Почему бизнес не доверяет AI в найме. И что с этим делать

Нейросеть может закрывать самый трудоемкий этап найма — первичный контакт и скрининг — и повышать конверсию даже для сложных позиций. Но только если за ней стоит не просто модель, а логика опытного рекрутера.

Два года назад мы запустили «Щавель AI» — ИИ‑сорсера, который ищет релевантых кандидатов и проводит первичный скрининг. С тех пор через систему прошли десятки тысяч диалогов.

В этой статье расскажем, почему AI в рекрутинге может не давать результата. И как мы обучаем его писать кандидатам так, что рекрутеры забирают его формулировки себе в работу.

Первый контакт с кандидатом стал узким местом в найме

Первый контакт перестал быть формальностью. В условиях высокой конкуренции за таланты, если компания не связывается с соискателем в течение первого часа или долго отвечает, она рискует потерять его. Все это приводит к росту нагрузки на рекрутера.

В этот момент компании начинают думать об автоматизации, но делают это только единицы.

Бизнес боится внедрять ИИ в найм

Парадокс в том, что 54% HR‑специалистов готовы делегировать ИИ задачи подбора, но только 5% компаний используют его в найме. Что мешает?

Сложно измерить эффект. 67% HR‑специалистов не умеют оценивать ROI от ИИ в подборе. Без метрик невозможно доказать руководству, что инвестиция окупается.

Страх испортить HR‑бренд. Кандидаты быстро распознают шаблонную автоматизацию: одинаковые сообщения, неуместные вопросы, ответы невпопад. Скриншоты таких переписок потом разлетаются по соцсетям.

Дефицит экспертизы. ИИ‑инструмент требует понимания, как с ним работать. Менее 30% HR‑специалистов умеют это делать.

Просто написать промт — недостаточно

Модель не справится с задачей, у которой слишком много вариантов решений, с помощью одного промта. Это решается созданием мультиагентной системы, где каждый этап обработки кандидата — отдельная задача со своей логикой:

1. Найти релевантные профили под запрос клиента.
2. Написать персонализированное первое сообщение.
3. Обработать ответ на него: отсеять тех, кто не готов к диалогу, и продвинуть тех, кто готов.
4. Провести скрининг — задать квалификационные вопросы и собрать ответы.
5. Оценить, насколько диалог вообще получился целевым.
6. Структурировать результат для клиента.

В этой статье подробнее расскажем про этап скрининга — он самый трудоёмкий и сложный с точки зрения коммуникации с кандидатом.

Как мы учим ИИ быть компетентным и эмпатичным на этапе скрининга

В команде, которая занимается обучением модели, работают три человека.

Аккаунт‑менеджеры с hr‑экспертизой работают с продуктом на стороне клиентов: собирают обратную связь, отслеживают коммуникацию модели, замечают, что можно улучшить.

Как проходит обучение:

1. В чатах находят проблемный кейс. Это может быть один разговор, или паттерн из десятков переписок.
2. Команда определяет, к какому классу ситуаций он относится.
3. Промпт‑инженер пишет инструкцию для всего класса. На этом этапе формулировка проходит несколько итераций — большая часть вариантов отсеивается, прежде чем найдется та, которая работает стабильно.
4. Сценарий тестируется на 10–20 смоделированных сообщениях.
5. Доработки идут до тех пор, пока точность не приблизится к 100%.

Команда мониторит все диалоги и вручную, и с помощью ИИ — это позволяет находить нестандартные ситуации и при необходимости вмешиваться, чтобы довести диалог до нужного итога. Модель не пытается импровизировать в ситуации, для которой не обучена.

Принципы, которые мы вывели за два года

Помимо сценариев под конкретные ситуации, есть несколько правил, которые работают всегда.

Первые два вопроса — всегда про зарплатные ожидания и локацию. На этом этапе отсеивается около 70% нерелевантных кандидатов.

Модель адаптируется к тону собеседника. Если кандидат пишет коротко и по делу — отвечает так же. Если развернуто и со скобочками — переходит в более теплый регистр, поддерживая коммуникативный стиль.

Модель перефразирует ответы кандидата, чтобы подчеркнуть понимание контекста и естественно продолжить диалог.

Бизнес боится, что ИИ испортит репутацию работодателя. Но куда чаще ее портит рекрутер, у которого просто не хватает ресурса ответить вовремя и с достаточным вниманием к каждому.