Я заметила кое-что интересное несколько месяцев назад, когда одновременно читала три материала об ИИ в HR, опубликованных в один и тот же период, но в трёх разных странах. Американский отчёт McKinsey говорил о масштабе и скорости автоматизации. Датская статья про профсоюзы спрашивала, как внедрять изменения, не разрушив доверие. Китайский обзор описывал подготовку специалистов в цифрах, которые трудно было просто принять как факт. Три страны, один и тот же момент истории, и три совершенно разных вопроса в центре. Это и стало для меня точкой входа: за каждым подходом к ИИ в трудовых отношениях стоит ценность, которую страна считает центральной в отношениях между работником и работодателем.
Разобраться в этом важно не из академического интереса. Когда ты читаешь мировой тренд, ты всегда читаешь его через чью-то оптику, и эта оптика не нейтральна.
США: масштаб как язык
Американский подход задаётся через прагматику и влияние. McKinsey, Gartner, Deloitte публикуют очередное исследование об автоматизации, и весь глобальный HR начинает его цитировать как отправную точку. «Они сказали, что 30% HR-функций автоматизируется» превращается в инструкцию к применению, хотя никакой инструкции там нет, есть только усреднённая модель на основе агрегированных данных.
Технологии проникают в найм быстро и без особых этических оговорок. HireVue использует алгоритмический анализ видеоинтервью, Workday AI встраивает предиктивную аналитику прямо в HR-процессы, и это воспринимается не как эксперимент, а как стандарт. Параллельно в технологическом секторе происходят волны массовых увольнений, которые тоже объясняются оптимизацией. Эти два процесса, внедрение и сокращение, существуют в одном пространстве, и вопрос об их связи почти не звучит.
Сказанное выше - не критика американской модели, а архитектура влияния, которую важно понимать, прежде чем следовать очередному отчёту из Сан-Франциско.
Великобритания: право на достоинство
Британский разговор об ИИ в HR устроен иначе. Там всерьёз и без риторики обсуждают, что алгоритм при найме может дискриминировать, что у сотрудника должно быть право оспорить решение, принятое системой, что наблюдение через программу мониторинга нарушает право на достоинство в труде. ICO, британский регулятор в области данных, выпустил подробные рекомендации по использованию ИИ в HR именно с этим акцентом: прозрачность, объяснимость, возможность оспорить.
Влияние "Регламента ЕС об искусственном интеллекте" ощущается, несмотря на выход Великобритании из Европейского союза: британские регуляторы движутся в том же направлении, что и европейское законодательство, пусть и своим темпом. Профсоюзы участвуют в этом разговоре не как противники технологий, а как активные стороны, настаивающие на том, что внедрение ИИ требует переговоров, а не уведомлений.
Меня в этом подходе привлекает настойчивость вопроса о достоинстве. Не «можем ли мы это внедрить», а «что будет иметь право оспорить человек, с которым это сделали». Этот разговор рано или поздно станет обязательным повсюду, и лучше начать его заранее.
Скандинавия: доверие как инфраструктура
В Дании и Норвегии есть практика, которую трудно перевести одним словом. Там заключают технологические соглашения между работодателями и профсоюзами, в которых прямо прописывается, как будут внедряться новые технологии, включая ИИ, как будет выглядеть переобучение и кто имеет право сказать «нет», если изменение угрожает условиям труда. Профсоюзы в этой модели не тормоз и не противник, а полноценный партнёр, без которого изменение не начинается.
Подход работает, потому что фундамент другой. Высокий индекс доверия между работником и работодателем, который регулярно фиксируют в скандинавских странах, это не красивая строчка в международных рейтингах, а реальная культурная ткань, которую накапливали десятилетиями. ИИ там внедряется медленно, с опорой на диалог, и именно поэтому приживается, не вызывая тихого саботажа.
