ИИ в подборе персонала: скрининг резюме и первичные интервью

Отклики на вакансии приходят с hh.ru, подбор ведётся в ATS (Applicant Tracking System — система подбора и отслеживания кандидатов), а кадровые данные живут в 1С:ЗУП (зарплата и управление персоналом). Система у компании была, и работала она исправно. Но между откликом и приглашением на собеседование по-прежнему стоял рекрутер: открыть резюме, сверить с требованиями вакансии, отсеять половину, кому-то написать, кому-то позвонить, зафиксировать решение. На потоке в сотни откликов в неделю это и есть та работа, которая съедает день целиком.

Речь не о том, что ИИ заменит рекрутера или кадровую службу. Речь о том, что машина хорошо делает ровно тот участок, который человек делает плохо и неохотно: читает однотипные тексты, сверяет их с заданным списком требований и не устаёт к трёхсотому резюме. Агент — это программа, которая по заданному правилу сама читает документы и выполняет шаги; он не решает за человека, он готовит решение.

Ниже — как такой агент встраивается поверх уже работающих ATS и 1С:ЗУП, что он читает и куда возвращает результат, какие риски это снимает и сколько часов возвращает. Отдельно — что остаётся за рекрутером и как не нарушить закон о персональных данных, потому что резюме кандидата — это персональные данные, а не нейтральный файл.

Коротко: что меняет ИИ в подборе

ИИ-агент поверх ATS и 1С:ЗУП читает отклики и резюме, приводит их к единому виду, сверяет с требованиями вакансии и готовит шортлист с обоснованием, а первичную квалификацию ведёт в чате по заданному сценарию. Рекрутер работает с коротким списком и проводит интервью; приглашение, отказ и оффер остаются за человеком.

Содержание

• Почему сильного кандидата видно поздно
• Что съедает время между откликом и оффером
• Что делает ИИ-агент поверх ATS и 1С:ЗУП
• Какие риски это снимает
• Сколько часов это возвращает
• Что остаётся за человеком
• Как это выглядит на практике
• Как внедрить поэтапно
• Что в итоге

Почему сильного кандидата видно поздно

Проблема подбора не в том, что мало откликов. Проблема в том, что решение по кандидату принимается не там, где появляется информация о нём, а намного позже — когда рекрутер физически дойдёт до его резюме. Между откликом и первым осмысленным действием стоит очередь: сначала сотни писем в почте и в личном кабинете, потом ручной разбор каждого, потом сверка с требованиями вакансии, потом попытка дозвониться. Пока это происходит, сильные кандидаты уже получили другие предложения.

Механику хорошо видно на цифрах рынка. По данным SHRM (Society for Human Resource Management — крупнейшая профессиональная ассоциация по управлению персоналом) в обзоре Talent Trends за 2025 год, 69% организаций по-прежнему не могут закрыть вакансии, а почти 70% испытывают сложности с наймом на полную ставку. Дефицит кандидатов и конкуренция за них вернулись к уровню 2016 года. Это значит, что скорость реакции на отклик становится конкурентным преимуществом: кто первым вышел на связь с подходящим кандидатом, тот и получил его на собеседование.

Скорость здесь измеряется минутами, а не днями. «Российская газета» со ссылкой на экспертов HR-рынка описывает такую картину: робот-рекрутер отбирает 50% кандидатов за минуту, ATS-системы анализируют до 500 резюме в день, а время на составление отклика для соискателя сократилось с 30–40 минут до 5–7 минут. Пока человек читает десятое резюме из сотни, алгоритм уже прошёл весь список и разложил его по релевантности.

Отдельная проблема — однородность ручного отбора. Когда рекрутер смотрит сотни похожих резюме подряд, к концу дня внимание падает: критерии «плывут», сильные кандидаты отсеиваются по формальному признаку, а слабые проходят дальше, потому что попались на свежую голову. Это не небрежность, это усталость — и именно её снимает агент, который к трёхсотому резюме применяет те же правила, что к первому.

Что съедает время между откликом и оффером

Процесс подбора выглядит безобидно, пока не разложить его по шагам. На каждом шаге рекрутер делает ручную операцию, а на потоке эти операции умножаются на число откликов.

