Медиацентр
ИИ в рекрутменте: как ускорить воронку найма и не потерять человеческую оценку
16.07.2026Рекрутмент — одна из самых «текстовых» бизнес-функций. Вакансии, резюме, письма кандидатам, заметки после интервью, обратная связь от нанимающих менеджеров, отчеты по воронке — почти на каждом этапе есть информация, которую нужно быстро прочитать, структурировать и передать дальше.
По оценке Globus Consulting, именно поэтому рекрутмент хорошо подходит для внедрения ИИ. Технология помогает ускорить движение кандидата по воронке, но не должна принимать решение вместо рекрутера или нанимающего менеджера.В хорошем сценарии ИИ работает как помощник: собирает черновики, подсказывает структуру, извлекает данные и приводит разрозненные комментарии к единому виду. Решение о человеке остается за человеком.От вакансии до оффера: где теряется времяПроблемы часто начинаются еще до публикации вакансии. Нанимающий менеджер передает требования, рекрутер уточняет детали, затем превращает все это в описание роли. Если вакансий много, подготовка текстов становится отдельной нагрузкой.ИИ может собрать первый вариант вакансии по обязанностям, требованиям, уровню роли и контексту команды. Рекрутер редактирует текст, убирает спорные формулировки и согласует описание с заказчиком. Это ускоряет запуск подбора и делает вакансии более единообразными.Следующий участок — обработка резюме. Кандидаты присылают документы в разных форматах, и рекрутеры вручную переносят данные в систему: опыт, навыки, технологии, отрасли, должности, контакты. ИИ может извлечь ключевые поля и привести их к структуре, удобной для первичного анализа.Дальше идет интервью. Здесь ИИ помогает подготовить вопросы по компетенциям, мотивации и рискам, а после встречи — превратить заметки или стенограмму в краткую сводку по критериям. Это особенно полезно, если в подбор вовлечены несколько интервьюеров и каждый пишет обратную связь в своем стиле.Что получает бизнесГлавный эффект — скорость. Вакансия быстрее запускается, резюме быстрее попадает в систему, обратная связь быстрее доходит до нанимающего менеджера. Для кандидата это означает более понятный процесс, для рекрутера — меньше ручной работы, для бизнеса — меньший риск потерять сильного кандидата из-за задержек.Есть и второй эффект: качество коммуникации. ИИ может подготовить персонализированное приглашение, письмо с отказом, сообщение о следующем этапе или краткую сводку для комитета по найму. Это помогает сохранять единый тон и снижать риск случайных, неудачных или юридически чувствительных формулировок.Третий эффект связан с аналитикой. Причины отказов, задержки по этапам, обратная связь кандидатов и нанимающих менеджеров часто хранятся в разрозненном виде. ИИ может сгруппировать эти данные и показать, где воронка теряет эффективность.Где нужны ограниченияРекрутмент — чувствительная зона. Здесь нельзя допускать, чтобы ИИ сам решал, подходит кандидат или нет. Система может сопоставить профиль с обязательными критериями, но итоговая оценка должна оставаться за рекрутером и нанимающим менеджером.Нужно отдельно контролировать дискриминационные формулировки, вопросы, не относящиеся к профессиональной оценке, и любые выводы, которые не подтверждены фактами. То же касается писем с отказом: они должны быть нейтральными, корректными и безопасными с юридической точки зрения.Еще один блок контроля — персональные данные. Резюме, заметки интервью, переписка, оценочные формы и комментарии интервьюеров требуют разграничения доступа, маскирования чувствительных данных и понятных правил хранения.Как подойти к внедрениюGlobus Consulting предлагает начинать с анализа воронки найма: где рекрутеры теряют больше всего времени, какие этапы чаще задерживаются, где много ручного оформления и какие данные уже есть в системе подбора.Для первого этапа обычно подходят три сценария: черновики вакансий, извлечение данных из резюме и суммаризация интервью. Они быстро дают эффект и не требуют передавать ИИ право принимать кадровые решения.После этого можно подключать более сложные сценарии: сравнение кандидатов по оценочной шкале, сводки для комитета по найму, анализ причин отказов, подготовку плана улучшения конверсии и контроль исходящих писем на чувствительные данные.ИИ в рекрутменте работает лучше всего там, где он встроен в существующий процесс найма: систему подбора, шаблоны коммуникаций, оценочные критерии и правила работы с данными. Тогда он не заменяет профессиональную оценку, а помогает быстрее собрать для нее качественную основу.Промпты для автоматизации рекрутментаЭти промпты подойдут практически для любой современной большой языковой модели, которая умеет работать с длинными документами и соблюдать формат вывода: ChatGPT (GPT-4.1, GPT-5 и другие актуальные модели), Claude (особенно хорошо работает с договорами и длинными документами), Gemini.1. Черновик вакансии по профилю и задачамПример промпта: Составь черновик описания вакансии на основе профиля роли, задач, требований и контекста команды. Используй деловой, понятный тон. Не добавляй требований, которых нет во вводных данных.Strict: Верни результат по секциям:{"job_title": "",
"role_summary": "",
"responsibilities": [],
"required_skills": [],
"nice_to_have": [],
"team_context": "",
"questions_for_hiring_manager": []
}2. Извлечение навыков и полей из резюмеПример промпта: Извлеки из резюме кандидата ключевые данные для системы подбора: опыт, должности, компании, навыки, технологии, образование, языки и контактные данные. Если данных нет, верни null.Strict: Верни только валидный JSON:{
"candidate_name": "",
"contacts": {
"email": "",
"phone": ""
},
"total_experience_years": "",
"positions": [],
"companies": [],
"skills": [],
"technologies": [],
"education": [],
"languages": [],
"missing_fields": []
}3. Сопоставление кандидата с обязательными критериямиПример промпта: Сопоставь профиль кандидата с обязательными критериями вакансии. Для каждого критерия укажи, подтвержден ли он в резюме, каким фрагментом подтвержден и какие вопросы нужно уточнить на интервью. Не принимай решение о найме.Strict: Верни JSON:{
"candidate": "",
"criteria_assessment": [
{
"criterion": "",
"status": "confirmed / not_confirmed / unclear",
"evidence": "",
"questions_to_clarify": []
}
],
"overall_summary": "",
"human_decision_required": true
}