Авторка: Анна Головченко. За матеріалами івенту з: Оленою Ткаченко, Артемом Льозіним. Підготовка до публікації: Вероніка Смишляєва, Антон Головченко
Ми зібрали цей матеріал з івенту People First Club з Оленою Ткаченко, Talent Enablement Projects Supervisor at Jooble та координаторкою програми AI Ambassadors, і Артемом Льозіним, Head of AI + R&D у 12N Labs, який будує автономних AI-агентів під конкретні бізнес-процеси.
Стаття буде корисною HR-лідерам, HRBP, L&D-фахівцям, рекрутерам і менеджерам, які вже впроваджують AI або тільки планують це робити та хочуть перейти від окремих інструментів до системної перебудови процесів.
Повна півторагодинна версія івенту доступна для учасників спільноти, приєднуйся до People First Club 🤗
У цій статті ми поговоримо про те:
Чому AI зараз проходить той самий етап, що інтернет у 1998 році
Які п’ять вимірів організаційної неготовності блокують впровадження AI в роботу
Хто такі блумери, глумери, зумери й думери — і що працює з кожним типом
Як AI перебудовує цикл задачі й чому evaluation стає найдорожчим етапом
Які HR-процеси Gartner радить чіпати першими, а які лишити людям
Чи варто нам готуватись до європейського AI Act?
AI зараз там, де інтернет у 1998 році
У перші роки інтернет сприймали як окрему технологію, якою займається IT-відділ або одна конкретна людина. Доступ до пошти був у директора й секретарки — секретарка роздруковувала листи й несла директору. Ніхто на той момент не міг передбачити, наскільки інтернет змінить бізнес: комунікацію, маркетинг, роботу з клієнтами, взаємодію всередині команд.
Він перестав бути технологією й став інфраструктурою роботи. Схожу трансформацію ми спостерігаємо зараз з AI — вона вже відбувається, просто ще не всюди очевидна.
💡 Звідси головна рамка всієї розмови: фокусуватися варто не на інструменті, який вбудовується в один процес, а змінювати самі процеси.
Готовність до АІ має два рівні — і організаційний — важливіший
Організаційний рівень визначає, як швидко AI масштабується в компанії.
Індивідуальний — як конкретна людина взаємодіє з AI: її ставлення, довіра, страхи, готовність експериментувати.
Більшість програм навчання б’ють по другому рівню, бо він простіший і вимірюваніший. А основні розриви — на першому.
Організації досі будують роботу навколо ручного виконання, функціональних силосів, жорстких ролей і погодження кожного кроку. AI працює за принципово іншою логікою: його грамотне використання дає можливість делегувати, швидко перевіряти та автоматизувати рутинні задачі, вивільняючи час на стратегічне планування та креатив.
Межі між ролями розмиваються вже зараз: аналітик робить задачі дизайнера, дизайнер — задачі аналітика, продакт — кодить. Коли ти обмежуєш себе задачами власного скоупу, ти обмежуєш не інструмент, а власну роботу.
П’ять вимірів організаційної неготовності до впровадження АІ в роботу в 2026 та їх симптоми
Вимір | Симптом |
|---|---|
🚀 Процеси | Немає спільних стандартів роботи, а AI використовують лише окремі ентузіасти |
👩🏻💻 Менеджери | Менеджери не знають, що делегувати AI |
⚒️ Навички | Працівники бояться помилок і не довіряють результату |
✅ Політики | Немає правил, що можна й чого не можна і кожен вирішує це сам |
🌟 Культура | Успішні кейси не масштабуються |
Найнедооціненіший тут — рядок про менеджерів. Питання «що делегувати AI» — це верхівка, бо далі йде складніше: як керувати людьми, які керують агентами, і за якими критеріями оцінювати результат, якого ти сам не виконував.
Страх помилки на рівні навичок — це нормальний етап. Завдання компанії не соромити за нього, а створити умови, у яких можна перейти на наступний рівень, мати простір для керованих експериментів, ділитись не тільки досягненнями, але й коли щось пішло не так.
