ИИ в HR в 2025–2026: данные исследований McKinsey, BCG, Gartner и Deloitte

Авчтор: Даниил Мущицкий, руководитель проектов внедрения в NanoHire
Время чтения: ~12 минут

Краткая выжимка

• За один год — с 2023 по 2024 — глобальное использование генеративного ИИ выросло с 55% до 75%. Это самая быстрая адопция технологии за последние десятилетия (данные Deloitte).
• HR — функция-лидер по применению генеративного ИИ. Среди компаний, которые его используют, 70% применений приходится именно на HR-функцию (BCG).
• При этом 75% HR-организаций находятся на ранней стадии зрелости ИИ. Полностью зрелых — только 5%. Это значит, что массовой конкуренции по уровню технологичности подбора пока нет.
• Машинное обучение в HR и ИИ в найме — единственные технологии в обзоре Gartner, которые уже приносят реальный возврат на вложенные средства, а не обещают его. Применение ИИ в рекрутинге и подборе персонала перешло из стадии экспериментов в стадию зрелого использования.
• Главный барьер внедрения ИИ в HR — не технологический, а связанный с качеством данных и зрелостью HR-процессов. Только 19% HR-процессов в Европе уже усилены нейросетями (McKinsey).

В этом материале — структурированный ответ на шесть главных вопросов, которые сегодня задают HR-руководители про искусственный интеллект в HR, на основе данных пяти авторитетных исследовательских центров.

Содержание

1. Сколько компаний уже используют ИИ в HR
2. Какой эффект даёт нейросеть для HR
3. Какие технологии в HR работают зрело, а какие — пока нет
4. Барьеры внедрения ИИ в HR: почему 95% компаний застряли в пилотах
5. Как ИИ меняет ценностное предложение для сотрудников
6. Российский рынок HR-Tech и нейросети для HR в России

Сколько компаний уже используют ИИ в HR

Скорость, с которой компании внедряют ИИ в HR, не имеет аналогов в истории технологий. Deloitte в отчёте «2025 Global Human Capital Trends» приводит ключевую цифру: глобальное использование генеративного ИИ выросло с 55% в 2023 до 75% в 2024 году. Темп распространения AI в HR выше, чем у персонального компьютера и интернета на сопоставимой стадии.

Gartner фиксирует похожую динамику в отдельном опросе HR-руководителей. Доля тех, кто применяет или планирует применять генеративный ИИ, выросла с 19% в июне 2023 до 61% к январю 2025. То есть за полтора года применение ИИ в HR-функции стало нормой для большинства, а не редкой инновацией.

Но за этими общими цифрами скрывается важная деталь. McKinsey в HR Monitor 2025 показывает, что только 19% HR-процессов в Европе уже усилены генеративным ИИ. Ещё 32% находятся в стадии пилотов. То есть «использовать ИИ» и «масштабировать использование на весь процесс» — это совершенно разные вещи.

Картину дополняет Deloitte. По их данным, 75% HR-организаций находятся на ранней стадии зрелости в применении искусственного интеллекта, и только 5% — полностью зрелые. Иначе говоря: 20 компаний из 100 не используют ИИ в подборе персонала вообще, ещё 70 — экспериментируют точечно, и лишь у 5 нейросеть встроена в каждый этап воронки найма.

Для рекрутингового рынка это означает один важный практический вывод: массовой конкуренции по уровню технологичности подбора пока нет. Компания, которая внедряет автоматизацию найма с нейросетями сегодня, получает ощутимое преимущество в скорости найма и качестве короткого списка кандидатов на 18–24 месяца вперёд.

Какой эффект даёт нейросеть для HR: цифры производительности и качества найма

Если адопция растёт так быстро, логичный следующий вопрос: что компании реально получают взамен. Здесь данных накопилось достаточно, чтобы говорить уверенно.

HR - главный потребитель ИИ внутри бизнеса

Boston Consulting Group в исследовании «AI at Work 2025» опросила более 10 тысяч сотрудников в 11 странах. Главный вывод по теме HR: среди компаний, которые уже используют генеративный ИИ, 70% применений приходится именно на HR-функцию. Это больше, чем в маркетинге, продажах или клиентском сервисе. Самый частый сценарий применения ИИ в рекрутинге — сопоставление кандидатов с вакансией: 54% компаний с активным использованием искусственного интеллекта для HR уже внедрили или внедряют автоматический матчинг.

