Нещодавно у Києві пройшов 15-й IT HR Forum. Це подія, де HR-и підсвічують тренди в IT & Tech. І йдеться не про абстрактні прогнози, а про реальні інструменти, з якими команди українських та глобальних компаній експериментують вже сьогодні.
«Питання вже не в тому, чи використовувати AI в HR, а в тому, як робити це правильно, етично та з реальним бізнес-ефектом», — каже Оксана Кіхтенко, CEO Because Talents Matter та організаторка форуму.
Laba сходила на конференцію за інсайтами та кейсами від спікерів з MiraTech, mono, Netflix, Intellias, Unitask Group та інших компаній.
#1. Як AI змінює життя ейчарів та команд
Зараз ми переживаємо прайм-еру в HR. Завдяки AI ми більше не обмежені рутиною. З’явилася можливість працювати з процесами глибше, масштабувати їх та реально впливати на бізнес-результат. Це точка, коли професія змінюється не косметично, а структурно. І саме зараз ми маємо шанс визначити, яким буде HR у найближчі роки.
У 2025 році в дослідженні готовності країн до впровадження AI Україна посіла 41 місце зі 195 (+14 позицій за рік) — і це в умовах війни. Однак ми можемо піднятися ще вище, і ключовий вплив на результат має Human Capital, де роль HR-фахівців є критичною, тож:
— Якщо ви ейчар і до вас звертаються AI-стартапи з проханням протестувати їхній продукт або надати консультацію — долучайтеся.
— Якщо університети запрошують прочитати лекцію або провести вебінар про використання AI в роботі — підтримуйте.
— Якщо у вашій компанії є фахівці з AI-експертизою, забезпечте умови, за яких вони залишатимуться і розвиватимуться в Україні.
Що вже змінилося в HR з появою AI
Серед 200 IT-компаній України 93% вже використовують AI-інструменти, а 33,3% — застосовують AI в HR-процесах (Опитування Мінцифри, січень 2026).
✨ Talent Acquisition
37% TA-фахівців вже активного тестують або повноцінно використовують GenAI у своїй роботі. Результати: +20% до економії бюджету або часу на наймання, +30% до продуктивності й -40% рутинної роботи.
Пріоритетні напрями автоматизації (Quick Wins) та % вивільненого часу:
✨ Service Delivery
43% ейчарів впровадили у своїй роботі чат-боти, які суттєво спрощують:
— Адміністративні процеси. Раніше працівник міг тижнями чекати відповіді від бухгалтерії щодо нарахування зарплати. Це впливало на eNPS і загальне сприйняття сервісу. Сьогодні політики та процедури інтегруються в чат-бот, і співробітник отримує відповідь миттєво. Людина втручається лише в складних або нетипових випадках.
— Онбординг. Компанії поступово відходять від формату, коли новий співробітник у перший день читає десятки сторінок PDF і проходить формальні тести «на пам’ять». Людині хочеться проявити професійні навички, а не знайомитися з регламентами, а потреба в політиках виникає ситуативно. Інтерактивний онбординг дозволяє надавати доступ до інформації в один клік і саме в той момент, коли вона справді необхідна.
— Управління ресурсами. Раніше для видачі ноутбука потрібно було писати заявку на IT-хелпдеск. Сьогодні AI може ще на етапі прийняття job offer визначати додаткові потреби нового співробітника.
✨ HR Operations / Адмінка
76% співробітників великих міжнародних компаній зізнаються, що не знають, де знайти HR-інформацію. Ми можемо проводити вебінари, надсилати десятки листів, розміщувати QR-коди в офісі, але проблема залишається. AI дає можливість перейти від масових комунікацій до персоналізованого контекстного доступу до інформації.
✨ Learning & Development
Раніше в компаніях був внутрішній «герой-тренер», який два тижні готував програму, проводив тренінг для всіх, а потім ейчари намагались якось виміряти ефект.
Сьогодні обов’язковими залишилися тільки тренінги з комплаєнсу, а інше навчання стає таргетованим — його проходять ті, кому воно справді потрібне або цікаве в межах їхньої ролі.
