Осознанный ИИ: Поэтапное внедрение в HR без лишних трат

Об авторе

Меня зовут Милена Мельникова, я основательница агентства AI Medousa.

Мы помогаем бизнесу внедрять искусственный интеллект: разбираемся, какие процессы реально стоит автоматизировать, подбираем и настраиваем инструменты под задачу, а если нужна более глубокая доработка — находим и курируем программистов-исполнителей.

С ИИ я на связи с самых первых GPT — с того времени, когда о них знали разве что технари и узкий круг своих людей. С тех пор я слежу за каждым новым инструментом, который появляется на рынке, и любую рутинную задачу — свою или бизнеса — стараюсь перевести на ИИ. Помимо агентства, я провожу консультации для владельцев бизнеса и руководителей и веду обучение — как по базовому пониманию ИИ, так и по практическому созданию контента с его помощью.

Эту книгу я написала, потому что снова и снова вижу одну и ту же картину: в HR от ИИ ждут больше всего — и разочаровываются чаще всего, просто потому что инструмент выбирают раньше, чем понимают, зачем он нужен.

Вступление

Эта книга родилась из одного наблюдения: почти каждый HR-директор, с которым доводилось разговаривать за последние два года, уже пробовал внедрить ИИ хоть в один этап найма — и почти никто не смог объяснить, окупилось ли это. Кто-то подключил чат-бота для кандидатов и забросил его через месяц. Кто-то купил подписку на модный инструмент скрининга, потому что о нём написали в отраслевом канале, а через полгода не смог вспомнить, зачем именно его выбрали. Проблема не в технологии — она достаточно зрелая. Проблема в том, что решения принимались в обратном порядке: сначала инструмент, потом — если повезёт — понимание, какую именно задачу он должен был решить.

Эта книга выстроена в правильном порядке. Сначала — диагностика: где именно в вашей воронке теряется время и деньги, прежде чем вы потратите хотя бы тенге на подписку. Затем — практика: как ИИ может ускорить привлечение, скрининг, интервью и согласования, этап за этапом, с конкретными инструментами и цифрами, а не общими обещаниями «искусственный интеллект изменит найм». Дальше — то, что обычно остаётся за скобками статей про HR-tech: как выбрать инструмент под свою компанию, а не под чужой кейс; как провести внедрение так, чтобы команда не саботировала процесс; как не нарушить закон и не превратить найм в чёрный ящик для кандидата; и, наконец, как посчитать ROI и защитить бюджет перед финансовым директором.

Это не книга про будущее найма в общих чертах. Она написана для тех, кто отвечает за конкретную воронку в конкретной компании и должен принять конкретное решение на следующей неделе: какой этап чинить первым, каким инструментом и с каким бюджетом. Если вы дочитаете до последней страницы, у вас будет не вдохновение, а план на 90 дней — и способ доказать его эффективность цифрами, а не ощущением, что «стало быстрее».

Ещё одна практическая деталь: рынок HR-tech и ИИ говорит на своём языке, и часть терминов в этой книге — ATS, human-in-the-loop, скоринг, time-to-fill — может быть знакома не всем одинаково хорошо. Расшифровывать каждое такое слово прямо по ходу текста означало бы постоянно перебивать повествование, поэтому все термины и аббревиатуры, встречающиеся в книге, собраны в словарь в конце — туда можно заглядывать по мере чтения, не держа в голове расшифровки заранее.

Дальше в этой книге — история одного HR-директора, которая проходит с вами через все одиннадцать глав. Первая остановка — там, где обычно начинается любая настоящая диагностика: с честного взгляда на то, куда именно уходит время в вашей воронке.

Глава 1. Почему найм затягивается

Представьте типичную картину. Пятница, вторая половина дня. Руководитель отдела продаж заходит в HR с вопросом, который звучит почти как претензия: «Мы же открыли вакансию сорок семь дней назад. Где кандидат?» А неделю назад лучший кандидат из воронки — тот самый, с идеальным опытом и горящими глазами на финальном интервью — написал вежливое письмо: «Спасибо за уделённое время, но я принял оффер в другой компании».

