Искусственный интеллект всё активнее используют в управлении персоналом: для отбора кандидатов, анализа продуктивности, оценки результатов работы и планирования штата. Но вместе с этим возникает принципиальный вопрос: что произойдёт, если алгоритм начнёт влиять на решение о том, кого сократить?

Поводом для новой дискуссии стала коллективная жалоба 26 нынешних и бывших сотрудников Meta (запрещённая в России) в федеральный суд США. Они утверждают, что при масштабном сокращении, объявленном компанией в мае, в формировании списка увольняемых активно использовались внутренние AI-системы оценки.

По данным истцов, эти системы анализировали производительность, объём выполненной работы, прошлые оценки эффективности, активность в использовании внутренних ИИ-инструментов и другие цифровые показатели.

Среди упоминаемых критериев фигурирует даже объём потребления AI-токенов — условный показатель того, насколько активно сотрудник взаимодействует с корпоративными моделями. Также, согласно иску, компания могла использовать инструменты анализа внутренних коммуникаций, рабочих документов и активности за компьютером для формирования общей оценки продуктивности.

Сама Meta отвергает обвинения. Представитель компании заявил, что кадровые решения и организационные изменения принимались менеджерами, а не искусственным интеллектом. При этом публично не раскрыто, какую именно роль внутренние алгоритмы играли в процессе оценки и насколько их выводы влияли на окончательное решение.

Главная претензия истцов состоит не столько в применении ИИ как таковом, сколько в возможной предвзятости критериев. Среди подавших иск — сотрудники, которые находились в медицинском отпуске, отпуске по беременности и родам, отпуске по уходу за ребёнком или членом семьи, а также работники с инвалидностью, запрашивавшие предусмотренные законом условия труда.

Их аргумент заключается в следующем: человек, который законно отсутствует на работе, объективно имеет меньше рабочих сообщений, кода, встреч, документов и обращений к AI-инструментам. Если система оценивает сотрудников по количественным цифровым следам без поправки на отпуск или состояние здоровья, она может автоматически присваивать таким людям более низкие показатели. Формально алгоритм не учитывает пол, беременность или инвалидность, но на практике его метрики могут непропорционально затрагивать именно эти категории работников.

Это типичная проблема так называемой косвенной дискриминации. Алгоритм может выглядеть нейтральным, поскольку оценивает только «производительность», «активность» или «объём работы». Однако если исходные показатели не отражают реальный контекст — например, разрешённое отсутствие, ограничения по здоровью или особенности должности, — нейтральная на вид система способна воспроизводить несправедливый результат.

Истцы считают, что предполагаемый подход Meta может нарушать ряд американских норм, защищающих работников, находящихся в семейном или медицинском отпуске, беременных сотрудниц и людей с инвалидностью.

Суду предстоит установить, использовались ли описанные AI-инструменты в принятии решений, как именно они были устроены и существовали ли механизмы проверки результатов человеком.

История важна далеко за пределами одной компании. Всё больше работодателей используют цифровые метрики: активность в корпоративных системах, объём коммуникации, скорость выполнения задач, участие в проектах и использование внутренних инструментов.

Такие данные могут быть полезны, но они легко создают ложное ощущение объективности. Количество действий не всегда равно качеству работы, а отсутствие цифровой активности не обязательно означает низкую эффективность.

Поэтому внедрение ИИ в HR требует нескольких обязательных условий:

Контекстной оценки данных. Отпуск, больничный, инвалидность, специфика роли и неполная занятость не должны автоматически ухудшать рейтинг сотрудника.

Человеческого контроля. Алгоритм может помогать анализировать информацию, но не должен быть единственным или непрозрачным основанием для увольнения.

Регулярного аудита на предвзятость. Компании должны проверять, не создают ли их модели систематически неблагоприятные последствия для защищённых групп.

Прозрачности критериев. Работник должен понимать, какие данные используются при оценке и иметь возможность оспорить ошибочные выводы.

Чёткой ответственности. Нельзя списывать спорное кадровое решение на «решение алгоритма»: ответственность за него всегда остаётся у работодателя и конкретных руководителей.

ИИ может сделать HR-процессы быстрее и удобнее, но не способен сам по себе сделать их справедливее. Если организация переносит в алгоритм упрощённую логику «больше цифровой активности — лучше сотрудник», технология лишь масштабирует старые управленческие ошибки.