✨ People Analytics
Довгий час HR дивився в «дзеркало заднього виду», оцінюючи події, які вже сталися. Співробітник пішов — ми провели exit-інтерв’ю, довго аналізували причини, а тим часом звільнилися ще 25 людей. Сьогодні предиктивна аналітика дозволяє бачити ризики раніше.
В одній компанії AI допоміг виявити, що жінки-хайперформери в інженерії звільнялись у 2–3 рази частіше, ніж чоловіки. Це підсвітило проблеми корпоративної культури, рівності й компенсацій.
Які бюджети закладати на AI в HR
— Total HR technology costs: $300–480 на одного співробітника на рік.
— На сам AI: в середньому компанії витрачають 5–20% від загального бюджету на IT, а деякі бізнеси — навіть 10–20% від загального бюджету компанії.
— Для персонального використання: почати можна з безплатних версій, проте для кращих результатів варто закладати від $20–60 на місяць. Просунуті користувачі називають цифру щомісячних інвестицій в розмірі $250 і більше.
#2. Мій найдовший голосовий промпт тривав 35 хв: як розмовляти з AI
ChatGPT? Claude? Gemini? Чи Perplexity?
— Часто в мене питають: «Яку модель обрати й чи потрібно платити за всі?» Я для себе обрала такий підхід: беру одну модель — наприклад, ChatGPT — і працюю з нею місяць. Наступний — Perplexity, потім — Claude. І вже на практиці розумію, яка краще підходить саме для моїх задач.
— Найголовніше питання, яке ви маєте поставити собі: яку проблему я хочу розв’язати? Саме це визначає модель і те, як ви будете формулювати промпт. Спробуйте один і той самий запит у різних моделях і порівняйте результати. Якщо ви працюєте лише з однією, ви стаєте експертом лише в ній — і це обмежує. Ви навіть можете прямо запитати у ChatGPT, яку модель краще використати для конкретного завдання. В OpenAI також є prompt optimizer — ви вставляєте свій запит, і система допомагає його покращити під конкретну модель.
— Промптинг — це не гуглінг, а процес мислення. Коли ви думаєте: «Я хочу, щоб AI зробив для мене це», поставте собі запитання: чи зміг би мій колега виконати це завдання, якби я чітко пояснила йому інструкцію? Якщо так — значить, ви зможете пояснити це і ШІ.
— Перш ніж щось запитувати в AI, дуже важливо уявити, який результат ви хочете отримати. PDF? Презентацію на 10 слайдів? Excel з порівнянням 5 компаній? Часто причина невдачі не в тому, що модель погана, а в тому, що ми самі не визначилися, чого саме очікуємо в кінці.
— Є універсальна структура промпту. Якщо ви вказуєте роль («я рекрутер») + чіткі інструкції та обмеження («в мене 5 кандидатів, потрібно їх порівняти») + приклади й контекст, результат буде кращим. Якщо запит довгий, іноді варто повторити ключові інструкції наприкінці, щоб модель не «втратила думку».
— Помилки — це ризик отримати неправильний результат. У мене був випадок: я робила дослідження і замість потрібного мені скорочення написала «DE». В результаті весь рисерч, який я отримала, був про Німеччину. Я не питала про неї, але через одруківку модель інтерпретувала токен саме так.
— У кожної моделі є обмеження по токенах. Особливо в безплатних версіях. Якщо ви довго ведете одну розмову, модель може «втратити контекст» і почати відповідати менш релевантно.
— Записувати промпти голосом ефективніше, бо ми даємо більше контексту і більше «людяності», тому статистично результати після voice-to-text кращі.
Мій найдовший голосовий промпт тривав 35 хв. Я буквально розповідала AI, як хочу автоматизувати сорсинг, потім попросила його почистити текст від помилок і зробити з цього структурований промпт. І це спрацювало. Не бійтеся довжини: почніть з 5 хв, проте враховуйте, що 10–15 хв пояснень дають значно кращі результати.