Сорок семь дней. За это время конкурент успел провести три раунда интервью, согласовать оффер и получить согласие кандидата — пока в вашей компании заявка на вакансию всё ещё «висела на согласовании» у финансового директора. Знакомая ситуация? Если вы работаете в найме — вы либо переживали это сами, либо слышали похожую историю от коллеги на соседнем этаже.

Каждый день, что позиция остаётся открытой, — это не абстрактная метрика для отчёта, а вполне реальные деньги. Незакрытая вакансия менеджера по продажам — это упущенная выручка, которую он бы принёс. Незакрытая вакансия инженера — это задержанный релиз продукта. Незакрытая вакансия в поддержке — это растущая очередь недовольных клиентов и выгорающая оставшаяся команда, которая тянет двойную нагрузку. Цена простоя редко считается явно, но она есть всегда — и обычно она выше, чем кажется на первый взгляд.

Так почему это происходит? Почему в 2026 году, когда у нас есть мощнейшие технологии для автоматизации практически любого процесса, найм всё ещё остаётся одной из самых медленных и болезненных функций в компании? Ответ на этот вопрос — и есть тема этой главы.

Начнём с того, что проблема не локальная и не связана с тем, что «у нас просто не очень организован процесс». Среднее время закрытия вакансии в большинстве индустрий продолжает расти год к году, а не сокращаться — несмотря на десятки новых HR-tech инструментов, которые выходят на рынок каждый месяц. Стоимость найма одного сотрудника тоже растёт: реклама вакансий дорожает, рекрутинговые агентства поднимают комиссии, а конкуренция за квалифицированные кадры в дефицитных специальностях (инженерия, аналитика данных, некоторые виды продаж) стала жёстче, чем когда-либо.

Интуитивная реакция на растущую нагрузку — нанять больше рекрутеров. Логика простая: больше вакансий → больше рук, которые их закрывают. Проблема в том, что эта логика линейна, а сама нагрузка растёт нелинейно. Каждый новый рекрутер — это не только дополнительная пара рук на скрининг резюме, но и дополнительные встречи, дополнительная координация с нанимающими менеджерами, дополнительное время на онбординг самого рекрутера в процессы компании. В какой-то момент добавление людей в систему начинает создавать больше накладных расходов, чем реальной пропускной способности.

Другими словами: если у вас узкое место — это не нехватка рук, а сама структура процесса, то найм новых рекрутеров не решит проблему. Он её замаскирует на пару месяцев, а потом она вернётся в ещё большем масштабе.

Именно поэтому, прежде чем говорить о решениях — в том числе о том, где и как может помочь ИИ, — нужно честно разобрать, из чего вообще состоит воронка найма и где в ней происходят настоящие потери времени.

Воронка найма в большинстве компаний, независимо от индустрии и размера, проходит через одни и те же восемь этапов:

Заявка на вакансию — согласование позиции с руководителем, HR, иногда финансовым департаментом

Публикация и привлечение — размещение объявления, активный поиск кандидатов, реферальные программы

Скрининг откликов — первичный отбор резюме

Первичный контакт — звонок или сообщение отобранным кандидатам

Интервью — один или несколько этапов собеседований

Внутреннее согласование — обсуждение кандидата с нанимающим менеджером и командой

Оффер — подготовка условий, согласование, отправка

Выход на работу — период между принятием оффера и первым рабочим днём

На бумаге это выглядит как ровный, последовательный процесс. В реальности время утекает крайне неравномерно. Практика показывает: обычно есть два-три этапа, которые «съедают» 60–70% всего времени найма, в то время как остальные работают вполне сносно.

