматизации сразу виден в метриках воронки.
С этого стоит начинать. По данным Sk Финтех Хаба, 67% HR-специалистов не владеют методами оценки эффекта, поэтому обсуждение целевой модели часто не с чем сверять. Базовый набор метрик для подбора — время закрытия вакансии, стоимость закрытия и конверсия по этапам воронки, снятые до и после внедрения из одной системы. Ориентироваться можно на автоматизацию подбора в ОТЭКО: сокращение времени закрытия вакансии на 36% и снижение затрат на подбор на 30,5%.
Материал подготовила Елена Можелис, продуктовый редактор «Потока»
Опубликовано в августе 2026 года