Техніки для промптів
Емоційний промптинг. Можна сказати: «кандидат був засмучений, щось приховав, відповідав по-різному на різних етапах інтерв’ю». Ці нюанси роблять відповіді глибшими.
Few-shot prompting. Ви просто даєте приклади, як саме хочете, щоб виглядав результат, і модель підлаштовується під ваш стиль. Наприклад, якщо потрібно, щоб AI писав аутріч так, як ви, дайте йому мінімум 5 своїх реальних повідомлень.
Negative prompting. Ви чітко кажете, чого не хочете, наприклад: «Не починай з фрази I hope this email finds you well», «Не погоджуйся зі мною автоматично», «Не будь занадто ввічливим».
REACT — reasoning + acting. Ви просите AI спочатку подумати, потім запропонувати дії, а потім проаналізувати. Наприклад: «Кандидат має сильне CV, але на інтерв’ю відповідав розмито. Що це може означати? Які кроки зробити? Які питання поставити?» Це допомагає зменшити упередження.
#3. Як ейчару полегшити собі життя за допомогою AI
Наш мозок обожнює зрізати кути, він лінивий — і це нормально. Якщо у вас виникла проблема в застосунку або в e-comm, ви ж не йдете читати FAQ, а пишете в підтримку, бо так простіше — нехай хтось інший подумає за вас. Те саме відбувається в компанії. Якщо співробітнику потрібно взяти відпустку, розібратися зі страховкою або переглядом зарплати, він не буде шукати це в Confluence, а напише People Partner.
Люди приходять на роботу не для того, щоб розбиратися в політиках, а щоб створювати цінність. Завдання HR — не змушувати команду читати 50 сторінок регламентів, а зробити систему зручною. Я сповідую концепцію «компанія як продукт»: якість сервісу всередині має бути як для зовнішнього клієнта — зрозуміло та цінно.
Найкращий помічник у цьому — ШІ. Бо коли People Partner постійно відповідає на одні й ті самі питання і на нього приходиться до 250 людей — це може забирати до 30–40% його часу. А це прямий шлях до перенавантаження.
Нашого ШІ звати Єнот (власна розробка), і він допоміг нам створити кілька агентів:
Як працює віртуальний People Partner? Ви «згодовуєте» агенту потрібну інформацію або даєте доступ до внутрішніх ресурсів. Прописуєте, як він має відповідати, в якому тоні, за якими правилами. Результат — агент починає відповідати замість вас.
Чи перестануть люди писати HR? Ні. Але запити стануть конкретнішими, а діалоги — коротшими. Наш досвід: -40–50% звернень, Х2 — якість діалогів.
💡 Мої поради:
— Збирайте всі запитання, які вам ставлять співробітники. Це маркери того, що болить системі: може, політика не зрозуміла або люди бояться обговорювати щось із менеджером. ШІ може допомогти вам не лише відповідати, але й побачити слабкі місця процесів.
— Зробіть єдине вікно звернень. Усі питання в одному місці. Зручно людям і зручно вам для аналізу. Потім ці дані можна віддати тому ж GPT, Claude або іншому інструменту, щоб він допоміг знайти закономірності.
#4. Smart Hiring: як Intellias використовує власні AI-інструменти для рекрутменту
AI обіцяє фантастичні результати, але в реальності масштабується приблизно в 30% випадків. Тому ми пішли не від хайпу, а від наших реальних блокерів. Переглянули весь end-to-end процес рекрутменту і чесно відповіли собі на запитання: де ми втрачаємо час? Де вузькі місця? Що можна оптимізувати вже зараз?
Інструментів на ринку безліч, легко загубитися. Ми проаналізували варіанти й вирішили йти у власну розробку. Чому?
— повна інтеграція в нашу екосистему — без постійного перемикання між сервісами
— безпека і комплаєнс — дані залишаються всередині
— кастомізація — інструменти навчаються на наших даних
Важливо: це не та робота, яка робиться за тиждень. Системна інтеграція на рівні великої компанії займає місяці та потребує аналітики, прогнозування, погоджень і підтримки після запуску.
Що отримали в результаті?