1. Разбор входящего потока. Отклики приходят из ATS, с hh.ru, из почты и мессенджеров. Их нужно открыть, привести к единому виду, убрать явный мусор и дубли — один и тот же человек часто откликается дважды и на разные вакансии.
2. Скрининг резюме. Каждое резюме сверяется с требованиями вакансии: опыт, отрасль, стек, регион, уровень зарплатных ожиданий. Это самое объёмное действие и самое монотонное.
3. Первичная квалификация. С подходящими кандидатами нужно связаться: задать несколько вопросов, уточнить ожидания по деньгам и срокам выхода, договориться об интервью. Часть кандидатов отваливается именно здесь.
4. Согласование с нанимающим менеджером. Шортлист нужно собрать в понятном виде, отправить руководителю и получить обратную связь.
5. Обратная связь отказникам. Тем, кто не прошёл, по-хорошему нужно ответить, иначе страдает репутация работодателя. На практике до этого не доходят руки.
6. Фиксация в системе. Решение по каждому кандидату должно попасть в ATS и в кадровый учёт, иначе следующий рекрутер начнёт с нуля.

Ни один из этих шагов не является «работой с людьми» в том смысле, в котором её описывают в вакансии рекрутера. Это обработка информации. По оценке Deloitte, приведённой в обзоре статистики HR-автоматизации, сотрудники кадровых служб тратят до 57% времени на административные задачи, и ещё меньше остаётся на стратегическую работу. Подбор устроен так же: большая часть дня рекрутера — это чтение и перекладывание данных, а не разговор с кандидатом.

Именно поэтому разговор о закупке «ещё одного рекрутера» часто не решает задачу. Добавление человека увеличивает пропускную способность линейно и вместе с ней — объём ручной работы, которую нужно проверять. Агент же снимает сам объём: он читает весь поток и оставляет человеку только то, что тот должен решить сам.

Что делает ИИ-агент поверх ATS и 1С:ЗУП

Агент не заменяет ATS и не переезжает в отдельную систему. Он работает поверх тех данных, которые уже есть: берёт отклики из ATS, читает требования вакансии, обогащает профиль кандидата и возвращает результат обратно в ATS и, при необходимости, в 1С:ЗУП. Система остаётся той же, меняется скорость обработки.

1. Собирает отклики из всех каналов. Агент забирает резюме из ATS, из базы hh.ru и из корпоративной почты, приводит их к единому формату и привязывает к конкретной вакансии. Дубли и повторные отклики одного человека схлопываются в одну карточку.
2. Читает требования вакансии и выделяет критерии. Из текста вакансии и из настроек ATS агент формирует список того, что действительно важно: обязательные навыки, отрасль, опыт, регион, формат работы. Эти критерии задаёт рекрутер — модель их не придумывает.
3. Сверяет резюме с критериями и ранжирует. Каждое резюме получает оценку соответствия и короткое обоснование: что совпало, что вызывает вопросы, каких данных не хватает. Рекрутер видит не сырой список, а упорядоченный по релевантности.
4. Находит формальные расхождения и пограничные случаи. Кандидат с опытом 4,5 года при требовании «от 5 лет» не выбрасывается автоматически, а помечается как спорный и попадает в отдельный список для ручного решения. По данным «Российской газеты», именно из-за жёсткого порога компании иногда чуть не упускали сильных специалистов.
5. Ведёт первичную квалификацию в чате. Агент задаёт кандидату заранее согласованный набор вопросов: подтверждение опыта, ожидания по зарплате, готовность к формату работы, дата возможного выхода. Диалог начинается сразу после отклика, а не через два дня, когда до кандидата дойдут руки.
6. Готовит шортлист для нанимающего менеджера. На выходе — короткий список с обоснованием по каждому кандидату и сводкой по потоку: сколько откликов пришло, сколько прошло первичный отбор, сколько отвалилось и почему. Руководитель видит картину по вакансии целиком.
7. Возвращает результат в систему и ведёт журнал. Решение по каждому кандидату — «пригласить», «отложить», «отказ» — уходит обратно в ATS, а данные для оформления (когда решение принято) могут попадать в 1С:ЗУП. По каждому действию агента остаётся запись: что прочитал, что сопоставил, что предложил, кто подтвердил.

Важно, что ни одно действие агента не является окончательным. Он готовит предложение, а не приговор кандидату: письмо с отказом не уходит без подтверждения рекрутера, приглашение на интервью тоже. Это не ограничение, а условие законности и здравого смысла — окончательное решение по человеку всегда должно оставаться за человеком.

Какие риски это снимает

Сильного кандидата отсекает жёсткий фильтр

Формальный признак — плохой судья. Классический пример из практики HR-рынка: система отсеяла кандидата, у которого было 4,5 года опыта вместо требуемых 5 лет, а специалист оказался сильным и его чуть не упустили. Без агента проблема та же, только причина другая — уставший рекрутер на трёхсотом резюме. Цена ошибки — незакрытая вакансия и переработки у команды, которая ждёт человека. Агент не убирает риск полностью, но он не устаёт и не «плывёт» к концу дня, а спорные случаи выносит человеку отдельным списком.

Штраф за персональные данные

Резюме, контакты и переписка с кандидатом — это персональные данные, и обращаться с ними нужно по закону: с согласия человека, с понятной целью обработки, с ограниченным доступом и сроком хранения. По статье 13.11 КоАП РФ обработка персональных данных без согласия в письменной форме для юридического лица стоит 300–700 тысяч рублей, повторное нарушение — 1–1,5 миллиона рублей; за утечку данных штраф составляет 1–3 миллиона рублей, а при утечке данных от 10 до 100 тысяч субъектов — 5–10 миллионов рублей. Именно поэтому резюме нельзя «на всякий случай» складывать в сторонний сервис без основания и договора: агент читает данные внутри вашего контура, а не вытаскивает их наружу.

Отбор, который нельзя объяснить

Если алгоритм принимает решение по скрытым признакам, компании грозит репутационный и правовой риск: кандидат вправе узнать, почему получил отказ, а отбор по формальным и несправедливым критериям легко превращается в жалобу. Решение здесь одно — объяснимость. У каждого отклонения должна быть причина, которую можно назвать человеку: не хватает конкретного опыта, регион, график, уровень ожиданий. Агент, который помечает спорные случаи и отдаёт их человеку, такой риск снижает, а чёрный ящик — создаёт.

Кандидат уходит и рассказывает

Рынок кандидатов узкий, и негативный опыт расходится быстро: молчание после отклика, письмо от бездушного бота, отсутствие обратной связи. По опросам экспертов HR-рынка, до 75% кандидатов сегодня готовы пройти собеседование с ИИ, и 35% признаются, что общаться с чат-ботом им спокойнее, чем с человеком. Но там же звучит и обратное: если вместо персонального обращения приходит шаблон от бота, кандидаты это чувствуют и уходят. Разница между «бот молчит» и «бот вовремя отвечает по делу» — в скорости и в персонализации, а не в самом факте автоматизации.

Незакрытая вакансия — это деньги каждый день

Пока вакансия открыта, работу не сделает никто: её тянут текущие сотрудники за счёт переработок, а бизнес теряет выручку и наращивает нагрузку на команду. По данным SHRM, почти 70% организаций не могут закрыть вакансии на полную ставку, и срок закрытия при этом растёт. Каждый день, на который сокращается путь от отклика до интервью, — это день, который команда не работает в режиме перегрузки.

Зависимость от одного человека

Если весь подбор держится на одном рекрутере, то отпуск, больничный или уход — это остановка найма. Знание о том, где кандидат, на каком он этапе и почему получил отказ, живёт в голове и в личных заметках, а не в системе. Агент, который ведёт журнал решений и оставляет след по каждому кандидату, делает процесс передаваемым: новый человек подхватывает не с нуля, а с накопленного контекста.

Сколько часов это возвращает

Часы — это следствие, а не цель: сначала снимается риск отсеять сильного кандидата, потерять время на потоке и получить штраф за данные. Но посчитать эффект всё равно полезно — на прозрачной модели.

Возьмём типовой расчёт для компании, которая ведёт 10 открытых вакансий и получает около 100 откликов на вакансию в месяц. Это порядка 1000 резюме на входе и около 120 кандидатов, доходящих до первичного контакта.

Показатель	Вручную	С агентом
Разбор и скрининг 1000 резюме	50 ч	5 ч
Первичная квалификация 120 кандидатов	50 ч	16 ч
Итого в месяц	100 ч	21 ч

Арифметика открытая. Вручную скрининг резюме — около 3 минут на одно, то есть примерно 50 часов на тысячу откликов; первичная квалификация — около 25 минут на кандидата, ещё 50 часов на 120 человек. С агентом рекрутер смотрит уже подготовленный шортлист: около 150 резюме по 2 минуты — порядка 5 часов, а квалификация в чате занимает около 8 минут на кандидата, то есть примерно 16 часов. Итого остаётся 21 час против 100.

Разница — около 79 часов в месяц. При стоимости часа рекрутера 900 рублей это примерно 71 000 рублей в месяц на одном направлении найма и около 213 000 рублей, если подбор идёт по трём направлениям или юрлицам. Важно, что это высвобожденное время, а не сэкономленные деньги на зарплате: те же 79 часов уходят на то, что действительно требует человека — интервью, оценку, работу с нанимающими менеджерами и репутацию работодателя.

Отраслевые данные подтверждают порядок величин. По обзору SHRM Talent Trends 2025, применение ИИ в HR-задачах выросло с 26% в 2024 году до 43% в 2025-м, а среди тех, кто использует ИИ именно в подборе, большинство отмечает измеримую экономию времени. Данные Deloitte в том же обзоре показывают, что применение ИИ на этапах скрининга и найма даёт около 30% снижения стоимости найма на одну позицию, а по данным тестов навыков — 81% работодателей наблюдают сокращение времени до найма и 78% — снижение стоимости найма. Конкретная цифра зависит от вашего потока, но направление эффекта одно: сокращается время на обработку, а не на решение.

Что остаётся за человеком

Граница проходит по ответственности, и её лучше зафиксировать письменно до старта, а не по ходу проекта.

• Финальное решение по кандидату. Приглашение на интервью, отказ и оффер — всегда за рекрутером и нанимающим менеджером. Агент готовит шортлист и обоснование, но не принимает решение за человека.
• Собеседование и оценка. Живой разговор, проверка мотивации, оценка соответствия команде — это то, что машина не подменяет. Агент берёт на себя только первичную квалификацию по формальным вопросам.
• Критерии отбора. Список требований задаёт человек. Агент может подсказать, что в вакансии противоречиво или что дублируется, но он не решает, какие качества важны для компании.
• Решение по спорным случаям. Пограничных кандидатов агент помечает и выносит отдельным списком. Что делать с «почти подходит» — решает человек.
• Работа с персональными данными. Согласия, сроки хранения, доступ и договор с обработчиком — зона ответственности компании и кадровой службы, а не агента.
• Обратная связь кандидату. Тон, содержание и персонализация сообщений — за человеком; агент лишь готовит черновик и не отправляет его без подтверждения.

Такое разделение снимает главный страх HR-службы: что «алгоритм начнёт увольнять людей». Не начнёт — если границы заданы и подтверждение человека встроено в сценарий. Напомним и про трудовую сторону: за нарушение трудового законодательства по статье 5.27 КоАП РФ юридическое лицо платит 30–50 тысяч рублей, при повторном нарушении — 50–70 тысяч рублей, поэтому все кадровые решения, связанные с наймом и оформлением, должны опираться на документы, а не на выводы модели.

Как это выглядит на практике

Кейсовая рамка здесь важна не сама по себе, а как проверка: работает ли схема на реальном потоке. У нас есть опыт корпоративных программ внедрения ИИ-инструментов в крупном HR-сервисе — площадке, где команда сама ежедневно работает с людьми, подбором и оценкой. Проект строился как программа для команды: установка и адаптация инструмента, рабочие сессии, сопровождение и передача поддержки. Измеримого финансового эффекта по нему нет, и выдавать самооценки участников за результат мы не будем.

Что действительно подтвердилось и переносится на подбор: без чистых данных агент бесполезен. Если требования вакансии описаны общими словами, а база резюме забита старыми откликами без статусов, то никакая модель не даст осмысленный шортлист — она будет ранжировать мусор. Второй вывод: шаг с человеком в сценарии не мешает скорости, а наоборот, снимает споры. Когда рекрутер видит не готовый приговор, а предложение с обоснованием, он быстрее соглашается с агентом и точнее правит его там, где тот ошибся.

