1. Введение

Ещё пять лет назад словосочетание «искусственный интеллект в банке» воспринималось как некий маркетинговый штамп. Сегодня это рутина крупнейших российских финансовых организаций и финтех лидеров рынка. Банки традиционно работают с гигантскими массивами клиентских данных, поэтому и оказались идеальной средой для внедрения машинного обучения и больших языковых моделей [4, 8]. Именно банковский сектор сейчас выступает я бы сказал локомотивом распространения ИИ-практик в смежные отрасли, включая управление человеческими ресурсами [5, 7]. Согласно оценке Л. И. Смирных, Россия в настоящее время относится к группе стран-лидеров по применению предприятиями технологий ИИ [10], что подтверждает актуальность исследования отраслевых траекторий внедрения этих технологий.

Параллельно идёт ещё одна, более тихая революция в найме. По данным платформы hh.ru, в 2025 году доля российских компаний, использующих ИИ в HR-процессах, перешагнула отметку в 57 % [15]. То есть каждый второй работодатель на крупнейшем портале по предоставлению работы страны с высокой вероятностью сначала прочитает резюме соискателя не глазами рекрутера, а через алгоритм. Как отмечает Л. Г. Руденко, ИИ применяется в HR не только для подбора, но и для составления текстов вакансий, оценки и развития персонала, что делает данное направление одним из наиболее динамично растущих [7]. В статье хотелось бы решить две задачи: рассмотреть зрелые сценарии применения ИИ в банковском секторе РФ и разобрать, как ИИ меняет процессы найма, особенно на платформе hh.ru, с особым вниманием к сопутствующим рискам.

2. Искусственный интеллект в банках

Банки исторически относятся к самым «датацентричным» организациям я бы сказал в экономике. Качественный скачок произошёл с массовым распространением генеративного ИИ и больших языковых моделей в 2023–2025 годах: ИИ перестал быть инструментом аналитика и превратился в «коллегу» сотрудника, который ведёт диалог с клиентом, готовит документы и в рамках бизнес-правил принимает самостоятельные решения [4, 6]. В. Л. Пархоменко и И. С. Кулаева прослеживают путь развития банковского ИИ от экспертных систем 1970–1980-х годов через машинное обучение к современному глубокому обучению на основе многослойных нейронных сетей и архитектуре трансформеров, заложившей основу больших языковых моделей [6]. Типичный технологический контур крупного банка включает антифрод-системы реального времени, кредитный скоринг, чат-боты и голосовые ассистенты, рекомендательные системы для кросс-продаж, алгоритмический трейдинг, роботизацию бэк-офиса, а также внутренние HR-сервисы для отбора кандидатов [3, 4, 11].

Самый показательный пример глубины проникновения ИИ в банковский бизнес это ПАО «Сбербанк». В декабре 2025 года глава банка Герман Греф на «Дне инвестора» сообщил, что совокупный финансовый эффект от внедрения ИИ к 2026 году достигнет 550 млрд рублей [16]. Для сравнения: в 2024 году этот показатель оценивался в 450 млрд рублей. В 2026 году банк планирует удвоить вложения в ИИ до 350 млрд рублей, а суммарный возврат на инвестиции за 2024–2026 годы должен составить около 1,4 трлн рублей [16]. Эффект для Сбербанка фиксировался и ранее: по данным Э. А. Гозгешева, уже в 2021 году внедрение интеллектуальных систем принесло банку свыше 200 млрд рублей преимущественно за счёт снижения операционных затрат и сокращения ручного труда [3]. Отдельно стоит сказать про кибербезопасность: ИИ-помощники банка ежедневно обрабатывают более 500 миллиардов событий, что в десять раз превышает аналогичный показатель четырёхлетней давности [16].

Согласно докладу Банка России 2025 года, в банковской отрасли уже 77 % организаций используют решения на основе генеративного ИИ, распределяя их между фронт-офисом, мидл-офисом и бэк-офисом примерно поровну [12]. Догнать Сбербанк по абсолютному эффекту от ИИ в обозримой перспективе крайне сложно: слишком велика фора по объёму клиентской базы и накопленных данных. Остальные крупные игроки активно инвестируют в ИИ, делая ставку на узкие ниши: цифровое кредитование МСБ, маркетплейс-расчёты, BaaS и внутреннюю автоматизацию HR [5, 16]. При этом наибольший потенциал прорыва аналитики видят за «AI-native» игроками, то есть банками, которые изначально строят процессы вокруг ИИ, без груза устаревших систем [11].

