Практические паттерны Human-in-loop в HR: какие решения нельзя отдавать AI и почему.
Главный страх при внедрении AI в HR — не «модель ошибётся», а «модель примет за нас решение, за которое отвечаем мы». Этот страх обоснован: HR работает с людьми, и цена ошибки здесь не техническая, а человеческая и юридическая. Поэтому вопрос не в том, заменит ли AI рекрутера, а в том, где проходит граница между тем, что делает агент, и тем, что остаётся за человеком.
Мы разделяем действия агентов на три уровня по степени необратимости последствий:
Дело не только в этике. Модель оптимизирует то, что ей задали, а HR-решения почти всегда содержат неформализуемый контекст: потенциал кандидата, динамику команды, стратегию найма на год вперёд. Человек видит этот контекст, агент — нет. Поэтому правильная роль агента — снять рутину и подсветить данные, а не вынести вердикт.
Хороший Human-in-loop — это не «человек проверяет за AI». Это «AI готовит решение так, чтобы человеку было что проверять за тридцать секунд, а не за полчаса».
Распространённая ошибка — формальная галочка «подтвердить», которую человек жмёт не глядя, потому что агент показывает только итог без обоснования. Это хуже полной автономии: ответственность на человеке, а реального контроля нет. Правильный паттерн — агент всегда показывает, на основе каких данных сделан вывод. В AIDORS каждая рекомендация ссылается на конкретные узлы данных, поэтому проверка занимает секунды и остаётся осмысленной.
Уровень автономности — не константа. По мере накопления доверия и данных часть действий из «подтверждения» переходит в «автономию». Но это решение бизнеса, а не настройка по умолчанию. Архитектура должна позволять двигать границу в обе стороны — и это закладывается на уровне прав доступа к каждому действию, а не хардкодится в коде.