Пастка неправильних KPI з AI
Що міряють зараз майже всі: hours saved і cost reduction. Логічно, звично, легко захистити перед фінансовим директором.
Проблема в тому, що AI створює іншу цінність. Люди беруться за складніші задачі, виходять за межі ролей, працюють тісніше між функціями й створюють більше бізнес-цінності. Якщо міряти тільки зекономлені години, ти системно не побачиш саме той ефект, заради якого все починалось.
Ринковий контекст HBR у розділі про метрики радить міряти також розширення масштабу — чи люди беруться за амбітнішу, ціннішу, кросфункціональну роботу. Саме там і більша віддача, і більші ризики.
Чотири архетипи ставлення до AI в 2026
McKinsey Company у дослідженні «Superagency in the workplace: Empowering people to unlock AI’s full potential at work» з 28.01.2025 виділяє чотири типи ставлення до AI (згідно з таксономією з книги Superagency від Reid Hoffman та Greg Beato).
Як працювати з кожним архетипом?
Zoomers (20%)
❌ Що не працює: свобода без меж
✅ Що працює: стандарти якості
Gloomers (37%)
❌ Що не працює: переконування
✅ Що працює: голос у правилах
Doomers (4%)
❌ Що не працює: ігнорування
✅ Що працює: контроль ризиків
Bloomers (39%)
❌ Що не працює: ще один тренінг
✅ Що працює: роль амбасадора
Логіка ланцюжка проста: глумери пишуть правила, зумери отримують у цих правилах поле для швидких експериментів, блумери розганяють практику далі.
Метафора навігатора: що ми втрачаємо і що залишається
За час існування людства ми втратили десятки навичок: рахувати без калькулятора чи пам’ятати маршрут. Ми багато років їздили містом по пам’яті — знали кожен провулок, відчували, де о шостій буде затор. З появою навігатора ця навичка стала менш потрібною, і сьогодні багато хто не згадає дорогу навіть до знайомого району без підказок.
Але навігатор не забрав потребу приймати рішення. Він змінив, які саме рішення залишилися за людиною.
Навігатор не оцінює дорожню ситуацію. Не вирішує, коли виїжджати і чи варто виїжджати взагалі. Не каже, як діяти в екстреній ситуації або що робити в дощ. Натомість він знімає частину когнітивного навантаження — і ти легше їдеш туди, куди раніше не поїхав би.
І ключове: базове розуміння маршруту допомагає помічати помилки навігатора й оцінювати його рекомендації. Інструмент не замінює судження — він змінює, де саме воно потрібне. З AI відбувається те саме. Частину навичок він забирає. Судження, ухвалення рішень і відповідальність лишаються за людиною.
Матриця готовності: де зараз твоя компанія
Поєднання двох рівнів готовності дає чотири стани. Жоден із них не поганий — важливо чесно визначити, у якому ти зараз і чи хочеш це змінювати.
🔥 Shadow AI:
Люди: готові
Організація: не готова
Працівники вже використовують AI у щоденній роботі, але приховано — це майже не відображено в процесах, політиках і практиках управління.
Заборонити використання AI неможливо: інструмент доступний кожному, і всі відчувають від нього вигоду
🤖 AI-native:
Люди: готові
Організація: готова
AI інтегрований у ключові процеси, люди мають необхідні навички, організація забезпечує умови для масштабного використання
👀 Wait-and-see:
Люди: не готові
Організація: не готова
AI лишається предметом обговорення й окремих експериментів. Системного впровадження ще немає
⚒️ Tools-first:
Люди: не готові
Організація: готова
Компанія інвестувала в інструменти, але повсякденні практики майже не змінилися. Потенціал лишається нереалізованим
💡 Порада: найкраще, коли перебудова відбувається на рівні організації, але якщо ти не впливаєш на рівень компанії — той самий цикл можна запустити на рівні своєї команди. Це працює.
Intent → Execution → Evaluation: як AI перебудовує цикл задачі
Будь-яке завдання проходить три етапи. Ця модель виросла з традиції контурів керування: цикл PDSA 1939 року, кібернетика 1948-го, теорія рішень 1960-х. Вона працює однаково для виробництва й для IT.