Эффект подтверждён цифрами производительности. Более 10% компаний, использующих генеративный ИИ в HR, сообщают о росте производительности более чем на 30%. В отдельном отчёте «A Promise That Brings AI to Life Responsibly» BCG описывает, как сама консалтинговая компания внедрила платформу talent intelligence — то есть систему интеллектуального подбора и развития кадров: коммуникации с кандидатами выросли на 41%, средний показатель удовлетворённости процессом найма — 4,7 из 5.

Сокращение времени на скрининг - ключевой эффект ИИ в подборе

Самый заметный и быстрый эффект применения ИИ в подборе персонала — экономия времени на отборе резюме. McKinsey оценивает, что автоматический скрининг сокращает время до короткого списка кандидатов до 60%. Для рекрутера, у которого в работе 15–20 вакансий одновременно, это разница между «успеваем» и «срываем сроки».

Эта цифра имеет особое значение в свете другой метрики из McKinsey: средняя успешность найма в Европе составляет всего 46%. Из 100 запущенных подборов меньше половины приводят к нанятому и оставшемуся сотруднику. Процент принятых офферов — 56%. На испытательном сроке уходит 18% новых сотрудников. Каждый второй найм фактически приходится делать дважды. Любая дельта в качестве отбора резюме при таких показателях превращается в радикальную экономию бюджета HR-функции.

Макроэкономический эффект для бизнеса

PwC в отчёте «2025 Global AI Jobs Barometer» проанализировал почти миллиард вакансий с шести континентов. Главные цифры: с 2022 года, когда генеративный ИИ стал массово доступен, рост производительности в индустриях с высоким применением ИИ увеличился почти в 4 раза — с 7% до 27% по периоду 2018–2024. В отраслях с низким применением ИИ темп роста, наоборот, замедлился — с 10% до 9%.

Для HR это значит две вещи. Во-первых, лучшие кандидаты на рынке труда всё чаще обладают навыками работы с ИИ — и претендуют на премиальную компенсацию (премия к зарплате за такие навыки достигла 56%, удвоившись за один год). Во-вторых, скорость, с которой ИИ перестраивает индустрии, означает, что окно для постепенной адаптации HR-процессов закрывается.

При этом важная асимметрия

BCG подчёркивает: успех внедрения ИИ примерно на 70% зависит от людей и процессов, на 20% — от инфраструктуры, и только на 10% — от самих алгоритмов. Это значит, что сам выбор технологии — далеко не главный вопрос. Главное — как её встроить в работу: переобучить рекрутеров, переработать процессы, выстроить новые показатели эффективности. Без этой работы даже самая дорогая нейросеть для HR останется красивым пилотом без эффекта на бизнес-показатели.

Какие технологии нейросетей в HR работают зрело, а какие пока экспериментальны

Самый практичный взгляд на зрелость технологий — у Gartner. Они ежегодно публикуют так называемую кривую зрелости (англ. Hype Cycle) — карту, на которой каждая технология проходит через пять стадий: от первоначального интереса через волну хайпа, разочарование, осмысленное применение и до зрелого использования.

В отчёте Hype Cycle for AI in Human Resources за 2025 год аналитики разместили технологии для HR следующим образом.

Стадия 1: первоначальный интерес: много шума, мало пользы

На этой стадии находится бо́льшая часть инноваций в области ИИ для HR. Гартнер прямо предупреждает: на этой стадии много маркетингового шума, но мало доказанной коммерческой пользы. Сюда попадают экспериментальные технологии оценки кандидатов по голосу, мимике, поведенческим паттернам — звучит футуристично, на практике пока нет надёжных доказательств, что это работает лучше традиционных методов.

Стадия 2: пик завышенных ожиданий: все говорят, мало кто внедрил

На этой стадии находится агентный ИИ (системы, которые сами выполняют цепочку действий без участия человека) и так называемые ИИ-копилоты — помощники для сотрудников. Все говорят, мало кто реально внедрил в продакшн. Зрелое массовое применение — горизонт 2–3 лет.

