Кадровая работа — это три постоянных потока однотипных текстов: входящие резюме, исходящие вакансии и переписка с кандидатами. Именно на них уходит основная часть дня, хотя решения почти всегда принимает человек. ИИ-помощник даёт эффект не «магией», а тем, что снимает рутину и оставляет рекрутеру выбор.

Где ИИ действительно экономит время

Наибольшая отдача — там, где большой объём и есть внутренняя база знаний: профили должностей, требования, регламенты, история найма. Модель, которая опирается только на общие знания интернета, будет писать красиво и бесполезно. Модель, работающая с вашими документами через RAG, выдаёт формулировки, совпадающие с реальными требованиями.

Второй критерий — измеримость. Если после внедрения нельзя посчитать время до первого ответа кандидату или время первичного скрининга, проект превращается в игрушку.

Разбор резюме: ранжирование вместо чтения подряд

Пайплайн выглядит так: OCR для сканов и PDF, извлечение структурированных полей (опыт, стек, регион, ожидания по доходу), сопоставление с профилем вакансии, скоринг и короткая выжимка на 3–5 строк. Рекрутер открывает не 300 файлов, а список, отсортированный по релевантности, и видит, почему кандидат оказался наверху.

Объяснимость скоринга — не роскошь, а требование: без неё менеджеры не доверяют системе и возвращаются к ручному чтению. Отдельно решается задача дублей и «откликов ради отклика» — фильтр по активности и совпадению навыков экономит больше времени, чем сам скоринг.

Вакансии и описания: единый стиль за минуты

Текст вакансии генерируется из профиля должности и адаптируется под канал: hh.ru, Telegram, карьерный сайт, внутренний чат. Полезная функция — автоматическая проверка на дискриминационные формулировки (пол, возраст, семейное положение): за такие требования к размещению вакансий предусмотрены штрафы по ст. 13.11.1 КоАП РФ, и здесь ИИ работает как страховка, а не как редактор.

Переписка: скорость ответа и аккуратные формулировки

Приглашения, уточнения по опыту, напоминания о собеседовании, отказы — всё это шаблонизируется с персонализацией по резюме. Ключевая метрика — время до первого ответа: кандидат, получивший реакцию в течение часа, реже уходит к конкуренту. Отказы формируются юридически нейтрально, без оценок личности, и логируются.

На старте письма обязательно уходят на подтверждение человеку. Автоотправка включается только после того, как на выборке в 100–200 диалогов качество формулировок признано приемлемым.

Практические шаги запуска

1. Соберите тестовый набор: 100–200 реальных резюме и 20–30 вакансий.
2. Зафиксируйте с рекрутерами поля для извлечения и критерии скоринга.
3. Выберите контур обработки. Персональные данные кандидатов — это 152-ФЗ, поэтому в большинстве проектов мы разворачиваем локальную модель в периметре компании.
4. Наполните RAG внутренними регламентами и профилями должностей.
5. Проведите пилот на одном направлении найма, 2–4 недели, с метриками: время скрининга, время до первого ответа, доля кандидатов, дошедших до интервью.
6. Подключите интеграции: почта, hh.ru, 1С:ЗУП, ATS или CRM.

Ограничения, о которых стоит знать заранее

Модель плохо оценивает «культурное соответствие» и не заменяет интервью. Она ошибается на нестандартных траекториях: карьерные переходы, проектная занятость, длительные перерывы. Поэтому человек остаётся в контуре принятия решений, а система отвечает за подготовку данных. Плюс нужно закрыть вопросы согласий кандидатов, сроков хранения резюме и обезличивания при передаче во внешние сервисы.

Как мы можем помочь

Мы внедряем приватные LLM, RAG-системы и ИИ-агентов для HR-контуров: разбор резюме, генерация вакансий, обработка переписки, интеграции с 1С:ЗУП и ATS. Начинаем с аудита процессов и пилота на ваших данных, разворачиваем модель в вашем периметре с учётом 152-ФЗ. Обсудить проект