Закон Ешбі 1956 року: only variety can destroy variety.
Керуючий контур мусить мати різноманітність, достатню для керування системою. Те, чим ти керуєш, не може бути складнішим за твій механізм керування.
Практичний наслідок: якщо ти не знаєш англійської й попросив перекласти політику — ти не оціниш, наскільки текст нативний і чи передає він те, що ти вкладав.
Отже все, що ми називаємо AI-слопом — неякісні тексти, порожні пости, згенеровані звіти — це може бути ознакою того, що етап evaluation просто не був застосований.
Що таке AI-native процес
Кожна хвиля технологій спочатку автоматизує наявні процеси і на цьому зупиняється більшість. Проте найбільшу цінність створює подальше переосмислення й перепроектування.
Дослідження Mercer дає простий алгоритм перепроектування з трьох кроків:
1
Аналіз
Розкласти роботу на окремі завдання
2
Дизайн
Розподілити завдання між людиною та AI. Тут з’ясовується, що частина завдань узагалі стає неактуальною.
3
Інтеграція
Об’єднати їх у новий процес, який може мати зовсім інший вигляд
Як це виглядає на практиці — приклад із перепроектування ESAT-опитування в Jooble:
агент трекає рівень заповнення й нагадує тим, хто ще не відповів;
аналізує масив відповідей і формує репорти з інсайтами окремо для кожної команди — больові точки, сильні сторони, неочевидне, динаміка порівняно з минулим роком;
пропонує чернетки екшн-планів і проактивно підсвічує, де команда вибивається з графіка виконання.
Фрагмент клубного івенту People First Club з Артемом Льозіним та Оленою Ткаченко «AI в HR-процесах Jooble»
Три категорії HR-процесів за характером впливу AI за Gartner
За порадами від Gartner, HR-лідери можуть почати з того, щоб згрупувати HR-процеси в AI impact portfolio — портфель впливу AI — із трьох окремих груп:
процеси, які AI трансформує (AI transformational)
процеси з точковим потенціалом для AI (targeted AI opportunity)
процеси, де цінність створюють люди (human-led value)
Разом ці групи показують, де AI створює найбільшу цінність, де дає обмежений виграш, а де людську складову варто зберегти. Це закладає надійну основу для HR-трансформації, побудованої з урахуванням AI.
Три категорії HR-процесів за характером впливу AI
Категорія | Опис | Приклад |
|---|---|---|
🦋 AI transformational — процеси, які AI трансформує | Тут AI принципово змінює саму роботу: автоматизує повторювані задачі й підсилює ухвалення рішень даними. | 1.Strategic workforce planning — Стратегічне планування персоналу 2. Assessment and selection — Оцінка й відбір кандидатів 3. HR helpdesk / first-level support — HR-хелпдеск і підтримка першої лінії |
🎯 Targeted AI opportunity — процеси з точковим потенціалом для AI | Уже перевірені застосування: робота з даними про персонал, документами та навичками. AI знімає ручну працю, підвищує точність і пришвидшує рутину — а також покращує якість і швидкість рішень | 1. Employee data administration — Адміністрування даних про співробітників 3. Hiring needs identification — Визначення потреб у наймі 4. Performance management — Управління результативністю 5. Employee experience management — Управління досвідом співробітника |
🤗 Human-led value — цінність створюють люди | Моменти, де потрібні емпатія, довіра й стосунки, і де люди очікують саме людської взаємодії. Тут завдання — свідомо підсилити людську складову, а не автоматизувати її | 1. Onboarding — Онбординг 2. Culture — Культура 3. Employee relations / conflict resolution — Трудові відносини й вирішення конфліктів 4. Values alignment — Робота з відповідністю цінностям |
Найпростіша точка входу — усе, що стосується HR operations: робота з LMS, ATS, HRIS, відповіді на питання щодо політик.
Наприклад, у Jooble нарахування днів відпустки за п’ятьма політиками при старті нового працівника раніше робилося руками — з ризиком щось забути або порахувати неправильно. Зараз це відбувається автоматично. Так само з відкриттям страхування після завершення адаптаційного періоду: раніше файл подавали вручну, зараз це закриває агент.
