Регламент использования ИИ в подборе персонала: данные, риски и контроль человеком
ИИ может ускорить подготовку вакансий, поиск критериев и разбор обезличенных массивов, но не снимает с работодателя ответственность за персональные данные и кадровое решение. Рабочий регламент определяет допустимые задачи, запрещённые данные, роль рекрутера, проверку результата и порядок действий при ошибке.
- Зачем HR-службе отдельный регламент по ИИ
- Какие задачи можно поручать ИИ в подборе
- Как учитывать персональные данные кандидатов
- Почему итоговое решение должен контролировать человек
- Как проверить критерии и предвзятость
- Что запросить у поставщика AI-системы
- Что включить в регламент использования ИИ
- Как внедрить регламент без остановки подбора
- Как вести журнал и разбирать инциденты
- Типичные ошибки при внедрении ИИ в рекрутмент
- Итоги
- Вопросы и ответы
Зачем HR-службе отдельный регламент по ИИ
Без общих правил каждый рекрутер использует нейросети по-своему: один вставляет только описание вакансии, другой загружает резюме целиком, третий принимает оценку модели за готовое решение. Компания не видит, какие сервисы получают данные кандидатов, как долго они хранятся и почему человека исключили из воронки. Регламент превращает разрозненные эксперименты в управляемый процесс.
Документ не должен быть декларацией «используем ИИ ответственно». Он отвечает на практические вопросы: какие инструменты разрешены, какие сведения нельзя передавать, для каких задач модель лишь помогает, кто проверяет вывод, что записывается в журнал и как кандидат может сообщить об ошибке. Правила распространяются не только на HR, но и на нанимающих руководителей и подрядчиков.
Какие задачи можно поручать ИИ в подборе
Сначала составьте реестр сценариев, а не список любимых сервисов. Один и тот же инструмент может безопасно помочь с черновиком вакансии и создать высокий риск при ранжировании резюме. Для каждого сценария укажите входные данные, результат, пользователя, правовое основание, проверку и срок хранения.
| Зона | Пример задачи | Условие применения |
|---|---|---|
| Низкий риск | Черновик структуры вакансии без данных людей | Рекрутер проверяет факты, требования и язык |
| Низкий риск | Составление списка вопросов по компетенции | Вопросы проверены на связь с работой |
| Средний риск | Извлечение навыков из резюме | Разрешённая система, минимум данных, ручная проверка |
| Средний риск | Сводка интервью | Кандидат уведомлён, запись и текст защищены |
| Высокий риск | Ранжирование или рекомендация отказа | Документированные критерии, тестирование, обязательное решение человека |
| Недопустимо без отдельного обоснования | Вывод о здоровье, возрасте, национальности, убеждениях или «типе личности» по косвенным признакам | Не использовать как скрытый фильтр; провести правовую оценку |
Полезный принцип — минимальная необходимая автоматизация. Если задачу можно решить на обезличенных данных или без передачи резюме внешнему сервису, выбирайте этот вариант. Если модель не влияет на решение и только оформляет утверждённый человеком текст, контроль проще. Чем ближе система к отсеву кандидатов, тем выше требования к доказательствам, тестированию и возможности пересмотра.
Как учитывать персональные данные кандидатов
Резюме, контакты, история работы, запись интервью и выводы о кандидате могут относиться к персональным данным. Федеральный закон № 152-ФЗ определяет обработку широко: в неё входят сбор, запись, хранение, извлечение, использование, передача, обезличивание и удаление. Загрузка файла во внешний AI-сервис тоже требует оценки, даже если сотрудник делает это через обычное окно чата.
До запуска сценария зафиксируйте цель, состав данных, основание обработки, получателей, место хранения, срок и порядок удаления. Проверьте, соответствует ли фактическая обработка уведомлению оператора, политике и согласию, если оно используется. Для внешнего поставщика нужен договорный и технический анализ: где обрабатываются данные, привлекаются ли субподрядчики, используются ли запросы для обучения, можно ли удалить историю и получить журнал действий.
Обезличивание — не простое удаление имени. Если человека можно восстановить по сочетанию должности, компании, города, дат и уникальных проектов, риск сохраняется. Для тестов лучше использовать синтетические профили или наборы, подготовленные специально для проверки.
