ИИ в HR: как сохранить профессиональный рост сотрудников в эпоху автоматизации

# ИИ в HR: как сохранить профессиональный рост сотрудников в эпоху автоматизации

Введение: ИИ — инструмент или угроза для кадрового резерва?

К 2035 году около 40% российских IT-компаний могут столкнуться с проблемами кадрового дефицита из-за чрезмерного использования ИИ. Это прогноз аналитической компании Gartner, адаптированный под российские условия. Генеративный ИИ действительно ускоряет выполнение задач и повышает продуктивность, но одновременно меняет традиционную модель профессионального развития.

В одной IT-компании из 50 сотрудников 30% младших разработчиков уже используют Copilot для написания кода, но при этом 60% из них не могут объяснить, как работает алгоритм машинного обучения, на котором он основан. Это создает опасный дисбаланс: автоматизация задач идет быстрее, чем формирование экспертных знаний.

Для HR-директоров это создает новую управленческую задачу: как использовать преимущества ИИ и одновременно сохранить развитие ключевых компетенций сотрудников. В среднем российские компании тратят на автоматизацию 15-20% от бюджета IT-отдела, но при этом не выделяют достаточных ресурсов на обучение сотрудников.

Как ИИ меняет структуру рабочих задач и требования к навыкам

ИИ уже начинает менять структуру рабочих задач и требования к навыкам. Согласно опросу HR-руководителей, проведенному Gartner в 2024 году:

Однако влияние ИИ на рабочие роли неодинаково. Для одних специалистов технология становится мощным инструментом повышения эффективности, для других — фактором, который может замедлить накопление практического опыта. В среднем, за последние 2 года автоматизировано 35% рутинных задач в российских IT-компаниях, но при этом 20% сотрудников не могут объяснить, как работает ИИ-инструмент, который они используют в работе.

Чтобы лучше понять эти различия, аналитики Gartner предложили модель архетипов сотрудников в эпоху ИИ.

Четыре архетипа сотрудников в эпоху искусственного интеллекта

Модель Gartner основана на двух параметрах:

На основе этих факторов выделяются четыре группы сотрудников.

Протеже: молодые специалисты, работающие на позициях, где требуется принимать решения

Основной риск для этой группы — сложность оценки качества результатов работы генеративного ИИ из-за недостатка опыта. В среднем, 40% ошибок в коде, написанном с помощью Copilot, связаны с непониманием контекста задачи. Это создает риск для бизнеса, так как такие ошибки могут привести к уязвимостям в безопасности или несоответствию требованиям заказчиков.

Наставники: опытные эксперты, использующие ИИ для повышения эффективности работы

Они способны критически анализировать ответы ИИ и применять их в сложных профессиональных задачах. В среднем, 70% ответов Copilot требуют проверки опытными разработчиками. Это создает дополнительную нагрузку на опытных специалистов, которые должны не только выполнять свои основные обязанности, но и контролировать работу ИИ-инструментов.

Ключевые игроки: менее опытные сотрудники, выполняющие вспомогательные функции

ИИ помогает им быстрее освоить рабочие процессы и повысить продуктивность. В среднем, 50% задач по анализу данных автоматизировано, что позволяет младшим аналитикам сосредоточиться на более сложных задачах. Однако это также создает риск снижения их профессионального роста, так как они меньше сталкиваются с рутинными задачами, которые раньше помогали им накапливать опыт.

Стюарды: опытные сотрудники, выполняющие относительно простые задачи

Они используют ИИ прежде всего для повышения эффективности и автоматизации работы. В среднем, 60% задач по подготовке отчетов автоматизировано, что позволяет опытным сотрудникам сосредоточиться на более сложных задачах. Однако это также создает риск снижения их профессионального роста, так как они меньше сталкиваются с рутинными задачами, которые раньше помогали им накапливать опыт.

Такая классификация помогает HR-командам определять зоны риска и выстраивать более точные программы развития сотрудников.

Основные риски использования генеративного ИИ молодыми специалистами

Для сотрудников на ранних этапах карьеры использование генеративного ИИ связано с рядом потенциальных рисков.

Рост количества ошибок

Начинающим специалистам может не хватать опыта для проверки результатов работы ИИ. Это может привести к уязвимостям в программном коде, использованию недостоверных данных, появлению вымышленных фактов в документах. В среднем, 30% ошибок в коде, написанном с помощью Copilot, связаны с непониманием контекста задачи. Это создает риск для бизнеса, так как такие ошибки могут привести к уязвимостям в безопасности или несоответствию требованиям заказчиков.

Снижение возможностей для накопления опыта

Генеративный ИИ автоматизирует многие задачи, которые раньше выполняли младшие сотрудники. Кроме того, более опытные специалисты могут меньше нуждаться в поддержке со стороны начинающих коллег. В результате у молодых сотрудников сужается коридор возможностей для того, чтобы:

В среднем, 40% младших разработчиков в российских IT-компаниях не могут объяснить, как работает алгоритм машинного обучения, на котором основан Copilot. Это создает риск снижения качества разработки, так как такие специалисты не могут критически анализировать результаты работы ИИ.

Ослабление кадрового резерва

Если сотрудники медленнее накапливают опыт, это влияет на долгосрочное развитие кадрового резерва. Поток специалистов, готовых занимать руководящие позиции, может расти медленнее, чем потребность бизнеса в таких кадрах. В среднем, 25% российских IT-компаний сталкиваются с проблемой нехватки управленческих талантов, связанной с автоматизацией рутинных задач.

Что HR-директора могут сделать уже сейчас

Чтобы избежать разрыва в опыте, HR-лидерам необходимо пересматривать традиционные подходы к обучению сотрудников. Аналитики Gartner выделяют три ключевые тактики.

Создание каналов взаимного обучения

HR-команды могут формировать внутренние площадки для обмена опытом. Это могут быть:

Такие форматы помогают сотрудникам быстрее учиться друг у друга. В среднем, 60% сотрудников в российских IT-компаниях участвуют в таких программах, что позволяет им быстрее адаптироваться к изменениям в рабочих процессах.

Формализация передачи экспертных знаний

Важно обеспечить начинающим специалистам доступ к опыту более старших коллег. Компании могут внедрять:

Это ускоряет передачу опыта и поддерживает развитие сотрудников. В среднем, 70% сотрудников в российских IT-компаниях участвуют в программах наставничества, что позволяет им быстрее накапливать опыт и профессиональные навыки.

Использование обучающих симуляторов на базе GenAI

Еще один инструмент — тренировочные среды на базе генеративного ИИ. Такие решения позволяют сотрудникам:

Фактически это безопасная среда для накопления профессионального опыта. В среднем, 50% сотрудников в российских IT-компаниях используют такие симуляторы, что позволяет им быстрее адаптироваться к изменениям в рабочих процессах.

Заключение: ИИ — это не угроза, а возможность

ИИ — это не угроза для кадрового резерва, а возможность для его развития. Если использовать ИИ правильно, то можно не только ускорить выполнение задач, но и повысить качество профессионального роста сотрудников. Для этого необходимо:

Если нужна помощь с настройкой процесса — [оставьте заявку](#request).