Последние 3 года я делаю обзоры о демографии населения России, основанные на реальных данных и авторитетных источниках. Основная цель подобных материалов — выяснить, что на самом деле происходит на рынке труда. Вопросы в целом всегда одни те же:

• сколько реально трудоспособного населения в России и как оно подразделяется по сферам деятельности;
• какова возрастно-половая структура этого трудоспособного населения и в каком возрастном диапазоне сосредоточено наибольшое количество людей;
• каким образом соотносятся между собой спрос и предложения на рынке труда.

В 2026 году одновременно произошло несколько существенных изменений, которые повлияли не столько на рынок, сколько на его восприятие:

• заявленное раннее и публично принудительное «охлаждение» экономики[1], которые влечет за собой отсутствие роста зарплат;
• повышение ставки НДС[2], планы по применение НДС к российскому ПО[3] — отменено согласно официальному заявлению М. Мишустина на ЦИПР-2026[4]);
• ужесточение фискальной политики для малого бизнеса[5];
• повсеместное внедрение ИИ в подбор как со стороны работодателя, так и со стороны соискателя, вызывающее острое возмущение по обе стороны барикад[6].

Данные по рынку труда согласно HeadHunter на апрель 2026 года[7]:

Данный индекс определяется как «Высокий уровень конкуренции соискателей за рабочие места, рынок работодателя».[7] Есть только 1 проблема: показатель безработицы на март 2026 года составляет 2,2% по населению в возрасте 15-72 лет по Российской Федерации или 1,67 млн. чел. в численном эквиваленте.[8]

Согласно данным Росстата численность трудоспособного населения в возрасте 15-72 лет по Российской Федерации и нетрудоспособного населения распределена следующим образом[8][9]:

Уровень участия в составе рабочей силы населения в возрасте 15-72 лет по субъектам Российской Федерации ~70%, что эквивалентно 76,13 млн. чел. из ~105 млн. чел.[10] всего диапазона. В целом, общая численность населения РФ находится в статике с колебанием менее 1%, но в разные периоды времени может в процентом соотношении дифференцироваться по-разному в зависимости от возрастной структуры.

Ниже представлена примерная возрастная структура трудоспособного населения РФ[10]:

Согласно этим данным:

• наибольшее количество официального трудоспособного населения сосредоточено в возрасте от 33 до 52 лет (диапазон ~20 лет) включительно и составляет более 45,5 млн. чел. (более 40% от трудоспособного населения);
• официальное трудоспособное население в возрасте от 18 до 32 лет (диапазон ~15 лет) включительно составляет более 22 млн. чел. или чуть менее 30% трудоспособного населения.

Из этого можно сделать вывод: основную массу трудоспособного населения в РФ составляет отнюдь не социально-демографическая группа «молодые граждане»[11], а люди более старшего возраста.
Следующим этапом разберем какие образом трудоспособное население распределено в соответствии с ОКЗ ОК 010-2014.

ОКЗ ОК 010-2014 — общероссийский классификатор занятий, утвержденный Приказом Федерального агентства по техническому регулированию и метрологии от 12 декабря 2014 г. № 2020-ст.[12] Документ предназначен: «для проведения статистических обследований распределения населения по видам занятий, организации статистического учета в целях осуществления эффективной политики занятости, выполнения аналитических исследований и сопоставлений, в том числе международных».[12] Высокоуровневые группы занятий представлены следующим образом:

• 1 — Руководители;
• 2 — Специалисты высшего уровня квалификации;
• 3 — Специалисты среднего уровня квалификации;
• 4 — Служащие, занятые подготовкой и оформлением документации, учетом и обслуживанием;
• 5 — Работники сферы обслуживания и торговли, охраны граждан и собственности;
• 6 — Квалифицированные работники сельского и лесного хозяйства, рыбоводства и рыболовства;
• 7 — Квалифицированные рабочие промышленности, строительства, транспорта и рабочие родственных занятий;
• 8 — Операторы производственных установок и машин, сборщики и водители;
• 9 — Неквалифицированные рабочие;
• 0 — Военнослужащие.[12]

Распределение трудоспособного населения по ОКЗ в числовом и долевом соотношении представлено ниже, включая гендерное распределение[13]:

Данные по номенклатуре 0 отсутствуют.

Таким образом:

• наибольшее количество занятого трудоспособного населения — более 28% — сосредоточено в группе специалистов высшего уровня квалификации. Большинство составляют женщины — более 62% и более 13 млн. чел. Это самая крупная группа в количественном эквиваленте из всех представленных;
• наименьшее количество занятого населения представлено в группах: Квалифицированные работники сельского и лесного хозяйства, рыбоводства и рыболовства (1,5 млн. чел., 2,02%), Служащие, занятые подготовкой и оформлением документации, учетом и обслуживанием (2,68 млн. чел., 3,61%), Руководители (3,5 млн. чел., 4,71%);
• в большинстве групп наблюдается заметный гендерный дисбаланс в ту или иную сторону. Исключение составляют группы: Квалифицированные работники сельского и лесного хозяйства, рыбоводства и рыболовства — практически равное количество людей обоих полов, и Руководители — разница ~10%.

Для корректного восприятия, необходимо понимать: представленные числа отображают данные по востребованности специалистов и тому, каким ОКЗ оформлен сотрудник с точки зрения трудового законодательства. Специалисты, имеющие высшее образование, могут быть задействованы как неквалифицированные рабочие, а опытные программисты без профессионального образования — быть включенными в штатное расписание по высшему уровню квалификации.

Ввиду того, что специалисты высшего уровня квалификации представлены наибольшим количеством задействованных людей, рассмотрим их более подробно[13]:

Согласно данным видно: в специальностях, связанных с наукой, техникой и ИКТ наблюдается системный и накопленный гендерный дисбаланс.

Ниже выборочно представлена инфографика по другим группам ОКЗ для более полного представления о занятости трудоспособного населения[13]:

Для того, чтобы понять фактическое распределение по областям деятельности, обратимся к официальным источникам[14][15][16][17][18][19][20][21][22][23][24][25][26][27]:

К сожалению, довольно затруднительно соотнести данные по ОКЗ как с данным распределением, так и с классификацией HeadHunter[7]. Однако моя цель проиллюстрировать и проанализировать фактическое распределение трудоспособного населения РФ:

• одна из самых крупных категорий — самозанятые (16,19 млн. чел., более 21% от трудоспособного населения) — может быть также занята в найме, так как большинство организаций в рамках корпоративной политики это разрешают, но при этом попадать в показатели безработицы ввиду отсутствия данных об основном месте работы;
• индивидуальные предприниматели (4,64 млн. чел., ~6%) включены мной в статистику, тк преимущественно являются руководителями в своих юридических лицах и не участвуют в трудовой деятельности как работники иных предприятий;
• ранее при анализе данных занятости населения по ОКЗ, отсутствовала номенклатура 0. Здесь она представлена и составляет от 2,4 до 5,2 млн. чел., в зависимости от методологии.

