Как «Островок» на 70% ускорил оценку кандидатов

Кейс о том, как навыкоцентричный найм закрыл разрыв в профиле и снизил риск обмана.

Ключевые данные кейса

Задача:

1. Сократить количество уточнений у кандидатов на финальных этапах отбора.
2. Ускорить найм без потери качества оценки.
3. Сделать технические интервью более системными и менее субъективными.

Решение:

1. Создали автоматизированные чек‑листы для обсуждения вакансии с нанимающим менеджером.
2. Подключили ИИ для расшифровки интервью и структурирования фидбэка.
3. Запустили Школу технических интервьюеров.
4. Стали передавать данные об оценке навыков руководителю нового сотрудника для онбординга и развития.

Результат:

1. ~100% — на столько реже стали возвращаться к повторным встречам с нанимающим менеджером.
2. 70% — на столько сократили время обработки фидбэка и принятия решения по кандидатам.
3. 80 + ИТ‑специалистов прошли Школу технических интервьюеров за первый год.

Компания зашила компетенции по разным ролям в чек‑листы для обсуждения вакансий и интервью. Фидбэк начала обрабатывать с помощью ИИ и связала результаты оценки с адаптацией и развитием сотрудников. Об этом и расскажем в кейсе.

Почему старый подход перестал работать

Сегодня в «Островке» более 700 ИТ‑специалистов, а команды поддерживают свыше 300 сервисов на разных языках и фреймворках. Чем больше стеков и направлений, тем разнообразнее профили ролей, и тем сложнее их точно оценивать во время найма.

Островок» искал T‑shaped специалистов — экспертов в своей области с широким кругозором, которые глубоко знают продукт и подходят компании по мягким навыкам. Именно на таких профилях оценка кандидатов начала давать сбой.

Из‑за быстрого роста и сложных профилей у нас возникал разрыв воронки. На начальных этапах мы смотрели на одно, а на финальном понимали: мы не проверили что‑то важное или нужно было проверять совсем другое.

Из‑за этого разрыва приходилось тратить больше времени на оценку кандидата и пересборку процесса.

Проблему усиливали изменения на рынке. Кандидаты всё чаще использовали ИИ для написания резюме: поток откликов был большой, но релевантных среди них было немного. При этом на технических интервью могли быть риски обмана и фрода.

Команда сформулировала несколько задач: ускорить найм, сделать оценку точнее и устойчивее к сложным профилям и усилить технические собеседования.

Как перешли на навыкоцентричный найм

Сначала команда создала автоматизированные чек‑листы, в которые зашила скиллсеты — наборы навыков для конкретной роли, направления бизнеса и уровня позиции.

На интервью по этому же чек‑листу стали проверять навыки, которые распределены по этапам: HR‑интервью, встреча с нанимающим менеджером, техническое собеседование. Каждый этап завершался оценкой по простой шкале: «не соответствует ожиданиям», «соответствует с условиями», «соответствует ожиданиям» или «превосходит ожидания».

Эти данные сводили в единую картину по финалисту. Это помогало увидеть, какие навыки требуются для роли, как и на каком этапе их оценивали. В итоге решение принимали не по общему впечатлению от интервью, а на основе объективных сильных сторон кандидата и возможных рисков.

Как ИИ ускорил работу с фидбэком

Финальное решение по кандидату ИИ не принимает — ответственным остаётся человек. Инструмент нужен, чтобы быстрее структурировать заметки, подводить итог интервью и передавать информацию следующему участнику подбора.

Мы не делаем ставку на полную автоматизацию оценки. На выходе видим структурированную оценку с зонами риска и роста, но человек всегда просматривает её и принимает финальное решение.

Зачем запустили школу технических интервьюеров

Чтобы оценка кандидатов заработала, потребовались изменения и в собеседованиях, поэтому в «Островке» запустили Школу технических интервьюеров. Основной профиль — мидл- и сеньор‑разработчики, а также тимлиды.

В школе разбирают, как готовиться к интервью, строить вопросы с опорой на матрицу компетенций, управлять ходом встречи и оформлять фидбэк после. Отдельно обсуждают типичные ловушки интервью: например, когда сильное первое впечатление влияет на итоговую оценку или интервьюер слишком быстро делает вывод по одному удачному ответу.

Это особенно важно на фоне рисков обмана на собеседованиях. В компании не пытаются выяснить, использует ли кандидат ИИ для ответов. Вместо этого интервьюеры учатся смотреть на ход рассуждения: как человек формулирует проблему, какие гипотезы предлагает, как реагирует на уточняющие вопросы и меняет решение, если появляются новые условия.

Что изменилось после внедрения подхода

Дополнительные встречи с нанимающими менеджерами почти исчезли: навыки, их значимость и этапы оценки фиксируют заранее, поэтому возвращаться к обсуждению профиля больше не нужно. Оценку по кандидату теперь передают участникам подбора в день интервью — в среднем команда тратит на 70% меньше времени на её обработку и принятие решения по кандидату.

Качество интервью улучшилось благодаря Школе технических интервьюеров. Её прошли более 80 ИТ‑специалистов и научились собирать сценарий собеседования под конкретную роль. Это снижает риск обмана со стороны кандидатов, ведь один универсальный сценарий интервью проще проработать заранее или обойти с помощью подсказок ИИ.

Кроме того, оценка стала менее субъективной: кандидата выбирают, опираясь на конкретные критерии. До того, как сделать офер, команда получает структурированную оценку: какие навыки кандидат показал на разных этапах, где соответствует ожиданиям, где есть риски и что нужно развить.

Оценка не теряется после найма — её передают руководителю нового сотрудника и используют во время онбординга. Благодаря этому работник с первого дня понимает, какие навыки ему нужны, чтобы развиваться внутри компании.

Что рекомендуем другим компаниям

Проанализировать матрицы компетенций. Перед внедрением навыкоцентричного подхода важно выделить время на их аудит: проверить, насколько они актуальны, понятны рекрутерам и применимы в интервью. Если матрица не отражает реальные задачи роли, она не поможет оценивать кандидатов.

Продумать обучение. Причём не только рекрутеров, но и интервьюеров, и нанимающих менеджеров.

Автоматизировать рутину. Чек‑листы по вакансиям и обработка фидбэка с помощью ИИ снимают с рекрутеров и интервьюеров часть ручной работы.

Навыкоцентричный подход работает не только как инструмент подбора кандидатов — он помогает связать найм, онбординг и развитие в единую систему. Если заранее ясно, какие навыки нужны для роли, кто и где их проверяет, процесс становится быстрее, прозрачнее и точнее для всех участников.