3. Искусственный интеллект в HR-найме

Если в банковском секторе ИИ давно стал нормой, то для HR-индустрии 2025 год войдёт в историю как момент перелома. Согласно исследованию hh.ru, проведённому с 31 октября по 30 ноября 2025 года среди 1 314 представителей российских компаний, 57 % работодателей так или иначе используют ИИ для решения HR-задач [15]. Прирост по сравнению с 2024 годом составил 26 процентных пунктов, то есть рост почти в полтора раза за год. При этом 40 % CEO российских компаний называют именно внедрение ИИ главным достижением 2025 года [15]: для топ-менеджмента это уже не просто способ оптимизации, но и маркер технологичности бренда. Как систематизирует Л. Г. Руденко, преимущества внедрения ИИ в HR-менеджменте охватывают ускорение подбора, снижение субъективности оценки, персонализацию обучения и предиктивную аналитику текучести [7].

Распределение использования ИИ внутри HR сильно зависит больше от размера организации. Чаще всего к ИИ-инструментам прибегают компании со штатом от тысячи человек: среди них доля внедривших ИИ в HR составляет 62 %, тогда как среди небольших компаний (до 100 сотрудников) этот показатель равен порядка 53 % [15]. Объяснение понятное: крупные работодатели обрабатывают тысячи откликов в месяц и без автоматизации просто не справляются с потоком. При этом честно стоит признать, что практика пока далека от системной: лишь 4 % компаний применяют ИИ в HR повсеместно, ещё 27 % подключают ИИ-инструменты время от времени, без чёткой стратегии [15].

Среди разнообразных HR-функций ИИ лучше всего зарекомендовал себя именно в подборе персонала, который используют 31 % компаний. Далее с заметным отрывом следуют кадровое администрирование (22 %), обучение и развитие (17 %), адаптация новых сотрудников (15 %) и целеполагание/оценка (11 %) [15]. Главными точками роста на 2026 год станут адаптация (22 % новых внедрений), обучение (21 %) и подбор персонала (18 %) [15]. Дополнительно: 47 % рекрутеров считают, что ИИ наиболее эффективен в составлении вакансий, 19 % в подготовке вопросов для собеседования, 15 % в составлении тестовых заданий и 12 % в подборе резюме [13].

4. Кейс hh.ru: как работает ИИ-помощник для найма

Главным катализатором массового проникновения ИИ в российский HR в 2025 году стал запуск собственного ИИ-помощника на платформе hh.ru. Точкой отсчёта послужило внутреннее исследование: до 60 % рабочего времени рекрутера уходит на рутину (сортировка резюме, шаблонные сообщения, расшифровка звонков), а на живое общение с кандидатами остаётся лишь около 5 % [14]. При нарастающем кадровом голоде такая пропорция стала экономически непозволительной. Пилот ИИ-помощника на базе собственной языковой модели стартовал в ноябре 2025 года и продлится до начала 2026 года, после чего инструмент будет масштабирован на всех клиентов платформы [14].

Функционал помощника закрывает четыре этапа найма. Первый: генерация вакансий. Достаточно описать своими словами, кого вы ищете, и помощник сам структурирует требования и оформит текст. По данным внутреннего тестирования hh.ru, в 79 % случаев работодатели вносят минимум изменений в сгенерированный текст [14]. Второй: холодный поиск и предварительная коммуникация. Помощник самостоятельно анализирует базу резюме, находит подходящих кандидатов, отправляет им предложение и инициирует диалог, после чего передаёт работодателю краткий отчёт [14]. Третий: сортировка откликов. Это самая чувствительная для соискателей функция: ИИ распределяет все отклики по трём категориям, «Подходит», «Можно рассмотреть» и «Не сейчас», на основе анализа резюме и переписки, и при этом объясняет логику решений [14]. Четвёртый: аналитика воронки найма, которая помогает работодателю осознанно управлять воронкой, а не действовать вслепую.