Важно заметить, что в указанных данных могут быть погрешности, так, например, в обрабатывающую промышленность могут быть частично включены как организации МСП, так и государственные предприятия. Но поскольку нет данных о других промышленных предприятиях, культурных и спортивных учреждениях, средствах массовой информации и иных крупных сферах, которые можно было бы однозначно интерпретировать, возьмем за основу, что во всех неуказанных отраслях задействовано ~5 млн. чел. по всей России, где 1,67 млн. чел — это официально безработные. Включая людей с ограниченными возможностями здоровья.

Исходя из вышесказанного, возникает вопрос: действительно ли безработица в России составляет 2,2% выше нуля, а не ниже?

После детального исследования трудоспособного населения России, предлагаю перейти к данным о возможных предложениях. В качестве источника, я буду использовать самый крупный агрегатор и мой собственный архив[7][28]:

Действительно, сложно отрицать явную отрицательную динамику по количеству предложений о работе: количественный показатель снизился почти в 2 раза за 2 года. Как и безработица, хотя и в меньшей объеме.
Ниже я приведу официальную классификацию HeadHunter для интерпретации уровня конкуренции[7]:

Соответственно, заявленный ранее индекс 10,8, как я упоминала выше, означает «Высокий уровень конкуренции соискателей за рабочие места, рынок работодателя». Однако, если мы будем оперировать фактическим данными безработицы, а не всем суммарным количеством резюме любого статуса, или предположим, что свободного трудоспособного населения на рынке даже менее 2,2%, то получается: либо «Дефицит соискателей присутствует, рынок соискателя», либо «Острый дефицит соискателей». И согласно официальным заявлениям[29] эти варианты более соответствует действительности.

Переведем долевые значения, представленные агрегатором,[7] по объему вакансий и резюме в количественные для понимания реальных цифр:

Таким образом у нас получается:

Дельта в данном случае показывает количество вакансий и резюме, где указано несколько профессиональных областей и которые портят статистику.

Для того чтобы попытаться восстановить реальную картину без дублей, я провела эксперимент:

• предположим, что дельты — это огромные статические погрешность и они составляет 38,08% для резюме и 37,38% для вакансий;
• тогда попробуем вычесть их, чтобы уточнить чистые значения без дублей, и посмотрим теперь на соотношение резюме к вакансиям по профессиональным областям.

Ниже представлены результаты данного эксперимента:

Разрыв по-прежнему выглядит колосальным, но я предлагаю сосредоточиться на количестве активных резюме. Если соотнести эти значения с официальными данными по трудоспособному населению, то станет понятно, что в Российской Федерации физически отсутствуют подобные человеческие ресурсы.

Давайте дополнительно сравним эти показатели[7][10]:

Мне очень сложно представить, чтобы из рабочего процесса одновременно в 1 месяц выпало ~10% (или 8 городов с миллионным населениям при том, что всего их в России — 13, не считая столиц) экономически активного дееспособного населения и государство продолжило существовать в том виде, в каком оно есть сейчас.
Если мы вернемся к официальным данным занятости по ОКЗ, то они ясно иллюстрируют: даже текущих человеческих ресурсов, включенных в занятость на март 2026 года, хватает мягко говоря «с трудом» на уже существующие рабочие места.

Проведем еще один эксперимент: посмотрим на карте вакансий количество актуальных по Москве и Московской области. Согласно данным на 01.06.2026 их ~150 000[30].

Численность безработных в возрасте 15-72 лет по субъектам Российской Федерации, в среднем за три месяца (январь-март 2026 года) в данном регионе составляет — 165,9 тыч. чел.[31], в числе которых несовершеннолетние дети, получающие среднее образование, люди с ограниченным возможностями здоровья и люди пенсионного возраста, возможно с ограниченной дееспособностью.

Действительно, в 2025 и 2026 году прошел ряд крупных оптимизаций, связанный преимущественно с сокращением расходов путем уменьшения штатной численности персонала.[32] Но исходя из вышесказанного, по моему мнению, количество людей, вышедших в этом году на рынок труда заметно меньше даже 500 000 человек по всей России суммарно. Поэтому такое количество активных резюме связано исключительно с тем, что практически у каждого висит по несколько файлов, чтобы откликаться на одни и те же вакансии. Исходя из вышесказанного, возникает вопрос: зачем же это нужно?

Перед тем, как перейти к самой трендовой и кликбейтной теме последних 3 лет, предлагаю оценить такую функцию, как HR или HRM в условиях России. Управление трудовыми (человеческими) ресурсами, подбор кадров, обучение и включение сотрудников в рабочий процессов было болезненной темой и невыстроенным бизнес-процессом еще до эпохи дефицита трудоспособного населения.[33] Почему так происходит?

Вернемся к данным ОКЗ, представленным выше и рассмотрим «Специалистов высшего уровня квалификации в сфере бизнеса и администрирования», куда входят: «Специалисты по финансовой деятельности», «Специалисты в области администрирования», «Специалисты по сбыту и маркетингу продукции и услуг и связям с общественностью».[12] И далее «Специалисты в области администрирования» подразделяются на:

• 2421, Аналитики систем управления и организации;
• 2422, Специалисты в области политики администрирования;
• 2423, Специалисты в области подбора и использования персонала;
• 2424, Специалисты в области подготовки и развития персонала;
• 2425, Специалисты органов государственной власти.[12]

Вот как выглядит структура группы «Специалисты высшего уровня квалификации в сфере бизнеса и администрирования» полностью[12]:

Весь этот объем специальностей сейчас реализуют ~5 млн. чел.[13], то есть доля всех HR в лучшем случае находится в диапазоне от 384 000 до 770 600 человек. На июнь 2026 года в России зарегистрировано 3 132 016 юридических лиц и 4 946 099 индивидуальных предпринимателей и крестьянских (фермерских) хозяйств.[34] Можно с уверенностью утверждать, что в каждом таком предприятии есть генеральный директор и бухгалтер, даже если эти функции обслуживает 1 человек для нескольких организаций. Заявить подобное о наличии специалиста по подбору персонала на текущий момент я не готова.
Наблюдается некая рекурсия: у нас дефицит кадров среди специалистов по подбору кадров, которые должны подобрать кадры в условиях дефицита кадров. Но это не последняя проблема среди уже описанных.

