ИИ в HR — понятие широкое до бесполезности: под ним может скрываться и фильтр резюме по ключевым словам, и полноценная система предиктивной аналитики. На практике это набор инструментов с очень разным уровнем зрелости и реального применения. Рекрутеры «CorpStaff» работают с такими инструментами ежедневно — и разница между тем, что обещают вендоры, и тем, что реально работает на подборе в Петербурге, ощутима.
Мы сознательно не рассматриваем ИИ как модную технологию. Для нас это набор рабочих инструментов, которые должны решать конкретные задачи рекрутера. Именно с этой практической точки зрения мы рассмотрим тему дальше: что именно скрывается за словосочетанием «ИИ в HR», где он уже приносит измеримый эффект, а где его влияние преувеличивают.
Что такое ИИ в HR: ключевые понятия
Искусственный интеллект в HR — это применение алгоритмов и методов машинного обучения к задачам подбора, оценки, адаптации и удержания персонала. За этим широким определением скрываются три принципиально разных уровня инструментов.
Первый уровень — простая автоматизация на правилах и шаблонах
Фильтр резюме по ключевым словам, автоматическая рассылка приглашений кандидатам, чат-бот с заранее прописанным деревом ответов — всё это работает по четким правилам без какого-либо «обучения». Это самый массовый и доступный уровень: он уже встроен в большинство ATS-систем и не требует специальных знаний. В нашей работе с этим уровнем мы сталкиваемся практически на каждом проекте — он встроен в большинство инструментов, которые используем ежедневно.
Второй уровень — генеративный ИИ и большие языковые модели (LLM)
Сюда относятся ChatGPT, Claude, YandexGPT, GigaChat и другие инструменты, которые генерируют тексты, анализируют документы, пишут письма, составляют summary по транскриптам интервью, отвечают на вопросы в свободной форме. Именно этот уровень за последние два года изменил работу рекрутера сильнее всего: качественный черновик вакансии или письма-приглашения теперь занимает минуты, а не часы. Для рекрутеров CorpStaff этот уровень стал частью ежедневной работы: черновики писем, вопросы к интервью, summary по итогам разговора с кандидатом — всё это теперь занимает минуты, а не часы.
Третий уровень — предиктивная аналитика
Прогноз вероятности увольнения сотрудника по набору признаков, скоринг кандидата по историческим данным успешного найма, моделирование воронки подбора. Этот уровень требует данных, инфраструктуры и экспертизы в машинном обучении — и именно его чаще всего переоценивают, говоря об ИИ в HR в целом. На практике этот уровень пока актуален в основном для крупных компаний с накопленными массивами данных о найме; большинству работодателей достаточно первых двух.
Важная оговорка, которую мы всегда проговариваем клиентам: ИИ в HR — это не только готовые продукты вендоров, но и собственные ассистенты, собранные на нейросети под конкретный процесс. Второй вариант нередко оказывается и дешевле, и точнее. При этом принципиальное правило остается одним: финальное решение — оффер, отказ, выбор между финалистами — всегда остаётся за живым специалистом.
Где ИИ уже применяется в HR: разбор по этапам найма
Рекрутинговый процесс удобно рассматривать как воронку, и ИИ встраивается практически на каждом её этапе — с разной степенью зрелости и реального эффекта.
Парсинг и скоринг резюме. На входе воронки — сотни откликов, большинство из которых не соответствует требованиям. Алгоритмы автоматически извлекают параметры из резюме (опыт, навыки, образование, география), сопоставляют их с профилем вакансии и выстраивают ранжированный список. На массовом подборе это сокращает время первичной обработки в разы: рекрутер начинает не с просмотра каждого отклика, а с проверки топа уже отфильтрованного списка.
Генерация и рассылка приглашений. LLM пишет персонализированные письма кандидатам в заданном tone of voice, подставляет релевантные детали из профиля, рассылает через интеграцию с ATS. Живой рекрутер утверждает шаблон и контролирует рассылку, а не тратит время на механическое набивание однотипных текстов.
