Человеку нужен человек: как автоматизировать рутину в подборе без потери человечности
Специально для TheHRD.ru Екатерина Журавлёва, руководитель отдела подбора персонала и HR brand Kokoc Group, поделилась, как команда протестировала 14 AI-сервисов, оставила только то, что реально работает, и сократила трудоёмкость подбора на 21%. История о том, как не утонуть в AI-инструментах, почему важно начинать не с технологий, и где AI вам не помощник.
В подборе у нас не бывает скучно: сегодня ищем frontend-разработчиков и тестировщиков, завтра – финансовых менеджеров и специалистов техподдержки, а через неделю в приоритете sales, маркетинг или продакшн. Меняются не только профили специалистов, но и нагрузка – относительно тихий период может быстро превратиться в десяток новых вакансий на одного рекрутера.
Очевидное решение – на каждый «пик» активного найма брать в команду ещё одного рекрутера, но проблема в том, что пик закончится, и задач у рекрутера не останется. Поэтому перед нами всегда стоял другой вопрос: как справляться с плавающей нагрузкой, не превращая команду подбора в гармошку, которую каждый квартал нужно растягивать и складывать обратно?
Мы сделали много подходов: автоматизировали отчётность, структурировали процессы, развивали HR brand и входящий поток кандидатов, но в итоге огромное количество времени всё ещё съедали мелкие ручные действия: разобрать отклики, написать кандидатам, назначить или перенести интервью, зафиксировать результаты, вернуться с обратной связью.
Сами по себе эти задачи занимают 5-10 минут, но когда таких задач в течение дня несколько – они забирают приличную часть рабочего времени. Здесь мы и решили посмотреть, что из этой рутины можно отдать AI, не потеряв при этом качество взаимодействия с кандидатами.
AI-FOMO: как мы чуть не собрали собственный AI-зоопарк
Мы начали с обзора рынка, где AI-инструменты есть уже практически для всего: поиск кандидатов, разбор резюме, первичные интервью, коммуникация, транскрибация встреч, оценка профиля. Каждый сервис обещает одно и то же: ускорить подбор и облегчить жизнь рекрутеру.
Мы отсмотрели 14 сервисов, 8 взяли на демо и довольно скоро знали про рынок почти всё. Оставалась одна проблема: мы не понимали, что нужно именно нам.
Получался классический эффект AI-FOMO: все вокруг что-то внедряют, и кажется, что если прямо сейчас и срочно не собрать собственного агента, не автоматизировать пол воронки и не научиться разговаривать с нейросетью на языке секретных промтов, мы точно останемся на задворках технологического будущего.
Но на практике при таком подходе команда рискует остаться с пятью новыми сервисами, тремя подписками, ещё одним чатом и рекрутером, которому теперь, помимо кандидатов, нужно обслуживать ещё и всю эту инфраструктуру.
Мы честно признали, что начали не с того. Вопрос «какой AI внедрить?» нужно было заменить на другой: «что конкретно в нашем процессе мы не хотим делать руками?»
Разложили работу рекрутера и нашли рутину
Мы заглянули в каждый этап подбора и нашли, куда уходит львиная доля времени команды – самым объёмным блоком оказались интервью и оценка кандидатов, но именно это мы автоматизировать не хотели.
Для нас интервью – не просто набор из десяти вопросов, которые достаточно задать по порядку. Нам важно услышать, почему человек задумался о смене работы, что его мотивирует, как он относится к особенностям роли, совпадаем ли мы по ценностям. Нейросеть хорошо работает со структурой оценки, но такие разговоры для нас пока остаются территорией живого общения.
Зато вне интервью нашлось много задач, где присутствие человека не критично. AI может помочь выстроить стратегию поиска, разобрать большой поток откликов и выделить подходящие профили, провести первичную коммуникацию, собрать базовую информацию, договориться о времени встречи. А после интервью сделать транскрипцию и помочь структурировать заметки.
Так мы пришли к простому принципу: не автоматизировать подбор целиком, а автоматизировать рутину внутри подбора.
Критерии выбора
Дальше выбирать стало проще. Мы перестали считать количество AI-функций и начали задавать каждому инструменту несколько понятных вопросов:
- закрывает ли он реальную боль;
- сокращает ли ручную работу без добавления новых шагов;
- интегрируется ли с нашими сервисами;
- есть ли гибкая оплата: при нелинейном найме годовая подписка на большой объём нам не подходит.