В 2017 году Россия официально перешла в эпоху Цифровой экономики[35]. В 2018 году был запущен федеральный проект «Кадры для цифровой экономики»[36] сроком на 5 лет, где определялись такие ключевые показатели эффективности (КПЭ)[37]:

К сожалению, не указано о возрастном составе, от которого вычисляются доли, поэтому ниже рассчитаем для 2 вариантов — общий объем населения и только трудоспособное[38][39][40][41][42][43][9][8]:

По итогам этих КПЭ, переведенных в количественное значение, можно выявить следующее:

• в случае расчета долей от всего населения государства по итогам федерального проекта в трудоспособном населении будет не хватать ~23% «цифровых кадров» при условии, что федеральный проект реализовался именно на данной возрастной группе;
• в случае, если указанные доли изначально указаны для трудоспособного населения, то нехватка «цифовых кадров» даже на текущий момент 2026 года составляет ~50% во всех секторах экономики при оптимистичном прогнозе.

Для того, чтобы понять, насколько удалось достичь заявленных показателей, обратимся к данным Аналитического центра НАФИ. Он предлагает следующее деление по уровню цифровой грамотности для жителей России на основании методологии DigComp:

• начальный — полное отсутствие навыков работы в цифровой среде или умение выполнять самые простые операции;
• базовый — уверенные навыки работы с цифровыми устройствами, возможность использовать интернет и мобильные приложения для личных и рабочих задач, способность распознать мошеннические угрозы и наличие критического мышления;
• продвинутый — уверенные навыки не только пользования цифровыми технологиями, но и возможность их использования для создания новых продуктов, уверенные навыки работы с ИИ и знание основ машинного обучение.[44]

Ниже представлены данные, актуальные для всего объема населения РФ[44]:

Исходя из вышесказанного, можно сделать вывод: работу с таким инструментом, как ИИ, может относительно компетентно реализовывать ~46 млн. россиян и это количество почти на 40% меньше, чем объем трудоспособного населения. Предположим, не во всех специальностях нужен продвинутый уровень цифровой компетенции и возможно текущих показателей достаточно.

Однако, согласно аналитическому обзору «Кадры для цифровой экономики: современный рынок труда и актуальные образовательные маршруты» за 2024 год, текущий дефицит в области кадрового ресурса для цифровой экономики составляет около 11 млн. рабочих мест.[45] Ниже представлена оценка рабочих мест требующих цифровых компетенций для группы по ОКЗ «Специалисты высшего уровня квалификации»[45]:

Согласно этим данным видно, что как минимум в 70% рабочих мест для группы «Специалисты в сфере бизнеса и администрирования» требуются развитые цифровые компетенции для реализации качественной деятельности в эпоху Цифровой экономики.[45] И, поскольку технологии развиваются сегодня очень быстро, необходимо принимать решения о выборе и работе над конкретными навыками.

Например, по классификатору профессий Standard Occupational Classification (SOC) в Великобритании помимо базовых навыков есть семь кластеров по отдельным ролям и секторам экономики:

• программное обеспечение и программирование;
• сетевые системы;
• анализ данных;
• цифровой маркетинг;
• цифровой дизайн;
• программное обеспечение для управления взаимоотношениями с клиентами;
• механическая обработка и производственные технологии.[45]

В России, в рамках указанного выше Нацпроекта в 2017 году был запущен проект «Университет 2035»[46][47], на базе которого в 2020 году проводилось бесплатное обучение по направлениям цифровой экономики. По итогам инициативы, 39 117 человек бесплатно обучились цифровым профессиям[48]. Ниже представлены данные по самым популярным направлениям обучения[48]:

В 2021 году также запустили онлайн-сервис «Готов к цифре»[49] для обучению безопасной и эффективной работе с цифровыми технологиями по темам: управление информацией и данными, коммуникации в «цифре», безопасность и защита данных, создание цифрового контента, решение проблем в «цифре», саморазвитие в условиях неопределённости, креативное и критическое мышление. Обучение прошли свыше 2 млн. чел.[48]

Проблема в том, что цифровые компетенции, на которых сконцентрированы по итогам вышесказанного усилия заинтересованных организаций, практически никак не соотносятся с целевой группой «Специалисты в области администрирования» и, по моему мнению, очень точечно соприкасаются с группой «Специалисты в сфере бизнеса и администрирования». При этом в конце 2025 года HeadHunter — ведущая платформа онлайн-рекрутинга в России[50] — представила нового ИИ-помощника для найма[6], хотя ранее я упоминала, что согласно градации НАФИ для действительно эффективной работы с данным инструментом требуется продвинутый уровень цифровых компетенций.

Давайте предположим, что большинство рекрутеров входит в долю россиян с продвинутыми навыками — точную статистику мне найти не удалось —, и уточним применимость такого инструмента как ИИ к вопросу подбора персонала.

Само понятие «искусственный интеллект» (Artificial Intelligence, AI, ИИ) впервые появилось в 1956 году на конференции в Дартмутском колледже.[51] При этом, хотя сам термин не унифицирован в мире, Международная организация по стандартизации (ISO) в 2020 г. выпустила стандарт ISO/IEC JTC 1/SC 42, который охватывает аспекты и применение AI, в различных областях.[51] Организация экономического сотрудничества и развития (OECD) в свою очередь определяет AI / ИИ как «системы, которые могут действовать на основе данных, адаптироваться к новым ситуациям и выполнять задачи, требующие интеллекта».[51]

Важно понимать, что Искусственный интеллект — это развивающаяся отрасль, где накопление научного знания происходит постепенно.

