Телефон: 8-800-350-22-65
Напишите нам:
MAX:
WhatsApp:
Telegram:
Прием заявок круглосуточно
График работы офиса: с 9:00 до 23:00 Нск (с 5:00 до 19:00 Мск)

Статья опубликована в рамках: CXII Международной научно-практической конференции «Актуальные вопросы экономических наук и современного менеджмента» (Россия, г. Новосибирск, 04 ноября 2026 г.)

Наука: Экономика

Секция: Управление и развитие персонала

Скачать книгу(-и): Скачать книгу

Библиографическое описание:
Лукашева К.С. МЕТОДИКА ПРЕОДОЛЕНИЯ ОРГАНИЗАЦИОННЫХ И ПРАВОВЫХ БАРЬЕРОВ ПРИ ВНЕДРЕНИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМУ ПОДБОРА ПЕРСОНАЛА СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЙ // Актуальные вопросы экономических наук и современного менеджмента: сб. ст. по матер. CXII междунар. науч.-практ. конф. № 11(95). – Новосибирск: СибАК, 2026. – С. 164-171.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

МЕТОДИКА ПРЕОДОЛЕНИЯ ОРГАНИЗАЦИОННЫХ И ПРАВОВЫХ БАРЬЕРОВ ПРИ ВНЕДРЕНИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМУ ПОДБОРА ПЕРСОНАЛА СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЙ

Лукашева Ксения Сергеевна

студент ФГБОУ ВО Санкт-Петербургский государственный архитектурно-строительный университет, РФ, г. Санкт-Петербург

METHODOLOGY FOR OVERCOMING ORGANIZATIONAL AND LEGAL BARRIERS IN THE IMPLEMENTATION OF ARTIFICIAL INTELLIGENCE IN THE RECRUITMENT SYSTEM OF CONSTRUCTION ORGANIZATIONS

В статье исследуются основные управленческие, правовые и технические проблемы, с которыми сталкиваются строительные организации при автоматизации подбора персонала с помощью систем искусственного интеллекта. Чаще всего такое сопротивление возникает со стороны линейных руководителей на строительных объектах. Автор предлагает понятную классификацию отраслевых рисков и барьеров, а также описывают практическую методику их снижения. В основе работы лежит объединение классических подходов менеджмента, международных стандартов и актуальных требований российского законодательства в сфере защиты персональных данных, занятости и охраны труда.

The article explores the main managerial, legal, and technical problems that construction organizations face when automating recruitment using artificial intelligence systems. Most often, such resistance comes from line managers at construction sites. The author proposes a clear classification of industry-specific risks and barriers, and describe a practical methodology for mitigating them. The work is based on combining classical management approaches, international standards, and current requirements of Russian legislation in the field of personal data protection, employment, and occupational safety.

Современная строительная сфера сегодня находится в условиях сильного кадрового дефицита, что подтверждается официальными данными Росстата [1]. Важные задачи, которые государство поставило в Стратегии развития строительной отрасли и ЖКХ РФ до 2030 года и в Концепции подготовки кадров для строительной сферы до 2035 года, требуют от руководства компаний намного быстрее набирать сотрудников в новые проекты. В такой ситуации технологии искусственного интеллекта (ИИ) становятся главным инструментом для изменения привычного подбора персонала. Согласно стандарту ISO/IEC 22989:2022, ИИ — это техническая система, которая может делать прогнозы, давать рекомендации или принимать решения. Национальная стратегия развития искусственного интеллекта до 2030 года (Указ Президента РФ № 490 с изменениями от 15 февраля 2024 г. № 124) прямо говорит о необходимости активно внедрять ИИ в реальном секторе экономики [2; 3]. Но на практике внедрение умных алгоритмов в HR-процессы строительных фирм натыкается на серьезное внутреннее сопротивление. Как отмечают зарубежные исследователи П. Тамбл, П. Капелли и В. Якубович [4], использование ИИ в управлении людьми создает проблемы с пониманием того, как именно алгоритм принимает решения и как связать эти решения с реальными целями бизнеса. Главным внутренним барьером становится обычное недоверие к алгоритмам (algorithm aversion) со стороны прорабов, главных инженеров и начальников участков. Они часто не доверяют результатам автоматического отбора и предпочитают искать людей по старинке. Л.Г. Руденко в своих работах тоже подчеркивает, что современные тренды применения ИИ в HR требуют не просто покупки программного обеспечения, но и серьезной подготовки самого коллектива к изменениям [5]. Кроме того, ситуация усложняется строгими правилами Трудового кодекса РФ, Федерального закона «О персональных данных» № 152-ФЗ и требованиями Градостроительного кодекса РФ, где прописана обязательная проверка квалификации специалистов и реестров СРО [6; 7]. Все это доказывает, что строительным компаниям нужна четкая рабочая методика, которая поможет справиться с сопротивлением сотрудников и при этом не нарушить закон.

