ГОТОВНОСТЬ РЕКРУТЁРОВ К ПРИМЕНЕНИЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПОДБОРЕ ПЕРСОНАЛА: ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕ И МОДЕЛЬ РАСПРЕДЕЛЕНИЯ ЗАДАЧ

Аннотация. В статье представлены результаты эмпирического исследования готовности рекрутёров применять инструменты искусственного интеллекта (ИИ) на этапах подбора персонала. На основе анкетного опроса 100 специалистов и применения непараметрических статистических критериев (Фридмана, Уилкоксона, Макнемара, Манна-Уитни, Краскела-Уоллиса) проверены пять гипотез. Установлено, что готовность доверять ИИ значимо убывает по мере перехода от формализуемых этапов к этапам оценки и принятия решения; основными барьерами выступают не технические, а социально-психологические и институциональные ограничения; между декларируемой готовностью и фактическим использованием существует значимый разрыв, максимальный на этапе первичного скрининга; готовность доверять ИИ значимо выше в массовом подборе. Гипотеза о направленном влиянии опыта работы с ИИ не подтвердилась. На основе результатов обоснована модель распределения задач между тремя режимами: «преимущественно ИИ», «коллаборация» и «преимущественно человек».

Ключевые слова: искусственный интеллект, подбор персонала, рекрутинг, цифровизация HR, готовность к технологиям, барьеры внедрения, модель распределения задач, коллаборация «человек - ИИ».

Цифровизация HR-функции перешла из стадии переноса учётных операций в стадию интеллектуальной обработки данных, в которой искусственный интеллект (ИИ) встраивается в кадровые процессы. Особое место занимает подбор персонала: именно здесь сосредоточен наибольший объём формализуемых операций и одновременно повышенная этическая и правовая чувствительность принимаемых решений. При этом в практике подбора отчётливо проявляется противоречие: поставщики ИИ-решений представляют его как универсальный инструмент автоматизации, тогда как реальное внедрение заметно отстаёт от декларируемого интереса, а рекрутёры проявляют избирательное доверие к алгоритмам. Остаётся непрояснённым ключевой вопрос: на каких этапах подбора и в каком режиме применение ИИ целесообразно.

Цель исследования - выявить и обосновать перспективы применения искусственного интеллекта в подборе персонала и разработать модель распределения задач между рекрутёром, ИИ-инструментами и совместным режимом «человек - ИИ» с учётом готовности специалистов, фактической практики, барьеров внедрения и специфики этапов подбора.

Для проверки сформулированы пять гипотез. Г1: готовность рекрутёров доверять ИИ выше на ранних и рутинных этапах подбора и ниже на этапах оценки компетенций и принятия решения о найме. Г2: основными барьерами внедрения выступают не только технические, но и социально-психологические, правовые и этические ограничения. Г3: между декларируемой готовностью использовать ИИ и фактическим применением существует разрыв. Г4: готовность доверять ИИ выше в массовом подборе, чем в профессиональном и руководящем. Г5: опыт работы с ИИ-инструментами влияет на характер оценки их возможностей и ограничений рекрутёрами.

Искусственный интеллект в управлении персоналом - не единая технология, а семейство разнородных инструментов (методы машинного обучения, обработка естественного языка, генеративные модели). Применение ИИ в подборе охватывает направления, располагающиеся вдоль градиента формализуемости: сорсинг, парсинг резюме, первичный скрининг, ранжирование, коммуникация с соискателями, генерация текстов вакансий, аналитическая поддержка. Чем рутиннее задача, тем выше потенциал её автоматизации; вместе с тем выгоды технологии (скорость, масштабируемость, последовательность оценки) реальны, но контекстуальны, а ожидание снижения предвзятости при отсутствии должного контроля оборачивается риском воспроизводства дискриминации. Вопрос о применении ИИ в подборе не решается по принципу «всё или ничего»: рациональная стратегия состоит в дифференцированном распределении задач по двум критериям - степени формализуемости этапа и мере ответственности кадрового решения. Теоретическими рамками исследования выступают модель принятия технологий (TAM), различение автоматизации и аугментации функций специалиста, а также социотехнический подход, согласно которому внедрение ИИ упирается не столько в технические характеристики систем, сколько в субъективное восприятие специалистами и институциональные условия применения.

Эмпирическая часть выполнена в количественном дизайне одномоментного опроса. Сбор данных проводился методом анонимного онлайн-анкетирования в сентябре-октябре 2025 года; распространение анкеты осуществлялось через профессиональные сообщества специалистов по подбору. Выборку составили 100 респондентов: 49 рекрутёров, 26 HR-менеджеров, 13 нанимающих менеджеров и 12 руководителей HR-функции. По стажу выборка охватывает все стадии профессионального пути (от менее года до более 15 лет). Ключевые признаки для проверки гипотез - тип подбора (массовый, профессиональный, руководящий, смешанный) и опыт работы с ИИ - в выборке сбалансированы по 25 человек в каждой подгруппе.