Які інструменти ми використовуємо
Ми поєднуємо Microsoft Copilot, ChatGPT, корпоративний LinkedIn з власними розробками.
1. IntelliDigitalAssistant (pre-screen). Це AI-асистент, який використовується для прескринів кандидатів та перейняв у рекрутерів базові, часто повторювані питання. Ми визначили 8–10 стандартних пунктів (локація, notice period, формат роботи тощо), які раніше перевіряли в кожного кандидата на HR-співбесіді. Тепер кандидат проходить короткий прескрин за 5–10 хвилин — текстом або голосом. Асистент збирає відповіді, аналізує резюме, зіставляє скілсет із вакансією, формує фідбек ще до живої первинної розмови. Рекрутер приходить на інтерв’ю вже з попередніми даними та робить більший фокус на співбесіді по компетенціях, перевірці софт-скілів, мотивацій та відповідності корпоративній культурі компанії.
2. IntelliTalentMatcher. Зіставляє CV кандидата з вимогами вакансії та показує відсоток відповідності. Покриття наразі — 83–84%, але додатково перевіряємо вручну для валідації даних на початку. Система працює з кандидатами за останні 6 місяців. Якщо раніше людина не підійшла на одну роль, але ідеально підходить на нову — система це підсвітить. Замість повного пошуку з нуля, сорсингу, аутріча — рекрутер може просто написати: «Привіт, ми спілкувалися кілька місяців тому, зараз є релевантна роль — цікаво?»
3. AI Assistant у MS Teams. Внутрішній пошук по базі кандидатів. Менеджер може запитати: «Чи є в нас Python-інженери в США з healthcare-досвідом?» — і за секунди отримує список з лінками й статусами. Цінно і швидко для пошуку на нішеві ролі.
4. Recruitment Helper (плагін у LinkedIn). Коли рекрутер відкриває профіль, одразу видно: чи є кандидат у системі, який в нього статус, чи був у процесі рекрутингу. Не потрібно окремо заходити в ATS — це економить час щодня.
💡 Що далі?
— Технічні інтерв’ю. Ми хочемо, щоб AI допомагав фіксувати результати інтерв’ю та автоматично структурував технічний фідбек. Це потрібно, щоб швидше давати відповідь кандидату й не втрачати деталі. Водночас фінальне рішення залишається за людиною.
— AI-детектор. Кандидати дедалі активніше використовують AI-технології у співбесідах: для відповідей, coding tasks, аудіо- та відеопідказок. Ми хочемо розуміти, де та як це відбувається під час відбору.
#5. AI-driven HR: приклади інструментів, які показують реальні результати
Основний бізнес Unitask — це аутсорс і аутстаф. Тут стек ключових інструментів, які компанія використовує для автоматизації рекрутингу та HR:
GPT-асистенти. Резюме айтівців не завжди можна просто переслати клієнту — їх треба «причесати» під корпоративний стандарт. Раніше це робила окрема людина, тепер — асистент. Головний урок: один універсальний асистент не працює, краще — кілька вузьких. Це моя іграшка року — маю їх близько 30, і це реально економить час.
Perplexity (Deep Research). Наприклад, клієнт питає: «Скільки коштує Data Science в Румунії?» Раніше це потребувало 5 годин рисерчу, а зараз можна отримати структурований звіт за короткий час. Але магія працює тільки якщо правильно ставити запит: валюта, рівні, регіони, хаби.
NotebookLM. Може перетворити текст на презентацію, саммарі, структуру і навіть аудіо. Ми використовуємо його для HR-аналітики, ринкових досліджень і навіть для онбордингу. Замість «ось вам 20 документів — читайте» можна закинути матеріали в NotebookLM, і новачок просто ставить запитання: «Скільки в мене днів відпустки?», «Як працює лікарняний?». Він відповідає майже як HR.
Note-taker інструменти. Ми записуємо інтерв’ю. Це допомагає контролювати якість процесу та перевіряти фрод (чи одна й та сама людина проходить усі етапи).