Почему итоговое решение должен контролировать человек
Статья 16 закона № 152-ФЗ ограничивает решения, основанные исключительно на автоматизированной обработке и порождающие юридические последствия либо иным образом затрагивающие права и законные интересы человека, кроме предусмотренных законом случаев или письменного согласия. Независимо от юридической квалификации конкретного этапа безопасная кадровая практика не должна сводить отказ к непрозрачному баллу модели.
«Человек в контуре» — это не сотрудник, который автоматически нажимает кнопку подтверждения. Он должен видеть исходные критерии, уметь проверить факты, понимать ограничения системы и иметь полномочие изменить рекомендацию. В карточке решения полезно отделить данные из резюме, вывод модели, оценку рекрутера и финальное основание перехода или отказа.
- Критерий: опыт ведения проектов с установленным масштабом и ролью.
- Факт: цитата или структурированное поле из резюме.
- Вывод ИИ: предположение, которое требует проверки.
- Проверка: вопрос на интервью или подтверждающий документ.
- Решение: вывод ответственного сотрудника и понятная причина.
Не используйте «культурное соответствие», эмоциональность текста, фотографию или манеру речи как универсальные признаки эффективности. Такие прокси легко связываются с характеристиками, не относящимися к работе, и усиливают историческую предвзятость.
Как проверить критерии и предвзятость
Модель может воспроизводить перекосы данных и добавлять собственные ошибки. Проверка начинается не с нейросети, а с вакансии: каждое требование должно быть связано с реальной задачей. Если в профиле указаны избыточный стаж, конкретный возрастной маркер или несущественная биографическая деталь, автоматизация лишь масштабирует проблему.
Подготовьте контрольный набор профилей, где профессиональные данные одинаковы, а не относящиеся к работе признаки меняются. Сравните извлечённые факты, рейтинг и рекомендации. Затем проверьте качество по группам и этапам: долю пропущенных подходящих кандидатов, частоту ручной отмены, причины ошибок и различия в прохождении. Маленькая выборка не позволяет объявлять систему «непредвзятой», но выявляет грубые дефекты до запуска.
| Проверка | Вопрос | Действие при проблеме |
|---|---|---|
| Связь с работой | Критерий действительно предсказывает выполнение задачи? | Удалить или обосновать и переопределить |
| Полнота | Не теряет ли система релевантный опыт из-за формата резюме? | Изменить извлечение и добавить ручной маршрут |
| Стабильность | Одинаковый вход даёт сопоставимый вывод? | Зафиксировать версию, параметры и порог |
| Групповые различия | Есть ли необъяснимый разрыв в прохождении этапа? | Остановить автоматический фильтр и провести аудит |
| Объяснимость | Можно ли назвать проверяемую причину рекомендации? | Не использовать результат для кадрового решения |
Что запросить у поставщика AI-системы
- Какие данные передаются поставщику и его субподрядчикам?
- Где находятся основные и резервные копии, как выполняется удаление?
- Используются ли данные клиента или обратная связь для обучения?
- Можно ли отключить автоматическое решение и выгрузить основания?
- Как фиксируются версия модели, запрос, результат и действие пользователя?
- Какие метрики качества измерялись на задачах, похожих на ваши?
- Как поставщик уведомляет об изменении модели и инциденте?
В договоре закрепите цели обработки, инструкции компании, конфиденциальность, меры защиты, сроки удаления, порядок привлечения других лиц, уведомление об инциденте и возврат данных после прекращения услуги. Юридическая и ИБ-проверка должна происходить до загрузки реальных резюме.
Что включить в регламент использования ИИ
Регламент удобно строить от жизненного цикла сценария. Он должен быть достаточно конкретным, чтобы сотрудник мог принять решение без догадок, и достаточно независимым от бренда сервиса, чтобы не переписывать документ после каждого обновления интерфейса.
| Раздел | Содержание | Ответственный |
|---|---|---|
| Область применения | Подбор, адаптация, кадровый резерв; сотрудники и подрядчики | HRD |
| Реестр сценариев | Цель, данные, риск, система, владелец и статус разрешения | Владелец процесса |
| Данные | Разрешённый состав, обезличивание, хранение и удаление | Ответственный за ПД и ИБ |
| Человеческий контроль | Проверка, полномочие отмены, основание решения | Рекрутер и руководитель |
| Качество | Тестовый набор, метрики, пороги и периодический аудит | HR-аналитик |
| Инциденты | Остановка, уведомление, расследование и исправление | ИБ, юрист, HR |
| Обучение | Инструктаж, проверка знаний и ответственность пользователей | HR и L&D |
К регламенту приложите короткую памятку: что нельзя вставлять в публичный чат, как обезличить пример, как отметить AI-черновик, куда сообщить об ошибке. Сотрудник должен видеть правило в момент действия, а не искать его в документе на десятки страниц.