Возьмём типичный пример. Компания среднего размера открывает вакансию бизнес-аналитика. Заявка согласуется за три дня — быстро, без проблем. Вакансия публикуется, и уже через неделю приходит сто двадцать откликов. И вот здесь начинается первое узкое место: у рекрутера физически нет времени внимательно прочитать сто двадцать резюме, сопоставить их с требованиями и выделить действительно релевантных кандидатов. В итоге резюме лежат в очереди полторы-две недели, прежде чем до них доходят руки — а лучшие кандидаты за это время уже нашли другое место.

Второе типичное узкое место — это пауза после интервью. Кандидат прошёл собеседование, произвёл хорошее впечатление, но нанимающий менеджер — человек занятой, у него горящие дедлайны по своим проектам — не находит пятнадцать минут, чтобы дать обратную связь. Проходит три дня, потом неделя. HR-специалист вынужден писать напоминания, кандидат в это время не получает вообще никакой информации о статусе и логично начинает нервничать — или просто откликается на другие вакансии параллельно.

Третье — согласование оффера. Особенно в компаниях с несколькими уровнями подписания (руководитель отдела → HR-директор → финансы), оффер может неделями «путешествовать» между почтовыми ящиками, просто потому что у каждого следующего согласующего есть более приоритетные, с их точки зрения, задачи.

Обратите внимание: ни одно из этих узких мест не связано с нехваткой квалификации рекрутера или с плохим качеством кандидатов. Все они — про объём рутинной работы и про зависимость от занятости других людей в цепочке. Это важное наблюдение, к которому мы ещё вернёмся.

Узкие места индивидуальны для каждой компании — где-то тормозит скрининг, где-то согласования, где-то вообще этап привлечения (просто никто не откликается). Поэтому прежде чем что-либо чинить, нужно измерить, где болит именно у вас.

Три метрики, без которых любой разговор об оптимизации найма превращается в разговор ощущений, а не фактов.

Time-to-hire — время от первого контакта с конкретным кандидатом до момента принятия оффера. Эта метрика показывает, насколько быстро движется отдельно взятый человек по вашей воронке — от «привет, я вас нашёл» до «да, я согласен работать у вас».

Time-to-fill — время от момента открытия вакансии (не от контакта с кандидатом, а именно от старта самой позиции) до выхода сотрудника на работу. Это более широкая метрика — она включает в себя весь путь: от согласования заявки до первого дня нового сотрудника в офисе.

Cost-per-hire — суммарные затраты на найм одной позиции: реклама вакансий, оплата рекрутинговых платформ, часть зарплаты рекрутера пропорционально времени, которое он потратил, реферальные бонусы, если они выплачивались. Всё это делится на количество закрытых позиций за период.

Формулы предельно просты:

Time-to-fill = Дата выхода сотрудника – Дата открытия вакансии

Time-to-hire = Дата принятия оффера – Дата первого контакта с кандидатом

Cost-per-hire = (Внешние расходы + Внутренние расходы) / Число нанятых сотрудников

Разберём на условном примере. Вакансия менеджера по работе с ключевыми клиентами открылась 1 марта. Первый релевантный отклик пришёл 8 марта, и в тот же день с кандидатом связался рекрутер. Собеседования прошли 15 и 22 марта. Внутреннее согласование заняло ещё десять дней — до 1 апреля. Оффер отправили 3 апреля, кандидат принял его 5 апреля, а вышел на работу 5 мая (стандартные две недели отработки на предыдущем месте плюс небольшая пауза).

Time-to-hire в этом случае: от 8 марта (первый контакт) до 5 апреля (принятие оффера) — 28 дней.

Time-to-fill: от 1 марта (открытие вакансии) до 5 мая (выход на работу) — 65 дней.

Разница между этими двумя цифрами — 37 дней — показывает, сколько времени «съедают» этапы, которые не связаны напрямую с общением с конкретным кандидатом: время до появления релевантного отклика, внутренние согласования, период отработки. Именно в этом разрыве чаще всего и прячутся системные проблемы процесса.

Откуда брать данные для расчётов? Если в компании есть ATS (система управления наймом) — почти всегда можно выгрузить временные метки по каждому этапу: когда получен отклик, когда назначено интервью, когда оно состоялось, когда отправлен оффер. Если ATS нет или она используется формально — придётся вести таблицу вручную, но делать это стоит обязательно: без этих данных любое обсуждение того, «что чинить в первую очередь», будет строиться на догадках и субъективных впечатлениях, а не на фактах.

Частая ошибка компаний — считать только итоговый time-to-fill и радоваться или расстраиваться одной цифре, не разбивая её по этапам. Это как измерять температуру у пациента, не выясняя, что именно у него болит. Общая цифра говорит вам, что процесс медленный. Разбивка по этапам говорит вам, где именно и почему.

Прежде чем двигаться дальше, стоит разобрать несколько убеждений, которые кажутся здравым смыслом, но на практике мешают ускорить найм.

Заблуждение первое: «Чем больше кандидатов в воронке — тем лучше». Логика понятна: больше выбор — выше шанс найти идеального кандидата. Но на практике каждый дополнительный отклик — это дополнительная нагрузка на скрининг. Если у рекрутера и так не хватает времени просмотреть все резюме внимательно, увеличение их количества не повышает качество отбора, а снижает его — потому что просмотр становится более поверхностным, а хорошие кандидаты теряются в общем потоке.

Заблуждение второе: «Долгое согласование — это более взвешенное решение». Кажется логичным: если оффер долго обсуждают на разных уровнях, значит, к решению подходят серьёзно. На практике в подавляющем большинстве случаев долгое согласование — это не более глубокая экспертиза, а обычная организационная инерция: письмо лежит непрочитанным в почте, встречу не могут назначить из-за занятых календарей, ответственный за подпись в отпуске. Качество решения от этого не растёт — растёт только шанс потерять кандидата.

Заблуждение третье: «Наймём больше рекрутеров — и проблема решится». Мы уже разобрали эту логику выше: если узкое место системное (например, отсутствие приоритизации задач или разрозненность инструментов), увеличение числа людей в системе создаёт дополнительную координационную нагрузку, а не пропорционально увеличивает скорость.

Общий вывод из всех трёх заблуждений один: проблема медленного найма почти никогда не решается простым «делать то же самое, но больше» — будь то больше кандидатов, больше согласующих или больше рекрутеров. Нужно менять саму структуру процесса.

Здесь стоит сразу обозначить главный принцип, который будет красной нитью проходить через всю книгу: искусственный интеллект эффективен там, где узкое место — это объём рутинной, повторяющейся работы, а не там, где узкое место — это человеческое решение.

Просмотреть сто двадцать резюме и выделить релевантные — это объём рутинной работы, и здесь ИИ может дать колоссальный выигрыш по скорости. Решить, подходит ли конкретный человек команде по культуре и ценностям — это человеческое решение, и здесь ИИ в лучшем случае может быть вспомогательным инструментом, но не заменой.

С этим принципом в голове дальше в книге мы последовательно разберём, как ИИ может ускорить каждый из проблемных узлов воронки: привлечение кандидатов и написание вакансий, скрининг и ранжирование резюме, подготовку и анализ интервью, ускорение внутренних согласований. В каждой главе — конкретные инструменты, примеры промптов и разбор того, где граница, за которую ИИ заходить не должен.

Но прежде чем переходить к инструментам, важно сделать домашнее задание — приложить всё, что мы обсудили, к своей собственной воронке.

Возьмите таблицу ниже и заполните её для своей компании — или для одной конкретной вакансии, которая недавно закрывалась дольше, чем хотелось бы. Если данные есть в ATS — используйте их. Если системы нет — оцените экспертно, опираясь на память и переписку с коллегами: даже приблизительные цифры лучше, чем их отсутствие.

