Собеседование — самый субъективный этап найма. Два рекрутера, беседующие с одним и тем же кандидатом в разное время суток, в разном настроении, с разной усталостью, нередко приходят к противоположным выводам. При этом именно здесь принимается решение о человеке, который будет работать в компании месяцами или годами.
Инструменты на основе искусственного интеллекта появились не для того, чтобы заменить рекрутера, а чтобы выровнять условия: дать каждому кандидату одинаковый набор вопросов, зафиксировать ответы, сравнить их по единым критериям и освободить рекрутера от технической рутины. Ниже — разбор того, как мы в агентстве «CorpStaff» используем эти инструменты на практике в Санкт-Петербурге.
Как ИИ меняет формат собеседований
Еще три-четыре года назад стандартная схема выглядела так: созвон в Zoom, субъективные заметки в блокноте, пересказ кандидата на встрече с нанимающим менеджером. Сегодня этот процесс разбивается на три отдельных задачи, каждую из которых может взять на себя ИИ.
Первая роль — подготовка. Нейросеть генерирует структурированный набор вопросов под конкретный профиль вакансии, а не подбирается к кандидату «по ситуации». Вторая роль — проведение. Асинхронное видеоинтервью позволяет кандидату записать ответы в удобное время, без привязки к расписанию рекрутера. Третья роль — обработка. Расшифровка записей, анализ содержания и скоринг дают рекрутеру структурированное summary вместо разрозненных пометок.
Главная выгода проявляется на массовом подборе. По данным российских платформ, в частности VCV, асинхронное видеоинтервью сокращает время найма на первичном этапе воронки ориентировочно в три раза по сравнению с традиционными телефонными скринингами. Важная оговорка: в CorpStaff мы используем ИИ-инструменты именно на первичном отсеве. Финальное собеседование всегда ведёт живой рекрутер — это принципиальная позиция.
Инструменты для подготовки вопросов
Когда рекрутер придумывает вопросы «из головы» в момент интервью, результат непредсказуем: одному кандидату достались три кейса по компетенциям, другому — пять минут светской беседы о предыдущем работодателе. ИИ убирает эту лотерею. Достаточно один раз описать вакансию и ключевые компетенции — нейросеть выдает набор вопросов, который затем одинаково применяется ко всем соискателям.
Мы генерируем вопросы на базе профиля вакансии с помощью ChatGPT, GigaChat или YandexGPT в зависимости от задачи. В промпт передается описание роли, три-четыре ключевые компетенции и методика интервью. На выходе получаем поведенческие вопросы, сформулированные по методике STAR: ситуация — задача — действие — результат.
На входе ИИ получает описание вакансии, 3–4 ключевые компетенции, контекст компании и формат интервью. На выходе рекрутер получает список вопросов по STAR, признаки хорошего ответа и возможные уточняющие вопросы. После этого рекрутер проверяет формулировки, убирает дубли и адаптирует вопросы под реальную роль. Нейросеть для собеседования полезна не как самостоятельный интервьюер, а как помощник рекрутера: она готовит вопросы, расшифровывает ответы и помогает сверить их с критериями оценки.
Как составить вопросы по STAR с помощью ИИ
Логика промпта простая: на входе — название вакансии, перечень компетенций (например, «управление конфликтами», «работа в условиях неопределенности», «клиентоориентированность») и указание методики STAR. На выходе — по два вопроса на каждую компетенцию плюс описание того, что считается «хорошим» ответом: какие элементы структуры STAR должны присутствовать, какие конкретные поведенческие маркеры свидетельствуют об уровне компетенции.
При составлении промпта важно просить ИИ не только сформулировать вопросы, но и указать критерии оценки ответа: есть ли в ответе конкретная ситуация; понятна ли задача, которую решал кандидат; описаны ли именно личные действия, а не роль команды в целом; есть ли измеримый результат; какие уточняющие вопросы задать, если ответ неполный. Это показывает, что ИИ помогает не просто «написать вопросы», а подготовить рекрутеру структуру для более объективного интервью.
