HR-инструменты для малого и среднего бизнеса: опыт, практика, перспективы

Александр Ембатуров - Руководитель отдела внедрения и развития информационных систем «DатаРу Консалтинг». Цифровые сервисы для управления персоналом, доступные ранее лишь корпорациям с большими данными и бюджетами, набирают популярность среди компаний из сегмента малого и среднего бизнеса (МСБ). 

Цифровизация HR-отрасли в условиях дефицита сотрудников Состояние рынка сервисов для управления персоналом (HR) в компаниях МСБ, по сути, можно охарактеризовать как начальную стадию развития. Несмотря на то, что цифровизация HR-процессов стартовала еще в 2010-х годах, среди компаний малого и среднего бизнеса она начинает приобретать массовый характер только сейчас. По оценкам  Absolute Reports, мировой рынок ПО и сервисов для HR в 2022 году достиг $22,4 млрд (для сравнения: глобальный рынок ПО для бизнеса в целом составил $474,6 млрд). В ближайшие годы, по мнению аналитиков, сегмент HR-ПО покажет ежегодный рост в 11,47% и к 2028 году достигнет $43,0 млрд. В Acumen Research & Consulting дают более оптимистичную оценку: $62,5 млрд к 2032 году с ежегодным приростом 9,9%. Оценки российского рынка HR-технологий немногочисленны, но тренды в целом схожи с мировой динамикой. По данным TAdviser, российский сегмент ПО для управления персоналом и услуг по его внедрению и поддержке в 2022 году составил 29,2 млрд руб. По итогам 2023 года рост прогнозировали до 32,1 млрд руб. со стабильной динамикой 10% годового прироста. В отличие от прежних лет, когда спрос на HR-решения формировали преимущественно крупные компании (58% в 2023 году), на ближайшие годы аналитики называют важным драйвером роста малый и средний бизнес, который наконец-то обратился к преимуществам автоматизации управления персоналом. Ключевая причина такого интереса — повсеместный кадровый дефицит, который вынуждает компании любой величины гораздо внимательнее относиться к вопросам найма, удержания и стимулирования сотрудников. Компании МСБ, не обладающие безграничными ресурсами крупного бизнеса, призывают на помощь HR-аналитику, предиктивное управление персоналом, мобильные HR-приложения и другие преимущества ИТ-решений в сфере HR для сохранения кадров и выживания бизнеса. HR-решения для МСБ: спрос и предложение После ухода ряда западных вендоров на российском рынке HR-сервисов и систем образовались некоторые ниши, например решений, аналогичных SAP SuccessFactors, покрывающих полный жизненный цикл сотрудника компании. На сегодняшний день они постепенно замещаются новейшими отечественными разработками, в том числе с элементами ИИ. Несмотря на отдельные нюансы с лицензированием, эти решения позитивно воспринимаются российскими клиентами, в том числе из числа МСБ-компаний, главным образом, за счет снижения порога ценовой доступности. В целом же, для удобства анализа общей ситуации на российском рынке HR-сервисы и решения для МСБ удобнее разделить на две условные категории. 1. Администрирование и КЭДО. Эта категория актуальна для любой компании. В первую очередь, речь идет о кадровом ЭДО с возможностью подписывать документы онлайн для удаленных работников. Сюда же входят решения, поддерживающие в своей функциональности соблюдение правил трудового законодательства. Уже сейчас ситуация с ПО этой категории в России весьма благополучна. Есть огромное число сервисов для оборота, подписания и хранения всех типов кадровых документов, которые требуются для взаимодействия с сотрудниками. Все эти функции реализованы в многочисленных предложениях КЭДО, а у МСБ-компаний здесь есть выбор в широком ценовом диапазоне — от готовых комплексных HR-интеграций «под ключ» до точечного внедрения отдельных HR-сервисов (например, электронной подписи) в ИТ-контур компании. 