Наиболее широкое распространение данные инструмент получил в 2022 году, когда компания OpenAI выпустила бесплатного чат-бота ChatGPT, доступного через веб-интерфейс.[52] Немного ранее, в 2019 году, в России утвердили «Национальную стратегию развития искусственного интеллекта до 2030 года», которая пересекается с национальной программой «Цифровая экономика», упоминаемой выше. По итогам 2024 года, согласно официальным данным, искусственный интеллект активно внедряется в разные сферы экономики, а на рынке появляются отечественные решения.[53]

Немного выше мы упоминали ChatGPT, где GPT — это Generative Pre-trained Transformer, и из названия видно, что основная задача данного решения, хотя и не единственная, — это создание (генерация) контента. Глобально ИИ можно типировать по нескольким категориям:

01. по уровню возможностей: Artificial Narrow Intelligence (ANI) — адаптируется в российской среде как «Слабый ИИ» и обозначает широкодоступные массовой аудитории инструменты, включая различные чат-боты, ИИ-помощники и тд.; Artificial General Intelligence (AGI) — по аналогии с предыдущим адаптируется как «Сильный ИИ» и реализуется в заказных решениях для крупных корпораций. Для широкого использования на сегодняшний день недоступен; Artificial Superintelligence (ASI) — искусственный сверхинтеллект, не реализован на текущий момент, является теоретическим аспектом.[54]

02. по архитектуре: многообразие можно оценить на изображении ниже[55]:

На сегодня в чистом виде, как схемах, уже практически нет решений и большинство нейросетей имеют смешанный комбинированный характер, в зависимости от области применения. Воспользуемся изображением ниже, которое иллюстрирует трансформацию архитектур[56]:

По схеме четко видно, что прародителем широкодоступных AI-решений, которые мы используем в современном мире является изначально архитектура RNN. Изначально RNN направлены на решение следующих задач:

• анализ временных рядов, например изменения цен акций и показания датчиков;
• понимание (письменных) текстов на естественном языке, например Natural Language Processing (NLP);
• машинный перевод;
• понимание человеческой речи (перевод речи в текст) — транскрибация;
• обнаружение аномалий, например определение предынфарктного состояния по кардиограмме;
• классификация и аннотация текстов;
• предсказательная аналитика.[57] [58]

Важно отметить, что в списке нет ничего хотя бы косвенно связанного со сферой подбора персонала.

03. по методу — по подходу и алгоритму, которые позволяют системам имитировать человеческое мышление. И я сразу обращу ваше внимание, что во всех этих видах чаще всего сделан акцент на работу с числовыми массивами данных и ответами, которые требует применение математических моделей:

• машинное обучение (ML) — обучение ИИ самостоятельному поиску и предложению решений на основе анализа предварительно подготовленных данных, чтобы затем масштабировать для генерализации — применению полученных знаний для анализа новых данных и принятия решений в условиях, с которыми ранее не сталкивалась. В задачи машинного обучения входят классификация, регрессия, кластеризация, снижение размерности данных и выявление аномалий; [59]
• глубокое обучение (DL) — фундаментально, это тоже машинное обучение, но более продвинутое. Его реализация предъявляет значительные требования к инфраструктуре и аппаратным ресурсам, перед стартом необходимо четко определить цели и ответственные практики ИИ, а также компетентных исполнителей.[60] Все перечисленное сопряжено с большими затратами и целесообразно только для крупных предприятий;
• нечеткая логика — это обучение ИИ на примере лингвистических переменных, нечетких правилах, конкретных примерах и сценариях, под которыми лежит некое числовое значение или правило. Далее это правило сохраняется или преобразуется на основе накопленного опыта, также преобразованного в некие числа;[61]
• экспертные системы — это набор программ, выполняющих функции эксперта при решении задач из некоторой предметной области. Данное решение является инструментом и не способно заменить человека, а для создания требуются значительные ресурсы и затраты, как и в методе DL; [62] [63]
• фреймовые технологии — здесь фиксируется жесткая структура информационных единиц, которая должна подражать психологической модели памяти человека и его сознания. Метод можно сравнить с таблицей, где элементы каталогизированы согласно заданным фреймам. Между фреймами можно создавать связи и логические цепочки для поиска новых решений. Этот метод ИИ применяется, чтобы извлечь закономерности из избыточной информации, на основании этого принять решение о необходимости применять другие вычисления;[64] [65]
• нейронные сети — это математические модели, подражающие работе человеческого мозга и «самообучению» — здесь оно заключается в накоплении позитивного опыта и применении его в дальнейшем. Сети состоят из множества соединенных искусственных «нейронов», которые работают параллельно, образуя слои и выполняя различные виды обработки информации;[65] [64]
• эволюционное моделирование — метод узкой направленности, когда задача делится на части между агентами, которыми могут выступать как устройства, например роботы, так и люди или группы людей. В методах ИИ рассматривается коллективный многоагентный искусственный интеллект.[64]

Дополнительная типизация, которую стоит упомянуть — виды машинного обучения: обучение с учителем (supervised learning) по размеченным данным; обучение без учителя (unsupervised learning) по «сырым» данным: обучение с частичным участием учителя (semi-supervised learning), где подготовлена только часть данных ключевых данных, а остальные обрабатываются нас основе опыта, полученного от подготовленной информации.[59] Иногда сюда причисляют и глубокое обучение, но как я упоминала выше: теория искусственного интеллекта — строящаяся быстрорастущая отрасль, где научное знание находится в режиме накопления и видоизменяется в зависимости от новых открытий.

Подводя промежуточный итог, можно сказать, в основе всех методов, кроме эволюционного моделирования, в первую очередь лежит машинное обучение и математическое моделирование. Преимущественно, все методы настроены на работу в первую очередь с числовыми значениями и статистическими данными, которые можно структурировать и оцифровать. На текущий момент нет решений, которые могут действительно заменить мыслительный процесс, свойственный человеку.[67] И среди перечисленного, нет моделей, которые были бы действительно натренированы на помощь и экспертизу в сфере рекрутмента, поскольку в данной сфере нет инвестиционного потенциала.

Для того, чтобы в этом убедиться, обратимся к современным исследованиям по результатам внедрения искусственного интеллекта на российском рынке. Согласно оценкам, затраты на внедрение и использование технологий ИИ в 7 основных отраслях по видам экономической деятельности на 2025 год составляют 257,5 млрд. руб.[68] Более подробная информация представлена ниже[68]:

Оценка численности специалистов в области ИИ — 74,4 тыс. чел, разделенных также в разном долевом отношении по данным видам экономической деятельности.[68] Это 0,10% от всего трудоспособного населения России.

