Поиск кандидатов с помощью ИИ: вакансии, фильтры и первичный отбор

ИИ в поиске кандидатов экономит время на самых рутинных этапах: описание вакансии, подготовка поисковых запросов, первичный разбор откликов, составление вопросов для интервью. Особенно это заметно, когда вакансий много, а рекрутер в компании один или эту работу совмещает руководитель. При этом решение о человеке нейросеть принимать не должна — и дело не только в качестве, но и в справедливости отбора.

Начните с портрета, а не с вакансии

Прежде чем писать объявление, опишите задачу. Попросите модель провести с вами «интервью руководителя»: какие результаты ждут от сотрудника через три и шесть месяцев, какие задачи он выполняет каждый день, с кем взаимодействует, что действительно обязательно, а что желательно. Из ответов получается профиль должности, который потом служит фильтром для всего процесса.

Текст вакансии

Нейросеть хорошо превращает профиль в объявление для hh.uz, Telegram-каналов с вакансиями и сайта компании. Попросите разные версии под площадки: короткую для Telegram, подробную для сайта. Следите, чтобы в тексте не было:

• требований, не связанных с работой: возраст, пол, внешность, семейное положение;
• размытых формулировок вроде «стрессоустойчивость» без пояснения, что за ней стоит;
• обещаний, которые компания не выполнит.

Вакансия на узбекском языке расширяет охват в регионах; перевод от модели обязательно вычитывает носитель.

Поисковые запросы для активного поиска

Для поиска в базах резюме и LinkedIn полезны булевы запросы с синонимами должностей и навыков. Модель быстро составит варианты: «бухгалтер» или «главный бухгалтер» или «финансист» плюс нужная программа учёта. Проверьте, как запрос работает в конкретной системе: синтаксис у площадок отличается.

Первичный разбор резюме

Здесь главное — правила. Загружая резюме во внешний сервис, вы передаёте персональные данные, поэтому используйте корпоративные тарифы, где данные не идут на обучение, или убирайте контакты и фамилии перед загрузкой. Попросите модель сопоставить каждое резюме с профилем должности по заранее заданным критериям и выписать подтверждения из текста: где кандидат делал похожие задачи, какие инструменты упоминает. Оценка «подходит/не подходит» без цитаты из резюме — ненадёжна.

Риск предвзятости

Модели учились на текстах, где встречаются стереотипы. Если не задать критерии явно, ИИ может отдавать предпочтение знакомым названиям вузов, определённому стилю письма или непрерывному стажу. Как снизить риск:

1. Критерии оценки — только про навыки и опыт, связанный с задачами.
2. Перед разбором удалять имя, фото, возраст и адрес.
3. Отказ по итогам автоматического разбора не отправлять без просмотра резюме человеком.
4. Периодически проверять, не отсеиваются ли систематически определённые группы.

Вопросы для интервью

По профилю должности модель составит вопросы о реальном опыте: «расскажите о случае, когда…», а также небольшое практическое задание. Попросите для каждого вопроса описание хорошего и слабого ответа — это помогает разным интервьюерам оценивать одинаково.

Коммуникация с кандидатами

Шаблоны писем — приглашение, перенос, вежливый отказ, оффер — нейросеть подготовит быстро. Персонализируйте их: кандидат замечает, когда письмо явно отправлено всем подряд. И отвечайте всем, кто прошёл хотя бы одно интервью: это работает на репутацию работодателя.

Что оставить человеку

Финальное решение, разговор о мотивации, проверку рекомендаций и обсуждение условий. ИИ сокращает путь до встречи с подходящими людьми, но не заменяет саму встречу.