2. Управление персоналом и его развитие. В эту категорию входят решения для автоматизации цепочки процессов от найма сотрудника до его увольнения, включая привлечение талантов, адаптацию, постановку целей, обучение, стимулирование, развитие, благополучие специалиста и формирование кадрового резерва. Решения подобного класса позволяют провести непрерывную линию через весь жизненный цикл сотрудника. Комплексный подход дает существенный экономический эффект, складывающийся из сокращения издержек на всех этапах процесса, более быстрого закрытия позиций подходящими людьми и сокращения оттока сотрудников. Именно этот класс HR-сервисов начинает или уже активно использует машинное обучение, нейронные сети и другие варианты ИИ-технологий. До недавнего времени все это было доступно преимущественно крупным компаниям с численностью персонала от 5000 и более человек. Сервисы как экосистема: от корпораций к МСБ Наступает время, когда собственное HR-решение, сделанное для внутренних корпоративных нужд, достигает определенного уровня зрелости и завершенности. В некоторых случаях после доработки такие HR-продукты выходят на рынок и становятся доступными для других компаний. Так, в частности, случилось с облачной HR-платформой «Пульс», которая изначально создавалось для потребностей внутренней экосистемы Сбера. По мере роста конкуренции и снижения цен мощные аналитические решения в сфере HR становятся экономически оправданными для среднего бизнеса с численностью 200–250 работников и даже некоторых малых предприятий с особой спецификой. Малый бизнес, где руководство и кадровики практикуют «семейную» кадровую культуру, когда есть возможность лично пообщаться с каждым работником, также вынужден присматриваться к ИТ-сервисам для HR. Наряду с дефицитом рабочей силы, сложностью найма и мотивации для удержания сотрудников к этому малые компании подталкивают современные реалии в виде удаленной или гибридной модели работы. ИИ в HR-сервисах — реальность и перспективы Конкуренция между цифровыми HR-решениями является мощным стимулом для внедрения ИИ-функций в существующих и новых продуктах. Сервисы, ранее ориентированные на крупные компании, будут все больше учитывать потребности МСБ и особенности их работы с кадрами. Аналитики Precedence Research оценили мировой рынок ИИ в сфере HR по итогам 2023 года в $559,85 млн с прогнозом роста до $2,1 млрд к 2032 году и годовыми темпами 15,77%. Ожидается, что внедрение ИИ в HR даст сотрудникам персонализированные возможности для повышения производительности и сокращения расходов. ИИ поможет с обработкой таких данных, как описания должностей, отчеты о результатах и учебные материалы. ИИ-инструменты, такие как чат-боты, уже помогают повысить вовлеченность сотрудников благодаря общению с коллегами, сбору данных о карьерном росте и льготах. Компании могут гибко адаптировать свою кадровую политику и формировать привлекательную рабочую среду для мотивации сотрудников. Роботы на базе ИИ могут проводить собеседования при наборе массового персонала. ИИ-решения также хороши при оптимизации системы поощрений и вознаграждений, в налаживании обратной связи с сотрудниками, мониторинге и улучшении корпоративной культуры. ИИ-системы также могут создавать таргетированные опросы, подобные HR-методике «360 градусов», для оценки персонала. Отличие будет лишь в том, что вместо изматывающих, но редких длинных опросников сотрудник будет проходить ненавязчивые «гомеопатические» микроопросы пару раз в день. Их цель — косвенно выяснить отношение одного сотрудника к другому, чтобы построить схему взаимодействия — своеобразную «тепловую карту отношений». Готовая HR-экосистема способна делать прогнозы на основании предоставленного набора данных, а также самостоятельно генерировать данные для улучшения работы своих алгоритмов. В дополнение определенный эффект в плане работы с персоналом может обеспечить внедрение ИИ-решений, на первый взгляд, вовсе не связанных с HR. К ним можно отнести роботизацию, различные вспомогательные ИИ-сервисы для автоматизации рутины. Они вовлекают сотрудников и тем самым повышают привлекательность рабочего процесса. Сдерживающие факторы Несмотря на позитивные настроения аналитиков, в МСБ-сегменте до сих пор сохраняется административный скепсис относительно цифровых HR-сервисов и их окупаемости при достаточно высоких инвестициях. По этой причине руководство многих компаний до сих пор не спешит вкладываться в такие инновации. Однако в условиях работы на рынке кандидата для компании намного дороже может обойтись потеря