Отсортированный shortlist с обоснованием за минуты
Что делает
AI-агент заменяет первичный просмотр входящих CV — ручную работу рекрутера по каждому отклику. Кандидаты попадают в HRIS уже с отметкой релевантности, категорией и развёрнутым комментарием. Рекрутер видит не поток, а shortlist — и тратит внимание на людей, а не на фильтрацию.
Базовый процесс работает так:
- Новое резюме попадает в отслеживаемую папку file storage (вложение с карьерного лендинга, пересланное письмо, экспорт из job board) или напрямую в HRIS через встроенный канал подачи.
- AI-агент читает документ — PDF, DOCX или скан после OCR — и извлекает структурированные поля: общий стаж, релевантный опыт, навыки, образование, локация, уровень языка, ожидаемая зарплата, если указана.
- Агент сверяет извлечённые данные с rubric требований по конкретной вакансии. Rubric — это заранее описанный набор must-have и nice-to-have критериев, формальных фильтров (виза, удалёнка, часовой пояс) и контекста роли.
- Каждому кандидату присваивается категория (shortlist, резерв, отказ) и формируется обоснование в 2-4 предложениях: что совпало, что нет, какие пробелы закрываются обучением.
- Результат записывается в карточку кандидата в HRIS: статус, комментарий, теги, привязка к вакансии, timestamp обработки.
- Рекрутер получает уведомление только о кандидатах в shortlist; остальное остаётся в базе для ручной сверки, повторного поиска по будущим вакансиям или talent pool.
Что автоматизация не делает
- Не принимает финальное решение о найме. AI-агент сортирует по формальным и полуформальным критериям, финальный выбор остаётся за человеком.
- Не проводит интервью, не оценивает софт-скиллы, культурный фит и мотивацию. Эти этапы требуют живого общения и остаются за рекрутером и нанимающим менеджером.
- Не заменяет юридическую проверку данных. Верификация дипломов, референсы, background check, GDPR-compliance при хранении CV выполняются отдельным процессом.
Как работает
Технически отсев резюме — связка из четырёх слоёв: ingest, extract, match, write-back. Каждый слой делает одну задачу и передаёт результат следующему, так что сбой в одной точке не ломает весь pipeline.
Архитектура
Слой | Назначение | Типичный компонент |
|---|---|---|
Ingest | Приём нового резюме | File storage watcher или HRIS webhook |
Extract | Парсинг документа в структуру | LLM с JSON-output + OCR для сканов |
Match | Сверка с rubric вакансии | AI-агент на языковой модели |
Write-back | Запись в HRIS | REST API HRIS или middleware (low-code платформа, Zapier) |
Порядок внедрения
- Сбор исходных данных. Команда выгружает 50-150 недавних резюме и решения рекрутера по ним — кто попал в shortlist, кто нет, почему. Это становится калибровочным набором для проверки качества модели.
- Описание rubric для 1-3 вакансий. HR и нанимающий менеджер вместе фиксируют must-have, nice-to-have, формальные фильтры, стоп-факторы. Rubric хранится в отдельном документе (Notion, внутренняя вики, поле в HRIS) и версионируется.
- Настройка ingest-канала. Выбирается источник: входящая папка в file storage, почтовый алиас с автофорвардом, webhook от HRIS или job board. Для weekend-реализации достаточно одного канала — расширение добавляется позже.
- Промпт-инженеринг AI-агента. Пишется системный промпт с rubric, формат JSON-вывода, примеры good/bad оценок. Агент запускается на калибровочном наборе из шага 1; результаты сравниваются с решениями рекрутера. Расхождения обсуждаются — либо корректируется промпт, либо уточняется rubric.
- Write-back в HRIS. Настраивается API-интеграция: создание или обновление карточки кандидата, заполнение статуса, добавление комментария агента в поле с тегом «AI-оценка». Если HRIS не поддерживает прямой API, используется промежуточный слой — workflow-движок, Zapier или middleware.
- Пилот. 1-2 недели работы в тени: агент обрабатывает каждое новое CV, но не отправляет уведомления рекрутеру. HR сверяет результат в конце дня. Расхождения фиксируются.
- Переключение. После 2-4 итераций, когда точность по shortlist становится приемлемой для команды, процесс включается в продакшен. Уведомления идут в Slack, почту или напрямую в HRIS.
- Мониторинг. Первый месяц рекрутер сверяет 10-20% результатов в ручном режиме. Расхождения — сигнал к корректировке rubric или промпта.
