616 откликов на одну вакансию: как ИИ помогает ускорить подбор и оставить решение за человеком

Большой поток кандидатов радует ровно до момента, пока его не нужно разобрать. Рекрутеру приходится читать резюме, сопоставлять опыт с задачами вакансии, отвечать кандидатам, назначать встречи, переносить их, фиксировать итоги разговоров. Если параллельно открыто несколько вакансий, первичный этап легко съедает всё рабочее время.

У ручного разбора есть ещё одна проблема: внимание устаёт. После сотого резюме сложнее одинаково внимательно оценивать кандидатов, замечать нестандартный опыт и держать в голове требования конкретной роли. А кандидат тем временем ждёт ответа. Чем дольше длится пауза, тем выше вероятность, что он примет другое предложение.

На одной из наших вакансий мы получили 616 откликов. Если бы один человек последовательно посмотрел каждый, это заняло бы дни, а возможно, и недели. Мы хотели быстрее увидеть сильных кандидатов, но не превращать найм в конвейер с автоматическим отказом всем, кто не совпал с шаблоном на 100 процентов.

Автоматизация не появилась у нас за один день. В компании давно есть внутренняя воронка подбора, а большинство интервью проходит онлайн. Мы записываем такие встречи и получаем их расшифровки. Это даёт возможность вернуться к разговору, пересмотреть важный фрагмент и не полагаться только на заметки интервьюера.

Около года назад мы начали тестировать ИИ вручную. Загружали описание вакансии, резюме кандидата и расшифровку интервью, затем просили модель сделать предварительную оценку с учётом нашей методики. Нас интересовало не решение "нанять" или "отказать", а то, насколько выводы модели совпадают с оценкой команды.

В большинстве случаев совпадение было достаточным, чтобы продолжить работу. ИИ хорошо структурировал факты: релевантный опыт, пробелы, аргументы кандидата, важные ответы на интервью. Но он не стал заменой интервьюеру. Это инструмент, который нужно настраивать, проверять и корректировать на конкретной вакансии.

В текущей схеме ИИ работает вокруг человека, помогая как заряженный ассистент отдела HR.

Сначала система получает отклики и сопоставляет резюме с требованиями вакансии. Для каждой роли мы задаём критерии: обязательные навыки, желательный опыт, стоп-факторы, вопросы, на которые нужно обратить внимание. После этого ИИ готовит предварительную сортировку.

В нашем случае из 616 откликов получилась выборка примерно из 60 резюме, которые имело смысл рассматривать дальше. Это не означает, что система самостоятельно "выбрала лучших". Команда проверяет результат: смотрит, не потерялись ли интересные кандидаты, и при необходимости уточняет критерии. На новых или редких ролях такая проверка особенно важна.

Одновременно автоматизируется коммуникация. Кандидаты получают приглашения, сообщения о следующем этапе, переносах или корректные отказы. Для разных ситуаций настроены разные сценарии и тексты. Их можно менять в зависимости от вакансии и тона общения компании.

Встречи система назначает в свободные окна календаря и отправляет кандидатам ссылки. Рекрутеру не нужно вручную переписываться с каждым человеком, сверяя расписания. При наличии времени на интервью первые разговоры можно назначать уже на следующий день после завершения первичного разбора.

После собеседования остаются запись и расшифровка. ИИ помогает собрать по ним структурированную сводку: какие задачи выполнял кандидат, как отвечает на вопросы, какие компетенции и мотиваторы проявляются в разговоре, какие риски или вопросы стоит уточнить дальше.

Мы используем внутреннюю методику оценки компетенций и мотивации. Важно, что модель не ставит человеку окончательный диагноз и не определяет его судьбу по нескольким репликам. Она работает с уже заданными критериями и помогает интервьюеру не потерять детали.

Эта схема полезна и руководителям. Если руководитель не участвовал в первом интервью, ему не обязательно назначать ещё одну встречу только ради знакомства. Он может посмотреть запись, прочитать краткую сводку, оценить ответы кандидата по важным для роли вопросам и решить, нужен ли следующий разговор.

На этапе технического интервью, тестового задания и финальной встречи ИИ также помогает быстрее подготовиться к ним, оценить результат и сузить воронку. Однако профессиональная проверка навыков или управленческое решение остаётся за человеком.

Главный риск автоматизации найма понятен: кандидат начинает чувствовать, что разговаривает с бездушным корпоративным механизмом. Слишком формальные ответы, долгие паузы, одинаковые письма и невозможность задать вопрос плохо влияют на бренд работодателя.

Поэтому в нашей схеме автоматизируется рутина, а отношение к человеку сохраняется. Если кандидат дошёл до интервью, с ним разговаривает сотрудник компании, который может объяснить задачи, ответить на вопросы и честно рассказать о формате работы. Сообщения на этапах воронки тоже настраиваются так, чтобы они были понятными, уместными и были не отличимы от человеческих.

Для HR-команды это важный сдвиг. Время, которое раньше уходило на копирование ссылок, переносы встреч и просмотр сотен неподходящих резюме, можно использовать на качественные разговоры с кандидатами, обратную связь и работу с нанимающими руководителями.

Автоматизация убирает задержку между этапами. В ситуации с сотнями откликов первичный разбор и подготовку к первым интервью можно провести за несколько часов с учётом проверки человеком. Раньше на это уходило бы заметно больше времени. Кандидаты быстрее получают ответ, а команда раньше начинает общаться с теми, кто действительно подходит по базовым критериям.

Ещё один эффект – меньше случайности. Когда у рекрутера ограничено время, он неизбежно расставляет приоритеты и может не успеть вернуться к части резюме. Автоматическая предварительная сортировка помогает рассмотреть весь поток и вынести на проверку больше потенциально сильных кандидатов.

Хоть мы и говорим об ускорении процессов, мы пересмотрели подход на вакансиях с числом откликов в несколько сотен. Первую неделю мы собираем максимум откликов, разбирая их автоматически дважды в сутки и информирую соискателей, что мы рассмотрим резюме. Если кандидат задаёт вопросы уже на этом этапе – на них отвечает человек.

Автоматизацию стоит начать с описания собственной логики найма.

1. Зафиксировать критерии каждой вакансии: обязательные навыки, желательный опыт, стоп-факторы и вопросы для интервью.
2. Разделить этапы, где ИИ может готовить материалы или выполнять рутину, и этапы, где решение принимает только человек.
3. Настроить сценарии сообщений для приглашений, отказов, переносов и следующих шагов.
4. Проверять первые результаты на небольшой выборке и корректировать критерии.
5. Ограничить доступ к резюме, записям и расшифровкам, соблюдать требования к обработке персональных данных.

Важно помнить, что даже скормленная ИИ методология вряд ли сразу даст чёткую оценку по вакансии. Магии не произойдёт, а корректирование первых разборов для дообучения ИИ-модели потребуются.

Мы собрали такой контур для собственных вакансий и при каждом найме его дорабатываем. Главный вывод из практики простой: ИИ хорошо справляется с большим объёмом однотипной работы, если ему задали понятные правила. Однако сильный найм по-прежнему строится на разговоре, профессиональной оценке и ответственности людей, которые принимают решение.