По данным исследования более 15 тысяч организаций, проведенного в 2025 году, наиболее востребованные задачи для ИИ: обработка визуальных данных, включая компьютерное зрение, и технологии интеллектуальной поддержки принятия решений и управления.[69] Основные бизнес-процессы, где используются AI: маркетинг, продажи, производство продукции и оказании услуг, управление персоналом.[69] Ниже представлена оценка результатов внедрения:

Для того, чтобы понять действительную эффективность по направлению «Управление персоналом», посмотрим на функции управления человеческими ресурсами:

• планирование;
• подбор и отбор;
• адаптация;
• мотивация;
• оценка и аттестация;
• формирование резерва;
• обучение и развитие;
• оптимизация и ротация.[70]

В представленном списке об эффективности ИИ, есть параметр «снижение численности работников», но отсутствуют такие заметные характеристики успешного управления персоналом как «снижение текучести» или «повышение эффективности найма». В 2020 году, когда внедрение ИИ в HR-Tech только прогнозировалось, не менее половины топ-менеджеров из HR по всему миру заявляли об отсутствии готовности к кардинальным изменениям.[71]
Исходя из всего вышесказанного у нас получается системная проблема, к которой привела целая цепочка событий:

• отсутствие достаточного количества кадров в сфере подбора персонала и возможное отсутствие необходимых цифровых компетенции среди существующих HR-ов для работы с ИИ-решениями, а также для их корректной настройки;
• ИИ-решения преимущественное разработаны и обучены для решения задач в первую очередь математического характера, генерации разного рода контента и оптимизированного поиска. Обученная система может оценить мимику и эмоции в форматах видеоинтервью, помочь расширить охват и обеспечить доступ к разнообразным источникам соискателей.[70] Но не заменит человека[52], проводящего экспертное интервью;
• одновременное полное отсутствие ресурсов для действительного обучения ИИ даже базовым навыкам в сфере подбора и найма персонала, для создания реального эффективного инструмента, ввиду отсутствия спроса среди лиц, принимающих решение.

Отдельно, я обращу внимание, что согласно мировому опыту, подавляющее большинство компаний (~95%) не ощутили кардинальных изменений в эффективности от внедрения ИИ. И основная причина: ИИ-система не способна заменить человека.[52]

Ниже представлено мое собственное мнение, которое опирается на данные из исследования и сопутствующих источников, но представляет ряд самостоятельных выводов на основе собственного опыта.

Вот как выглядит рынок труда на сегодняшний день:

• соискателям приходится держать одновременно до 10-ка подобных резюме с разными ключами, чтобы повторно откликаться на одни и те же вакансии в надежде пройти фильтры, ATS и подобные системы. Это создает искусственное впечатление огромного спроса, который не соответствует действительности;
• фильтры, ATS и прочие система с заявленным ИИ-функционалом на самом деле имеют ряд глобальных недоработок, а также скорее всего настроены довольно спорным образом;
• при этом, культура управления, а также подбора и найма персонала исторически последние 40 лет не является основным приоритетом у большинства предприятий.

И текущая ситуация на рынке труда сохранится минимум до осени 2026 года.

В России есть определенный бизнес-календарь, который привязан сезонности активностей и отпусков. Большинство задач по найму персонала на ряд позиций поступают в диапазоне февраль-май. При этом, диапазон между гендерными праздниками, конец апреля и майские выходные — часто выступают «сезоном отпусков». Дополнительно на май и начало июня в этом году выпали даты больших государственных мероприятий, где обычно происходят заявления, влияющие на экономику страны. Стоит учитывать, что средний возраст руководителей — от 42 лет, чаще всего это зрелые люди, которые в летний сезон заняты семейными вопросами, связанными с выпуском детей из учебных заведений и их поступлением на более высокий уровень квалификации. Основная приемная кампания ВУЗов заканчивается в начале августа, а следующий активный бизнес-сезон (конечно, зависит от отрасли) чаще всего начинается с середины сентября.

Именно к середине сентября 2026 года я прогнозирую обнаружение системной ошибки, связанной с преувеличенным спросом, накопление критической массы неуспешных наймов и понимание, что количество необходимых специалистов — ограничено. Дополнительным фактором являются сроки проектов, под которые закладывался плановый штат, где начнется системное опоздание и риск финансовых потерь. Именно последнее будет самым решающим аргументом.
Скорее всего, на этом этапе, к самому отбору и подбору в ручном режиме подключатся сами заказчики — руководители, нанимающие менеджеры. С одной стороны у них не будет другого выбора, с другой — они сами создатели данной критической ситуации, упустившие контроль выполнения и корректировки технических заданий по найму.

В свою очередь, вопрос внедрения ИИ-решений в найм или будет снят до конца года, доказав свою неэффективность по сравнению с человеческим подходом, или отправлен на доработку. Успешность обоих вариантов развития событий представляется мне сомнительной, а возможное будущее — спиралеобразным.

01. Выступление главы государства Президента РФ Путина В.В. на пленарном заседании XXIX Петербургского международного экономического форума (ПМЭФ-2026) 05.06.2026 года. — Текст : электронный // Президент России : [сайт]. — URL: http://www.kremlin.ru/events/president/news/79956 (дата обращения: 08.06.2026).

02. С 2026 года ставка НДС увеличилась с 20 до 22% / [Электронный ресурс] // Федеральная Налоговая Служба Официальный сайт : [сайт]. — URL: https://www.nalog.gov.ru/rn25/news/activities_fts/16596495/ (дата обращения: 08.06.2026).

03. Налоговые льготы для IT-компаний в 2026 году: что изменилось / [Электронный ресурс] // Ближе к делу : [сайт]. — URL: https://kdelu.vtb.ru/articles/nalogovye-lgoty-dlya-it-kompanij-v-2026-godu-chto-izmenilos/ (дата обращения: 08.06.2026).

04. Выступление Председателя Правительства Мишустина М.В. на пленарном заседании конференции «Цифровая индустрия промышленной России» (ЦИПР-2026) 18.05.2026 года / [Электронный ресурс] // Правительство России : [сайт]. — URL: https://vkvideo.ru/video-112292509_456271673 (дата обращения: 08.06.2026).

05. Налоговая реформа 2026 года: ключевые изменения / [Электронный ресурс] // РБК : [сайт]. — URL: https://www.rbc.ru/industries/news/6937f2269a79472d23d11b9e (дата обращения: 08.06.2026). 

06. Представляем нового ИИ-помощника для найма: что он умеет / [Электронный ресурс] // HeadHunter : [сайт]. — URL: https://hh.ru/blog/ii-pomoshchnik-dlya-najma (дата обращения: 04.06.2026).