Теоретическую основу работы составили классический учебник по управлению персоналом под редакцией А.Я. Кибанова, международные стандарты по рекрутингу ISO 30405:2023, ISO 10667-1:2020, а также рекомендации по отчетности о человеческом капитале ISO 30414:2025. Практической базой исследования стали результаты анализа HR-процессов и личные интервью с линейными руководителями и HR-директорами десяти строительных организаций. В ходе работы мы сравнивали, как автоматизация массового набора обычных рабочих соотносится с поиском редких инженерно-технических работников (ИТР) с учетом требований профстандарта «Специалист по управлению персоналом» (Приказ Минтруда РФ № 109н) [8; 9].

Проведенный анализ показал, что прорабы и начальники участков сопротивляются внедрению ИИ-рекрутинга по трем главным причинам: техническим (не понимают, как думает программа), организационным (боятся потерять контроль над набором своей команды) и юридическим (боятся отвечать за ошибки робота). Опираясь на подходы риск-менеджмента ИИ (NIST AI Risk Management Framework и стандарт ISO/IEC 23894:2023) [10; 11], составлена таблицу барьеров и способов борьбы с ними (Таблица 1).

Таблица 1.

Барьеры линейных менеджеров и способы их решения с учетом требований закона

Категория барьера / Риска Как проявляется на практике и какие есть риски На какой закон опирается (ТК РФ, ФЗ) Инструмент преодоления барьера
Недоверие к программе (когнитивный барьер) Прорабы уверены, что робот не сможет оценить реальные навыки каменщика или сварщика по резюме. Риск предвзятости ИИ при отборе. Ст. 3, 64 ТК РФ (запрет дискриминации); ФЗ № 565-ФЗ «О занятости населения». Проверка данных ИИ по методологиям Datasheets for Datasets и Model Cards; сверка с правилами Международной организации труда.
Страх потерять контроль (организационный барьер) Руководители игнорируют оценки ИИ-системы и требуют присылать вообще всех кандидатов подряд в обход программы. ГОСТ Р ИСО 9001-2015 (управление качеством в организации). Использование гибридной модели Human-in-the-Loop (человек в контуре управления); у начальника остается право вето при найме ИТР.
Опасение нарушить закон (юридический риск) Страх случайно нанять рабочего без действующих допусков по охране труда. Риск утечки личных данных кандидатов. Ст. 65, 86, 214 ТК РФ; Постановление Правительства № 2464; ФЗ № 152-ФЗ. Прямая интеграция ИИ с Реестром НАРК и базами СРО; соблюдение ст. 16 ФЗ № 152-ФЗ (запрет принимать решения только на основе автоматики).

Разбор этих барьеров показывает, что прорабы и начальники участков протестуют против новых технологий не из-за обычного человеческого упрямства. Для них стройка — это реальные объекты, опасное производство и жесткие директивные сроки, где цена любой кадровой ошибки слишком высока. Некачественный подбор персонала здесь грозит не просто сорванным дедлайном, а реальными авариями и производственным травматизмом. Именно поэтому, чтобы «подружить» линейных руководителей с алгоритмами искусственного интеллекта и при этом не нарушить строгие рамки закона, необходимо внедрять цифровую систему подбора персонала постепенно. Каждый этап этого процесса должен быть напрямую связан с отработкой и устранением конкретных страхов сотрудников на местах.