5. «Робот против робота» на рынке труда

У описанной картины есть обратная сторона. Если работодатели массово используют ИИ для отбора резюме, соискатели тоже подключают ИИ, уже для составления самих резюме, сопроводительных писем и подготовки к собеседованиям. На рынке труда формируется парадоксальная картина «робот против робота»: одна нейросеть пишет резюме, оптимизированное под ключевые слова , другая читает его и решает, передавать ли его человеку. Это приводит к гонке вооружений: кандидаты вынуждены добавлять реальные кейсы и нестандартные формулировки, а работодатели настраивать ИИ-фильтры так, чтобы те не отсеивали ценных людей за необычные карьерные траектории. Параллельно владение ChatGPT, GigaChat и другими ИИ-инструментами становится базовой компетенцией в большинстве «офисных» профессий. Описанная двойная автоматизация представляет собой принципиально новое явление, поскольку традиционные исследования по HR-аналитике [7] рассматривают применение ИИ преимущественно с одной стороны, со стороны работодателя.

6. Ограничения и риски

При всём скептическом оптимизме эксперты единодушны: полностью заменить HR-специалиста алгоритм в обозримой перспективе не сможет. Во-первых, ИИ слабо справляется с оценкой «мягких» навыков, таких как эмпатия, коммуникабельность, мотивация, умение вести сложные переговоры и разрешать конфликты [13]. Во-вторых ИИ может ошибаться при анализе резюме с нетипичной карьерной траекторией: если кандидат менял сферы деятельности или брал длительные паузы (декрет, обучение, стартап), алгоритм способен забраковать такое резюме, хотя за «белыми пятнами» нередко скрываются ценные навыки [13]. В-третьих, чем сложнее и стратегичнее позиция, тем меньше эффективность автоматизированного отбора: ИИ хорошо работает на массовом найме, но почти бесполезен при поиске топ-менеджеров и узких специалистов [13].

В-четвёртых, существуют системные риски, общие для применения ИИ в любой ответственной сфере. Как отмечает Э. А. Гозгешев, неправильное применение или обучение моделей ИИ повышает вероятность ошибочных решений до 30 %; особую опасность представляет обучение алгоритмов на неполных или субъективно отобранных данных, что в банковских услугах влечёт дискриминационную оценку кредитоспособности, а в HR несправедливое отсеивание кандидатов [3]. Д. А. Кочергин дополнительно указывает на склонность моделей ИИ к «галлюцинациям», когда система представляет фактически ошибочный ответ как верный [4]. О. Б. Сизёмова на конкретных примерах показывает, что применение ИИ уже приводило к необоснованным отказам в кредите по признаку национальности, гендерной принадлежности, места регистрации или состояния здоровья клиента [9]. А. И. Болонин и А. С. Асрян отдельно акцентируют, что риски внедрения ИИ в банковский сектор требуют многоуровневой системы управления, и эти выводы напрямую переносимы на HR-сферу [2].

В-пятых, существует проблема «чёрного ящика», когда даже работодатель не понимает, почему ИИ отказал тому или иному человеку. Сюда же относятся предвзятость алгоритмов, уязвимости в защите персональных данных и риск зависимости от ограниченного круга поставщиков языковых моделей [4]. Как справедливо подчёркивает Д. Г. Алексеева, без надлежащей правовой базы как недостаточное регулирование, так и избыточные административные барьеры неизмеримо повышают риски для участников рынка [1]. Банк России в докладе 2025 года продвигает в этой связи концепцию доверенного ИИ (trustworthy AI), включающую принципы человекоцентричности, справедливости, прозрачности, безопасности и ответственности [12], которые применимы не только к финансовому, но и к HR-контексту.

