ИИ в подборе персонала часто обсуждают в будущем времени — «скоро нейросети изменят рекрутинг». У нас другой материал для разговора: два работающих внедрения, у которых есть цифры. Мы в F³ строим ИИ-агентов, в том числе для HR-процессов, и в этой статье разбираем в деталях, как ИИ уже работает на двух этапах найма — от первичного отбора откликов до разбора интервью, — где проходит граница его полномочий и сколько стоит такой проект.
Внедрение первое: разбор откликов без рекрутера
Контекст: федеральный банк, массовый найм. Отклики с hh приходят непрерывным потоком, и первичный разбор — проверка каждого по формальным критериям — съедал значительную часть дня рекрутеров. Работа однотипная, критерии известны, но поток такой, что до содержательной части — общения с кандидатами — руки доходили с задержкой.
Именно на этот этап встал ИИ-агент: он принимает отклики, разбирает каждый по критериям заказчика и передаёт рекрутерам только тех, кто прошёл первичный отбор. До 80% потока обрабатывается без участия рекрутера — а рекрутеры занимаются тем, ради чего их нанимали.
Деталь, которая определила судьбу проекта: критерии отбора вынесены в настройки. Требования к кандидатам меняются часто, и если бы каждое изменение требовало задачи разработчикам, агент устарел бы через месяц. Вместо этого HR-команда правит критерии сама — агент живёт вместе с процессом, а не отстаёт от него.
Внедрение второе: ИИ-разбор интервью
Следующий этап воронки — интервью. Здесь другая проблема: разговоров много, а систематической картины по ним нет. Впечатления интервьюера субъективны, записи никто не переслушивает, сравнивать кандидатов между собой сложно.
В проекте CRM с ИИ-разбором интервью мы встроили анализ прямо в систему найма: после каждого интервью ИИ транскрибирует диалог, оценивает ответы по заданным критериям и пишет комментарий. Человек получает не сырую запись, а структурированный разбор: что кандидат ответил по ключевым темам, где ответы сильные, а где стоит уточнить на следующем шаге.
Эффект — в масштабе и сравнимости: каждый разговор разобран по одним и тем же критериям, кандидаты сопоставимы между собой, а руководитель видит картину по всей воронке, не тратя часы на прослушивание записей.
Воронка целиком: от отклика до оффера
Два внедрения складываются в понятную схему: ИИ работает на этапах с большим потоком и формальными критериями, человек — там, где принимаются решения.
- Отклик. Агент разбирает входящий поток по критериям компании и отсеивает нерелевантное — до рекрутера доходят кандидаты, с которыми есть смысл говорить.
- Интервью. Разговор ведёт человек; ИИ после него готовит транскрипт, оценку по критериям и комментарий — интервьюер занят кандидатом, а не конспектом.
- Решение. Нанимающий менеджер сравнивает кандидатов по одинаково структурированным разборам, а не по разрозненным впечатлениям.
- Оффер. Финальный этап полностью за людьми: условия, переговоры, выход на работу.
Граница: что ИИ в найме делать не должен
Оба внедрения устроены по одному принципу: ИИ готовит решение, но не принимает его — и мы сознательно проектируем системы так, чтобы эта граница была встроена в архитектуру, а не держалась на честном слове.
- Финальное решение о найме — за человеком: агент применяет формальные критерии на первичном отборе, а оценку кандидата в разговоре, решение и оффер не заменяет.
- Критерии задаёт HR-команда, а не модель: агент применяет правила компании, и эти правила видны и редактируемы.
- Такие системы мы проектируем так, чтобы противоречивые случаи уходили человеку, а не решались моделью молча.
- Кандидат общается с людьми там, где это важно: ИИ убирает очередь до разговора, а не сам разговор.
Это не только этика, но и практичность: автоматизация рекрутинга, в которой финальное слово за человеком, быстрее проходит согласование безопасности и юристов — и вызывает меньше сопротивления у команды, которой с ней работать каждый день.
Сколько стоит и с чего начать
Проекты ИИ-агентов, включая HR-сценарии, начинаются от 800 000 ₽. Первым этапом всегда идёт пилот: один этап воронки, ваши реальные отклики или записи интервью, измеренные цифры на выходе. Обычно это 3–4 недели — и после них решение о масштабировании принимается по фактам, а не по презентации.
Найм — благодарная область для пилота: поток однотипный, критерии формализуемы, результат легко проверить руками. Если в вашей воронке есть этап, который съедает время команды, — опишите его на fcube.io: предложим сценарий пилота и вернёмся с оценкой, это бесплатно. А как устроена экономика таких проектов в целом — в статье «Сколько стоит ИИ-агент».
Частые вопросы
Может ли ИИ полностью заменить рекрутера?
Нет, и проектировать систему как замену — ошибка. ИИ забирает поток: первичный отбор, разбор интервью, подготовку контекста. Оценка кандидата в разговоре, решение и оффер остаются за людьми — у них просто освобождается время именно на эту часть работы.
Насколько прозрачен такой отбор для аудита?
В наших проектах ИИ применяет критерии, которые задаёт и контролирует HR-команда, а финальные решения принимают люди. Критерии отбора заданы явно и редактируются HR-командой, поэтому правила, по которым проходит отбор, всегда известны и проверяемы; требования к работе с персональными данными фиксируем на брифе вместе с юристами заказчика.
Подойдёт ли это компании меньше банка?
Логика не зависит от масштаба: если на этапе воронки есть повторяющийся поток — десятки откликов в неделю, регулярные интервью, — агенту есть что автоматизировать. Порог целесообразности проверяется на пилоте: именно для этого он и нужен.