Технологии искусственного интеллекта в сфере управления персоналом: социальный опыт внедрения и использования

Обложка

Цитировать

Полный текст

Аннотация

В статье обсуждаются социальные проблемы внедрения и использования технологий искусственного интеллекта в управлении персоналом организаций и предприятий. Обсуждаются ожидания экспертов и перспективность внедрения искусственного интеллекта, барьеры для внедрения продвинутых ИИ-функций среди которых как технические проблемы, так и социальные (необходимость изменения корпоративной культуры). Теоретико-методологические основания исследования базируются на социологическом подходе, который рассматривает технологии не как нейтральные инструменты, а как социальные артефакты, встроенные в существующие социальные структуры, культурные нормы и организационные практики. Целью данного исследования является выявление и классификация социальных проблем внедрения и использования ИИ в HR, а также оценка текущего состояния и перспектив использования технологий искусственного интеллекта в управлении персоналом в компаниях Тюменской области. Приводится фрагмент результатов экспертного опроса HR-специалистов и руководителей HR-подразделений компаний различного масштаба и отраслевой принадлежности, проведенного в 2024 и 2025 годах на территории Тюменской области. Анализ показал, что существующие механизмы как саморегуляции (корпоративные политики, профессиональные кодексы), так и институциональной регуляции (законодательство) развиты недостаточно, носят фрагментарный и зачастую реактивный характер. Они не поспевают за динамикой технологических изменений и не всегда адекватно учитывают специфику социального опыта различных акторов, вовлеченных в цифровые HR-практики. Выделены четыре основных кластера социальных проблем: алгоритмическая предвзятость и воспроизводство социального неравенства; дегуманизация HR-процессов и эрозия социального капитала организации; нарушение приватности и создание «цифровой копии»; трансформация профессии HR-менеджера и проблема распределенной ответственности. На основе проведенного анализа использования технологий ИИ в управлении персоналом организаций Тюменской области и исследования теоретических концептов саморегуляции и институциональной регуляции предлагается интегративная модель «Сбалансированной институционализации ИИ в HR». Принципы модели: принцип контекстуальной встроенности и человеческого суверенитета; принцип алгоритмической прозрачности и подотчетности; принцип превентивной оценки социальных рисков; принцип плюралистического регулирования.

Об авторах

Лариса Сергеевна Ковальжина

Федеральное государственное бюджетное образовательное учреждение высшего образования «Тюменский индустриальный университет»

Email: kls77@mail.ru
ORCID iD: 0000-0002-1650-1243
профессор; кафедра менеджмента в отраслях топливно-энергетического комплекса (МТЭК);

Анна Анатольевна Орлова

Тюменский индустриальный университет

Email: orlovaaa@tyuiu.ru
ORCID iD: 0009-0006-1729-0800
магистрант;

Список литературы

  1. Бергер, П., Лукман, Т. Социальное конструирование реальности: Трактат по социологии знания / Пер. с англ. Е. Руткевич. М.: МШПИ, 2019.
  2. Берсин, Д. HR-технологии 2024: что действительно работает / Д. Берсин // MIT Sloan Management Review. 2024. URL: https://sloanreview.mit.edu/ (дата обращения: 12.10.2025).
  3. Зубофф, Ш. Век капитализма наблюдения: Борьба за человеческое будущее на новом рубеже власти / Ш. Зубофф ; [пер. с англ. А. Шоломицкой]. Москва : Издательский дом "Дело" РАНХиГС, 2023. 736 с.
  4. Искусственный интеллект в HR: обзор российского рынка // TAdviser. 2024. URL: https://www.tadviser.ru/ (дата обращения: 12.10.2025).
  5. Использование искусственного интеллекта в МСП: аналитический отчет / Аналитический центр НАФИ. Москва, 2024. URL: https://nafi.ru/analytics/ (дата обращения: 12.10.2025).
  6. Малышев, М. А. Технологии искусственного интеллекта в управлении персоналом / М. А. Малышев // Вестник Московского университета. Серия 21: Управление (государство и общество). 2023. № 4. С. 45-62.
  7. Ноубл, С. Алгоритмы угнетения: Как поисковые системы усиливают расизм / Пер. с англ. Е. Байкалов, К. Медведев. М.: Индивидуум, 2022. 272 с.
  8. Обзор российского рынка HR-tech решений // РБК. 2024. URL: https://www.rbc.ru/technology_and_media/ (дата обращения: 12.10.2025).
  9. Паскуале, Ф. Общество черного ящика: Секретные алгоритмы, которые управляют деньгами и информацией / Пер. с англ. А. Карташов. М.: Карьера Пресс, 2022. 408 с.
  10. Российская ассоциация искусственного интеллекта. Аналитический обзор рынка AI-решений. Москва, 2024. URL: http://raai.org/ (дата обращения: 12.10.2025).
  11. Шюц, А. Смысловое строение социального мира: Очерки по феноменологической социологии / Пер. с нем. и англ. А.Я. Алхасова, Д.Г. Лахути, Г.И. Белкиной; науч. ред. Н.М. Смирнова. М.: Издательский дом "Дело" РАНХиГС, 2020. 552 с.
  12. AI in HR: Benefits and Challenges / PWC. 2024. URL: https://www.pwc.com/ (дата обращения: 12.11.2025).
  13. Barocas, S., & Selbst, A. D. Big data's disparate impact. California Law Review, 2016, 104, 671-732.
  14. Bodie, M. T., Cherry, M. A., McCormick, M. L., & Tang, J. The law and policy of people analytics. University of Colorado Law Review, 2017, 88, 961-1042.
  15. Dastin, J. Amazon scraps secret AI recruiting tool that showed bias against women. Reuters, 2018.
  16. European Commission. Proposal for a Regulation laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Brussels, 2021.
  17. Global Human Capital Trends 2024 / Deloitte. 2024. URL: https://www2.deloitte.com/ (дата обращения: 12.10.2025).
  18. HR-тренды 2024: аналитический отчет / HeadHunter. Москва, 2024. URL: https://hh.ru/article/research (дата обращения: 12.10.2025).
  19. Lee, M. K. Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 2018, 5(1).
  20. Martin, K., Shilton, K., & Smith, J. Business and the ethical implications of technology: Introduction to the symposium. Journal of Business Ethics, 2020, 167(1), 1-6.
  21. McAbee, S. T., Landis, R. S., & Burke, M. I. Inductive reasoning: The promise of big data. Human Resource Management Review, 2017, 27(2), 277-290.
  22. Möhlmann, M., Zalmanson, L., Henfridsson, O., & Gregory, R. W. Algorithmic management of work on online labor platforms: When matching meets control. MIS Quarterly, 2021, 45(4), 1999-2022. doi: 10.25300/misq/2021/15333 EDN: QYKYWQ.
  23. Raisch, S., & Krakowski, S. Artificial intelligence and management: The automation-augmentation paradox. Academy of Management Review, 2021, 46(1), 192-210. doi: 10.5465/amr.2018.0072 EDN: MOPFOP.
  24. Strohmeier, S. Digital human resource management: A conceptual clarification. German Journal of Human Resource Management, 2020, 34(3), 345-365. doi: 10.1177/2397002220921131 EDN: JLJMQB.
  25. Tambe, P., Cappelli, P., & Yakubovich, V. Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 2019, 61(4), 15-42.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).