После заполнения отметьте один-два этапа, где время расходуется явно больше, чем на остальных. Именно эти этапы стоит держать в голове, читая следующие главы книги — так вы сразу будете примерять прочитанное на свою реальную ситуацию, а не на абстрактный пример.

Мы разобрали, из чего состоит воронка найма, научились измерять, где именно теряется время, и разрушили несколько удобных, но неверных убеждений о том, как её ускорить. У большинства компаний первое по-настоящему узкое место обнаруживается ещё на входе в воронку — на этапе привлечения кандидатов: вакансии написаны неудачно, распространяются не там, где сидит нужная аудитория, а первый контакт с откликнувшимися затягивается. Именно с этого — с привлечения кандидатов и с того, как ИИ может ускорить этот этап, — мы и начнём практическую часть книги в следующей главе.

Глава 2. Привлечение кандидатов

Рекрутер публикует вакансию в четверг вечером. Текст выверен: обязанности, требования, «дружный коллектив», «конкурентная зарплата», «возможности роста». Всё как положено, всё как у всех. К понедельнику приходит два отклика — оба не по делу: один кандидат явно не читал требования, второй прислал резюме продавца на вакансию аналитика. Вторник, среда — тишина. К пятнице рекрутер начинает переживать не о том, что кандидатов слишком много (как было в примере с бизнес-аналитиком в главе 1), а о том, что их вообще нет.

Это зеркальная, но не менее болезненная версия той же проблемы. Мы уже выяснили, что незакрытая вакансия стоит компании реальных денег каждый день — независимо от того, простаивает она из-за затора на скрининге или из-за того, что до скрининга просто нечего доводить.

Мы выяснили, что первое по-настоящему узкое место у большинства компаний — на входе в воронку: этап публикации и привлечения. Именно здесь чаще всего теряется время ещё до того, как появляется хоть один кандидат, с которым можно работать. Причин обычно три, и они редко существуют по отдельности: вакансия написана так, что не цепляет нужных людей; она размещена не там, где эти люди её увидят; а те немногие, кто всё же откликнулся, ждут первого ответа неделями. Разберём каждую по порядку — и то, где здесь реально помогает ИИ, а где нет.

Средний кандидат тратит на прочтение вакансии несколько секунд, прежде чем решить — читать дальше или закрыть вкладку. За эти секунды объявление должно ответить на простой вопрос: «а что я буду реально делать и почему мне должно быть интересно откликнуться именно сюда». Большинство вакансий этот вопрос не отвечает — вместо этого они отвечают на вопрос «как выглядит вакансия, написанная по шаблону HR-отдела».

Типичные проблемы почти всегда одни и те же. Штампованные формулировки — «динамично развивающаяся компания», «дружный коллектив профессионалов» — не несут никакой информации и встречаются в тысячах других объявлений, поэтому мозг кандидата их просто пропускает. Размытые требования — «уверенный пользователь Excel», «желание развиваться» — не дают понять, кто реально подходит, а кто нет, из-за чего откликаются и нерелевантные кандидаты, и не откликаются те, кто мог бы отлично подойти, но не понял этого из текста. И, пожалуй, главное — отсутствие реальной картины дня: что человек будет делать в первую неделю, с кем взаимодействовать, какие задачи решать через месяц. Без этого вакансия остаётся набором функций, а не приглашением в конкретную работу.

Здесь ИИ решает задачу, для которой он объективно хорошо подходит: генерацию и быструю доработку текста. Дайте языковой модели исходные данные — обязанности, требования, контекст команды и продукта — и попросите несколько вариантов текста с разным акцентом: один более технический и конкретный, другой более человечный и рассказывающий о команде, третий короче и жёстче по требованиям. Это не творческая задача уровня «придумать с нуля» — это задача переработки структурированной информации в разные форматы, а именно такие задачи ИИ выполняет быстро и качественно.

