15 сентября 2026 г. · 6 мин чтения · #AI_Recruiting
Кто кого
Как ИИ помогал кандидатам подогнать свой профиль под вакансию, а мне — отсеять их.
Глава 1 — Загрузка резюме
Сначала о себе и своем отношении к ИИ: я не фанат и не скептик — сдержанный любитель. Не бросаюсь в омут с головой («давайте сразу ИИ-интервью» — об этом хочу детально рассказать в отдельном посте почему ИИ интервью это треш), но и не тяну одеяло на себя («я это делал тысячу раз, никакой ИИ меня не заменит»). Простую механическую задачу отдать на откуп ИИ обязан каждый — не из любви к ИИ, а из любви к себе. Далее как раз о таких простых вещах…
Загрузка резюме — первое, что можно и нужно автоматизировать. Расскажу про опыт с HH.
Шаги до (всё, что можно было упростить/автоматизировать — упростил/автоматизировал):
1)залогиниться (допустим логин/пароль автоматом)
2)3–4 клика (по памяти, но за память ручаюсь) дойти до всех кандидатов по вакансии
3)правый клик на … справа в карточке кандидата / скачать резюме (возможно надо выбрать формат)
шаг 3 повторяем столько раз сколько кандидатов
1)заходим в папку скачанное и начинаем каждое резюме открывать чтобы посмотреть имя фамилию и переименовывать (ФАМИЛИЯ_Имя_Позиция)
шаг 4 повторяем столько раз сколько резюме
как теперь
1)настраиваем ИИ агента в слэке
2)даем доступы к API от своего HH аккаунта
3)программируем (словами можно на русском) чтобы каждый день закачивал новые резюме по вакансии
как будто на 1 шаг меньше и шаги посерьезней, НО это делается 1 раз, а не по 200–300 раз на шаг 2 и 3 для каждой вакансии.
Глава 2 — Оценка кандидатов
Второй шаг — оценка. Здесь есть вещь, о которой все знают, но которую соискатели как правило недооценивают, а рекрутеры — переоценивают. HR не анализирует опыт по резюме глубоко… даже не так: HR не анализирует опыт по резюме. Но и не полагается на какие-то неведомые инстинкты (aka опытный IT рекрутер), которые якобы отсеивают половину лучших кандидатов. Рекрутер (1) читает резюме по ключевикам и (2) блокирует кандидатов по критериям, заранее согласованным с нанимающим менеджером или с самим собой — не обязательно опубликованным.
Первое — критерии на допуск (access pass): в первую очередь хард-скилы («.NET», «оценка по Mercer», «Google Analytics») и немного софт-скилы, которые можно найти в резюме, но всё равно придется уточнять на собеседовании («собрал команду из 4 человек», «общение с клиентами из США»).
Второе — критерии на отказ (denial criteria): пол (без иллюзий — на позиции вроде личного ассистента обычно ищут девушку), возраст (тот самый эйджизм: после 40 смотрим строже, после 50 отсеиваем), состав компаний в послужном списке — например, только РФ или есть и международные.
Раз всё настолько формализуемо, это тоже можно отдать ИИ. Забегая вперёд: те же 400 резюме вручную я бы оценил с куда большим числом ошибок, и критических промахов тоже было бы больше — а по времени это заняло бы не 2–3 дня, как вышло с Клодом вместе с проверкой, а 2–3 недели.
Расскажу на примере Клода — на данный момент мой фаворит, план про (20 долларов в месяц) доступны все модели включая Опус который творит чудеса, а лимита ± хватает на ежедневную плотную работу в с такими вещами. Итак по шагам:
1)Резюме кидаем пачками по 10 (это лимит Клода и этому есть объективное объяснение — чем больше данных грузим разом в ИИ тем больше ошибок получаем).
2)Задаем шкалу оценки (я просил пятибалльную: 5 — идеальное попадание в ключевики из описания вакансии, 1 — вообще ноль) и дальше рассматривал только тех, у кого 4 и выше.
3)Отдельно прописываем блок-критерии, их в описании вакансии нет. Очень меня триггерило донести тут свое мнение о лже борьбе с дискриминацией нашего да и скорее всего любого общества и лицемерного воплощения этого на законодательном уровне. Допустим у вас с этим нет проблем, и вы зовете на интервью личным помощником кандидата с опытом 30 лет мужского пола как за здрасти. Блокирующим критерием может быть что угодно, не обязательно пол и возраст: отсутствие опыта в определенных компаниях (например без опыта в западных компаниях) или, наоборот, концентрация опыта в индустрии гемблинга.
4)Запускаем оценку и просматриваем 4-ки и 5-ки.
Глава 3 — Проверка на ИИ
Как я выше писал я не против ИИ как минимум, я его использую для оценки кандидатов, почему бы кандидатам не использовать его для того чтобы привлечь к себе внимание. Давать за это экстра очки конечно не буду — за последние год два это стало базовым навыком для всех офисных работников, но и снижать за это не буду. Но вот с чем у меня всегда было недопонимание с частью кандидатов так это писать в резюме то чего не делал. Это всё равно вскроется (либо на этапе интервью, либо что хуже для всех на исп. сроке) поэтому простое ЗАЧЕМ? Но по человечески понять можно: надо использовать любой шанс, туда сюда, главное попасть а там прорвемся, под лежачий камень. А теперь еще и HH на каком-то премиум тарифе прямо предлагает — давай мы тебе забацаем сопроводительное прямо под вакансию! Половина если не 90% даже не читают что им там пишет ИИ от HH: сгенерил — отправил.
После корректировки инструкций для Клода (грубо, потому что утончать там нечего: сопроводительное письмо при оценке отсекается), всё пошло как по маслу.
Дальнейший шаг со стороны кандидатов очевидно — кастомизация самого резюме под ключевики вакансии. А со стороны HR — отсеивание, или как минимум маркировка таких резюме. Так и живём.
Что делать чтобы быть как Олег:
–Автоматизируй загрузку и именование резюме (ФАМИЛИЯ_Имя_Позиция) — это чистая механика.
–Раздели критерии заранее на access pass (хард+софт скилы) и denial criteria (блоки).
–Задай шкалу оценки и порог отсева: топ (тот кого ищем в идеале) минус 1 балл просматриваем.
–Перепроверяй ИИ, надо выйти хотя бы на 2–3 чистых прогона, пока не поймёшь, что модель не ошибается или корректировка инструкций больше не нужна.
–Игнорируй сопроводительное письмо — оно всё чаще написано ИИ и не отражает реальный опыт.
–На будущее будь готов работать с кастомизированными резюме аналогично сгенерированным сопроводительным письмам.