Заявка на подписку:

a.suhodolova@panor.ru

По всем вопросам звоните:

+7 495 274-22-22

УДК: 338.48 DOI:10.33920/igt-1-2603-07

ИИ в управлении персоналом: человеко-машинное взаимодействие в современных HR-процессах

Роман Михайлович Воронов ФГАОУ «Российский университет дружбы народов имени Патриса Лумумбы». РФ, г. Москва, ул. Миклухо-Маклая, д. 6. E-mail: rom.stud.spb@ gmail.com

В статье рассматриваются возможности применения технологий искусственного интеллекта в процессах подбора и оценки персонала. В условиях цифровизации управления персоналом возрастает потребность в автоматизации анализа кандидатов и повышении объективности принимаемых решений. Исследуются современные подходы к использованию машинного обучения и обработки естественного языка для оценки soft skills, анализа речи и построения цифровых моделей компетенций. Рассматривается концепция цифрового HR-агента, способного проводить предварительные собеседования и формировать отчет об уровне профессиональной и коммуникативной готовности кандидата. Целью исследования является определение преимуществ, ограничений и перспектив внедрения искусственного интеллекта в HR-сферу с учетом социогуманитарных и этических аспектов взаимодействия человека и машины.

Литература:

1. Бринк, Х. Машинное обучение / Джозеф Ричардс, Марк Феверолф, Хенрик Бринк, Джозеф Ричардс, Марк Феверолф. — СПб.: Питер. — 2017. — С. 336.

2. Хобсон, Л. Обработка естественного языка в действии / Лейн Хобсон, Хапке Ханнес, Ховард Коул: пер. с англ. — СПб.: Питер, 2020. — С .42.

3. Иванько, А. Ф. Нейронные сети: общие технологические характеристики / А. Ф. Иванько,Ю. А. Сизова // Научное обозрение. Технические науки. — 2019. — № 2. — С. 17–23.

4. Петров, И. В. Применение нейронных сетей в обработке естественного языка / И. В. Петров, Е. Н. Смирнова // Вестник компьютерных и информационных технологий.— 2021. — № 5. — С. 67–72.

5. Большакова, Е. И., Клышинский, Э. С., Ландэ, Д. В., Носков, А. А., Пескова, О. В., Ягунова, Е. В. Автоматическая обработка текстов на естественном языке и компьютерная лингвистика. — М.: МИЭМ, 2011. — 272 p.

6. Kyunghyun Cho. Introduction to Neural Machine Translation with GPUs (part 3).// NVIDIA Developer Blog [Электронный ресурс]. — URL: https://devblogs.nvidia.com/ introduction-neural-machine translation-gpus-part-3/ (дата обращения: 22.12.2025).

7. Lewis, David D. Naive (Bayes) at forty: The independence assumption in information retrieval. In Proe, of the European Conference on Machine Learning (ECML). — 1998. — Р. 4–15.

1. Brink, H. Machine Learning. Richards Joseph, Feverolf Mark. Brink Henrik, Richards Joseph, Feverolf Mark St. Petersburg: Piter. 2017, h. 336.

2. Hobson, L. Natural Language Processing in Action. Hobson Lane, Hannes Hapke, Cole Howard.: trans. from English. St. Petersburg: Piter. 2020, P. 42.

3. Ivanko, A. F. Neural Networks: General Technological Characteristics. Ivanko, A. F., Sizova, Yu. A.Scientific Review. Technical Sciences. 2019, No. 2, рр. 17–23.

4. Petrov, I. V. Application of neural networks in natural language processing. I. V. Petrov, E. N. Smirnova. Bulletin of computer and information technologies. 2021, No. 5, рр. 67–72.

5. Bolshakova, E. I., Klyshinsky, E. S., Lande, D. V., Noskov, A. A., Peskova, O. V., Yagunova, E. V. Automatic processing of natural language texts and computational linguistics. Moscow: MIEM, 2011, 272 p.

6. Kyunghyun, Cho. Introduction to Neural Machine Translation with GPUs (part 3). NVIDIA Developer Blog. Available at: https://devblogs.nvidia.com/introduction-neuralmachine translation-gpus-part-3/ (accessed: 22.12.2025).

7. Lewis, David D. Naive (Bayes) at forty: The independence assumption in information retrieval. In Proceedings of the European Conference on Machine Learning (ECML). 1998, рр. 4–15.

Дата поступления рукописи в редакцию: 05.03.2025.

Дата принятия рукописи в печать: 07.03.2025.

С развитием цифровых технологий процессы управления персоналом и коммуникации в организациях претерпевают значительные изменения. Ежегодно растет объем данных, связанных с подбором и оценкой кандидатов: резюме, онлайн-собеседования, профили в профессиональных сетях и результаты тестов. Обработка этой информации вручную требует значительных временных и человеческих ресурсов, что снижает эффективность HR-процессов и повышает вероятность субъективных ошибок.

Технологии искусственного интеллекта (AI) и машинного обучения (ML) предоставляют новые возможности для анализа и интерпретации таких данных. Современные методы обработки естественного языка (NLP) позволяют системам проводить автоматическую оценку речевых и текстовых ответов кандидатов, определять уровень коммуникативных и профессиональных компетенций, а также выявлять индивидуальные особенности поведения.

Представленный процесс (рис. 1) иллюстрирует интеграцию искусственного интеллекта в систему управления персоналом и демонстрирует взаимодействие человека и технологии на различных этапах подбора. HR-специалист оценивает мотивацию и личностные качества кандидата, после чего цифровой HRагент проводит автоматизированное интервью, анализирует речь и текст, а также проверяет базовые знания и уровень подготовленности соискателя. Это позволяет снизить нагрузку на HR-специалиста, получающего предварительно обработанные данные, и ускорить работу технического эксперта, к которому направляются только кандидаты, прошедшие первичный интеллектуальный отбор.

Такой подход сочетает технологическую эффективность и экспертную оценку, формируя основу для дальнейшей цифровизации HRменеджмента и внедрения интеллектуальных систем поддержки решений.

Современные технологии искусственного интеллекта (AI) активно изменяют подход к управлению человеческими ресурсами. Цифровизация бизнес-процессов способствует пересмотру традиционных моделей взаимодействия между работодателем и кандидатом, где ключевым элементом становится интеллектуальная система — цифровой HR-агент. Такие решения позволяют автоматизировать рутинные процессы, минимизировать влияние человеческого фактора и повысить объективность оценки кандидатов. Однако роль искусственного интеллекта выходит далеко за пределы вспомогательной функции: он становится новым субъектом коммуникации, участвующим в процессе взаимодействия наряду сHRспециалистом и соискателем.

Для Цитирования:
Роман Михайлович Воронов, ИИ в управлении персоналом: человеко-машинное взаимодействие в современных HR-процессах. Гостиничное дело. 2026;3.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: