Найм в агентство через LLM: как ускорить подбор в 3 раза

Когда в продакшене начинается активный сезон, найм превращается в персональный ад для любого руководителя. Поиск проджект-менеджеров, аккаунт-директоров, дизайнеров или авторов отнимает часы, которые должны уходить на проекты и клиентов. Я всегда ищу способы автоматизировать рутину, и этот кейс меня зацепил. Оказывается, первичный отбор, оценку и даже проверку профессиональных навыков кандидатов можно переложить на Telegram-бота с интеграцией языковых моделей. В агентстве такая система сократила затраты на подбор персонала на 40% и ускорила закрытие вакансий в три раза. Разбираюсь, как устроен этот инструмент и какую пользу он принесет нашему брату-продюсеру.

Автоматический отсев кандидатов по жестким критериям

Вместо ручного разбора сотен резюме на HeadHunter достаточно настроить автоответчик, который отправляет каждого откликнувшегося в Telegram-бота. Практика показывает, что более 85% кандидатов без проблем переходят по ссылке. В боте их ждет интерактивная анкета, которая проверяет базовые требования: опыт работы, зарплатные ожидания, готовность к определенному графику и наличие оборудования для удаленной работы.

Система присваивает балл каждому ответу. Подходящий вариант дает плюс, нейтральный – ноль, а критическое несоответствие штрафует анкету сразу на 100 баллов. В результате бот автоматически отсеивает неподходящих людей на первом же этапе. Руководитель получает в рабочий чат готовые анкеты только тех специалистов, которые набрали проходной балл. Бот отсекает больше половины нерелевантных откликов вообще без участия человека.

Возврат кандидатов в воронку с помощью триггеров

Одна из главных проблем автоматических анкет – высокая доля незавершенных опросов. Кандидаты часто закрывают бота на середине, если не понимают, сколько вопросов осталось. Шкала прогресса на каждом шаге наглядно показывает, сколько вопросов осталось, и мотивирует дойти до конца.

Второе решение – автоматические напоминания. Если кандидат завис на вопросе дольше трех минут, бот мягко напоминает о незавершенной анкете. Бот дублирует сообщения через определенные промежутки: десять минут, час, день, два дня. Такой возврат снизил долю брошенных анкет с 19% до 7%. Количество потерянных кандидатов уменьшилось почти в три раза просто потому, что бот вовремя отправил напоминание.

ИИ-оценка навыков и проверка на честность

Самое интересное начинается на этапе оценки профессиональных качеств, которые сложно проверить простыми тестами. В анкету добавляют открытые вопросы: например, как кандидат решает конфликт с клиентом или защищает смету. Бот отправляет ответы в языковую модель. Нейросеть анализирует текст по инструкции, выставляет оценку и готовит для продюсера краткое резюме с сильными и слабыми сторонами кандидата еще до личного созвона.

Чтобы отсечь соискателей, которые пишут ответы через ChatGPT, разработчики настроили второй уровень анализа. Нейросеть проверяет стиль текста на признаки машинной генерации: избыток общих фраз, слишком правильную академическую структуру и отсутствие личных примеров. Бот не штрафует за использование ИИ, но выводит вероятность генерации в рабочий чат. Это позволяет продюсеру на собеседовании не тратить время на общие вопросы, а сразу попросить кандидата подробно расшифровать свой ответ или привести пример из практики.

Чтобы не отвечать на однотипные вопросы, в бота добавили базу знаний. Кандидаты часто спрашивают про оформление, графики и обучение, даже если это написано в вакансии. Теперь ИИ-ассистент отвечает на любые вопросы человеческим языком на основе этой базы. В итоге больше половины соискателей приходят на интервью подготовленными. Собеседование больше не начинается с долгого рассказа о компании. Это отличный пример того, как простые технологии экономят ключевой ресурс продакшена – наше время.