💡 Порада: Межу між «віддаємо AI» і «лишаємо людям» кожна компанія проводить сама. Модель Gartner відносить онбординг до human-led не тому, що там нічого не автоматизується, а тому, що роль людини лишається ключовою. Провести онбординг без людей неможливо — AI тут допомагає, а не веде.
AI Act: хоч це поки що й не стосується напряму України
Занудна частина статті, яка буде корисна для тих, хто думає на крок попереду. Європейський Союз випустив черговий реліз AI Act, його дещо пом’якшили, і впроваджується він етапами. Тут можна ознайомитись з коротким самарі акту.
Що важливо розуміти про AI Act вже зараз:
1
Навчати людей АІ — у організації є обов’язок, але м’якший
Раніше компанія мала гарантувати, що працівники розуміються на AI. Тепер достатньо робити для цього кроки.
Стосується всіх, хто використовує AI, незалежно від розміру компанії. Перевірки починаються 3 серпня 2026.
Сертифікати про проходження АІ навчання не потрібні. Потрібен список AI-інструментів, які у вас використовують, навчання під ролі й записи з датами.
2
Прозорість — уже цього літа
З 2 серпня 2026: людина має знати, що спілкується з AI. Згенерований контент і діпфейки треба позначати.
Для HR — це чат-боти для кандидатів, голосові скринінги, автодзвінки й AI-картинки в employer brand.
3
Найризикованіше відклали, але не скасували
Рекрутинг, оцінка, просування, моніторинг працівників — усе це й далі в списку високого ризику.
Дедлайн зсунули з 2 серпня 2026 на 2 грудня 2027. Для AI, вбудованого в продукти, — на 2 серпня 2028.
Самі вимоги ті самі: керування ризиками, якість даних, документація, логи, людський контроль.
Коли виділяти час на опанування AI?
Питання з чату, яке звучить на кожному івенті: коли це все налаштовувати, якщо операційка не відпускає? Виділити одну п’ятницю на місяць? Обидва спікери відповіли однаково — ніяких окремих п’ятниць.
💡 Порада: Не питай, коли виділити час на впровадження. Візьми найнуднішу повторювану задачу цього тижня й зроби її з AI — навіть якщо повільніше, ніж руками. Швидкість приходить на третій-четвертій ітерації, а звичка формується з першої.
Й долучайся до спільноти, бо тут ти з тими викликами не сам: в бібліотеці клубу знайдеш багато кейсів АІ-впровадження. А також — щомісячні живі івенти на тему AI.
Висновки: AI — це не інструмент, а архітектура
Ключові інсайти
Обмеження вже не в моделях, а в тому, як організація побудувала роботу. Головний виклик — не навчити людей користуватися AI, а перебудувати організацію так, щоб вона могла працювати разом з AI.
Hours saved і cost reduction міряють автоматизацію. Трансформацію показує інша метрика: чи люди беруться за амбітнішу, ціннішу, кросфункціональну роботу.
Не всіх треба переконувати. Скептикам варто дати голос у правилах, швидким експериментаторам — стандарти якості, а до тих, хто категорично проти, просто прислухатися: у їхніх аргументах зазвичай є зерно правди.
Цикл задачі перевернувся: intent розширюється, execution стискається, evaluation стає найдорожчим етапом. Якість результату визначає не промпт, а здатність оцінити те, що вийшло.
Автоматизувати старий процес — найдешевший спосіб не отримати цінності. AI-native процес проектується навколо AI, а не доповнюється ним.
Регуляторика прийде. Обізнаність співробітників, governance і маркування AI — це вже скоуп HR-функції, а не тільки legal.
Найцікавіше зміщення відбувається навіть не в процесах, а в тому, чого ми вчимо людей.
Хочеш дізнатись більше про те, як впровадити AI в свою роботу?
В People First Club ми збираємо найкращі практики від учасників і спікерів спільноти — зокрема ті, що стосуються AI в HR- та рекрутинг-процесах: від перших скілів до перепроектування цілих процесів.
Більше в категорії «Пояснення» →
Переглянути всі матеріали категорії