Рекрутер CorpStaff не использует результат как готовый скрипт. После генерации он вычищает дубли, убирает нерелевантные вопросы и при необходимости адаптирует формулировки под специфику отрасли. Итог — структурированный гайд по оценке кандидатов на основе компетенций, по которому можно работать вне зависимости от опыта рекрутера.
Автоматическое видеоинтервью: плюсы и минусы
Асинхронное видеоинтервью работает так: кандидат получает ссылку, видит вопросы по очереди на экране и записывает ответы в удобное для него время. Рекрутер просматривает записи, когда удобно ему.
ИИ в этом сценарии не просто хранит видеозапись. Он помогает расшифровать ответы, разложить их по вопросам, выделить ключевые фрагменты и подготовить краткое summary для рекрутера. В результате специалист работает не с хаотичным набором записей, а с уже структурированными материалами.
Плюсы очевидны при массовом подборе. В Санкт-Петербурге, когда мы закрывали позиции на складских комплексах с сотнями откликов в неделю, асинхронный формат позволял обработать весь поток без увеличения команды. Каждый кандидат получает одинаковые условия: те же вопросы, тот же порядок, та же формулировка. Запись и транскрипт остаются в системе — нанимающий менеджер может вернуться к интервью в любой момент.
Скорость обработки вырастает кратно. В таких проектах мы используем видеоинтервью не как замену живой встречи, а как первичный фильтр: кандидат отвечает на одинаковые вопросы, запись сохраняется, а рекрутер затем смотрит ответы по заранее заданным критериям. Это помогает сравнивать людей не «по памяти», а по конкретным формулировкам и фактам.
Минусы тоже реальные. Часть кандидатов — особенно те, кто не привык к видеоформату или чувствует себя неуверенно без живого собеседника, — испытывает дискомфорт и может не пройти запись, хотя могла бы стать хорошим сотрудником. Живого диалога нет: рекрутер не может уточнить ответ в моменте. Технические сбои случаются — у кандидата не работает камера или сервис недоступен в конкретный момент.
Граница применения: асинхронное видеоинтервью — инструмент первичного отсева, не основание для финального решения.
Актуальные инструменты для российского рынка:
- VCV — одна из самых распространённых платформ для асинхронного видеоинтервью в России, поддерживает брендирование интерфейса под работодателя.
- Skillaz — комплексная ATS-система со встроенным модулем видеоинтервью, удобна при интеграции с КЭДО и Bitrix24.
- Поток (Potok) — платформа для массового подбора с видеоинтервью и автоматизацией воронки.
- Xenia AI — ИИ-интервьюер, ведущий диалог на русском языке; умеет задавать уточняющие вопросы в реальном времени в автоматическом режиме.
Анализ ответов и скоринг кандидатов
После того как запись получена, ИИ может взять на себя следующий шаг: расшифровка аудио или видео в текст, анализ содержания ответов, сопоставление с критериями и присвоение скорингового балла.
В нашем процессе ИИ работает с транскриптом интервью: выделяет ответы кандидата, сопоставляет их с заранее заданными критериями, отмечает наличие элементов STAR и предлагает черновой балл. Для каждой оценки важно требовать обоснование — конкретную цитату или фрагмент ответа, а не просто число.
Что работает надёжно: оценка соответствия ответа заданным критериям (упомянул ли кандидат конкретный результат, назвал ли цифры, описал ли свою роль — а не роль команды), полнота структуры по STAR. Это хорошо формализуется и проверяется.
Что требует осторожности: «анализ эмоций по лицу и голосу» — направление, активно продвигаемое рядом западных платформ. Научная обоснованность этих методов остаётся предметом дискуссий, а риск дискриминации по непрямым признакам — вполне реальный. Мы не используем «лидерский балл по лицу» или «уровень уверенности по интонации» как основание для каких-либо решений.
