Девять из десяти эйчаров скажут вам, что операционка — это фундамент. Но на деле к ней относятся как к канализации: пока течет — никто не замечает. Стоит засориться — виноваты все. Контракты, табели, расчетные листки, бесконечные согласования — это «невидимая» работа, которая съедает до 60% времени HR-департамента. И только когда новичок не получает доступ в почту в первый рабочий день, а премия приходит не тому сотруднику, операционка вдруг становится «стратегически важной».
Сегодня этот фокус смещается. Искусственный интеллект, агентные системы и оркестровка процессов дают шанс не просто оцифровать хаос, а выстроить из него управленческий контур. Вопрос не в том, можно ли автоматизировать отдельную задачу. Вопрос в том, как должна быть устроена функция HR Operations, когда системы начинают интерпретировать данные, готовить решения и запускать цепочки действий без участия человека. Разберем без утопий и страшилок про восстание машин.
Узкое место — не в системе, а между системами
Российский рынок HR-tech перегрет. По данным исследований, более 84% компаний уже инвестируют в цифровые решения для управления персоналом. У вас, скорее всего, тоже есть зоопарк: 1С:ЗУП, кадровый портал, ATS для рекрутинга, LMS для обучения, система KPI. И при этом операционный ад никуда не делся. Почему?
Проблема почти никогда не сидит внутри одного приложения. Она выползает на стыках. Устроить человека на работу — это не просто завести карточку в SAP. Это цепочка: HR, IT, административно-хозяйственный отдел, бухгалтерия, непосредственный руководитель. Изменилась дата выхода? Посыпались зависимые задачи в пяти подразделениях. Не пришло сканированное заявление? Процесс встал колом. В большинстве компаний эту цепочку до сих пор держат на соплях: Excel-таблицы, письма в Outlook и личные сообщения в Telegram «Слушай, подпиши скорее, у меня дедлайн».
Системы вроде бы цифровые, а управление — абсолютно ручное. Workforce Automation (автоматизация рабочих процессов) бьет именно сюда. Она связывает данные, правила, зоны ответственности и следующие шаги в единый исполняемый поток. Ценность не в ускорении одного шага, а в стабильности всего маршрута.
Почему «если-то» уже не работает
Классическая роботизация (RPA) живет по бинарной логике: событие «А» — действие «Б». Это отлично заходит на стабильных, предсказуемых операциях. Но HR-процессы редко бывают стабильными. Зоны ответственности плывут в зависимости от региона, типа занятости, грейда. Сверху наслаиваются требования трудового кодекса, коллективные договоры, 152-ФЗ о персональных данных и просто уникальная фантазия конкретного руководителя, который хочет согласовывать каждое повышение лично.
Современная автоматизация — это гибрид. Workflow-движки координируют задачи и визы. RPA-боты бесшумно перетаскивают данные между 1С и кадровым порталом. Генеративный ИИ разбирает входящие документы и письма на естественном языке. Семантические модели понимают связи между должностью, политиками компании и оргструктурой. А оркестровщик дирижирует всем этим оркестром.
Прогресс — именно в связке. Система должна не просто «увидеть», что подошла дата аттестации. Она обязана понять контекст: это удаленщик или офисный сотрудник, какой у него испытательный срок, какие KPI зафиксированы, кто принимает решение. И только после этого запустить цепочку, а в случае неопределенности — передать вопрос живому человеку. Без этого любая автоматизация останется просто дорогой цифровой напоминалкой.
Где выгода становится видимой сразу
Самый очевидный полигон — служба поддержки сотрудников (Employee Services). Вопросы про отпуска, больничные, расчетные листки, маткапитал и ДМС сыплются ежедневно. ИИ-ассистент может взять на себя до 40% таких обращений, собирая ответы из разрозненных баз знаний.
Но главная польза для бизнеса не в скорости ответа. Повторяющиеся вопросы — это зеркало кривых процессов. Если каждую неделю десятки сотрудников спрашивают про правила оформления командировок, проблема не в службе поддержки. Проблема в том, что регламент написан так, будто его составлял юрист для другого юриста. Если после каждого расчета зарплаты всплывают одни и те же ошибки, пора не ответы штамповать, а чинить Payroll-процесс.
На онбординге эффект еще заметнее. Автоматическая система сама проверит полноту данных контракта, вычислит IT-права на основе роли, проследит за сроками медосмотра и запросит недостающие справки. Перенесли дату выхода? Все зависимые сроки пересчитаются автоматически. Нет отметки о вводном инструктаже? Процесс встанет не целиком, а только на этом шаге, и уведомление уйдет конкретному ответственному, а не «всем в копии».
В расчете зарплаты автоматизация валидирует данные, подсвечивает аномальные отклонения (премия в 500% от оклада — точно не опечатка?) и готовит контрольные листы. Здесь она не должна подменять эксперта, но обязана повысить качество его работы. Специалист перестает перебирать тысячи типовых проводок и фокусируется на рисках и нестандартных кейсах.
