Искусственный интеллект в найме: где он экономит время, а где только мешает

ИИ в подборе уже перестал быть экспериментом. Рекрутеры используют его, чтобы писать вакансии, составлять вопросы для интервью, разбирать резюме, готовить сообщения кандидатам и быстрее работать с большими объёмами откликов.

На первый взгляд логика простая: если часть работы можно передать алгоритму, компания экономит часы рекрутера и быстрее закрывает вакансии.

Проблема начинается тогда, когда автоматизируется не рутина, а само решение о кандидате.

Особенно заметно это в массовом найме. Когда одновременно открыты десятки вакансий продавцов, кассиров, складских сотрудников или курьеров, даже небольшое ускорение одного этапа действительно даёт экономию. Но ошибка, размноженная на сотни кандидатов, даёт ровно противоположный эффект: подходящие люди отсеиваются, воронка становится менее прозрачной, а рекрутер потом разбирается уже не с наймом, а с последствиями автоматизации.

Поэтому полезнее смотреть на ИИ не как на замену рекрутера, а как на инструмент для конкретных участков процесса.

Где ИИ действительно экономит время

Лучше всего автоматизируются задачи, в которых много повторяющейся работы и мало необходимости принимать самостоятельное решение.

Подготовка черновика вакансии

Собрать первое описание позиции вручную несложно. Но если в компании одновременно открываются десятки однотипных вакансий в разных городах, на этом легко теряются часы.

ИИ может быстро собрать базовую структуру:

1. название позиции;
2. обязанности;
3. требования;
4. условия;
5. варианты формулировок;
6. вопросы, которые кандидаты могут задать перед откликом.

Это полезно именно как черновик.

Проблема начинается, когда текст публикуют без проверки. Алгоритм легко добавляет стандартные формулировки вроде «дружной команды», «динамично развивающейся компании» и «возможности профессионального роста», даже если к реальной вакансии это не имеет отношения.

Для массовых позиций кандидат обычно хочет увидеть гораздо более простые вещи: сколько платят, какой график, где находится объект, как оформляют, какие обязанности и есть ли физическая нагрузка.

ИИ может помочь быстрее собрать текст. Но знать реальные условия должен работодатель.

Работа с большим количеством информации

Другая сильная сторона ИИ — быстро структурировать массив данных.

Например, компания получила несколько сотен откликов на массовую вакансию. Рекрутеру нужно понять, какие причины отказов встречаются чаще всего, на каком этапе кандидаты пропадают или какие вопросы повторяются.

Вручную это можно разбирать несколько часов. Алгоритм способен быстрее сгруппировать данные:

1. кандидаты не устраивает график;
2. слишком далеко находится объект;
3. ожидания по зарплате выше предложения;
4. люди не понимают формат оформления;
5. часть кандидатов перестаёт отвечать после первого контакта.

Но здесь есть важное условие: ИИ должен помогать анализировать уже собранную информацию, а не самостоятельно придумывать причину поведения людей.

Если кандидат просто перестал отвечать, нельзя автоматически записывать его в категорию «не устроила зарплата». Это уже интерпретация, а не факт.

Подготовка сообщений кандидатам

В массовом найме много одинаковых коммуникаций:

1. приглашение на интервью;
2. уточнение графика;
3. напоминание перед встречей;
4. подтверждение времени;
5. запрос документов;
6. сообщение перед первой сменой.

Генерировать каждое вручную необязательно.

ИИ хорошо работает там, где нужно быстро подготовить несколько вариантов одного сообщения и адаптировать тон.

Например, вместо сухого:

«Приглашаем вас на собеседование 15 сентября в 14:00»

можно получить более понятный вариант с адресом, длительностью встречи, контактом ответственного человека и информацией о том, что взять с собой.

Но здесь автоматизация работает только при наличии точных исходных данных.

Если алгоритм самостоятельно добавил адрес, время, условия оформления или размер оплаты, компания получает уже не экономию, а потенциальный конфликт с кандидатом.