опытного сотрудника, которая повлечет за собой неизбежный простой. Специалистам по найму потребуется время на поиск подходящего кандидата, его обучение и адаптацию в коллективе. Кроме того, встречаются ситуации, когда уход одного специалиста тянет за собой целую череду увольнений — опытный и зарекомендовавший себя эксперт нередко уводит на новый проект всю команду, а это уже может представлять реальную угрозу существования для небольшого бизнеса. Поэтому попытаться удержать специалиста или как минимум предвидеть его возможный уход гораздо выгоднее. HR-сервисы с ИИ помогают заранее понять, что сотрудник испытывает дискомфорт, и попытаться устранить проблему материальными или другими инструментами и стимулами. Для этого ИИ производит обезличенный анализ всех деловых коммуникаций сотрудника, например на предмет эмоциональной окраски сообщений, скорости реагирования на запросы и других психологических нюансов состояния членов коллектива. Вторая серьезная проблема — отсутствие данных. В крупных компаниях она проявляется в разрезе качества, а начиная со средних предприятий, речь иногда идет о недостаточном объеме данных. Для широкого анализа, например задач удержания и мотивации, требуется больше качественных данных. МСБ придется потратить много времени и ресурсов, порой значительно превышающих ценность искомого результата. Тем не менее задача отследить изменение привычной эффективности важного сотрудника вполне решаема в рамках возможностей компаний среднего по масштабам бизнеса. Как показала практика, даже относительно небольшого объема информации достаточно для генерации важнейших параметров, таких как оценка эффективности сотрудника и прогноза его выгорания. В качестве примера можно привести проект внедрения технологического решения в ИТ-интеграторе со штатом около 500 сотрудников. При пилотном обследовании и моделировании на «исторических» данных ИИ смог «угадать» увольнение 70% сотрудников, фактически покинувших компанию за последние три года, а также выявить систематические пробелы в недостающих системе данных. После закрытия этих разрывов и работы системы более года компания смогла своевременно предотвратить уход более 10 важных сотрудников, что в целом окупило затраты на проект внедрения и подписку. Помимо двух основных сдерживающих факторов, остается в силе и недоверие к защите конфиденциальности данных, а также проблемы совместимости с существующими системами. Но этот вопрос актуален для всех компаний и организаций без исключения. Что дальше? Уже сейчас в России есть развитые облачные HR-сервисы на уровне экосистемы. Они дают возможность МСБ запустить собственный кадровый проект с небольшим бюджетом и, в случае положительных результатов, масштабировать его в полноценную платформу с полным набором HR-сервисов. Есть и универсальные HR-решения, которые доступны некоторым профилям малого бизнеса. Если говорить о системах управления талантами, можно выделить HRbox, «Моя команда», «Мираполис», «Пульс» от Сбера, People Hub от VK. Все они практически закрывают цепочку потребностей от начала до конца. На рынке также доступно множество решений, закрывающих отдельные блоки HR-задач, такие как обучение, адаптация, рекрутинг и тому подобные. С точки зрения дальнейшего развития российского рынка HR-сервисов с поддержкой ИИ, наряду с предложениями крупных вендоров стоит ожидать появление профильных стартапов со своими уникальными продуктами. В плане финансирования ИТ-стартапов в области ИИ в стране все складывается хорошо. Гранты, которых вполне достаточно для разработки продукта до стадии «бета» или релиз-кандидата, выделяются как государством, так и лабораториями крупных организаций. --------------------------------------- В заключение хотелось бы обратить внимание на тот факт, что западные аналоги, будь они сейчас доступны, вряд ли оказали бы существенное влияние на общую ситуацию в России без значительной доработки. Дело в региональной специфике таких продуктов, поскольку, например, компьютерные модели выгорания сотрудников для тех же США не будут работать в России без серьезной адаптации как минимум языковых моделей, не говоря уже об основных алгоритмах.