#6. Як підготуватися до нового «завтра з AI»
Обставини змінюються, але ми завжди можемо обирати своє ставлення до них та свій шлях. Технології неймовірно зручні: поки я п’ю каву, цифрові асистенти вже планують мій день або допомагають організувати відпустку. Це швидко, ефективно, комфортно. Але водночас я бачу інший бік — страх втратити роботу. На мою думку, проблема виникає тоді, коли ми сприймаємо технологію як конкурента. Я ж пропоную інший наратив: ми не конкуруємо з технологією, а еволюціонуємо разом із нею.
Мій оптимізм базується на вірі в адаптивність людини — це наша суперсила. Ми вміємо знаходити себе навіть у хаосі, тому я вірю не стільки в технології, скільки в людей.
Що робить нас цінними в часи AI?
— Критичне мислення. AI може згенерувати ідеальну відповідь за секунду. Але він не розуміє контексту, культури, нюансів. Він бачить кореляцію, але не завжди бачить причинно-наслідковий зв’язок. Ми ж стаємо тими, хто перевіряє, уточнює, ставить глибоке запитання: «А чому саме так? Які будуть наслідки?»
— Співпраця та емпатія. Команди — це живі системи. Люди по-різному реагують на дедлайни, на тиск, на зміни. Алгоритм не відчує напруги в кімнаті. Він не помітить, що хтось потребує підтримки. Це зона відповідальності людини.
— Мудрість вибору. Машина може запропонувати 50 варіантів стратегії. Але вибрати два ключових — це наше рішення.
AI працює з минулим — з патернами, з підтвердженими даними. Майбутнє створюється творчістю, інтуїцією, взаємодією між людьми. Коли ШІ дає нам знання, саме ми надаємо їм сенсу. Не потрібно змагатися з алгоритмами у швидкості — краще розвивати те, що робить нас людьми. Саме в цьому майбутнє.
#7. Рекрутинг за кордоном: як успішно хантити кандидатів
Автоматизація витіснить тих, хто виконує операційні задачі без впливу на прибуток.
Залишаться ті, хто створює цінність, мислить стратегічно і може критично оцінити результат AI.
Тенденції наймання в IT-компаніях за регіонами:
Європа. Кандидати відкриті до змін, але рухаються повільніше, ніж ми звикли в Україні. Для них головне — work-life balance і соціальна безпека. Компенсаційний пакет має містити не тільки цифру, але й гарантії. Факт: кандидат у ЄС може відмовитися від B2B (контракт з ФОП) із зарплатою в 1,5–2 рази вищою та обрати General Employment із повним соцпакетом.
Українці за кордоном. Для наших спеціалістів головне — легалізація, бо вона дає відчуття стабільності. Пріоритети такі:
LATAM. Кандидати комунікабельні, легко йдуть на контакт. Але важливо чітко структурувати інтерв’ю, бо через цю відкритість можна втратити фокус на вимогах. Для них дуже важливі відпустки та баланс: контракт із 30–40 днями відпустки буде вигравати у B2B з 10 днями.
США — інший світ. Підхід до наймання треба повністю змінювати, бо українська модель менеджменту тут взагалі не працює:
— Стартап-культура. В США досвід у стартапі, навіть якщо він «не злетів», — це плюс. Фаундери наймають людей, які вже жили в ризику та невизначеності. Нетворкінг та рекомендації працюють швидше за CV. На ранніх етапах беруть молодших спеціалістів, готових працювати 24/7. Кожне наймання — це буквально крок до інвестицій або їхня втрата.
— Прагматизм і жорсткість. Якщо стартап не підняв раунд інвестицій, команду можуть скоротити дуже швидко. Однак це не сприймається як трагедія, скоріше як бізнес-цикл. Усе мислення відбувається через цифри: ARR, burn rate, LTV. Комунікація коротка, чітка, без зайвих емоцій.
— Ownership. У США шукають не просто інженера, який пише код, а людину з продуктовим мисленням. Інженер — це часто «5 в 1»: інженер + продакт + частково QA + AI + людина з бізнес-логікою. Важливо, щоб фахівець розумів, як його робота генерує дохід.
Бажаєте отримувати дайджест статей?