Практика CorpStaff: скоринг — это сортировщик очереди, не вердикт. Он позволяет рекрутеру начать просмотр с наиболее релевантных кандидатов, а не смотреть записи в случайном порядке. Для работодателя это означает, что сильные кандидаты быстрее попадают к рекрутеру, а спорные не теряются автоматически: человек проверяет верх рейтинга и пограничную зону.
Как мы используем скоринг, чтобы не потерять сильных кандидатов
Алгоритмы ошибаются. Кандидат с нестандартным опытом может получить низкий балл не потому, что он слабый, а потому что его ответы плохо ложатся в шаблон. Поэтому в нашем процессе обязательно действует правило ручной проверки: рекрутер просматривает все записи из верхней части рейтинга и отдельно — «пограничную зону», где кандидат набрал балл чуть ниже порога отсева.
Рекрутер смотрит не только итоговый балл, но и основание оценки: какие фразы кандидата ИИ посчитал сильными, где не нашёл результата, какие ответы отметил как неполные. Если вывод ИИ не подтверждается текстом интервью, балл корректируется вручную. Только такой подход позволяет не терять людей из-за несовершенства алгоритма.
В одном из проектов по оценке кандидатов после интервью ИИ подготовил транскрипты, summary и черновой скоринг по компетенциям. Один кандидат оказался в «пограничной зоне»: общий балл был ниже порога, но в ответах были сильные примеры, которые алгоритм оценил недостаточно точно. Рекрутер вернулся к расшифровке, проверил конкретные фразы кандидата и скорректировал вывод. Такой подход помогает не отсекать людей автоматически и использовать ИИ как помощника, а не как финального судью.
Этические вопросы и риски предвзятости
Корректность и прозрачность для кандидата
Кандидат должен знать, что его оценивает ИИ — это не факультативная деталь, а требование честного взаимодействия и часть бренда работодателя. До начала записи необходимо объяснить: как проходит интервью, что именно фиксируется, кто будет смотреть запись, как долго она хранится. Согласие на обработку персональных данных, включая видеозапись, оформляется в соответствии с 152-ФЗ. Компании, которые пропускают этот шаг, получают недовольных кандидатов и репутационные риски.
Риск предвзятости (bias) и как мы его снижаем
ИИ не нейтрален по умолчанию — он наследует перекосы из данных, на которых обучался. На практике это означает: модель может систематически занижать оценку кандидатов с нестандартным акцентом или дикцией, иначе оценивать ответы в зависимости от пола или возраста, если в обучающей выборке были косвенные корреляции.
Чтобы снизить этот риск, мы придерживаемся четырех правил. Первое: финальное решение всегда принимает человек. Второе: критерии оценки одинаковы для всех кандидатов вне зависимости от пола, возраста, гражданства и других демографических характеристик. Третье: мы периодически сверяем результаты скоринга на предмет систематического перекоса — если какая-то группа кандидатов стабильно получает низкие баллы без очевидных содержательных причин, это сигнал пересмотреть критерии или инструмент. Четвёртое: «анализ эмоций и личности по лицу» не используется как основание для отказа.
Вывод здесь принципиальный: ИИ может как снизить субъективность, так и её усилить. Всё зависит от того, как выстроен процесс вокруг инструмента.
Готовый инструмент или свой ассистент на нейросети
Покупать специализированную платформу для проведения собеседований не всегда оправдано — особенно если закрываете точечные позиции раз в квартал. Многие задачи, которые решают готовые платформы, можно собрать самостоятельно на базе большой языковой модели (LLM).
Что реально строится на ChatGPT / GPT, YandexGPT, GigaChat или аналогичных LLM: генератор вопросов под конкретный профиль и методику STAR; ассистент расшифровки и составления summary по итогам интервью; черновой скоринг на основе чеклиста критериев; инструмент для сведения оценок нескольких интервьюеров в единый документ.
