На массовой вакансии оператора склада в Петербурге — 150–200 откликов за неделю — рекрутер тратит два-три рабочих дня только на первичный просмотр, еще до первого живого разговора с кандидатом. За это время часть из них уже приняла другие офферы. Именно здесь ИИ даёт наиболее измеримый эффект: не в красивых презентациях про «найм будущего», а в конкретном сокращении механического труда на предсказуемых участках воронки. В этой статье мы покажем, как выглядит наша система автоматизации подбора в CorpStaff и какие этапы она ускоряет — где автоматика действительно работает, а где лучше оставить человека.
Как мы автоматизировали подбор: единая система
В CorpStaff ИИ встроен не как отдельный инструмент, а как часть единого процесса подбора — от поступления отклика до формирования шорт-листа. Основу составляет собственная связка HeadHunter и Bitrix24, дополненная ИИ-инструментами, которые автоматически обрабатывают отклики, проводят первичную квалификацию и помогают рекрутеру быстрее переходить к интервью. Наш процесс выглядит так:
Кандидат откликается на hh.ru
↓
Отклик автоматически попадает в Bitrix24
↓
ИИ анализирует резюме и сопоставляет с требованиями вакансии
↓
ИИ-бот связывается с кандидатом и проводит первичную квалификацию
↓
Рекрутер получает подготовленного кандидата со всей историей общения
↓
Интервью и оценка
↓
Шорт-лист → оффер
Дальше разберем каждый этап: что на нём делает система, что остаётся за рекрутером, и какой бизнес-результат это даёт.
Где теряется время в классическом подборе
На точечных вакансиях — инженеры, IT-специалисты, узкие специализации — потери другого рода. Откликов мало, активных кандидатов в рынке еще меньше. Рекрутер тратит дни на ручной поиск по базам, составление длинных списков и первичные звонки тем, кто в итоге оказывается нерелевантным. При этом лучшие пассивные кандидаты — те, кто не ищет работу активно, но открыт к предложениям, — вовсе остаются вне поля зрения.
В обоих сценариях проблема одна и та же: рекрутёр занимается механической работой там, где его экспертиза не нужна, и у него не остается времени на то, что важно — живой разговор, оценка мотивации, переговоры по офферу. ИИ убирает механику и освобождает рекрутера для человеческой части работы.
Этап 1. Автоматический скрининг откликов
Как только кандидат откликается на hh.ru, наша система автоматически переносит его данные в Bitrix24: ФИО, контакты, должность, опыт, желаемая зарплата — всё подгружается в карточку кандидата без ручного копирования. Параллельно ИИ анализирует резюме и сопоставляет его с профилем вакансии.
Автоматически проверяется: релевантный опыт (должность и индустрия), география (особенно важно для офисных вакансий в Санкт-Петербурге), ключевые hard skills из требований, диапазон ожидаемой зарплаты, актуальность резюме — дата обновления и статус в поиске. Результат — числовой скоринг и сортировка: «подходит», «частично», «не подходит». Кандидаты, не прошедшие порог, получают автоматический вежливый отказ.
Это убирает из рассмотрения 60–70% нерелевантных откликов ещё до того, как рекрутёр открыл первое резюме. Вместо «вала» из 200 резюме он начинает работу с подготовленным списком тех, кто реально соответствует требованиям.
Этап 2. ИИ-бот на первичном контакте
Отклик попал в CRM и прошёл первичный скрининг. Если рекрутёр не подключился — а это часто происходит вечером, в выходные или в пиковые периоды — диалог начинает ИИ.
Бот отвечает немедленно: представляется, рассказывает об условиях и задаёт квалификационные вопросы — готов ли кандидат к сменному графику, есть ли опыт работы с нужным оборудованием, комфортен ли уровень зарплаты. Ответы фиксируются прямо в CRM-карточке, кандидату присваивается статус. Утром рекрутёр видит не «вал» новых откликов, а структурированный список: кто прошёл квалификацию, кто отказался сам, кто не ответил.
Бизнес-результат: кандидат не теряется вечером и в выходные, время первого контакта сокращается с дней до минут, рекрутёр начинает день сразу с теми, кто готов двигаться дальше.
Этап 3. Активный поиск и ранжирование
Скрининг входящего потока — лишь половина задачи. Когда вакансия срочная или профиль редкий, ждать откликов недостаточно. Здесь система переходит к активному поиску.
Инструмент сканирует базы hh.ru и Avito Работа, формирует ранжированный шорт-лист и обогащает его аналитикой: каждый кандидат получает скоринговый балл по соответствию профилю, теги по ключевым навыкам и статус активности — «активно ищет», «открыт к предложениям», «не ищет». Статус активности особенно важен: пассивный кандидат требует другого подхода в первом сообщении, чем тот, кто разместил резюме вчера.
Пример из нашей практики: при поиске DevOps-инженера для петербургской IT-компании система сформировала топ-28 профилей из открытых баз, включая пассивных кандидатов, которые не откликались сами. Из 28 — 7 попали в финальный шорт-лист после ручной верификации рекрутером. Без ИИ ручной поиск такого же объёма занял бы несколько дней; с инструментом — несколько часов.
Финальное решение всегда остаётся за рекрутером CorpStaff. ИИ расставляет приоритеты и убирает очевидно нерелевантных — но выбор кандидата для финального интервью и рекомендацию клиенту делает человек.
Где у ИИ границы
ИИ хорошо работает с формализованными данными: опыт, навыки, образование, локация. Но у него есть принципиальные ограничения.
Первое — риск предвзятости. Модели обучаются на исторических данных, и если в прошлом компания отдавала предпочтение кандидатам с определенными паттернами (вуз, прошлый работодатель), алгоритм воспроизведёт эту предвзятость. Нужна регулярная проверка логики скоринга.
Второе — soft skills. ИИ не оценит мотивацию, эмоциональный интеллект, умение работать в конкретной команде. Всё это выясняется только в живом разговоре.
Третье — нюансы карьерного трека. Нестандартный опыт, смена индустрии, короткие проекты — алгоритм может занизить кандидата, которого опытный рекрутёр оценил бы высоко.
Именно поэтому в нашем процессе ИИ не принимает решений самостоятельно. Для глубокой оценки кандидатов на уровне компетенций и ценностей мы используем структурированные инструменты, которые применяем уже после первичного скрининга — там, где машина заканчивает свою работу.
Как это работает на практике: кейс CorpStaff
Производственное предприятие в Ленинградской области передало нам подбор серии линейных вакансий одновременно. Суммарный входящий поток составил около 400 откликов за две недели.
В штатном режиме такой объём потребовал бы от двух рекрутеров плотной работы в течение недели только на первичный скрининг. С автоматическим переносом откликов в CRM, ИИ-скринингом и подключённым ботом мы обработали поток за полтора рабочих дня: система отсеяла нерелевантных, бот квалифицировал прошедших первый фильтр, рекрутеры занялись только живыми интервью с уже подготовленными кандидатами. Итоговый срок закрытия вакансий оказался в 1,5–2 раза короче стандартного ручного процесса.
Массовый и точечный подбор работают по-разному, но принцип один: система берёт на себя механику, рекрутёр — экспертизу.
Что это даёт в цифрах
По оценкам разработчиков российских HR-инструментов, ИИ-скрининг экономит от 80 до 87% времени на первичную обработку откликов. На практике: если раньше разбор 200 резюме занимал 2–3 дня, с автоматизацией он укладывается в 2–4 часа.
Это напрямую влияет на time-to-fill — ключевой показатель найма. Когда скрининг сокращается с дней до часов, рекрутер быстрее выходит на первые живые интервью. Кандидаты не успевают «остыть» или принять другой оффер. Один специалист способен параллельно вести больше вакансий без потери качества работы с финалистами.
Как измерить эффект у себя
Чтобы понять, что именно принесла автоматизация, нужен baseline — цифры «до». Четыре метрики для отслеживания:
- Time-to-fill — от публикации вакансии до принятия оффера. Сквозной показатель, на который влияет весь процесс.
- Конверсия по этапам — какой процент откликов переходит в скрининг, скрининга — в интервью, интервью — в оффер. Автоматизация верха воронки должна поднять конверсию из скрининга в интервью за счёт точного отсева.
- Cost-per-hire — полная стоимость закрытия одной вакансии. Снижение ручного труда на скрининге напрямую уменьшает этот показатель.
- Процент прошедших испытательный срок — долгосрочная метрика качества решений. Хороший скрининг не должна её ухудшать; если ухудшает — алгоритм требует калибровки.
Купить готовое, собрать своё или отдать агентству
Компании, которые хотят автоматизировать подбор, обычно идут одним из трёх путей.
1. Готовые ATS и HR-сервисы. Talantix (экосистема hh.ru), Поток, Хантфлоу — все три предлагают встроенные элементы автоматизации: парсинг резюме, воронки, базовый скоринг. Преимущества: быстрый старт, поддержка, интеграция с hh.ru из коробки. Ограничения: логика определяется вендором, гибкость настройки под специфику — ограниченная. Подходит, если нет ресурса на разработку и достаточно стандартного функционала.
2. Собственное решение на базе LLM. Claude, ChatGPT/GPT — для внутренних аналитических задач; YandexGPT или GigaChat — там, где данные кандидатов обрабатываются локально и критичны требования 152-ФЗ. Плюсы: максимальная гибкость, данные под контролем. Минусы: нужен технический ресурс на разработку и поддержку; LLM галлюцинируют, поэтому человеческая верификация обязательна. Подходит компаниям с IT-командой.
3. Делегировать подбор персонала агентству с встроенным ИИ. Построить подобную систему самостоятельно возможно — но это требует интеграций, настройки процессов и постоянной поддержки. В CorpStaff эта система уже выстроена и ежедневно используется в реальных проектах: от линейного персонала до узких инженерных специализаций.
Как начать
Практический чек-лист для перехода от ручного процесса к автоматизированному:
- Шаг 1. Аудит воронки. Зафиксируйте, где уходит больше всего времени: сколько откликов получаете, сколько обрабатываете вручную, какой процент нерелевантных. Это baseline для оценки эффекта.
- Шаг 2. Выберите российские инструменты. Talantix, Поток, Хантфлоу — базовые ATS с автоматизацией. Начните с того, который лучше интегрируется с вашими источниками откликов.
- Шаг 3. Автоматизируйте скрининг первым. Здесь объём ручного труда максимален, а ИИ справляется лучше всего. Быстрее всего окупается.
- Шаг 4. Добавьте первичный чат-контакт. Бот для первичной квалификации сокращает время до первого ответа кандидату — с дней до минут.
- Шаг 5. Замерьте результат. Через 4–6 недель сравните с baseline: time-to-fill, конверсию по этапам, нагрузку на рекрутера.
- Развилка: автоматизировать самим или делегировать. Если у вас есть ATS, выделенный рекрутер и стабильный поток вакансий — выстраивайте процесс внутри. Если ресурса на это нет — проще работать с агентством, где инструменты уже встроены в процесс подбора.