Чат-боты для первичного скрининга. Бот задает кандидату квалификационные вопросы — готовность к командировкам, ожидаемая зарплата, стаж на аналогичной позиции, готовность к сменному графику — и передает ответы в CRM. Для массовых вакансий это позволяет закрывать первичный фильтр в режиме 24/7, не привлекая рекрутера к каждому отклику.
Расшифровка и summary интервью. Запись интервью транскрибируется, а LLM делает структурированное резюме по компетенциям. Рекрутер получает размеченный текст, а не пытается восстановить детали часового разговора по памяти через несколько часов.
Оценка soft skills. Здесь нужно быть осторожнее: анализ видео «по лицу» и «эмоциональный ИИ» имеют низкую валидность и высокий риск дискриминации. Надёжнее — анализ текстовых ответов кандидата на соответствие поведенческим индикаторам из профиля компетенций.
Предиктивная аналитика. Прогноз текучки и скоринг по историческим данным — самый сложный уровень, требующий накопленных данных. Большинству компаний он доступен через платформенные решения, а не через собственные модели.
В российских реалиях ИИ-функциональность уже присутствует в hh.ru (ИИ-скоринг откликов, готовые ответы кандидатам), Talantix (скоринг, автоответы), Хантфлоу (разметка воронки, аналитика), Поток (массовый подбор с ботами). Telegram-боты на базе LLM используются как для внешнего скрининга кандидатов, так и для внутренней автоматизации — уведомлений рекрутеру, сбора обратной связи после выхода нового сотрудника.
Как мы используем ИИ в подборе в CorpStaff (Санкт-Петербург)
Мы не внедряем ИИ ради самого ИИ. Каждый инструмент закрывает конкретную задачу рекрутера: сокращает ручную работу, ускоряет коммуникацию или помогает быстрее принимать решения.
В нашей практике ИИ встроен в несколько этапов процесса — без замены рекрутера, но с существенным снижением рутинной нагрузки.
На входе воронки мы используем предварительный парсинг и ранжирование откликов: алгоритм проходит по базе, выставляет кандидатам балл по соответствию профилю и тегирует по навыкам. Рекрутер начинает работу с кандидатами, уже упорядоченными по релевантности, а не с просмотром каждого резюме с нуля.
Для первичной коммуникации мы используем шаблоны-заготовки писем, адаптированные под вакансию с помощью LLM. Письмо отправляет живой рекрутер — он проверяет, что текст уместен, — но черновик уже готов.
На массовых вакансиях — склады, ритейл, колл-центры в Петербурге — мы подключаем ботов для первичного скрининга в Telegram. Бот собирает квалификационные ответы, передает их в CRM, и к моменту первого звонка рекрутер уже знает, что кандидат соответствует базовым требованиям. Оценку компетенций, переговоры об условиях и решение по кандидату ведёт живой специалист.
Всё это — часть нашего подбора персонала: ИИ снимает механику, а экспертиза рекрутера остаётся на задачах, где она действительно добавляет ценность.
Готовые продукты или свое решение на нейросети
Когда компания решает внедрить ИИ в HR, перед ней два принципиально разных пути.
Путь первый: готовые продукты
hh.ru, Talantix, Хантфлоу, Поток — это платформы с уже встроенной ИИ-функциональностью. Преимущества очевидны: быстрый старт, понятный интерфейс, поддержка вендора, интеграции с другими инструментами. Не нужно ничего разрабатывать — просто включаете нужную функцию.
Ограничения тоже очевидны. Вы работаете по логике вендора: алгоритм скоринга непрозрачен, настроить критерии под конкретную компанию можно лишь в рамках, которые позволяет платформа. Данные кандидатов уходят во внешний сервис — это нужно учитывать с точки зрения 152-ФЗ. Лицензионные расходы растут вместе с объёмом найма.
Путь второй: собственное решение на LLM
Этот путь стал реальным для компаний любого масштаба за последние два года. На базе Claude, ChatGPT/GPT, YandexGPT или GigaChat можно собрать набор ассистентов, заточенных под конкретные задачи:
- ассистент парсинга резюме — анализирует каждое резюме по заданным критериям, выдаёт структурированное summary и предварительный балл;
- генератор вакансий и писем — создает тексты в едином tone of voice компании по промпту с параметрами позиции;
- бот первичного скрининга — задает кандидату ваши квалификационные вопросы в Telegram или на сайте;
- помощник по подготовке вопросов — формирует банк поведенческих вопросов под конкретный профиль компетенций;
- разметка и summary расшифровок интервью — транскрипт + промпт = структурированный документ с оценкой по STAR;
- чек-листы для адаптации — персонализированные онбординговые материалы под роль нового сотрудника.
Преимущества кастомного решения: точная подгонка под методологию, контроль над данными (при использовании YandexGPT или GigaChat данные кандидатов остаются в российском правовом поле согласно 152-ФЗ), низкий порог входа — первый рабочий прототип можно собрать за несколько дней.
Оговорки, которые нельзя игнорировать: для настройки нужен человек, умеющий работать с промптами. LLM «галлюцинируют» — уверенно выдают правдоподобные, но неточные ответы. Поэтому все сценарии с ИИ-ассистентом требуют проверки человеком, особенно там, где цена ошибки высока.
Свои ИИ-решения в CorpStaff
По опыту наших рекрутеров, наиболее ощутимый эффект дают три инструмента, которые мы разработали для собственного процесса.
ИИ-шорт-лист и скоринг. Инструмент делает холодный поиск по базам hh.ru и Avito, скорит каждого кандидата числовым баллом, тегирует по навыкам и определяет степень активности — включая пассивных соискателей, которые не откликались сами. Обезличенный пример из практики: по вакансии главного бухгалтера производственного предприятия в Ленинградской области инструмент сформировал шорт-лист из 25 наиболее релевантных кандидатов — рекрутер начал работу с уже приоритизированным списком, а не с ручным просмотром. Это сокращает время выхода на переговоры с наиболее подходящими кандидатами и снижает риск пропустить сильного специалиста, которого не было в активном поиске.
Связка hh.ru — Bitrix24 с ИИ-ботом. Отклики с hh.ru автоматически попадают в CRM, кандидат получает первый ответ от ИИ-бота с уточняющими вопросами. Рекрутер подключается уже на этапе, когда базовая квалификация проверена. В результате рекрутер тратит время только на содержательный диалог с кандидатами, которые уже подтвердили соответствие базовым требованиям.
ИИ-аналитика рынка и зарплат. Перед стартом поиска инструмент собирает срез рынка по целевой позиции: актуальные вилки, конкурентная среда, активность кандидатов в регионе. Это экономит несколько часов ручного мониторинга и даёт клиенту обоснованные данные для принятия решений по условиям. Клиент быстрее определяется с вилкой — а значит, поиск стартует раньше и без лишних итераций.
Данные кандидатов во всех собственных решениях обезличены — без имён и контактов в слоях автоматической обработки.
Преимущества для компании и HR-специалистов
Практический эффект от внедрения ИИ в HR распределяется между двумя группами: компанией как нанимателем и HR-командой как исполнителем.
Для компании: вакансии закрываются быстрее за счёт сокращения времени на первичный отсев. Стоимость подбора снижается — либо через меньшее число рабочих часов рекрутера на одну вакансию, либо через более высокую точность попадания, которая уменьшает количество неудачных наймов. «Висящие» вакансии, которые месяцами остаются открытыми из-за перегруженности HR-команды, становятся исключением, а не нормой. Наконец, автоматизация производит данные: воронка подбора, источники, конверсии, среднее время закрытия — всё это появляется в отчёте, а не хранится в голове рекрутера.
Для HR-специалиста: меньше рутинного просмотра неподходящих резюме — больше времени на переговоры с сильными кандидатами и глубокую оценку кандидатов. Снижается выгорание, которое в рекрутинге часто связано не с интенсивностью коммуникации, а именно с монотонным механическим отсевом.
ROI от ИИ в HR считается через экономию времени рекрутера. Реалистичный диапазон на массовом подборе: автоматический первичный скрининг сокращает время обработки откликов в два-четыре раза в зависимости от объёма и сложности позиции. На единичном подборе эффект скромнее, но стабилен: черновики, summary, аналитика рынка экономят от часа до нескольких часов на вакансию. Без «волшебных» цифр — реальный эффект зависит от того, насколько последовательно выстроен процесс.
На практике это означает, что HR-команда начинает тратить меньше времени на механические операции и больше — на работу с сильными кандидатами и взаимодействие с руководителями.
Страхи и мифы об ИИ в HR
За несколько лет работы с петербургскими компаниями мы слышим примерно одни и те же возражения. Разберём их честно.
«ИИ заменит рекрутеров»
Нет. ИИ хорошо справляется с задачами, которые поддаются формализации: отсев по критериям, генерация текстов по шаблону, скоринг по параметрам. Оценка мотивации, переговоры об условиях, понимание культуры компании, финальный выбор между людьми с близкими профилями — это задачи, где человеческое суждение принципиально. В нашей практике ИИ не сократил ни одного рекрутера, но изменил структуру его рабочего времени.
«ИИ дискриминирует кандидатов»
Риск реален и его нельзя игнорировать. Алгоритм, обученный на исторических данных с предвзятостью (например, когда компания годами нанимала людей определённого возраста или пола), воспроизводит эту предвзятость в промышленных масштабах. Лечится это прозрачными критериями скоринга, регулярным аудитом результатов и осознанным контролем человека на этапах, где предвзятость наиболее вероятна.
«Это дорого и только для крупных»
Нет. Собственный ассистент на LLM для конкретной задачи — парсинг резюме, генерация писем — собирается за несколько дней без серьёзных вложений. Встроенные ИИ-функции в hh.ru и Talantix доступны в рамках стандартных тарифов. Порог входа за последние два года снизился кратно.
«Данные кандидатов окажутся неизвестно где»
Это законный вопрос. При использовании российских сервисов — YandexGPT, GigaChat — данные обрабатываются в российской инфраструктуре в соответствии с 152-ФЗ. При работе с зарубежными LLM персональные данные кандидатов в промпт передавать не следует: используйте обезличенные тексты или агрегированные описания.
«ИИ ошибается»
Ошибается — это факт. Большие языковые модели «галлюцинируют», алгоритмы скоринга дают ложные срабатывания. Именно поэтому ИИ уместен на этапе скрининга и подготовки материалов, а не на финальных решениях. Нет ни одной причины отдавать решение об оффере алгоритму.
Как начать внедрение: первые шаги
Главная ошибка при внедрении ИИ в HR — начинать с платформы, а не с задачи. Правильный порядок выглядит так:
- Шаг 1. Найдите узкое место. Где сейчас теряется больше всего времени? Первичный отсев? Написание однотипных писем? Подготовка материалов к интервью? Начинать нужно с самой болезненной точки, а не с самой «технологичной» функции.
- Шаг 2. Выберите один процесс. Не автоматизируйте всё сразу. Возьмите один этап, настройте его, измерьте результат — и только потом двигайтесь дальше.
- Шаг 3. Определите путь: готовый продукт или собственный ассистент. Если узкое место закрывается функциями hh.ru или Talantix — включите их. Если нужна точная подгонка под ваш процесс — соберите ассистент на LLM. Оба варианта имеют смысл в зависимости от задачи.