В первую очередь важно сделать работу алгоритмов понятной, наглядной и абсолютно прозрачной для конечного пользователя, активно используя современную концепцию объяснимого искусственного интеллекта. Если программа работает как закрытый «черный ящик» и выдает линейному менеджеру только готовый вердикт в виде сухой оценки, прораб никогда ей не поверит. Ему жизненно необходимо видеть внутреннюю логику машины, чтобы доверять ее выводам. Опираясь на отечественные стандарты доверия к техническим системам, в частности на ГОСТ Р 59276-2020, в интерфейс кадровой системы строительной компании стоит добавить вывод понятной, развернутой аналитической карточки кандидата. В ней линейный руководитель сможет четко и без труда увидеть, по каким именно критериям робот выбрал конкретного человека. Система должна показать, что у соискателя есть нужный по закону квалификационный разряд в соответствии со статьей 195.3 Трудового кодекса РФ, его дипломы официально подтверждены в Реестре Национального агентства развития квалификаций, а актуальные базы строительных саморегулируемых организаций доказывают его право выполнять инженерные работы на объекте. Когда начальник участка понимает эти критерии и видит, что машина проверяет ровно то же самое, что и он сам, он перестает воспринимать программу как скрытую угрозу и начинает видеть в ней надежного помощника.

Параллельно с этим на этапе настройки алгоритмов необходимо полностью исключить риски скрытой дискриминации и строго соблюдать правила цифровой этики. Известно, что если обучать нейросети на старых, накопленных за много лет базах данных, они могут автоматически перенять человеческие предвзятости и стереотипы. Об этой серьезной технологической проблеме часто предупреждают такие известные зарубежные исследователи, как Солон Барокас, Эндрю Селбст, Мэтью Боген, а также Харини Суреш и Джон Гуттаг. В условиях строительной сферы это может вылиться в латентный, незаметный для HR-департамента отсев соискателей по возрасту, полу или национальности. Подобная скрытая фильтрация является грубым нарушением статей 3 и 64 Трудового кодекса РФ, а также нового федерального закона о занятости населения номер 565-ФЗ. Чтобы полностью обезопасить строительную компанию от затяжных судебных исков, крупных штрафов и проверок Роструда, на этапе калибровки данных из анкет соискателей полностью убираются любые личные, социально-демографические маркеры. Робот настраивается исключительно на оценку реального подтвержденного опыта, профессиональных навыков, наличия допусков и психофизиологической готовности человека работать в тяжелых условиях строительной площадки. Такой подход полностью соответствует российскому Кодексу этики в сфере искусственного интеллекта и минимизирует комплаенс-риски бизнеса.

Еще один принципиальный момент касается обеспечения информационной безопасности и избавления руководителей от лишней компьютерной работы, которая вызывает операционную перегрузку. Прорабу или главному инженеру прямо на строительном объекте, среди шума и постоянного контроля рабочих процессов, некогда открывать сложные корпоративные программы на компьютере. Для преодоления этого организационного барьера все операционное взаимодействие с системой подбора персонала удобнее перенести в привычные, интуитивно понятные корпоративные чат-боты на смартфонах. При этом безопасность передаваемых данных должна строго контролироваться требованиями статьи 19 федерального закона номер 152-ФЗ, положениями закона об информации номер 149-ФЗ и международным стандартом ИСО/МЭК 42001:2023. Вся первичная проверка документов — паспортов, дипломов, удостоверений и трудовых книжек — происходит автоматически через официальные государственные и ведомственные реестры еще на этапе обработки заявки искусственным интеллектом. Руководитель объекта получает на свой телефон лишь лаконичное и безопасное сообщение с кратким резюме соискателя, чья благонадежность и квалификация уже подтверждены системой.