Подготовка к интервью

ИИ может помочь руководителю или начинающему рекрутеру составить вопросы под конкретную позицию.

Это особенно полезно, когда интервью проводит не HR, а директор магазина, руководитель склада или управляющий рестораном.

Например, вместо общего «расскажите о себе» можно подготовить вопросы:

1. работал ли кандидат с покупателями;
2. как относится к сменному графику;
3. есть ли опыт работы с кассой;
4. насколько комфортна физическая нагрузка;
5. может ли выходить в ночные смены;
6. как быстро готов приступить.

То есть алгоритм помогает структурировать разговор и не забыть важное.

Но принимать решение по ответам всё равно должен человек, который понимает требования конкретной работы.

Где ИИ начинает мешать

Основные проблемы возникают, когда алгоритму передают не подготовительную, а оценочную часть найма.

Автоматический отбор по резюме

На бумаге идея выглядит удобно.

Есть 500 откликов. ИИ выбирает 50 наиболее подходящих. Рекрутер смотрит только их.

Экономия очевидна.

Но качество такой фильтрации полностью зависит от критериев.

Допустим, компания ищет продавца. Хороший кандидат раньше работал официантом, администратором или оператором пункта выдачи. У него есть клиентский опыт, работа с деньгами и высокая нагрузка, но в резюме ни разу не написано слово «продавец».

Если система ориентируется на прямое совпадение должностей и ключевых слов, такой человек может просто не попасть в выборку.

Особенно опасно это для вакансий, куда компания готова брать людей без прямого опыта.

Сначала бизнес пишет: «Опыт не требуется, всему научим».

А потом ставит автоматический фильтр, который выше ранжирует кандидатов с опытом именно на такой же позиции.

Получается противоречие внутри самого процесса найма.

ИИ не знает, какие требования действительно обязательны

В вакансиях часто смешиваются обязательные и желательные критерии.

Например:

1. опыт от года;
2. профильное образование;
3. знание конкретной программы;
4. готовность к сменному графику;
5. возможность работать ночью.

Для одной компании критичен только график. Для другой — программа. Для третьей опыт вообще не имеет значения.

Если алгоритму просто передать полный список требований, он может начать одинаково учитывать их все.

В результате кандидат без года опыта, но полностью подходящий по графику и навыкам, оказывается ниже человека, у которого опыт есть, но ночные смены ему вообще не подходят.

Поэтому автоматическая оценка без нормальной настройки критериев легко портит воронку.

Слишком умные автоответы раздражают кандидатов

Есть ещё одна проблема — попытка автоматизировать всю коммуникацию.

Кандидат спрашивает:

«А смены можно выбирать самому?»

И получает:

«Благодарим за интерес к нашей компании! Мы ценим каждого кандидата и стремимся создать комфортные условия для профессионального развития».

Ответ формально есть. Информации нет.

Через несколько таких сообщений человек понимает, что разговаривает с системой, которая не может ответить на нормальный вопрос.

Для бизнеса это особенно плохо в условиях дефицита кандидатов. Человек не обязан десять раз уточнять условия. Он просто откроет следующую вакансию.

Автоматизация коммуникации должна сокращать путь до ответа, а не добавлять ещё один слой между кандидатом и работодателем.

ИИ может ускорить плохой процесс

Это, пожалуй, главный риск.

Если найм изначально плохо организован, внедрение ИИ редко его исправляет.

Допустим, в компании:

1. вакансия описана непонятно;
2. зарплата ниже рынка;
3. рекрутер отвечает через два дня;
4. четыре этапа собеседований на линейную позицию;
5. руководитель долго согласовывает кандидата;
6. после оффера никто не напоминает человеку о первом рабочем дне.

Можно добавить ИИ для написания вакансии, анализа резюме и автоматических писем.

Но кандидат всё равно будет ждать два дня ответа и проходить четыре этапа.

То есть система станет технологичнее, а time to hire практически не изменится.

Перед автоматизацией полезно сначала убрать ненужные этапы и понять, где именно тормозит воронка.

