Вакансия «менеджер по продажам» висит третью неделю. Резюме приходят десятками, но открыть и вчитаться в каждое руками — это вечер, которого у владельца обычно нет. Часть кандидатов теряется в почте между входящими от поставщиков, часть не дожидается ответа и принимает оффер у того, кто среагировал быстрее. Найм превращается в задачу, которую откладывают до последнего — а откладывать её дорого: пустая ставка каждую неделю стоит денег, и часто на неё в итоге берут первого, кто откликнулся, а не лучшего из откликнувшихся.

Что ИИ реально ускоряет в найме

ИИ хорошо справляется с той частью отбора, где решение формальное, а не оценочное. Три места, где это по факту работает:

  • Сортировка резюме по жёстким критериям. Опыт от трёх лет, готовность к разъездам, знание конкретной программы — это проверяется автоматически, без чтения текста построчно.
  • Первый контакт с кандидатом. Вместо тишины на неделю — сообщение сразу: резюме получено, вот следующий шаг. Кандидат не уходит к конкуренту просто потому, что решил, будто про него забыли.
  • Сбор вводных ответов до звонка. Готовность к графику, зарплатные ожидания, дата выхода — ассистент собирает это в переписке, и на звонок с человеком кандидат приходит уже с понятным профилем, а не с нуля.

Это экономит часы каждую неделю — но именно на рутинной части. Не на решении, кого нанять.

Где резюме обманывает, а алгоритм не замечает

Резюме — это текст, который кандидат составил, чтобы пройти отбор, и опытные соискатели это знают. Ключевые слова из вакансии вставляются в резюме независимо от того, стоит ли за ними реальный навык, а формальный фильтр по ключевым словам этой разницы не видит — он видит только совпадение. Человек на собеседовании за пять минут разговора понимает, разбирается кандидат в теме или повторяет термины из объявления. Текстовый фильтр — нет.

Второе слепое пятно — мотивация и совместимость с командой. По резюме не видно, готов ли человек весь день звонить холодным клиентам или предпочитает работу по регламенту. Это не написано ни в одном резюме, потому что кандидат иногда сам этого о себе не знает — выясняется только в разговоре.

Финальное решение — не отдавайте машине

Граница простая: ИИ сокращает список и снимает рутину, человек принимает решение о найме. Довериться алгоритму на всех этапах — конкретный риск, не абстрактный. Модель, обученная на прошлых решениях компании, продолжает ту же логику отбора, включая случайные предпочтения, которые никто явно не формулировал и не проверял. Допустим, раньше на похожие роли брали людей с определённым бэкграундом просто по привычке — автоматика эту привычку не пересмотрит, она её закрепит.

Практическая граница такая: до финала — можно и нужно автоматизировать. Финальные два-три кандидата — только живое собеседование, и решение принимает тот, кто будет с этим человеком работать.

Пример на цифрах

Допустим, на вакансию пришло 80 резюме. Прочитать каждое руками — по три-четыре минуты на файл — это четыре-пять часов, которые обычно растягиваются на неделю урывками между звонками и текучкой. Автоматическая сортировка по формальным критериям сокращает список до 15–20 подходящих за пару минут. Дальше время всё равно тратится — на звонки и интервью с этими пятнадцатью — но это уже осмысленная работа, а не разбор явно нерелевантных откликов.

С чего начать

  1. Выпишите 3–5 формальных критериев отсева, которые не требуют оценки человека: опыт, локация, обязательные навыки, зарплатная вилка.
  2. Настройте автоматику на сортировку и первый контакт, а не на решение «брать / не брать».
  3. Финальных кандидатов — от двух до трёх — доводите только до живого интервью, без исключений.
  4. Раз в квартал смотрите, кого система отсеивает на входе: не режете ли сильных кандидатов слишком жёстким формальным фильтром.

Если вакансия висит не первую неделю, а резюме копятся в папке «посмотреть на выходных» — это тот самый случай для разбора на 30 минут: разложим, что в вашем найме можно смело отдать автоматике, а что должно остаться за вами.