Сводная таблица

Заключение

Искусственный интеллект в России 2025–2026 годов окончательно вышел из стадии экспериментов и превратился в инструмент, который определяет конкурентоспособность бизнеса как в банковском секторе, так и в управлении персоналом [7, 10]. Банки во главе со Сбербанком демонстрируют, что грамотно встроенный ИИ способен приносить сотни миллиардов рублей экономического эффекта в год. В сфере HR трансформация идёт чуть медленнее: каждый второй работодатель в России уже использует ИИ для работы с персоналом, а главным каналом массового проникновения стал ИИ-помощник на hh.ru. Вместе с тем нельзя игнорировать риски: алгоритмическую предвзятость [3, 9], уязвимость персональных данных, феномен «робот против робота» и проблему непрозрачных автоматических отказов [4]. Логичный путь развития, который уже намечают и работодатели, и платформы, и регуляторы [1, 12], это гибридная модель, в которой ИИ выступает не заменой человека, а его «коллегой», берущим на себя рутину и оставляющим за рекрутером главные смысловые и этические решения.

Литература:

1. Алексеева Д. Г. Искусственный интеллект: применять нельзя регулировать // Вестник университета имени О. Е. Кутафина (МГЮА). 2024. № 9 (121). С. 123–131.
2. Болонин А. И., Асрян А. С. Риски внедрения искусственного интеллекта в банковский сектор // Инновации и инвестиции. 2024. № 2. С. 288–291.
3. Гозгешев Э. А. Искусственный интеллект в банковском секторе: возможности и риски // Вестник евразийской науки. 2024. Т. 16. № s6. С. 1–23.
4. Кочергин Д. А. Основные направления использования искусственного интеллекта в финансовой сфере // Вестник Института экономики Российской академии наук. 2025. № 6. С. 147–169.
5. Лещук В. В. Роль искусственного интеллекта и машинного обучения в цифровой трансформации банковского сектора // Инновации и инвестиции. 2024. № 6. С. 437–441.
6. Пархоменко В. Л., Кулаева И. С. Этапы развития искусственного интеллекта в банковской сфере // Путеводитель предпринимателя. 2024. Т. 17. № 3. С. 33–38.
7. Руденко Л. Г. Тренды применения искусственного интеллекта в HR-менеджменте // Государственная служба. 2024. Т. 26. № 6. С. 96–105.
8. Садуллаев С. М., Шакаришвили С. Д., Захарова О. В. Искусственный интеллект и его применение в банковской сфере // Финансы и кредит. 2023. № 12. С. 125–128.
9. Сизёмова О. Б. Правовое регулирование использования технологий искусственного интеллекта в банковской деятельности // Вестник университета имени О. Е. Кутафина (МГЮА). 2024. № 9 (121). С. 132–140.
10. Смирных Л. И. Искусственный интеллект на предприятиях России: каковы эффекты для занятости? // Вопросы экономики. 2025. № 9. С. 88–102.
11. Чжан Ц., Ши С., Куганов В. Г. Искусственный интеллект в банковском секторе экономики: проблемы и преимущества // Актуальные вопросы современной экономики. 2024. № 5. С. 453–459.
12. Банк России. Применение искусственного интеллекта на финансовом рынке: текущий статус и условия дальнейшего развития: доклад для общественных консультаций. М.: Банк России, 2025. URL: https://cbr.ru/Content/Document/File/185193/Consultation_Paper_20112025.pdf (дата обращения: 28.05.2026).
13. Больше трети российских компаний нанимают персонал с помощью ИИ // Российская газета. 20.11.2025. URL: https://rg.ru/2025/11/20/bot-v-pomoshch.html (дата обращения: 28.05.2026).
14. Представляем нового ИИ-помощника для найма: что он умеет // hh.ru. 25.11.2025. URL: https://hh.ru/article/chto-umeet-ii-pomoshchnik-dlya-najma (дата обращения: 28.05.2026).
15. 57 % компаний уже внедрили ИИ в работу с персоналом // CNews.ru. 23.01.2026. URL: https://www.cnews.ru/news/line/2026–01–23_57_kompanij_uzhe_vnedrili (дата обращения: 28.05.2026).
16. Эффект Германа Грефа. 550 млрд ожидания // ComNews.ru. 11.12.2025. URL: https://www.comnews.ru/content/242874/2025–12–11/2025-w50/1008/effekt-germana-grefa-550-mlrd-ozhidaniya (дата обращения: 28.05.2026).