Поэтому практический старт — не покупка системы, а порядок: сначала единые требования по вакансии и чистые статусы в ATS, потом один процесс (скрининг резюме), и только затем расширение на квалификацию и обратную связь.

Как внедрить поэтапно

1. Наведите порядок в данных вакансии. Опишите требования по каждой активной вакансии конкретными признаками: обязательные навыки, отрасль, регион, формат, границы по опыту. Уберите из базы устаревшие отклики и проставьте статусы. Это бесплатный и самый важный шаг.
2. Определите один процесс для пилота. Лучше всего подходит скрининг резюме: он объёмный, монотонный и легко измеряется — сколько резюме, сколько времени на одно, сколько доходит до интервью.
3. Настройте критерии и границы с агентом. Задайте, что считается совпадением, что — спорным случаем, какие признаки агент не имеет права использовать. Зафиксируйте, что все приглашения и отказы подтверждает рекрутер.
4. Закройте персональные данные. Проверьте согласия кандидатов, цели и сроки обработки, ограничьте доступ и убедитесь, что данные не уходят за контур компании. Это условие законности, а не формальность.
5. Запустите пилот на одной-двух вакансиях и измерьте четыре метрики: время на скрининг, время до первого контакта с кандидатом, доля подходящих в шортлисте и число упущенных пограничных кандидатов. Сравните с ручным периодом на тех же вакансиях.
6. Расширяйте по одному процессу. После скрининга добавьте первичную квалификацию в чате, затем подготовку шортлиста для руководителя и обратную связь отказникам. Каждый следующий шаг запускайте только после того, как предыдущий стабильно работает.

Что в итоге

ИИ в подборе персонала — это не про замену рекрутера, а про возвращение ему времени на то, ради чего его нанимали. Агент поверх ATS и 1С:ЗУП читает отклики, сверяет их с требованиями вакансии и ведёт первичную квалификацию, а человек сосредотачивается на интервью, оценке и решении. Сначала снимаются риски: упущенный сильный кандидат, штраф за персональные данные, необъяснимый отбор, незакрытая вакансия и зависимость от одного человека. Деньги и часы идут следом и подтверждаются на вашем потоке, а не на отраслевой средней. Начать можно бесплатно и без покупки системы — с наведения порядка в требованиях вакансии и статусах кандидатов.

Источники

• Данные о найме и дефиците кадров, росте применения ИИ в HR-задачах с 26% до 43%: обзор SHRM Talent Trends 2025 — Society for Human Resource Management, 2025.
• Расчёт доли времени на административные задачи (до 57% по Deloitte), снижение стоимости найма на 30% при ИИ на этапах скрининга и данные тестов навыков (81% — ниже время до найма, 78% — ниже стоимость): сводка HR automation statistics — Deel, 2025.
• Цифры по скринингу: робот-рекрутер отбирает 50% кандидатов за минуту, ATS обрабатывают до 500 резюме в день, экономия около 70% времени рекрутера, пример отсева кандидата с опытом 4,5 года: «Как ИИ помогает составлять резюме кандидатам, а рекрутерам — выбирать среди них» — «Российская газета», 07.10.2025.
• Данные опроса HR-платформы «Юнион» и сервиса «Зарплата.ру» (75% кандидатов готовы к собеседованию с ИИ, 87% считают алгоритмы непредвзятыми при контроле, прогноз замены 16% рекрутингового сектора к 2029 году) и оценка HRTech-компании «Поток» (время найма сокращается минимум на 40%, точность предсказания успешности до 85%): «ИИ в рекрутинге: как применяют нейросети для подбора персонала» — «Российская газета», 01.06.2025.
• Штрафы за обработку персональных данных без согласия и за утечку: статья 13.11 КоАП РФ — КонсультантПлюс.
• Штрафы за нарушение трудового законодательства: статья 5.27 КоАП РФ — КонсультантПлюс.

Смежные материалы по теме: внедрение ИИ в управление персоналом, ИИ в кадровом делопроизводстве, ИИ в охране труда, внедрение ИИ в бизнес-процессы, ИИ-агенты для бизнеса.