Оркестровка: от конвейера к дирижерскому пульту
Стратегическое ядро автоматизации — оркестровка. Любой кадровый процесс проходит сквозь несколько систем, команд и уровней принятия решений. Без сквозного управления возникают разрывы: данные дублируются, ответственность размывается, сроки горят.
Платформа оркестровки видит весь процесс целиком. Она знает, какой шаг завершен, что требуется дальше и где критический срок под угрозой. Отклонения фиксируются не постфактум на совещании «Почему мы опять завалили набор», а прямо сейчас, когда еще можно нажать на рычаг.
Для руководителя это означает новую прозрачность. Какие процедуры генерируют больше всего возвратов на доработку? Где копятся дни ожидания? Какие этапы согласования реально снижают риски, а какие просто создают иллюзию контроля? Какие исключения случаются так часто, что их пора вшить в стандартный регламент?
Автоматизация здесь — не просто дополнительные руки. Это рентгеновский снимок организации и ее операционных патологий. Кстати, на наших стратегических сессиях мы часто сталкиваемся с тем, что топ-менеджмент искренне удивлен реальной длине и запутанности своих же внутренних процессов.
ИИ-агенты: не сотрудники, а исполнительные механизмы
Маркетинг вендоров рисует нам будущее, где «цифровые сотрудники» берут на себя целые отделы. Эта метафора опасна. ИИ-агент — не коллега с трудовым договором и чувством вины за дедлайн. Это технический исполнительный блок в жестко заданных границах.
Агент может проанализировать запрос, собрать информацию из трех систем, сгенерировать проект ответа и запустить цепочку действий. Но может ли он принять финальное решение? Зависит от цены вопроса. Смена адреса доставки ДМС — автоматизируем смело. Пересмотр грейда, расчет годового бонуса, перевод в другое подразделение или дисциплинарное взыскание — стоп-кран. Чем сильнее решение влияет на жизнь и доход сотрудника, тем жестче требования к прозрачности алгоритма, документированию источников данных и обязательному участию человека.
Ключевой вопрос governance (управленческого контроля) звучит так: не «что мы можем автоматизировать технически», а «какую ответственность мы осознанно оставляем за человеком». Без ответа на него любая автоматизация превращается в игру в русскую рулетку с репутационными и судебными рисками.
Три уровня зрелости: где вы находитесь
Чтобы не утонуть в хайпе, полезно оценить свой текущий уровень. Мы в ГК «Алмаз» выделяем три стадии, через которые проходят компании.
Уровень 1. Ассистент. ИИ помогает людям: суммаризирует документы, классифицирует обращения, предлагает шаблоны ответов. Решение и исполнение — строго за человеком. Это быстро внедряется, но сам процесс меняется слабо. Вы просто дали сотруднику калькулятор помощнее.
Уровень 2. Автопилот для подпроцессов. Система сама валидирует данные, готовит типовые документы, отвечает на стандартные вопросы, запускает согласования. Человек подключается только при исключениях, неопределенности или высоком риске. Здесь уже критически важны прописанные маршруты эскалации и контроль качества.
Уровень 3. Оркестрованное исполнение. Системы видят события, приоритизируют задачи, координируют сквозные цепочки через несколько приложений и ведут цифровой след. Люди проектируют эти процессы, мониторят метрики и разбирают сложные нестандартные случаи. HR-операции становятся функцией управления, а не обслуживания.
О полной автономии в HR пока лучше говорить шепотом. Даже на третьем уровне в чувствительных точках верифицируемая ответственность человека остается не просто желательной, а юридически обязательной.
Самая тяжелая работа — до автоматизации
Провалы проектов по цифровизации HR редко случаются из-за кривого кода. Они случаются из-за кривых процессов, которые этот код пытается исполнить. Пока разные отделы обрабатывают одно и то же действие по-разному, пока ответственность распределена на уровне «мы так привыкли», а регламенты противоречат друг другу, ни одна система не сможет работать надежно.
До того как писать техзадание, придется ответить на неудобные вопросы. Какое именно событие запускает процесс? Какие данные критичны и кто отвечает за их чистоту? Где решение принимается по правилам, а где обязательна человеческая оценка? Какие исключения возникают регулярно? В какой момент процесс должен быть остановлен или эскалирован?
Эта работа заставляет компанию вскрыть и пересмотреть привычные ритуалы, которые складывались годами. В этом и состоит скрытая ценность. Автоматизация часто становится тем самым поводом, чтобы наконец спроектировать процесс с точки зрения его результата, а не исторической традиции. Разработка моделей компетенций и внедрение процессно-проектных моделей здесь идут рука об руку с настройкой софта.
Данные и governance: фундамент, а не подвал
Автоматика тупа ровно настолько, насколько грязны данные, которые она потребляет. В российских HR-ландшафтах до сих пор обычное дело: несколько версий одного справочника должностей, квалификации в свободном текстовом поле («типа шарит в Excel»), устаревшая оргструктура и политики, разбросанные по папкам десятилетней давности.
В таких условиях риск ошибочных решений взлетает до небес. Компании не нужна одна «супер-платформа на всё». Нужно единое понимание данных: термины, роли, права доступа и мастер-источники должны быть определены однозначно.
Не менее важен контроль. HR работает с крайне чувствительной информацией: зарплаты, здоровье, оценки эффективности. Права доступа, логирование действий, процедуры проверки качества и механизмы исправления ошибок должны быть вшиты в архитектуру с первого дня, а не прикручены скотчем после первого скандала.
Отдельная головная боль — теневая автоматизация. Сотрудники уже вовсю используют публичные нейросети для обработки таблиц, текстов и даже персональных данных, просто потому что «так быстрее». Запрещать — бесполезно. Нужно давать безопасные корпоративные инструменты и четкие правила игры, иначе ваш HR-дашборд будет строиться на данных, утекших в публичный датасет.
Практические рекомендации
С чего начать, чтобы не уйти в пилотный ад, который длится три года и ничем не заканчивается?
- Найдите самый дорогой стык. Не пытайтесь автоматизировать всё сразу. Возьмите один сквозной процесс (онбординг, изменение окладов, командировки), где больше всего ручной переписки и перекладывания данных. Посчитайте время от события до результата — это ваша точка старта.
- Опишите процесс «как есть», а не «как должно быть по регламенту». Посадите рядом HR, IT, финансистов и безопасников. Пусть нарисуют реальный путь задачи. Вы удивитесь количеству петель и «серых» зон ответственности.
- Разделите правила и исключения. 80% кейсов типовые — их нужно автоматизировать безжалостно. 20% требуют человеческого суждения — для них нужен понятный маршрут эскалации. Не пытайтесь запрограммировать гениальность эксперта, просто быстро доставляйте ему задачу.
- Наведите порядок в данных до запуска. Унифицируйте справочники должностей, подразделений и видов занятости. Без этого любой ИИ будет выдавать правдоподобный бред. Это скучная работа, но без нее дорогая автоматизация превратится в дорогой генератор хаоса.
- Определите границы дозволенного для ИИ. Пропишите матрицу: какие решения система принимает сама, какие — готовит проект для человека, а какие — даже не подсматривает. Согласуйте это с юристами и представителями работников, если в компании есть профсоюз.
- Считайте бизнес-кейс не в «сокращенных ставках», а в устраненных рисках. Снижение процента брака в расчетах, сокращение времени простоя новичка без доступа, уменьшение количества штрафов за нарушение сроков — это деньги, которые уже есть в вашем P&L, просто вы их пока не видите.
Заключение
Workforce Automation — это не история про то, как уволить половину отдела кадров и посадить на их место роботов. Это история про то, как превратить HR-операции из вечно провисающего тыла в управленческую функцию, которая видит организацию насквозь. Когда системы берут на себя транспортную логистику данных и решений, у людей наконец появляется время на то, ради чего они пришли в профессию: работать с людьми, а не с последствиями кривых процессов.
Главное — не обманывать себя скоростью внедрения. Технологии здесь — лишь 30% успеха. Остальное — воля руководства разобраться с многолетним организационным наследием и готовность признать, что «у нас так исторически сложилось» больше не аргумент.
Часто задаваемые вопросы
С чего начать автоматизацию HR, если бюджет ограничен?
Начните не с покупки софта, а с аудита одного самого проблемного сквозного процесса. Часто оказывается, что 30% проблем можно убрать просто стандартизацией и наведением порядка в данных, не потратив ни рубля на новую систему.
Заменит ли ИИ HR-специалистов?
ИИ заменит рутину, а не специалистов. Уйдут операции по перебивке данных и бесконечные согласования. Останутся экспертиза, работа с исключениями, разрешение конфликтов и развитие людей. Спрос на эти компетенции будет только расти.
Как убедить руководство, что оркестровка процессов — это не просто «еще одна IT-игрушка»?
Переведите разговор в плоскость конкретных инцидентов. Покажите, сколько стоила компании задержка выхода трех разработчиков из-за несогласованного доступа. Или сколько переплатили налогов из-за ошибки в расчетном листке. Цифры убеждают лучше презентаций.
Какие риски главные при внедрении ИИ-агентов в HR?
Главный риск — делегировать агенту решение без четких границ и аудита. На втором месте — использование «грязных» данных, на которых система обучится принимать дискриминационные или ошибочные решения. На третьем — теневая автоматизация сотрудниками публичных нейросетей.
Можно ли автоматизировать HR в небольшой компании до 100 человек?
Можно и нужно. Но фокус будет другим: не на тяжелых оркестровочных платформах, а на умных HR-системах «все в одном», которые из коробки умеют связывать онбординг, расчет зарплаты и кадровый учет без ручных стыков.