Например, рекрутер загружает транскрипт интервью и критерии оценки, а модель готовит summary по кандидату, отмечает сильные и слабые ответы, предлагает черновой скоринг и список вопросов, которые стоит уточнить на следующем этапе.
Когда это оправдано: точечный найм редких специалистов, нестандартные роли, где нет готового шаблона оценки. Такой подход требует человека, который умеет составлять промпты и дорабатывать результат. Отдельный момент — данные: при использовании LLM через API необходимо убедиться, что персональные данные кандидатов обрабатываются в соответствии с 152-ФЗ, а не передаются на зарубежные серверы без соответствующего оформления.
В CorpStaff часть задач — генерация вопросов, расшифровка и сводные отчеты по кандидатам — закрыта собственными наработками на LLM.
Вывод практика: для массового потока нужна платформа с готовой инфраструктурой. Для точечного подбора достаточно собственного ассистента на нейросети.
Как внедрить ИИ в процесс собеседований
Большинство компаний, которые пробовали автоматизировать интервью и получили плохой результат, совершили одну и ту же ошибку: купили инструмент раньше, чем описали критерии оценки. Инструмент автоматизирует процесс — но если процесса нет, автоматизировать нечего. Рабочая последовательность состоит из пяти шагов:
- Шаг 1. Определите, где ИИ даёт максимум. Как правило, это первичный отсев на высоком объёме и подготовка структурированного гайда вопросов. Именно здесь рутина наиболее ощутима и замена человека наименее рискованна.
- Шаг 2. Опишите критерии оценки до подключения инструмента. Что считается хорошим ответом? Какие поведенческие маркеры соответствуют каждому уровню компетенции? Без этого ИИ будет оценивать по умолчанию — и непредсказуемо.
- Шаг 3. Выберите инструмент под объём. Массовый подбор — платформа (VCV, Skillaz, Поток, Xenia AI). Точечный подбор — генерация вопросов на LLM плюс расшифровка записей.
- Шаг 4. Запустите пилот на одной вакансии. Сравните выводы ИИ с оценкой рекрутера по тем же кандидатам. Где расхождения — там либо ошибка алгоритма, либо ошибка в критериях.
- Шаг 5. Зафиксируйте правило. Человек принимает финальное решение. Это должно быть записано в регламент, а не просто подразумеваться.
В рабочем процессе это выглядит так: сначала рекрутер задает критерии оценки, затем ИИ помогает подготовить вопросы, после интервью делает транскрипт и summary, предлагает черновой скоринг, а рекрутер проверяет выводы и принимает решение. Именно такая связка снижает субъективность: не «понравился / не понравился», а «какой ответ дал кандидат и каким критериям он соответствует». Подход работает как при массовом подборе персонала, так и при точечном найме ключевых специалистов.
Если вам нужно не просто провести интервью, а сравнить нескольких финалистов по единым критериям, CorpStaff может взять оценку кандидатов на себя. Мы используем структурированное интервью, ИИ-инструменты для расшифровки и скоринга, а финальные выводы проверяет живой рекрутер. Это помогает снизить субъективность и принять решение на основе фактов, а не впечатления.
Заключение
ИИ на собеседовании — это про скорость и равные правила, а не про замену живого рекрутера. Видеоинтервью снимает географические ограничения и обеспечивает единые условия для сотен кандидатов одновременно. Автоматический скоринг позволяет рекрутеру начинать работу с самого релевантного, а не с первого по списку. Генерация вопросов по методике STAR убирает «вопросы наугад» и делает интервью структурированным.
Но ни один из этих инструментов не работает без человека, который выстраивает вокруг него процесс, проверяет результат и принимает финальное решение. Субъективность не исчезает сама по себе — её нужно осознанно снижать на каждом этапе, выстраивая оценку кандидатов на основе критериев, а не интуиции.