Где хранится что
Rubric — в одном документе, доступном HR и нанимающему менеджеру. Промпт — в git или конфиг-файле workflow-движка либо middleware. Результаты работы агента — в HRIS в отдельных полях, чтобы не смешивать с ручными пометками рекрутера. Калибровочный набор обновляется раз в квартал или при изменении профиля вакансии.
Что нужно
Для базовой реализации отсева резюме нужны:
- Входящий канал резюме. Папка в file storage (Google Drive, Dropbox, SharePoint, S3) с правом на чтение для сервисного аккаунта, либо HRIS с webhook или API подачи кандидатов.
- HRIS с доступным API. BambooHR, Greenhouse, Workable, Hurma, Peopleforce или аналог. Нужны поля для статуса кандидата, комментария и тега «AI-оценка».
- Описанные rubric по ключевым вакансиям. Минимум 1-3 роли: junior/middle/senior по одному направлению. Без rubric AI-агент не понимает, что искать.
- Калибровочный набор. 50-150 недавних резюме с решением рекрутера (shortlist / резерв / отказ) и кратким обоснованием.
- Ответственный внутри команды. Один рекрутер или HR-менеджер готов вложить 4-8 часов в неделю первые 2-3 недели на калибровку и корректировку промпта.
Готовность команды
Рекрутер принимает результаты AI-агента как первый фильтр, а не как финальное решение. Нанимающий менеджер участвует в описании rubric и готов вернуться через 2-3 недели после старта, чтобы уточнить критерии.
Таймлайн
Weekend-сложность предполагает 2-7 дней на настройку: 1 день на сбор калибровочного набора и rubric, 1-2 дня на промпт и интеграцию с HRIS, 2-4 дня на пилот и итерации. Готовое решение — к концу первой рабочей недели.
Боли
- Ревью — узкое место
- Повторяющиеся рутинные задачи
FAQ
Сколько времени занимает запуск?
Базовый запуск укладывается в 2-7 дней. Первый день уходит на сбор калибровочного набора из 50-150 резюме и описание rubric. Второй-третий — на настройку промпта AI-агента и интеграцию с HRIS. Оставшиеся дни — пилот в тени и 2-4 итерации по расхождениям. К концу первой рабочей недели процесс готов к продакшену.
Что если у нас нет HRIS?
Запуск без HRIS реалистичен для малых команд. Роль базы кандидатов берёт на себя таблица — Google Sheets, Airtable или Notion — с полями под статус, комментарий и теги. AI-агент пишет результат в таблицу, рекрутер работает из неё. Это промежуточное решение: при росте потока до 50+ резюме в день переход на полноценный HRIS становится оправданным.
Что может сломаться?
Три основные точки риска. Первая — плохо описанный rubric: агент отсеивает релевантных кандидатов из-за слишком жёстких формальных фильтров. Вторая — дрейф качества при изменении профиля вакансии без обновления rubric. Третья — неструктурированные резюме (сканы без OCR, экзотические форматы). Все три контролируются ручной сверкой 10-20% результатов в первый месяц и квартальной ревизией калибровочного набора.
Работает ли это в нашей отрасли?
Отсев резюме универсален по отраслям — IT, retail, производство, логистика, услуги, некоммерческий сектор. Отличается только rubric: для IT важны стэк и уровень, для производства — сертификации и опыт на конкретном оборудовании, для retail — локация и график. AI-агент одинаков, настройка под отрасль уходит в rubric и калибровочный набор.
Как снизить риск AI-байаса?
Байас снижается тремя практиками. Rubric фиксирует только профессиональные критерии — без возраста, пола, фото, имени. Калибровочный набор проверяется на равномерное распределение по демографическим группам. Результаты AI-агента проходят выборочный ручной аудит раз в месяц. Полное устранение байаса невозможно — ни у AI, ни у человека — но контролируемый процесс заметно снижает риск дискриминации.
Как быть с GDPR и хранением данных кандидатов?
AI-агент работает с резюме на тех же правах, что и рекрутер: доступ через сервисный аккаунт, логирование каждого обращения к документу, срок хранения совпадает с политикой HRIS. Для EU-кандидатов добавляется согласие на автоматизированную обработку в форме отклика. Резюме отказников удаляются по расписанию — через 6-12 месяцев, в соответствии с локальным законодательством.
Хотите такую автоматизацию в своём бизнесе?
Запишем на бесплатный аудит — покажем, как это будет работать именно у вас.