Стадия 3: разочарование: большие инвестиции, нет окупаемости

В эту стадию скатился генеративный ИИ в широком применении. Среднее вложение составило 1,9 млн долларов на организацию в 2024 году, но менее 30% генеральных директоров удовлетворены результатом. Здесь не «технология плохая», а «компании купили её слишком быстро и без понимания, как извлечь пользу».

Стадия 4: осмысленное применение: технологии работают и приносят результат

На этой стадии находятся машинное обучение в HR и ИИ в подборе персонала. Это технологии, которые УЖЕ работают и приносят возврат на вложенные средства. Также сюда Gartner относит дисциплины ответственного ИИ — процедуры контроля предвзятости и прозрачности решений.

Что это значит на практике для HR-руководителя: если сегодня выбираете между «подождать, пока агентный ИИ повзрослеет» и «внедрить ИИ-скоринг резюме» — Гартнер прямо говорит, что второе уже работает, а первое будет стабильно работать через 3–5 лет. Машинное обучение и ИИ в найме — единственные технологии в HR-блоке отчёта, которые сейчас приносят отдачу, а не обещают её. Если вы сегодня рассматриваете AI для HR как направление инвестиций — это самые надёжные сценарии для старта.

Стадия 5: зрелое массовое применение

На этой стадии находятся вспомогательные дисциплины — инжиниринг ИИ, дизайн человеко-ориентированных систем. Это уже элементы стандартной практики крупных компаний.

Главный практический вывод

Если коротко: внедрение ИИ в HR в 2026 году имеет смысл начинать со скоринга резюме и автоматического сорсинга кандидатов — эти технологии зрелые и работают. Сложные сценарии вроде агентного рекрутинга, который ведёт всю воронку самостоятельно, лучше оставить на 2027–2028 годы. Применение искусственного интеллекта для HR в 2026 — это не про эксперименты с автономными агентами, а про точечную автоматизацию рутины подбора, где эффект измерим уже через 2–3 месяца. О том, какие конкретно сценарии можно автоматизировать сейчас — в ИИ рекрутинг 2026: как AI помогает HR без замены человека.

Барьеры внедрения ИИ в HR: почему 95% компаний застряли в пилотах

Если технология зрелая и эффект подтверждён — почему тогда только 5% HR-организаций находятся на полной стадии зрелости? Совокупно исследования называют три главных барьера.

Барьер 1: качество данных

Gartner называет это главным препятствием для зрелости ИИ. По их данным, 57% организаций признают, что их данные не готовы для применения нейросетей: фрагментированы, без единых стандартов, без управления качеством. Резюме хранятся в одной системе, оценки кандидатов — в другой, обратная связь по испытательному сроку — в третьей или вообще нигде.

Без чистых данных даже лучшая нейросеть будет давать предвзятые или ошибочные оценки. Прежде чем внедрять ИИ-скоринг, имеет смысл проверить: единая ли у вас база кандидатов, нет ли дублей, заполнены ли структурированные поля. Иногда это самый трудоёмкий этап подготовки к использованию ИИ в HR.

Барьер 2: алгоритмическая предвзятость

ИИ обучается на исторических данных. Если в прошлом ваша компания неосознанно предпочитала определённую группу кандидатов — алгоритм закрепит и масштабирует это смещение. Особенно остро вопрос стоит при автоматическом отборе по полу, возрасту, региону.

Поэтому Gartner подчёркивает важность процедур управления надёжностью, рисками и безопасностью ИИ. На практике для ИИ в найме это означает: модель должна периодически проверяться на предвзятость, иметь механизмы объяснения принятых решений, и финальное слово при найме всегда должно оставаться за человеком, а не за алгоритмом.

Барьер 3: разрыв между признанием важности и реальными действиями

Самый коварный барьер — управленческий. Deloitte показывает: 52% руководителей считают важным раскрыть потенциал размывания границ между человеком и технологией, но только 6% делают значимые шаги в этом направлении. Между «мы понимаем, что нужно» и «мы это делаем» — гигантский разрыв.

Причины обычно банальные: нет ответственного, нет бюджета, нет приоритета, есть страх «как это воспримет команда». Технология сама по себе не решает проблему — нужны изменения процессов, обучение команды, новые показатели эффективности рекрутера.