Главным стал вопрос: что в этот момент происходит с кандидатом? Хороший AI-инструмент не просто экономит время, он экономит время без ухудшения опыта кандидата.
В итоге мы выбрали одного AI-рекрутера и отдали ему три задачи: разбор откликов, первичную коммуникацию в чате на job-платформе и координацию встреч с интеграцией в календарь.
Сопротивление команды
Купить инструмент ещё не значит внедрить его – мы поняли это, когда реакция рекрутеров была примерно такой:
- «Я быстрее сама найду».
- «Пока объясню ИИ профиль, уже посмотрю десять резюме».
- «За ИИ всё равно надо перепроверять».
Поначалу эти комментарии были правдой. Любой новый инструмент требует времени на знакомство и настройку, а для человека с десятком вакансий в работе предложение «потратить неделю на обучение» не звучит как спасение.
Коллеги, которые отвечают за работу с сотрудниками и HR-бренд, переживали о другом: не станет ли подбор обезличенным, и не ударит ли это по репутации компании как работодателя. Один из вопросов звучал так: «Уважающий себя frontend вообще будет разговаривать с AI-рекрутером?»
Убеждать команду, что AI прекрасен просто потому, что это AI, мы не стали. Мы тестировали его на конкретных задачах и смотрели, где он действительно экономит время. Когда это становилось видно, сопротивление уходило само. А вопрос про frontend мы решили единственным верным способом: спросили самих кандидатов.
Кандидаты ответили. Но по-разному
За период с октября 2025 по август 2026 через AI-рекрутера прошли 26 218 кандидатов. Результаты оказались лучше, чем мы ожидали:
- 84% кандидатов ответили AI-рекрутеру;
- 57% прошли полный AI-скрининг в чате;
- 6% отказались от общения с AI.
Но общая цифра скрывает самое интересное – реакция кандидатов сильно зависела от роли:
- IT-специалисты чаще воспринимали общение с AI как вполне логичный фактор для технологичной компании;
- для кандидатов в техподдержке такая первичная коммуникация вообще не выглядела чем-то необычным;
- в финансах и документообороте многие не придавали большого значения тому, кто задаёт первые вопросы, главное, чтобы диалог был понятный и помогал быстро свериться по взаимным ожиданиям;
- а вот с sales-профилями получилось сложнее: здесь AI-сценарий задавал много вопросов про процессы и опыт, тогда как сильные sales-кандидаты привыкли разговаривать прежде всего про результат, задачи, деньги и возможности – коммуникация начинала раздражать кандидатов.
Для нас это был важный сигнал. Кандидаты – не единая аудитория: то, что прекрасно работает с одной группой, может абсолютно не подойти другой. Иногда правильный вывод после пилота не «давайте донастроим AI», а «здесь нужен человек».
Что изменилось в цифрах
После внедрения AI часть рутинных операций стала занимать заметно меньше времени. Особенно это чувствуется в поиске, обработке входящего потока и первичной коммуникации.
- Time to offer сократился с 26 до 24 рабочих дней.
- Конверсия кандидата в найм выросла на 17,6%.
- Трудоёмкость подбора снизилась на 21%.
AI не заменил рекрутера и сработал не на всех вакансиях. Он встроился в систему и помог улучшить результат именно там, где задача формализована и повторяется, а рекрутер остался там, где нужно принимать неоднозначные решения, чувствовать контекст и выстраивать отношения.
Наш алгоритм внедрения AI
За время экспериментов у нас сложился простой порядок действий.
- Найти реальную боль в процессе – не просто «хотим AI», а «вот это конкретное действие нужно перестать делать руками».
- Рассчитать трудоёмкость – сколько времени эта задача забирает в неделю.
- Определить границу автоматизации – что можно формализовать, а где нужна человеческая экспертиза.
- Проверить инструмент на процессе – встроить в рабочий поток.
- Посмотреть, что происходит на другом конце: с кандидатами или коллегами.
- Измерить результат – до и после, в цифрах, а не в ощущениях.
Вместо вывода
Внедрить AI сегодня относительно несложно. Гораздо сложнее понять, где он действительно делает работу лучше. Поэтому не начинайте с AI, начните с процесса. Технологичный подбор – не тот, где нейросеть встроена в каждый этап, а тот, где она снимает лишнюю ручную работу, а у людей появляется больше времени друг на друга: на стороне кандидата и на стороне рекрутера.
Источник фото: Magnific
Что Вы думаете об этом?