Финальным элементом этой системы становится четкое институциональное правило о том, что человек всегда важнее машины и контролирует ее работу. Статья 16 федерального закона «О персональных данных» прямо и жестко запрещает принимать юридически важные решения о приеме на работу или отказе в трудоустройстве исключительно на основе автоматизированной обработки данных компьютером. Искусственный интеллект в рамках данной методики выполняет колоссальную по своим объемам, но сугубо рутинную черновую работу: он без устали перебирает тысячи резюме на интернет-агрегаторах, мгновенно отсеивает сомнительные или поддельные дипломы, а также проверяет допуски по охране согласно Постановлению Правительства, номер 2464. Однако право вето и окончательное слово всегда остаются за живым руководителем. Прораб получает не навязанное сверху решение, а очищенный от информационного шума шорт-лист из трех-пяти действительно сильных и проверенных кандидатов.

Практическая польза от такого синергетического взаимодействия человека и технологий становится очевидной сразу после запуска системы на пилотных объектах. Если раньше на поиск и согласование хорошего крановщика, машиниста экскаватора или высококвалифицированного сварщика у кадровой службы уходило до двух недель, то с цифровым помощником нужная бригада выходит на объект уже через три дня. Когда начальник участка на собственном опыте фиксирует, что люди приезжают на стройку быстро, работают профессионально, обладают всеми необходимыми навыками, а у компании при этом нет никаких проблем с проверяющими органами и штрафами, его недоверие к алгоритмам полностью исчезает. Руководитель перестает саботировать нововведения и начинает активно и осознанно использовать цифровые инструменты для эффективного управления своей командой.

Внедрение искусственного интеллекта в подбор персонала строительной компании нельзя рассматривать просто как покупку новой программы. Успех автоматизации зависит от правильной работы с людьми и четкого соблюдения законов. Предложенная методика помогает убрать недоверие со стороны прорабов и начальников участков, защищает компанию от юридических рисков и помогает быстрее находить квалифицированных сотрудников для важных строительных объектов.

Список литературы

  1. Федеральная служба государственной статистики. Трудовые ресурсы, занятость и безработица: официальные статистические материалы [Электронный ресурс]. – URL: https://rosstat.gov.ru (дата обращения: 06.11.2026).
  2. О развитии искусственного интеллекта в Российской Федерации: Указ Президента Российской Федерации от 10 октября 2019 г. № 490: вместе с Национальной стратегией развития искусственного интеллекта на период до 2030 года.
  3. О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. № 490 и в Национальную стратегию, утвержденную этим Указом: Указ Президента Российской Федерации от 15 февраля 2024 г. № 124.
  4. Tambe P., Cappelli P., Yakubovich V. Artificial Intelligence in Human Resources Management: Challenges and a Path Forward // California Management Review. – 2019. – Т. 61, № 4. – P. 15⁠–⁠42.
  5. Руденко Л.Г. Тренды применения искусственного интеллекта в HR-менеджменте // Государственная служба. – 2024. – Т. 26, № 6 (152). – С. 96⁠–⁠105.
  6. О порядке обучения по охране труда и проверки знания требований охраны труда: постановление Правительства Российской Федерации от 24 декабря 2021 г. № 2464.
  7. Национальное агентство развития квалификаций. Реестр сведений о проведении независимой оценки квалификации: официальный информационный ресурс [Электронный ресурс]. – URL: https://nark.ru (дата обращения: 06.11.2026).
  8. Кибанов А.Я. Управление персоналом организации: учебник / А.Я. Кибанов и др.; под ред. А.Я. Кибанова. – 4-е изд., доп. и перераб. – Москва: ИНФРА-М, 2009. – 693 с. (Примечание: согласно ГОСТ 7.80⁠–⁠2000, если у книги авторов меньше четырех, в начале записи указывается заголовок с именем первого автора).
  9. ISO 10667-1:2020. Assessment service delivery – Procedures and methods to assess people in work and organizational settings – Part 1: Requirements for the client. – Geneva: International Organization for Standardization, 2020.
  10. Ribeiro M.T., Singh S., Guestrin C. «Why Should I Trust You?»: Explaining the Predictions of Any Classifier // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – New York: ACM, 2016. – P. 1135⁠–⁠1144.
  11. О независимой оценке квалификации: Федеральный закон от 3 июля 2016 г. № 238-ФЗ.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов