Подбор персонала выглядит идеальной задачей для автоматизации: поток резюме, повторяющиеся вопросы, формализуемые требования.
И здесь же — риск, которого нет в других отраслях:
> Автоматический отсев кандидатов может воспроизводить и усиливать предвзятость, а решение при этом выглядит объективным, потому что его принял алгоритм.
Модель обучалась на текстах, отражающих существующие практики. Отсеивая по «похожести на успешного сотрудника», она воспроизводит то, кого нанимали раньше. Проверить это трудно, а последствия — и репутационные, и правовые.
Поэтому граница здесь проводится жёстче обычного: модель структурирует и подсказывает, решение об отказе принимает человек. К сожалению, в российской практике, модель часто отказывает, а человек даже не посмотрит, особенного когда откликнувшихся сотни или тысячи.
Что автоматизируется безопасно
Разбор резюме в структуру
Извлечение из резюме в свободной форме: опыт по местам работы, длительность, навыки, образование, контакты. Резюме приходят в десятках форматов, и приведение их к единому виду — чистая экономия времени.
Это структурирование, а не оценка.
Проверка формальных требований
Наличие обязательных условий: профильное образование, определённый опыт в годах, конкретный сертификат, права нужной категории, готовность к разъездам.
Формальное соответствие — это правило, и его должен проверять код, а не модель. Модель извлекает факт, программа сравнивает с требованием.
Разница принципиальна: правило воспроизводимо и объяснимо, оценка модели — нет.
Ответы на вопросы кандидатов
Условия работы, график, оформление, порядок отбора, что взять на собеседование, где офис, есть ли удалённый формат.
Массовый поток, полностью безопасный для автоматизации, и он же сокращает отсев по причине «не дождался ответа» — «Чат-бот по базе знаний».
Первичный сбор информации
Уточнить у кандидата то, чего нет в резюме: ожидания по зарплате, готовность к формату, срок выхода. Сценарный диалог, экономящий звонок рекрутера.
Назначение и напоминание о собеседовании
Подбор времени, напоминание, подтверждение. Неявка кандидата — потерянное время нескольких человек.
Подготовка описания вакансии
Черновик по требованиям. С проверкой: формулировки в вакансиях подпадают под ограничения — об этом ниже.
Сводка по собеседованию
Расшифровка записи или заметок превращается в структурированную сводку: что обсуждали, что выяснили, какие остались вопросы. Заполнение карточки кандидата вместо ручного набора — «Автоматизация рутины в CRM».
Ассистент для адаптации
Новый сотрудник задаёт десятки вопросов: где что оформить, к кому обратиться, как получить доступы. Внутренний ассистент снимает нагрузку с тех, кого спрашивают — «ИИ-ассистент для сотрудников».
Это, кстати, самый недооценённый сценарий в HR: эффект измеряется не временем рекрутера, а скоростью выхода новичка на нормальную работу.
Что делать нельзя
Автоматически отклонять кандидатов по оценке модели. Только по формальным правилам, которые можно предъявить и объяснить.
Ранжировать «по перспективности». Оценка, основанная на похожести на прошлых сотрудников, воспроизводит прошлые предпочтения.
Анализировать личность по тексту резюме или по видео. Ненадёжно и создаёт правовые риски.
Учитывать признаки, не относящиеся к работе. Возраст, пол, семейное положение, национальность, место жительства не должны влиять на отбор. И надо помнить: модель может вывести эти признаки косвенно — из года окончания вуза, из имени, из перерывов в стаже. Даже если поле удалено.
Отказывать без возможности обжаловать. Кандидат должен понимать причину, а она должна быть предъявляемой.
Данные кандидатов и требования к вакансиям
Правовой акцент отрасли, и он двойной.
Персональные данные кандидатов. Резюме — это ПД, часто с избытком: фотография, семейное положение, дата рождения, адрес. Что стоит определить:
- на каком основании обрабатываются данные и покрывает ли оно передачу во внешнюю модель;
- что уходит в модель — часто для задачи хватает опыта и навыков без контактов и персональных сведений;
- сколько хранятся резюме отклонённых кандидатов и на каком основании;
- согласие на обработку и его объём.