07. Краткий обзор рынка труда. Апрель 2026 / [Электронный ресурс] // HeadHunter : [сайт]. — URL: https://hhcdn.ru/file/18381821.pdf (дата обращения: 01.06.2026).

08. Численность и состав рабочей силы в возрасте 15-72 лет по Российской Федерации /[Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/trud_1_15-72.xlsx (дата обращения: 01.06.2026).

09. Оценка численности постоянного населения на 1 января 2024 г. и в среднем за 2023 г. и компоненты её изменения / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/OkPopul_Comp2024_Site.xlsx (дата обращения: 27.04.2024).

10. Анализ аудитории / [Электронный ресурс] // Леона Дружинина — Официальный сайт : [сайт]. — URL: https://leonadruzhinina.ru/analiz-auditorii (дата обращения: 01.06.2026).

11. Федеральный закон от 30.12.2020 г. № 489-ФЗ О молодежной политике в Российской Федерации /[Электронный ресурс] // Президент России : [сайт]. — URL: http://www.kremlin.ru/acts/bank/46328 (дата обращения: 09.06.2026).

12. ОК 010-2014 (МСКЗ-08) / [Электронный ресурс] // Официальный портал Росстандарта : [сайт]. — URL: https://protect.gost.ru/classificators/details/0d7c57d3-084a-42e7-bdda-3c68bbc01731 (дата обращения: 02.06.2026).

13. Численность занятых в возрасте 15 - 72 лет и уровень занятости / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/trud-2_15-72.xlsx (дата обращения: 01.06.2026).

14. Бизнес России.Статистика / [Электронный ресурс] // МСП.РФ : [сайт]. — URL: https://мсп.рф/analytics/ (дата обращения: 02.06.2026).

15. Число субъектов МСП растет за счет ИП / [Электронный ресурс] // СКБ Контур : [сайт]. — URL: https://kontur.ru/press/news/83611-chislo_subektov_msp_rastet_za_schet_ip (дата обращения: 02.06.2026).

16. В России число людей в местах лишения свободы упало ниже 300 тысяч / [Электронный ресурс] // Коммерсантъ : [сайт]. — URL: https://www.kommersant.ru/doc/8655497 (дата обращения: 08.06.2026).

17. В сфере госуправления в России заняты 3,41 млн человек / [Электронный ресурс] // ТАСС : [сайт]. — URL: https://tass.ru/ekonomika/26204237 (дата обращения: 02.06.2026).

18. Число врачей за последние два года выросло на 16 тысяч / [Электронный ресурс] // Объясняем РФ : [сайт]. — URL: https://объясняем.рф/articles/news/kolichestvo-vrachey-za-poslednie-dva-goda-vyroslo-na-16-tysyach/ (дата обращения: 02.06.2026).

19. Состояние условий труда работников организаций Российской Федерации по отдельным видам экономической деятельности 2025 / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/usltr2025.rar (дата обращения: 02.06.2026).

20. В России выросло число IT-специалистов / [Электронный ресурс] // РИА Новости : [сайт]. — URL: https://ria.ru/20260527/it-2094947387.html (дата обращения: 02.06.2026).

21. Указ Президента Российской Федерации от 04.03.2026 № 139 "Об установлении штатной численности Вооруженных Сил Российской Федерации" /  [Электронный ресурс] // Официальное опубликование правовых актов : [сайт]. — URL: http://publication.pravo.gov.ru/document/0001202603040020 (дата обращения: 02.06.2026).

22. Рабочие муки: доля молодежи в промышленности снизилась до 12% / [Электронный ресурс] // ИЗВЕСТИЯ : [сайт]. — URL: https://iz.ru/2083239/valeriia-mishina/dolia-molodezhi-v-promyshlennosti-snizilas-do-12-procentov (дата обращения: 02.06.2026).

23. Немного экономики — про численность силовых структур России / [Электронный ресурс] // ВКОНТАКТЕ : [сайт]. — URL: https://vk.com/wall-28602868_552029 (дата обращения: 02.06.2026).

24. Крупные банки в России начали сокращать штат и поднимать зарплаты / [Электронный ресурс] // Коммерсантъ : [сайт]. — URL: https://www.kommersant.ru/doc/8623521 (дата обращения: 02.06.2026).

25. Минобрнауки: число студентов в вузах России выросло почти на 235 тыс. за год /[Электронный ресурс] // ТАСС : [сайт]. — URL: https://tass.ru/obschestvo/26244187 (дата обращения: 02.06.2026).

26. Ратай Т. В., Тарасенко И. И., Юдин И. Б. (2025) Кадры крупных и средних организаций науки: итоги 2024 года. М. — ИСИЭЗ НИУ ВШЭ. Режим доступа: https://issek.hse.ru/news/1096744741.html.

27. Учитель на перекрестках российского рынка труда — 2025 [Текст]: Аналитический доклад НИУ ВШЭ / К. М. Анчиков, С. И. Заир-Бек, И. Ю. Иванов, Т. А. Мерцалова, Е. В.Овакимян, К. В. Рожкова, С. Ю. Рощин, П. В. Травкин ; науч. ред. С. Ю. Рощин ; Нац. исслед. ун-т «Высшая школа экономики». — М. : Изд. дом Высшей школы экономики, 2025. — 180 с. — 70 экз. — ISBN 978-5-7598-4328-3 (в обл.). — ISBN 978-5-7598-4297-2 (e-book).

28. Кадры и маркетинг / [Электронный ресурс] // Леона Дружинина — Официальный сайт : [сайт]. — URL: https://leonadruzhinina.ru/kadry-i-marketing-2025 (дата обращения: 02.06.2026).

29. Рынок труда России до 2028 года: занятость, дефицит кадров и программы переобучения / [Электронный ресурс] // РОСКОНГРЕСС : [сайт]. — URL: https://roscongress.ru/materials/rynok-truda-rossii-do-2028-goda-zanyatost-defitsit-kadrov-i-programmy-pereobucheniya/ (дата обращения: 02.06.2026).

30. Ищу работу /[Электронный ресурс] // HeadHuner : [сайт]. — URL: https://hh.ru/search/vacancy/map?area=1&bottom_left_lat=28.611808008028184&bottom_left_lng=-61.92216064730119&geocode_type=QUADKEY&items_on_page=100&label=with_address&ored_clusters=true&top_right_lat=70.62604458814742&top_right_lng=132.89587918623442&width=1507&height=551 (дата обращения: 01.06.2026).