Инструментом сбора данных выступила структурированная анкета из 38 вопросов в шести блоках: социально-демографический; готовности доверить ИИ восемь этапов подбора; фактического использования ИИ на тех же этапах; значимости восьми барьеров внедрения; общего отношения к технологии; открытых вопросов. Основой измерения служили порядковые шкалы Ликерта с пятью градациями. Поскольку большинство переменных не предполагало нормального распределения, применялись непараметрические критерии: Фридмана с парными сравнениями по Уилкоксону - для различий готовности между этапами; Уилкоксона - для сопоставления групп барьеров; Макнемара - для разрыва между декларируемой готовностью и фактическим использованием; Манна-Уитни и Краскела-Уоллиса - для сравнения независимых групп. Рассчитывались размеры эффекта. Критический уровень значимости - 0,05.

Результаты исследования

Готовность доверять ИИ по этапам подбора (Г1). Описательная статистика обнаруживает выраженную неоднородность готовности: наиболее высокие средние баллы зафиксированы на ранних формализуемых этапах, наиболее низкие  на этапах оценки компетенций и принятия решения (таблица 1).

Таблица 1.

Готовность доверить ИИ по этапам подбора (1 - только человек, 5 - полностью ИИ)

Критерий Фридмана показал статистически значимые различия между этапами: χ²(7) = 466,44, p < 0,001, при большом размере эффекта (W = 0,666). Парное сравнение крайних этапов - сорсинга (M = 4,33) и решения о найме (M = 1,77) - по критерию Уилкоксона также значимо: p < 0,001, r = 0,7. Граница смены установки проходит в области ранжирования и анализа интервью. Гипотеза 1 подтверждается: готовность доверять ИИ закономерно и значимо убывает по мере роста неформализуемости и ответственности этапа.

Иерархия барьеров внедрения (Г2). Для каждого респондента рассчитывались средние оценки значимости группы социально-психологических и институциональных барьеров и группы технических барьеров, после чего связанные величины сравнивались по критерию Уилкоксона. Значимость нетехнических барьеров (M = 3,78, SD = 0,34) оказалась значимо выше значимости технических (M = 2,83, SD = 0,44): p < 0,001, r = 0,7. Наиболее значимыми оказались непрозрачность алгоритмов («чёрный ящик», M = 4,27), опасение утраты человеческого контакта (3,96), правовая неопределённость (3,74), риск дискриминации (3,58) и сопротивление сотрудников (3,35); технические барьеры - интеграция (2,63), стоимость (2,74), точность (3,11) - оцениваются как менее значимые. Гипотеза 2 подтверждается.

Разрыв между декларируемой готовностью и фактической практикой (Г3). По каждому этапу сопоставлялись две связанные бинарные величины: наличие высокой готовности (балл ≥ 4) и факт реального использования ИИ; значимость расхождения оценивалась по критерию Макнемара. На всех этапах доля готовых доверить ИИ устойчиво превышает долю реально использующих; средний разрыв составляет около 23 процентных пунктов. Максимум разрыва приходится на первичный скрининг: 69 % против 19 %, т. е. 50 п.п. (p < 0,001). Узким местом внедрения выступает не отсутствие готовности, а несоответствие между установкой и практикой. Гипотеза Г3 подтверждается.

Дифференциация по типу подбора (Г4). Сравнение четырёх независимых групп по средней готовности доверять ИИ по критерию Краскела-Уоллиса показало значимые различия: H(3) = 32,13, p < 0,001, при большом размере эффекта (η² = 0,303). Средняя готовность: массовый подбор - 3,65, смешанный - 3,35, профессиональный - 3,25, руководящий - 2,88. Попарные сравнения подтвердили, что массовый подбор значимо превосходит по готовности профессиональный (p < 0,001) и руководящий (p < 0,001). Чем более стандартизирован и массов поток кандидатов, тем выше готовность доверять его обработку алгоритмам; уникальность и ответственность решений в профессиональном и руководящем подборе закономерно снижают эту готовность. Гипотеза 4 подтверждается.

Влияние опыта работы с ИИ (Г5). Сравнение двух независимых групп: имеющих опыт работы с ИИ (n = 50; M = 3,34, SD = 0,47) и не имеющих такового (n = 50; M = 3,22, SD = 0,47) - по критерию Манна-Уитни статистически значимых различий не выявило: U = 1424, p = 0,230, при малом размере эффекта (r = –0,14). Различий в разбросе оценок также не обнаружено (критерий Левена, p = 0,755). Простое наличие опыта работы с ИИ на имеющихся данных не связано однозначно с уровнем готовности доверять ему; вероятно, опыт влияет не на уровень готовности как таковой, а на содержательную дифференцированность оценок. Гипотеза 5 в её исходной формулировке о направленном влиянии опыта не подтверждается и требует переформулирования.