Вопрос, который задаёт скандинавская модель, кажется мне самым точным из всех, хотя и самым неудобным: как встроить изменение так, чтобы не сломать доверие? Не «как быстро», не «насколько эффективно», а именно как.
ОАЭ: государство как дирижёр
В Эмиратах нет рыночного давления снизу как основного двигателя изменений. Там работает другая логика: государство объявляет себя мировым хабом в области ИИ через "Национальную стратегию ОАЭ в области искусственного интеллекта до 2031 года", программу Smart Dubai и обязательный курс по ИИ для госслужащих, который уже прошли десятки тысяч человек, и это создаёт совершенно другую скорость трансформации.
Когда государство делает ставку на ИИ как на инструмент переустройства экономики на десятилетие вперёд, это не просто стратегический документ, это приоритет, обеспеченный ресурсами и политической волей. HR-функция там перестраивается под государственную повестку, и это отличается от того, что происходит в странах, где каждая компания принимает решение самостоятельно.
Насколько такая модель устойчива в долгосрочной перспективе, я не знаю, потому что доверие, выстроенное сверху вниз, устроено иначе, чем доверие, выстроенное снизу. Но как пример скорости изменений она показательна.
Китай: масштаб как категория
Китайский подход трудно осмыслить через привычные категории, потому что масштаб там становится самостоятельной переменной. Программа «Искусственный интеллект+» предполагает подготовку миллионов специалистов с компетенциями в ИИ, внедрение технологий в производство, логистику и государственное управление параллельно, а не последовательно. Национальные стандарты по ИИ в HR разрабатываются централизованно, а корпоративная инфраструктура там уже другая: WeChat Work и DingTalk объединяют то, что на Западе существует как десятки отдельных инструментов.
Это не эксперимент и не пилот. Это долгосрочная системная трансформация, которая идёт одновременно на всех уровнях, и сравнивать её с тем, что делает отдельная европейская компания, внедряя HR-бот, примерно так же бессмысленно, как сравнивать строительство дороги с перекладкой плитки во дворе.
Россия: адаптация как компетенция
Российский контекст не похож ни на один из перечисленных, и это само по себе заслуживает внимания. Глобальный инструментарий закрыт или недоступен, но потребность в переосмыслении процессов никуда не делась, и это создаёт странную, иногда продуктивную необходимость искать собственные решения. Отечественные языковые модели развиваются быстро, исследования ВШЭ и ЦСР фиксируют, как ИИ меняет структуру занятости в российской экономике, и картина там неоднозначная: в одних секторах дефицит кадров настолько острый, что автоматизация воспринимается как спасение, в других нет инфраструктуры, чтобы её развернуть.
HR-специалисты здесь работают в состоянии постоянной адаптации: разбираться в отечественных инструментах, понимать, что происходит глобально, и при этом уметь измерять, как всё это влияет на реальные результаты в реальных условиях. Это, кстати, хорошая школа, пусть и вынужденная: когда нельзя просто скопировать западный кейс, приходится думать самому.
Что за этим стоит
Когда ты смотришь на все эти подходы вместе, становится видно, что выбор инструмента или технологии - это всегда вторичное решение. Первичное - это вопрос о ценности, которую ты ставишь в центр. Эффективность и масштаб, как в США. Достоинство и право, как в Великобритании. Доверие и диалог, как в Скандинавии. Государственная воля и скорость, как в ОАЭ. Системная трансформация как национальный проект, как в Китае. Адаптация как условие выживания, как в России.
И когда ко мне приходит HR-специалист с вопросом «с чего начать с ИИ», я думаю именно об этом. Не о том, какой инструмент выбрать, а о том, через какую ценность ты хочешь к нему подойти. Потому что инструменты меняются быстро, а ценность, которую ты закладываешь в основу, определяет то, как ты будешь принимать решения, когда инструменты снова изменятся.
Через какую ценность ты смотришь на ИИ в своей работе, и совпадает ли то, что ты делаешь, с тем, во что ты на самом деле веришь?