Автоматизация должна начинаться с узкого места

Где решение лучше оставить человеку

Есть несколько участков найма, где человеческая оценка пока особенно важна.

Неочевидный опыт

Кандидат может не соответствовать названию должности, но иметь переносимые навыки.

Официант может успешно перейти в продажи. Курьер — в складскую логистику. Администратор — в клиентский сервис.

Алгоритм чаще видит различия между названиями должностей. Человек может увидеть сходство между задачами.

Причины перерыва в работе

Большой перерыв в резюме ничего сам по себе не говорит о качестве кандидата.

Человек мог ухаживать за родственником, учиться, работать неофициально, заниматься собственным проектом или временно уйти из профессии.

Если такие профили автоматически получают более низкий рейтинг, компания сама сокращает себе выборку.

Мотивация

ИИ может обработать текст ответа кандидата, но определить реальную заинтересованность только по формулировкам сложно.

Человек может прекрасно подготовиться к интервью и давать идеальные ответы, но отказаться от оффера через два часа.

Другой кандидат говорит проще, зато полностью понимает условия и готов выйти завтра.

Для массового найма второй часто представляет для бизнеса большую ценность.

Как использовать ИИ без лишних проблем

Нормальная схема выглядит довольно скучно.

Сначала компания определяет этап, где действительно теряется время. Затем решает, можно ли стандартизировать эту работу. После этого подключается инструмент и измеряется результат.

Например, было:

200 откликов, 10 часов работы рекрутера, 20 приглашённых кандидатов, 8 выходов.

После автоматизации:

200 откликов, 6 часов работы, 22 приглашённых кандидата, 9 выходов.

Здесь есть понятный эффект.

Если же время рекрутера сократилось, но число подходящих кандидатов, дошедших до выхода, упало в два раза, такую автоматизацию сложно назвать успешной.

Оценивать нужно не количество сэкономленных кликов, а конечный результат найма.

ИИ и площадки для поиска сотрудников

Автоматизация постепенно появляется не только внутри компаний, но и в самих сервисах поиска работы. Например, на uhead работодатели могут работать с портретом подходящего кандидата и получать релевантные отклики, а дальнейшая задача бизнеса — уже правильно выстроить обработку этих кандидатов внутри своей воронки.

И здесь действует тот же принцип: технология может ускорить поиск и обработку информации, но она не исправит неадекватные требования, долгие согласования или плохие условия вакансии.

Что действительно стоит автоматизировать

Для большинства компаний разумная граница проходит довольно просто.

ИИ хорошо справляется с подготовкой:

1. черновиков;
2. шаблонов;
3. структуры вакансии;
4. вопросов;
5. сообщений;
6. анализа больших массивов однотипной информации;
7. сводок и группировки данных.

Гораздо осторожнее стоит относиться к автоматизации:

1. окончательного отбора кандидатов;
2. оценки мотивации;
3. интерпретации причин отказа;
4. решений по найму;
5. жёсткой фильтрации людей по формальным признакам.

Чем ближе задача к реальному решению «брать человека или нет», тем меньше смысла полностью передавать её алгоритму.

Что дальше

ИИ в найме действительно способен экономить время. Особенно там, где рекрутер вручную выполняет большое количество однотипных действий.

Но экономия времени сама по себе ещё не означает, что найм стал эффективнее.

Можно в два раза быстрее обработать отклики и при этом потерять половину подходящих кандидатов. Можно автоматически написать идеальный текст вакансии, но оставить четыре этапа интервью. Можно настроить чат-бота и заставить человека пять минут пробиваться к простому ответу о графике.

Поэтому хороший ориентир простой: автоматизация должна сокращать лишнюю работу, а не заменять профессиональное решение.

Если после внедрения ИИ рекрутер тратит меньше времени, кандидаты быстрее проходят воронку, а стоимость выхода снижается — инструмент работает.

Если появился ещё один красивый интерфейс, но time to hire, конверсия в выход и ранняя текучесть остались прежними, бизнес просто добавил в процесс ещё одну технологию.