Как внедрить регламент без остановки подбора
Выстройте подбор персонала как прозрачный и управляемый процесс
Курс «Менеджер по подбору и адаптации персонала» помогает освоить профиль вакансии, интервью, оценку и работу с кандидатской воронкой. Преподаватель Талалаева Светлана специализируется на управлении и подборе персонала.
Как вести журнал и разбирать инциденты
Для значимых сценариев сохраняйте не весь объём персональных данных, а достаточный след решения: идентификатор процесса, версию модели или сервиса, шаблон запроса, категорию входа, вывод, пользователя, ручное решение и причину отмены. Доступ к журналу ограничивают, а срок хранения связывают с целью и внутренними правилами.
Инцидентом считается не только утечка. Это может быть систематический ошибочный отсев, появление чувствительного признака в выводе, отправка данных не тому поставщику, невозможность удалить историю или изменение модели без проверки. Регламент должен позволять быстро приостановить сценарий, сохранить доказательства, определить затронутых кандидатов и восстановить ручной процесс.
Типичные ошибки при внедрении ИИ в рекрутмент
- Начать с рейтинга кандидатов. Пилот лучше проводить на вспомогательной задаче без персональных данных.
- Считать резюме общедоступным. Публикация кандидатом не означает разрешение передавать данные любому AI-сервису для любой цели.
- Подменить проверку подписью рекрутера. Человек должен анализировать основания и иметь право изменить результат.
- Проверять только среднюю точность. Общий процент скрывает ошибки по ролям, форматам резюме и группам.
- Не фиксировать обновления. После смены модели прежние результаты теста могут потерять значение.
- Обучить один раз. Новые сервисы и привычки появляются быстрее, чем обновляется формальный документ.
Итоги
- Регламент строится вокруг сценариев, данных и решений, а не вокруг названий нейросетей.
- Для каждого сценария нужны цель, минимальный вход, правовое основание, владелец и срок удаления.
- ИИ может давать рекомендацию, но значимое кадровое решение проверяет уполномоченный человек.
- Критерии связывают с работой и тестируют на ошибочный отсев и групповые различия.
- Журнал, процедура остановки и повторная проверка после обновления делают процесс управляемым.
Вопросы и ответы
- Можно ли загружать резюме кандидата в публичную нейросеть?
Без предварительной оценки и утверждённого процесса делать этого не следует. Резюме содержит персональные данные, а загрузка внешнему сервису является обработкой и возможной передачей. Нужны цель, основание, проверенный поставщик, минимизация данных и правила удаления.
- Достаточно ли удалить имя кандидата перед анализом ИИ?
Не всегда. Человека можно определить по сочетанию компании, должности, города, дат и уникальных проектов. Нужно оценивать весь набор сведений и по возможности использовать синтетические или действительно обезличенные данные.
- Может ли ИИ автоматически отказывать кандидатам?
Такой сценарий несёт высокий правовой и кадровый риск. Закон ограничивает решения, основанные исключительно на автоматизированной обработке и затрагивающие права. Практически нужен содержательный человеческий контроль, понятные критерии и возможность пересмотра.
- Как проверить нейросеть на предвзятость при подборе?
Сначала уберите из профиля не относящиеся к работе требования. Затем используйте контрольные профили, сравнивайте ошибки и прохождение этапов по группам, фиксируйте ручные отмены и расследуйте необъяснимые различия.
- Нужно ли сообщать кандидату об использовании ИИ?
Порядок зависит от сценария и основания обработки, но прозрачность снижает риск и позволяет исправлять ошибки. В уведомлении стоит ясно описать цель, роль автоматизации, основные данные и способ обратиться за пересмотром.
- Как часто пересматривать регламент по ИИ в HR?
Минимум по установленному внутреннему циклу и дополнительно при смене сервиса, модели, состава данных, цели, закона или выявлении инцидента. Значимое обновление системы требует повторного тестирования до масштабирования.
Материал подготовлен с учётом Федерального закона № 152-ФЗ в редакции, доступной на дату публикации. Конкретный сценарий обработки персональных данных и трудовые решения требуют проверки юристом и ответственным за информационную безопасность.