31. Численность безработных в возрасте 15 - 72 лет и уровень безработицы / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/trud-3_15-72.xlsx (дата обращения: 01.06.2026).

32. Кто еще сокращает или планирует сократить сотруд­ников среди крупных компаний в 2026 году / [Электронный ресурс] // Т⁠—⁠Ж Медиа Т-Банка : [сайт]. — URL: https://t-j.ru/companies-cutting-staff-2026/ (дата обращения: 09.06.2026).

33. Абросимова Подходы А. Е. СТАНОВЛЕНИЕ И РАЗВИТИЕ ОТЕЧЕСТВЕННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПЕРСОНАЛОМ // Экономика и социум. 2018. №5 (48). URL: https://cyberleninka.ru/article/n/stanovlenie-i-razvitie-otechestvennoy-sistemy-upravleniya-personalom (дата обращения: 08.06.2026).

34. Статистика по государственной регистрации / [Электронный ресурс] // Федеральная Налоговая Служба Официальный сайт : [сайт]. — URL: https://www.nalog.gov.ru/rn77/related_activities/statistics_and_analytics/regstats/ (дата обращения: 03.06.2026).

35. Указ Президента Российской Федерации от 09.05.2017 г. № 203 О Стратегии развития информационного общества в Российской Федерации на 2017 – 2030 годы /[Электронный ресурс] // Президент России : [сайт]. — URL: http://www.kremlin.ru/acts/bank/41919 (дата обращения: 03.06.2026).

36. Кадры для цифровой экономики / [Электронный ресурс] // НАЦИОНАЛЬНЫЕ ПРОЕКТЫ РОССИИ : [сайт]. — URL: https://национальныепроекты.рф/projects/tsifrovaya-ekonomika/p-kadry-dlya-tsifrovoy-ekonomiki-p/ (дата обращения: 08.06.2026).

37. ПАСПОРТ федерального проекта Кадры для цифровой экономики / [Электронный ресурс] // АНО «Цифровая экономика» : [сайт]. — URL: https://files.data-economy.ru/Docs/FP_Kadry_dlya_cifrovoj_ekonomiki.pdf (дата обращения: 03.06.2026).

38. Численность населения Российской Федерации по муниципальным образованиям на 1 января 2018 года / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: http://www.gks.ru/free_doc/doc_2018/bul_dr/mun_obr2018.rar (дата обращения: 25.07.2018).

39. Численность населения Российской Федерации по муниципальным образованиям на 1 января 2019 года / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: http://www.gks.ru/free_doc/doc_2019/bul_dr/mun_obr2019.rar (дата обращения: 31.07.2019).

40. Численность населения Российской Федерации по муниципальным образованиям на 1 января 2020 года / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/CcG8qBhP/mun_obr2020.rar (дата обращения: 22.08.2020).

41. Таблица 5. Численность населения России, федеральных округов, субъектов Российской Федерации, городских округов, муниципальных районов, муниципальных округов, городских и сельских поселений, городских населенных пунктов, сельских населенных пунктов с населением 3000 человек и более / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/tab-5_VPN-2020.xlsx (дата обращения: 09.06.2026).

42. Численность населения по полу по субъектам Российской Федерации на 1 января 2022 года (с учётом итогов Всероссийской переписи населения 2020 г.) /[Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/chisl_RF_01-01-2022_VPN-2020.xls (дата обращения: 16.01.2023).

43. Оценка численности постоянного населения на 1 января 2023 года и в среднем за 2022 год и компоненты её изменения (с учётом итогов Всероссийской переписи населения 2020 г.) / [Электронный ресурс] // Федеральная служба государственной статистики Росстат : [сайт]. — URL: https://rosstat.gov.ru/storage/mediabank/OkPopul_Comp2024_Site.xlsx (дата обращения: 20.05.2023).

44. Индекс цифровой грамотности-2024: цифровая грамотность россиян не растет третий год подряд / [Электронный ресурс] // Аналитический центр НАФИ : [сайт]. — URL: https://nafi.ru/polls/indeks-tsifrovoy-gramotnosti-2024-tsifrovaya-gramotnost-rossiyan-ne-rastet-tretiy-god-podryad-/ (дата обращения: 03.06.2026).

45. Игнатьев, А. Г., Курбатова, Т. А., Кулешов, А. А., Линдре, Ю. А., Шамраев, Р. А., Алиева, М. А. Аналитический обзор «Кадры для цифровой экономики: современный рынок труда и актуальные образовательные маршруты», АНО «Центр глобальной ИТ-кооперации» обзор рынка труда [Текст] / А. Г. Игнатьев, Т. А. Курбатова, А. А. Кулешов, Ю. А. Линдре, Р. А. Шамраев, М. А. Алиева — Москва: АНО «Центр глобальной ИТ-кооперации» (CGITC), 2024 — 60 c.

46. Основные сведения / [Электронный ресурс] // АНО «Университет Национальной технологической инициативы 2035» : [сайт]. — URL: https://www.2035.university/sveden/common (дата обращения: 03.06.2026).

47. Кадры для цифровой экономики / [Электронный ресурс] // АНО «Цифровая экономика» : [сайт]. — URL: https://d-economy.ru/wg/it_staff/ (дата обращения: 03.06.2026).

48. Поддержка национальных приоритетов / [Электронный ресурс] // АНО «Университет Национальной технологической инициативы 2035» : [сайт]. — URL: https://www.2035.university/experience(дата обращения: 03.06.2026).

49. В России запустили онлайн-сервис «Готов к цифре» / [Электронный ресурс] // НАЦИОНАЛЬНЫЕ ПРОЕКТЫ РОССИИ : [сайт]. — URL: https://национальныепроекты.рф/news/v-rossii-zapushchen-onlayn-servis-gotov-k-tsifre/ (дата обращения: 03.06.2026).

50. О компании /[Электронный ресурс] // HeadHunter : [сайт]. — URL: https://hh.ru/article/28 (дата обращения: 04.06.2026).

51. Молчанова Т. В. Траектория развития искусственного интеллекта в СССР и России: от кибернетики до нейронных сетей // Криминологический журнал. 2025. № 1. С. 218–225. https://doi.org/10.24412/2687-0185-2025-1-218-225. EDN: UHPDGP.

