Семнадцать опозданий за двадцать три смены. В любой компании с живым руководителем такой сотрудник вылетел бы после третьего прокола. Но в магазине Andon Market в Сан-Франциско всё иначе: здесь кадровые решения принимает ИИ по имени Luna. И она уволила работника только после того, как ей напомнили о существовании трудового распорядка, который она сама же и написала.
Кейс, прогремевший в западных деловых медиа, — не просто курьёз из Кремниевой долины. Это лакмусовая бумажка, которая проявляет наши страхи и надежды на автоматизацию управления. Может ли алгоритм быть справедливее человека? Или делегирование кадровых решений машине — это бомба замедленного действия под корпоративной культурой?
Что произошло: анатомия одного увольнения
Luna — не просто чат-бот, а полноценный ИИ-менеджер на базе Claude Opus 4.8. Она управляет розничным магазином Andon Market, который принадлежит исследовательскому стартапу Andon Labs. В зоне её ответственности — всё: от найма и закупок до ценообразования и операционного управления. Стартовый бюджет — $100 000, корпоративная карта и полный карт-бланш. Люди из Andon Labs сохраняют за собой лишь надзорную функцию.
Ситуация с опозданиями развивалась по сценарию, который до боли знаком любому руководителю. Luna когда-то составила правила трудового распорядка: максимум три необоснованных опоздания в месяц. Затем — предупреждение. Затем — до свидания. Но документ затерялся в недрах её «памяти». Сотрудник тем временем вошёл во вкус: опаздывал почти каждую смену, а однажды открыл магазин в воскресенье с задержкой на 68 минут. Luna не сделала ни одного замечания.
Развязка наступила, когда люди из Andon Labs задали ей прямой вопрос: «А есть ли у тебя вообще какие-то правила?» Luna «вспомнила» о хендбуке, проанализировала статистику и вынесла вердикт — увольнение. При этом в стартапе подчеркнули: решение прошло проверку живым человеком перед тем, как стало окончательным.
Любопытная деталь: Andon Labs перепрогнали этот кейс на семи разных моделях ИИ по три раза каждую. Четыре из семи моделей стабильно рекомендовали расстаться с сотрудником. Три — колебались. То есть даже в среде алгоритмов единства нет.
ИИ-начальник добрее человека: парадокс или закономерность?
Глава Andon Labs Лукас Петерссон в интервью The Times обронил фразу, которая тянет на манифест: «Человек-руководитель уволил бы этого сотрудника гораздо раньше. Поэтому мы не считаем решение ИИ неэтичным».
И правда: Luna проявила чудеса терпимости. Семнадцать опозданий без единого формального предупреждения — это уровень лояльности, недоступный большинству смертных менеджеров. Почему так?
Модели вроде Claude прекрасно справляются с задачами по инструкции, но отвратительно — с проактивным поведением. У них нет внутреннего «зуда» навести порядок, если только им не дать прямую команду. Luna не «забыла» правила из-за сбоя — она просто не считала нужным их применять, пока её не ткнули носом. Это не злой умысел, а фундаментальное ограничение текущих архитектур: ИИ реагирует, а не действует на опережение.
И вот здесь кроется главный парадокс для HR-директора. С одной стороны, алгоритм лишён эмоциональных качелей, обид и любимчиков — он объективен ровно настолько, насколько объективны заложенные в него данные. С другой — он может быть объективно беззубым, если никто не настроит ему «зубы».
Российский контекст: а нам это зачем?
Казалось бы, где Сан-Франциско, а где мы. Но российский рынок движется в том же направлении, пусть и с поправкой на консерватизм. По данным исследований, объём рынка корпоративного обучения в РФ уже перешагнул отметку в 90 млрд рублей, и значительная доля этих денег уходит на цифровизацию HR-процессов. Чат-боты для онбординга, алгоритмы предиктивной аналитики для оценки персонала, автоматизированные системы учёта рабочего времени — всё это уже реальность, а не фантастика.
Более того, 84% российских компаний инвестируют в обучение сотрудников, и всё чаще речь идёт не только о хардовых навыках, но и об умении работать с данными и алгоритмами. Руководитель, который не понимает, как машина принимает кадровое решение, рискует либо передовериться ей полностью, либо отвергнуть с порога — и оба сценария проигрышные.
Трудовой кодекс РФ, к слову, пока не знает такого субъекта, как «ИИ-менеджер». Решение об увольнении принимает человек, и ответственность за него несёт тоже человек. Но что будет через пять лет, когда алгоритмы начнут формировать рекомендации, от которых руководителю будет всё труднее отказаться юридически и психологически?
Три урока кейса Luna для российского бизнеса
1. Политики без контроля — фикция
Luna написала отличный регламент и благополучно его «забыла». Это не баг, а фича современных языковых моделей: они не удерживают контекст бесконечно. Для бизнеса это значит: любые автоматизированные правила должны иметь триггеры принудительного пересмотра. Без живого аудита даже самая умная система превратится в формальность.
2. Данные решают всё
Когда Luna получила запрос, она за секунды подняла статистику по 23 сменам и вынесла вердикт. Человек-руководитель потратил бы на это часы, а то и дни — если бы вообще добрался до цифр. Алгоритм не заменяет лидерство, но он радикально ускоряет рутину. И здесь возникает вопрос: готовы ли ваши HR-специалисты интерпретировать такие данные или они по-прежнему принимают решения «по ощущениям»?
3. Окончательное решение — за человеком
Даже в радикальном эксперименте Andon Labs люди оставили за собой право вето. Это не просто страховка от ошибок — это принципиальная позиция. Алгоритм может советовать, но не должен приказывать. Особенно когда речь идёт о судьбе человека. Внедрение любой системы автоматизации кадровых решений должно сопровождаться стратегическими сессиями, на которых топ-менеджмент вырабатывает чёткие границы: что мы делегируем машине, а что оставляем за собой.
Где алгоритм ошибается: слепые зоны ИИ-менеджмента
Кейс Luna высветил несколько уязвимостей, о которых стоит знать до того, как вы решите оцифровать кадровые процессы.
- Контекстная слепота. ИИ видит цифры, но не видит человека. Сотрудник мог переживать развод, проблемы со здоровьем или депрессию. Алгоритм не считает контекст, если вы не научили его это делать. А научить — значит, собрать данные, которые сотрудник имеет полное право не раскрывать.
- Эффект «чёрного ящика». Когда руководитель-человек увольняет подчинённого, он может объяснить причины — пусть даже неловко и скомканно. Когда это делает ИИ, сотрудник слышит: «Система приняла решение». Это убивает доверие к компании быстрее, чем любой токсичный начальник.
- Отсутствие интуиции. Опытный руководитель чувствует, когда сотрудник «почти созрел» для ухода, а когда его можно спасти разговором или обучением. У ИИ нет ни интуиции, ни эмпатии — только паттерны и вероятности.
Практические рекомендации
Если вы присматриваетесь к автоматизации HR-решений, вот что стоит сделать уже завтра.
- Проведите аудит текущих кадровых политик. Сколько из них реально работают, а сколько существуют только на бумаге? Если ваши регламенты «забыты» не хуже, чем у Luna, никакой ИИ их не оживит. Начните с расчистки авгиевых конюшен.
- Определите зоны для автоматизации. Не пытайтесь делегировать машине всё и сразу. Начните с рутины: учёт рабочего времени, первичный скрининг резюме, напоминания о дедлайнах. Кадровые решения оставляйте за людьми до тех пор, пока не накопите статистику и не выработаете доверие к алгоритмам.
- Внедрите «человеческий фильтр». Любая рекомендация ИИ, будь то повышение, депремирование или увольнение, должна проходить через живого руководителя. Это не замедлит процесс, а сделает его осмысленным. Зафиксируйте это правило документально.
- Обучайте руководителей работе с данными. Алгоритм — это инструмент, а не оракул. Если менеджер не понимает, как интерпретировать цифры, он либо слепо им доверится, либо проигнорирует. Инвестируйте в корпоративное обучение по data-driven-подходу в управлении.
- Тестируйте на исторических данных. Прежде чем запускать ИИ на живых сотрудниках, «скормите» ему архивные кейсы вашей компании за последние 2-3 года. Сравните решения алгоритма с теми, что принимали люди. Расхождения — материал для тонкой настройки и повод для серьёзного разговора о ценностях компании.
Заключение
История Luna — не про то, что роботы захватят мир и начнут увольнять нас пачками. Она про другое: мы входим в эпоху, где алгоритмы становятся полноправными участниками управленческих процессов. И главный вопрос не в том, заменит ли ИИ HR-директора, а в том, сумеет ли HR-директор сделать ИИ своим союзником, не потеряв человеческое лицо компании.
Luna проявила избыточную лояльность, потом — формальную жёсткость. Человек на её месте, вероятно, нашёл бы золотую середину: поговорил бы, выяснил причины, дал шанс. Или уволил бы сразу. Но в обоих случаях решение было бы окрашено личностью. Пока алгоритмы не обрели личность — и слава богу. Но использовать их скорость и аналитическую мощь, не снимая с себя ответственности, — вот рецепт на ближайшее десятилетие.
Часто задаваемые вопросы
Может ли ИИ в России legally уволить сотрудника?
Нет. По Трудовому кодексу РФ решение об увольнении принимает работодатель — физическое или юридическое лицо в лице уполномоченного представителя. ИИ может сформировать рекомендацию, подготовить проект приказа, но финальная подпись всегда остаётся за человеком. И ответственность — тоже.
Какие HR-процессы уже сейчас можно автоматизировать без риска?
Без значительных рисков автоматизируются: учёт рабочего времени, первичный скрининг резюме по формальным критериям, планирование отпусков и смен, onboarding с помощью чат-ботов, базовая аналитика по текучести кадров. Кадровые решения, связанные с наймом, увольнением и дисциплинарными взысканиями, требуют человеческого контроля.
Как подготовить команду к внедрению ИИ в управление персоналом?
Начните с обучения: руководители должны понимать принципы работы алгоритмов, их ограничения и потенциальные bias. Проведите пилотный проект на одном процессе, соберите обратную связь. И главное — открыто обсуждайте с командой, какие решения доверяются машине, а какие остаются за людьми. Прозрачность снижает тревожность.
Что делать, если алгоритм систематически выдаёт спорные кадровые решения?
Первое — проверить данные, на которых он обучался. Возможно, в них зашиты исторические перекосы (например, гендерные или возрастные). Второе — настроить «человеческий фильтр» с чёткими критериями эскалации. Третье — привлечь внешних экспертов для аудита алгоритма. Группа компаний «Алмаз» помогает компаниям выстраивать прозрачные модели компетенций, которые могут лечь в основу более справедливых алгоритмических систем.
Заменит ли ИИ HR-специалистов в ближайшие 5 лет?
Нет. ИИ заберёт рутину, аналитику и скорость обработки данных, но не заменит эмпатию, переговоры, урегулирование конфликтов и стратегическое мышление. Скорее, профессия HR трансформируется: меньше бумаг и Excel, больше консалтинга и работы с людьми. Выиграют те, кто начнёт осваивать data-driven-подход уже сейчас.