Барьер 4: тревога сотрудников и кандидатов

Часто недооценённый барьер — психологический. Deloitte в опросе 4 тысяч сотрудников выявил, что 54% переживают из-за размытия границ между работой человека и машины. Также интересные цифры:

• 77% сотрудников говорят, что ИИ увеличил их рабочую нагрузку (а не уменьшил, как обещалось);
• 33% — что им стало не хватать живого общения;
• 28% начинающих специалистов отмечают сокращение возможностей для обучения на работе.

В контексте подбора это сигнал: автоматизация должна заменить рутину, а не убрать человеческий контакт там, где он ценен — в финальных интервью, обсуждении компенсации, обратной связи. Хорошо построенное использование ИИ в HR улучшает опыт кандидата (быстрые ответы, прозрачный процесс), плохо построенное — превращает его в «общение с роботом».

Как ИИ меняет ценностное предложение работодателя

Этот пласт обычно теряется в разговорах про автоматизацию, но Deloitte ставит его в центр своего отчёта 2025 года. Логика такая: ИИ — это не про «как нанимать», а про «зачем сотрудник вообще выбирает вас как работодателя».

Цифры, которые меняют картину

Более 70% сотрудников и менеджеров скорее согласятся работать в компании и остаться в ней, если её ценностное предложение — обещание, которое работодатель даёт сотруднику — помогает им адаптироваться к миру, где ИИ повсеместен. Ещё 18% сказали, что это станет важно для них в ближайшие 3 года.

При этом 69% руководителей признают: переосмыслить ценностное предложение работодателя под мир ИИ — важно. Однако только 6% сообщают о реальном прогрессе в этом направлении. Это идеальная иллюстрация общего паттерна: разрыв между важностью и действием.

Что меняется в трудовом контракте между компанией и сотрудником

Когда нейросеть берёт на себя рутинную часть работы, у сотрудника возникают новые ожидания:

• Возможность учиться и расти. ИИ берёт на себя простые задачи — а на чём тогда тренироваться начинающим специалистам? Хорошие работодатели уже строят программы, в которых ИИ помогает учиться, а не заменяет учебный путь.
• Перенос навыков. Период полураспада навыков сокращается. Сотрудник хочет видеть, что компания инвестирует в его переобучение, а не «использует пока актуален».
• Прозрачность в применении ИИ. Сотрудники хотят понимать, где и как ИИ участвует в их работе и в принятии решений о них (например, при оценке производительности).
• Распределение выгод от ИИ. Если нейросеть генерирует дополнительную производительность — справедливо ли, что вся выгода уходит акционерам?

Для HR-функции это значит, что внедрение нейросетей в HR — не только технический проект. Это стратегический разговор с сотрудниками о том, как меняется содержание их работы и что компания им гарантирует взамен.

Связь с подбором

Прямая связь с темой подбора: 30% руководителей в опросе Deloitte считают, что директору по информационным технологиям и директору по персоналу нужно объединить усилия для оптимизации совместной работы людей и машин. Ещё 11% думают, что роль HR-директора должна вообще трансформироваться в «директора по человеческим и машинным ресурсам».

Иными словами: рынок ожидает, что HR-функция перестанет быть отдельным «бэк-офисом» и станет одним из главных интерфейсов между бизнесом и технологиями.

Российский рынок HR-Tech и нейросети для HR в России

Российский рынок развивается в догоняющей логике, но активно. По данным TAdviser, по итогам 2025 года объём рынка HR-Tech в России превысил 25 млрд рублей при росте 20–25%. По методологии Smart Ranking, топ-85 HR-Tech-компаний за первое полугодие 2025 года заработали 40,6 млрд рублей при росте 12% год к году.

Главный тренд: смещение фокуса с найма на удержание + ИИ как точка роста

Классический подбор персонала через сайты вакансий замедляется: рост сегмента упал с 65% в предыдущем году до 32% в 2024–2025. Лидеры рынка вроде HH.ru фиксируют снижение деловой активности по классическим job-боардам.

При этом ИИ в подборе и системы оценки компетенций — самый быстрорастущий сегмент российского HR-Tech. Это значит, что компании всё чаще ищут не «больше откликов», а «лучше отсеивать релевантных» — то есть ровно ту задачу, которую закрывают нейросети для HR. Сегмент сервисов автоматизации опросов и обратной связи (для удержания) тоже активно растёт: 49% компаний среднего бизнеса готовы более системно работать над удержанием с помощью автоматизированных платформ.

Российские компании платят больше за найм, чем раньше

По данным РБК Тренды (со ссылкой на индустриальные опросы 2025 года), 74% российских компаний отметили рост расходов на найм в среднем на 10%. На подбор приходилось 20–25% всех HR-затрат. Демография — структурная проблема: при потребности в 3,1 млн специалистов до 2030 года и низкой безработице (2,4%) рынок продолжает испытывать острую нехватку свободных сотрудников.

ИИ становится способом стабилизировать нагрузку на рекрутеров без раздувания бюджета. Он не «дешёвая замена рекрутера», а инструмент, который позволяет одному рекрутеру закрывать в 2–3 раза больше вакансий с тем же или лучшим качеством.

Импортозамещение и локализация решений

После ухода зарубежных HR-сервисов (SAP SuccessFactors и других) российский бизнес активно ищет локальные решения. Появилась дополнительная требовательность к платформам:

• Локализация данных — российские HR-сервисы разрабатываются с учётом требований к хранению и обработке персональных данных внутри страны.
• Прозрачность архитектуры — компании хотят чётких схем работы с персональными данными и сертифицированных решений.
• Технологическая защита — шифрование, многофакторная аутентификация, мониторинг.

Это означает, что для российских компаний выбор стоит не просто между HR-решениями, а между HR-решениями, которые соответствуют требованиям российского законодательства и реалиям российского рынка труда. Зарубежные нейросети с серверами за пределами РФ для большинства компаний просто не подходят.

Главный практический вывод

Совокупная картина по российскому рынку: технология зрелая и работающая, массовой конкуренции по её применению ещё нет, демографические и бюджетные ограничения толкают компании искать эффективность, и есть растущая ниша локальных решений. Это редкое сочетание условий, в котором первые серьёзные внедрения дают преимущество на годы вперёд. Окно остаётся открытым ещё 12–18 месяцев.

Связанные материалы

Если интересно глубже разобраться в теме — у нас в блоге есть две тематически связанные статьи:

• ИИ рекрутинг 2026: как AI помогает HR без замены человека — практический разбор того, какие именно задачи в подборе закрывают нейросети для HR, с примерами сценариев.
• Как выбрать платформу автоматизации подбора персонала: обзор решений и рекомендации по внедрению — гид для лиц, принимающих решение, с восемью критериями выбора и сравнением подходов.

Если хотите обсудить, как внедрение ИИ в HR может работать в вашей компании — запишитесь на демо NanoHire. Покажем, как мы решаем задачу скоринга, ИИ-сорсинга и пресклининга на реальных вакансиях.

Об авторе

Даниил Мущицкий — руководитель проектов внедрения в NanoHire. Отвечает за интеграцию ИИ-платформы автоматизации подбора в корпоративные HR-процессы российских компаний. Внедрял решения в ритейле, IT, производстве и финансовом секторе.

Источники

1. McKinsey & Company. HR Monitor 2025. People & Organizational Performance Practice, июнь 2025.
2. McKinsey & Company. The State of AI: How organizations are rewiring to capture value. Март 2025.
3. Boston Consulting Group. AI at Work 2025: Momentum Builds, But Gaps Remain. 2025.
4. Boston Consulting Group. A Promise That Brings AI to Life Responsibly. 2025.
5. Gartner. Hype Cycle for Artificial Intelligence, 2025. Июнь 2025.
6. Gartner. Hype Cycle for AI in Human Resources, 2025. Октябрь 2025.
7. PwC. 2025 Global AI Jobs Barometer: The Fearless Future. Июнь 2025.
8. Deloitte. 2025 Global Human Capital Trends: Turning tensions into triumphs. Март 2025.
9. TAdviser. Российский рынок HR-tech. Февраль 2026.
10. Smart Ranking. Аналитика рынка HR-Tech I полугодие 2025. Июль 2025.