Сводные результаты статистической проверки гипотез приведены в таблице 2.

Таблица 2.

Сводка результатов статистической проверки гипотез

Таким образом, четыре из пяти гипотез получили статистическое подтверждение, а пятая потребовала переформулирования: связь опыта и отношения к ИИ устроена сложнее, чем предполагалось изначально, и не сводится к прямому влиянию на уровень готовности.

Модель распределения задач «человек - ИИ - коллаборация»

Полученные эмпирические результаты позволяют наполнить содержанием модель распределения задач подбора. Значимый градиент готовности по этапам (Г1), преобладание нетехнических барьеров (Г2), разрыв между готовностью и практикой (Г3) и дифференциация по типу подбора (Г4) в совокупности подтверждают, что распределение задач между человеком и алгоритмом должно строиться дифференцированно, по степени формализуемости этапа и меры ответственности решения. На этом основании выделяются три режима, эмпирически соответствующие трём зонам наблюдаемой готовности.

Зона преимущественно алгоритмического режима охватывает сорсинг, парсинг резюме, первичный скрининг и организацию коммуникаций - этапы с наивысшими баллами готовности, на которых задача может быть формализована через набор критериев (опыт, ключевые навыки, образование, релевантность резюме требованиям вакансии). Роль человека здесь смещается с исполнения на постановку критериев и контроль качества; на этапе скрининга требуется периодический аудит алгоритмов и пересмотр пограничных случаев.

Зона коллаборации человека и ИИ соответствует этапам ранжирования и анализа интервью, где готовность принимает промежуточные значения. Алгоритм формирует рекомендации, но их интерпретация и итоговое суждение остаются за рекрутёром; эффективность режима зависит от прозрачности инструментов и способности специалиста относиться к подсказкам критически.

Зона преимущественно человеческого режима охватывает оценку soft-компетенций и итоговое решение о найме - этапы с наименьшей готовностью доверять ИИ. Здесь ведущая роль закономерно сохраняется за человеком, что отвечает и установкам респондентов, и требованиям сохранения человеческого контроля над значимыми решениями.

Конфигурация модели смещается в зависимости от типа подбора, что подтверждено результатами проверки Г4: в массовом подборе граница зон сдвигается в сторону большей автоматизации, в профессиональном - к коллаборации, в руководящем - к преобладанию человеческого режима. Тем самым модель задаёт не единую жёсткую схему, а принцип распределения, адаптируемый к сегменту подбора, что составляет элемент научной новизны исследования.

На основе результатов сформулированы рекомендации по внедрению ИИ-инструментов в процессы подбора персонала:

1. внедрять ИИ поэтапно, начиная с задач алгоритмического режима (сорсинг, парсинг, скрининг, коммуникации), где готовность специалистов и потенциал технологии наиболее высоки, а риски контролируемы;
2. сохранять оценку soft-компетенций и итоговое решение о найме за рекрутёром, используя ИИ как источник рекомендаций, а не как лицо, принимающее решение;
3. сокращать выявленный разрыв между готовностью и практикой не наращиванием инструментов, а устранением нетехнических барьеров - повышением прозрачности алгоритмов, обучением и обеспечением правовой определённости;
4. обеспечивать на этапе скрининга регулярный аудит алгоритмов на предмет смещений и возможность человеческого пересмотра;
5. дифференцировать стратегию внедрения по типу подбора, не перенося схему массового рекрутинга на профессиональный и руководящий;
6. сопровождать внедрение работой с персоналом и развитием навыков критического взаимодействия с рекомендациями ИИ.

Проведённое исследование подтвердило четыре из пяти выдвинутых гипотез и позволило обосновать модель распределения задач подбора. Готовность рекрутёров доверять ИИ статистически значимо убывает по мере перехода от формализуемых этапов к этапам оценки и принятия решения; ведущими барьерами внедрения выступают не технические, а социально-психологические и институциональные ограничения; между декларируемой готовностью и фактическим использованием существует значимый разрыв, наибольший на этапе первичного скрининга; готовность доверять ИИ значимо выше в массовом подборе. Гипотеза о направленном влиянии опыта работы с ИИ потребовала уточнения, что само по себе является содержательным результатом.

Главным результатом и элементом научной новизны выступает модель распределения задач подбора между тремя режимами: «преимущественно ИИ», «коллаборация человека и ИИ» и «преимущественно человек». Модель переводит разрозненные наблюдения в единый принцип: целесообразность передачи задачи алгоритму определяется не стремлением к автоматизации, а степенью формализуемости задачи и мерой требуемого человеческого суждения. Перспективы ИИ в подборе связаны не с вытеснением рекрутёра, а с дифференцированным по этапам распределением задач, при котором технологии берут на себя рутину и масштаб, а человек сохраняет за собой суждение, эмпатию и ответственность за решение.