Но здесь же проходит граница, о которой ещё пойдёт речь в главе 8: сгенерированный текст нельзя публиковать как есть. Модель не знает нюансов вашей корпоративной культуры, может случайно добавить требование, которого на самом деле нет, или сформулировать что-то, что прозвучит юридически некорректно применительно к дискриминационным критериям. Роль рекрутера здесь не исчезает — она смещается с написания текста с нуля на редактуру и финальную проверку нескольких вариантов, что занимает в разы меньше времени.

В главе 1 мы разобрали заблуждение «чем больше кандидатов в воронке — тем лучше» применительно к скринингу. На этапе привлечения есть его зеркальный аналог: «чем больше площадок, где размещена вакансия — тем лучше результат». Логика столь же интуитивна и столь же обманчива. Разместить вакансию на десяти job-бордах вместо трёх не увеличивает количество релевантных откликов пропорционально — оно увеличивает количество нерелевантных откликов и распыляет бюджет на рекламу там, где нужная аудитория попросту не сидит.

Вакансия инженера-разработчика, размещённая на площадке, где основная аудитория — офисные администраторы, не даст результата независимо от качества текста. Вакансия для узкой инженерной специальности лучше сработает в профильных сообществах и телеграм-каналах, чем в массовом размещении. Вакансия массового найма (например, операторов колл-центра), наоборот, требует широкого охвата и скорее рекламных форматов, чем нишевых площадок.

Здесь ИИ помогает на уровне анализа и рекомендаций: на основе исторических данных о том, откуда приходили релевантные кандидаты на похожие позиции, модель может предложить приоритизацию каналов под конкретную роль — вместо того чтобы полагаться на «мы всегда публикуем везде». Отдельно ИИ снимает рутину дистрибуции: автоматическая адаптация одного текста под форматы разных площадок (длина, стиль, ключевые слова под алгоритмы поиска), автопостинг по расписанию, генерация вариантов для реферальных рассылок сотрудникам. Это классическая рутинная, повторяющаяся работа — именно то, где, как мы уже сформулировали в главе 1, ИИ даёт наибольший выигрыш.

Помните паузу после интервью из главы 1 — когда нанимающий менеджер неделю не может дать обратную связь, а кандидат в это время нервничает и откликается на другие вакансии? У этапа привлечения есть точно такая же по природе, но более ранняя версия: пауза между откликом кандидата и первым ответом ему.

Кандидат откликнулся — и дальше тишина: два дня, четыре, неделя. За это время он не сидит и не ждёт: он откликается на десяток других вакансий и в первую очередь идёт туда, где ответили быстрее. Первое касание — это не про финальное решение, это простая, повторяющаяся операция: подтвердить получение отклика, задать несколько уточняющих вопросов (опыт, зарплатные ожидания, готовность к переезду или графику), предложить слоты для звонка.

Именно здесь чат-боты на основе ИИ закрывают ровно ту проблему, которую мы анонсировали в конце первой главы. Бот отвечает кандидату в течение минут, а не дней, задаёт заранее согласованные квалификационные вопросы и по итогу передаёт рекрутеру уже структурированную карточку — вместо сырого резюме без контекста. Для массового найма это может ускорить время до первого содержательного контакта в разы.

Но у этой технологии есть чёткая граница, и она проходит по тому же принципу «рутина vs решение». Бот хорошо справляется с типовыми, предсказуемыми вопросами и сбором стандартной информации. Он справляется плохо, когда кандидат задаёт нестандартный вопрос, требующий понимания контекста конкретной роли, или когда на том конце — тревожный, сомневающийся человек, которому нужен живой, эмпатичный ответ, а не шаблонная реплика. Бот, который отвечает не по делу или звучит откровенно роботизированно на нестандартный вопрос, наносит репутационный урон бренду работодателя — иногда больший, чем просто медленный ответ.