- Шаг 4. Зафиксируйте метрики до старта. Сколько времени сейчас занимает первичный отсев? Какой процент откликов доходит до звонка? Без базовых цифр измерить эффект невозможно.
- Шаг 5. Сохраните человека на финальном решении. Это не пожелание — это принцип, который предотвращает и юридические риски, и потерю качества. ИИ готовит, сортирует, суммирует. Человек решает.
- Шаг 6. Оцените ROI через один-два месяца. Сравните метрики до и после. Если эффекта нет — либо инструмент не тот, либо процесс не перестроен. Если есть — масштабируйте.
Важно не пытаться автоматизировать весь HR-процесс сразу. Гораздо эффективнее начать с одной задачи, измерить результат и только затем масштабировать успешный опыт.
Альтернативный путь — передать подбор персонала агентству, у которого инструменты уже встроены в процесс. В этом случае вы получаете скорость и технологии без необходимости выстраивать собственную инфраструктуру.
Примеры из практики
Массовый подбор в ритейле и логистике Санкт-Петербурга
Торговая сеть с постоянной потребностью в продавцах-консультантами получала по 200–300 откликов в месяц на типовые позиции. Первичный отсев занимал значительную часть рабочего времени HR-менеджера. После подключения бота для скрининга в Telegram — кандидат отвечал на пять квалификационных вопросов до первого звонка — HR-команда начала работать только с теми, кто прошёл базовый фильтр. Время от отклика до первого живого контакта сократилось, нагрузка на рекрутера перераспределилась в пользу содержательных переговоров.
IT-подбор
На технические позиции с узким рынком ценность ИИ — в другом: не в отсеве потока, а в холодном поиске. Ассистент проходит по базам hh.ru, скорит кандидатов по стеку технологий, опыту в схожих продуктах и активности, формирует шорт-лист пассивных соискателей, которых рекрутер иначе бы не нашёл. Это меняет подход с реактивного («ждём откликов») на проактивный («ищем сами»).
Адаптация новичков через бота
Петербургская компания в сфере услуг автоматизировала часть онбординга через Telegram-бота: в первые дни работы сотрудник получал через бота чек-лист задач, ссылки на регламенты, напоминания об ключевых встречах. HR-менеджер получал уведомления о прохождении каждого этапа. Это не заменило наставника, но убрало хаос первой недели, когда новичок не знает, к кому идти за базовой информацией.
Из нашей практики в CorpStaff
На массовой вакансии для одного из петербургских клиентов мы использовали связку «ИИ-скрининг + рекрутер»: бот отрабатывал первичный контакт в режиме 24/7, собирал ответы на квалификационные вопросы, передавал готовый профиль кандидата в CRM. Рекрутер подключался уже к финалистам первичного фильтра. Срок выхода сотрудника на работу от старта поиска сократился ощутимо по сравнению с предыдущим аналогичным проектом, где весь первичный контакт велся вручную.
Заключение
ИИ в HR — это не замена рекрутера и не универсальное решение всех проблем с наймом. Это набор инструментов, каждый из которых хорошо делает свою конкретную работу: сортирует, генерирует, транскрибирует, скорит. Скорость и масштаб — на стороне алгоритма. Понимание человека, оценка мотивации, финальное решение — на стороне рекрутера.
В CorpStaff мы пришли к этому подходу не через покупку «волшебной платформы», а через последовательное закрытие конкретных узких мест в реальном процессе — скрининг, первичный контакт, аналитика рынка. Каждый инструмент проверялся на практике, и оставались только те, которые давали измеримый результат. Именно поэтому наибольший эффект дает не самый передовой продукт, а правильно выбранный момент для его применения.
Этим опытом вполне можно воспользоваться самостоятельно — последовательный чек-лист выше работает независимо от масштаба компании. Если ресурса на выстраивание собственной инфраструктуры нет, этот путь можно пройти быстрее с агентством, где всё уже настроено.