Практическая мера: для скрининга по требованиям персональные данные не нужны. Передавать можно обезличенную часть — «Обезличивание данных».
Требования к текстам вакансий. Законодательство ограничивает указание в объявлениях о вакансиях сведений, не связанных с деловыми качествами. Если описание вакансии генерируется, это ограничение касается и его.
Практическое решение: формулировки требований берутся из согласованных заготовок, а не генерируются свободно.
Правовую оценку даёт юрист — общий подход в «Безопасно ли использовать нейросети в бизнесе».
Расчёт: скрининг и вопросы
Числа иллюстративные. Компания с активным подбором.
Часть 1: разбор резюме.
| Величина | Значение |
|---|---|
| Откликов в месяц | 900 |
| Время на первичный просмотр | 3 мин |
| Часов | 45 |
| Стоимость часа рекрутера | 800 ₽ |
| Сейчас | 36 000 ₽/мес |
| После структурирования и проверки формальных требований | 1 мин |
| Стало | 12 000 ₽/мес |
Часть 2: вопросы кандидатов.
| Величина | Значение |
|---|---|
| Обращений в месяц | 400 |
| Время на ответ | 5 мин |
| Часов | 33 |
| Экономия | ~26 000 ₽/мес |
Часть 3: то, что считается хуже, но весит больше. Скорость ответа кандидату. В дефицитных специальностях кандидат, не получивший ответа за сутки, уходит. Сколько это стоит — зависит от стоимости незакрытой позиции, и обычно это самая крупная величина в расчёте.
И четвёртая, самая надёжная: сокращение срока адаптации новичка. Если ассистент сокращает выход на нормальную производительность с трёх месяцев до двух, это измеримо и переводится в деньги напрямую.
Частые вопросы
Можно ли автоматически отсеивать резюме?
По формальным требованиям, которые можно предъявить и объяснить — да: наличие профильного образования, опыта в годах, конкретного сертификата. Проверять их должен код по извлечённым данным. Отсев по оценке модели «насколько подходит» делать не стоит: он воспроизводит прошлые предпочтения и выглядит объективным, не будучи таковым.
Может ли ИИ оценить кандидата?
Структурировать резюме, проверить формальное соответствие и подготовить сводку по собеседованию — да. Оценивать перспективность, анализировать личность по тексту или видео — нет: это ненадёжно и создаёт правовые риски. Решение об отказе остаётся за человеком и должно быть объяснимым.
Как избежать предвзятости в автоматическом подборе?
Использовать только формальные правила вместо оценки, убрать из передаваемых данных признаки, не относящиеся к работе, и помнить, что модель может вывести их косвенно — из года выпуска, имени, перерывов в стаже. Плюс регулярно проверять, не смещается ли состав отобранных кандидатов.
Что делать с персональными данными кандидатов?
Передавать модели минимум: для проверки соответствия требованиям достаточно опыта и навыков без контактов, фотографии и даты рождения. Отдельно стоит определить срок хранения резюме отклонённых кандидатов и основание для него — правовую сторону уточните у юриста.
Можно ли генерировать тексты вакансий?
Черновик — да, публикацию без проверки — нет: законодательство ограничивает указание в вакансиях сведений, не связанных с деловыми качествами. Практичнее брать формулировки требований из согласованных заготовок, а генерировать только описательную часть.
Какой сценарий в HR даёт наибольший эффект?
Чаще всего не скрининг, а ассистент для адаптации новых сотрудников: он сокращает срок выхода на нормальную производительность, и это измеряется напрямую. Плюс скорость ответа кандидатам — в дефицитных специальностях она влияет на закрытие позиции сильнее, чем экономия времени рекрутера.
Что дальше
Разбор резюме технически — «Извлечение данных из документов». Ответы кандидатам — «Чат-бот по базе знаний». Адаптация сотрудников — «ИИ-ассистент для сотрудников». Данные кандидатов — «Можно ли передавать персональные данные».
Разбор процесса подбора с оценкой применимости — часть аудита; разработка — часть работы по автоматизации процессов.