52. The great AI hype correction of 2025 / [Электронный ресурс] // MIT Technology Review : [сайт]. — URL: https://www.technologyreview.com/2025/12/15/1129174/the-great-ai-hype-correction-of-2025/ (дата обращения: 03.06.2026).

53. Искусственный интеллект: достижения 2024 года, планы на 2025 год / [Электронный ресурс] // РОСКОНГРЕСС : [сайт]. — URL: https://roscongress.ru/materials/iskusstvennyy-intellekt-dostizheniya-2024-goda-plany-na-2025-god/ (дата обращения: 03.06.2026).

54. Understanding the different types of artificial intelligence / [Электронный ресурс] // IBM : [сайт]. — URL: https://www.ibm.com/think/topics/artificial-intelligence-types (дата обращения: 08.06.2026).

55. The Neural Network Zoo / [Электронный ресурс] // The Asimov Institute : [сайт]. — URL: https://www.asimovinstitute.org/neural-network-zoo/ (дата обращения: 08.06.2026).

56. AlexeySushkov Кто знает, что значит GPT в названии ChatGPT, могут дальше не читать / AlexeySushkov [Электронный ресурс] // HABR : [сайт]. — URL: https://habr.com/ru/articles/785080/ (дата обращения: 08.06.2026).

57. Кафедра системного программирования ЮУрГУ. Глубокие нейронные сети. Лекция 10. Рекуррентные нейронные сети (Recurrent neural network - RNN) / [Электронный ресурс] // Л.Б. Соколинский : [сайт]. — URL: https://sok.susu.ru/courses/MachineLearnig/lectures/10%20RNN.pdf (дата обращения: 08.06.2026).

58. What is a recurrent neural network (RNN)? / [Электронный ресурс] // IBM : [сайт]. — URL: https://www.ibm.com/think/topics/recurrent-neural-networks (дата обращения: 08.06.2026).

59. Что такое машинное обучение и как оно работает / [Электронный ресурс] // АО «СберТех» (является дочерним обществом ПАО «Сбербанк») : [сайт]. — URL: https://platformv.sbertech.ru/blog/mashinnoe-obuchenie-machine-learning-chto-eto-i-kak-rabotaet-princzipy-i-zadachi-mashinnogo-obucheniya (дата обращения: 08.06.2026).

60. Что такое глубокое обучение? / [Электронный ресурс] // SAP SE или аффилированная компания SAP : [сайт]. — URL: https://www.sap.com/central-asia-caucasus/resources/what-is-deep-learning (дата обращения: 08.06.2026).

61. Как логика может быть нечеткой и при чем здесь искусственный интеллект / [Электронный ресурс] // Ростелеком : [сайт]. — URL: https://blog.rt.ru/b2c/kak-logika-mozhet-byt-nechetkoi-i-pri-chem-zdes-iskusstvennyi-intellekt.htm (дата обращения: 08.06.2026).

62. Држевецкий Юрий Алексеевич, Затылкин Александр Валентинович, Юрков Николай Кондратьевич Экспертные системы как Прикладная область искусственного интеллекта // НиКа. 2011. №. URL: https://cyberleninka.ru/article/n/ekspertnye-sistemy-kak-prikladnaya-oblast-iskusstvennogo-intellekta (дата обращения: 08.06.2026).

63. ПЛАЩЕВАЯ Е.В., НИГЕЙ Н.В. ЭКСПЕРТНЫЕ СИСТЕМЫ НА ОСНОВЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА МЕТОДИЧЕСКИЕ УКАЗАНИЯ ДЛЯ САМОПОДГОТОВКИ СТУДЕНТОВ [Текст] / ПЛАЩЕВАЯ Е.В., НИГЕЙ Н.В. — Благовещенск: ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «АМУРСКАЯ ГОСУДАРСТВЕННАЯ МЕДИЦИНСКАЯ АКАДЕМИЯ» МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ, 2022 — 30 c. — Текст: электронный // Режим доступа: https://amurgma.ru/upload/iblock/367/dofvn39dstjgv3oinf0947v7kkkzy8cg/Ekspertnye_sistemy_na_osnove_sistemy_iskusstvennogo_intellekta.pdf (дата обращения: 08.06.2026).

64. Методы искусственного интеллекта — особенности каждого подхода / [Электронный ресурс] // Московский Институт Технологий и Управления : [сайт]. — URL: https://mitm.institute/journal--informatika--metody-iskusstvennogo-intellekta-osobennosti-kazhdogo-podhoda (дата обращения: 08.06.2026).

65. Мещерина Е.В. Системы искусственного интеллекта [Электронный ресурс]: учебно-методическое пособие / Е.В. Мещерина; Оренбургский гос. ун-т. –  Оренбург: ОГУ, 2019. – 96 с.

66. Нейронные сети: насколько они полезны для человечества / [Электронный ресурс] // GeekBrains : [сайт]. — URL: https://gb.ru/blog/neironnye-seti/ (дата обращения: 08.06.2026).

67. Искусственный интеллект, нейронные сети и машинное обучение в маркетинге: в чем разница /[Электронный ресурс] // VK Cloud : [сайт]. — URL: https://cloud.vk.com/blog/nejronnye-seti-gde-gran-mezhdu-spekulyaciej-marketingom/ (дата обращения: 08.06.2026).

68. Дранев Ю. Я., Кучин И. И., Миряков М. И. (2025) Экономический эффект от внедрения технологий искусственного интеллекта в России. М. — ИСИЭЗ НИУ ВШЭ. Режим доступа: https://issek.hse.ru/news/1022068478.html (дата обращения: 08.06.2026).

69. Абашкин В. Л., Ковалёва Г. Г. (2025) Применение искусственного интеллекта в российских компаниях. М. — ИСИЭЗ НИУ ВШЭ. Режим доступа: https://issek.hse.ru/news/1083541394.html (дата обращения: 08.06.2026).

70. Попова Е.В., Бейбутова А.А. Эволюция технологий управления человеческими ресурсами в условиях цифровой трансформации: сущность, содержание и тенденции развития // Экономика: вчера, сегодня, завтра. 2025. Том 15. № 11А. С. 379-387. DOI: 10.34670/AR.2026.96.60.037

71. HR-2020. Как цифровизация меняет индустрию / [Электронный ресурс] // ПАО Сбербанк : [сайт]. — URL: https://sber.pro/publication/hr-2020-kak-tsifrovizatsiia-meniaet-industriiu/ (дата обращения: 08.06.2026).