ИИ в HR: какие задачи найма реально отдать агентам

За день на вакансию курьера приходит полсотни откликов. Эйчар физически не успевает прозвонить всех, и к вечеру половина кандидатов уже договорилась с кем-то другим. Кто ответил первым, тот и нанял.

Это самая заметная боль, но не единственная. Регламенты никто не обновлял два года. Введение в должность сводится к «посиди рядом с Наташей, она покажет», и новый человек три недели донимает коллег вопросами, к кому идти за справкой.

По отдельности мелочь. Вместе — работа одного человека на полную ставку, размазанная по всем сразу.

«Просто загрузите инструкции в GPT»

Самый частый совет, который слышит компания, решившая автоматизировать HR, — даже от подрядчиков, к которым пришли с деньгами: возьмите готовую модель, загрузите документы, она справится. Для одной задачи это действительно работает — сотрудник может спросить у неё текст регламента. Но дальше модель ничего не делает сама: она отвечает, только когда её спросят, и на этом её работа заканчивается.

Она не пойдёт на площадку с вакансиями, не напишет кандидату через двадцать минут после отклика, не заметит, что новичок вторую неделю не открывает материалы, не сообщит об этом руководителю.

Когда речь идёт про ИИ в HR всерьёз, имеется в виду набор агентов, каждый из которых знает свой участок и действует без напоминания. Ниже разберу шесть таких участков.

Шесть задач, которые отдают агентам

Дальше — участки HR-работы, где ИИ-агент способен взять на себя весь процесс, а не отвечать на прямой вопрос: сбор вакансий и резюме, активный поиск кандидатов на площадках, обучение и введение в должность, адаптация и ротация сотрудников, разработка регламентов методологом и внутренний «оракул» для нерабочих вопросов.

Вакансии и резюме

Агент собирает описание вакансии на данных компании: какие требования реально предъявляются на этой должности, что писали в прошлых объявлениях, кто из нанятых оказался удачным. Дальше он резюмирует входящие отклики — вытаскивает из резюме то, что важно именно для этой роли, и складывает в понятную карточку.

И отдельно, о чём забывают: вакансия должна обновляться. Требования меняются, зарплатная вилка устаревает, а объявление висит полугодовой давности. Агент, который видит и вакансию, и поток откликов, замечает расхождение раньше эйчара.

Активный поиск

Агент заходит на площадки под аккаунтом компании, смотрит новых кандидатов, релевантных открытым позициям, и сам выходит на связь. Не ждёт отклика — пишет первым.

Дальше он проводит первичный разговор: выясняет опыт, готовность к условиям, зарплатные ожидания, и закрывает на следующий шаг, то есть на встречу с живым человеком. Одновременно отвечает на входящие отклики, чтобы человек не ждал до завтра.

Именно этот участок закрывает боль, с которой я начал. Скорость первого контакта решает больше, чем качество отбора, потому что отбирать не из кого, если все ушли.

Обучение и введение в должность

Агент работает на внутренних материалах: инструкции, регламенты, записи разборов, стандарты работы. Новый человек спрашивает у него то, что иначе спросил бы у коллеги, и получает ответ, соответствующий тому, как принято в этой компании.

Данные здесь обязательно внутренние. Общая модель расскажет, как принято в индустрии. Вам нужно, чтобы рассказали, как принято у вас.

Адаптация и ротация

Продолжение предыдущего, но с активной ролью. Под нового сотрудника агент запускает сценарий: каждый день присылает материалы, проверяет, понял ли, между делом тестирует, переводит на следующую ступень. Руководитель получает сводку — где человек идёт хорошо, где буксует.

Второй режим работает с теми, кто уже давно в компании. Проверка компетенций, помощь в переходе на следующий уровень, подготовка к перемещению внутри команды. В компаниях, где грейды формально существуют, но никто не помнит, как по ним двигаться, появляется хоть какой-то механизм.

Методолог

Агент, у которого есть и данные компании, и общая методическая база, пишет регламенты, стандарты, должностные инструкции, помогает выстроить мотивацию под конкретную структуру.

Обычно это делает либо руководитель в свободное время, которого нет, либо консультант за деньги, после которого остаётся папка документов, не имеющих отношения к реальной работе. Агент, живущий внутри и видящий, как процессы идут на самом деле, пишет ближе к жизни.

«Баба Зина», он же оракул

Внутренний всезнайка, к которому идут с вопросами, не относящимися ни к чьей должностной инструкции. Как зовут человека из соседнего отдела. Кому писать, если заболел. К кому идти, если хочешь повышения. Что делать, если считаешь свою зарплату несправедливой. Куда сообщить, что в коллективе завёлся кто-то нечистый на руку.

Часть этих вопросов сейчас не задаётся вообще — человек не знает, к кому подойти, и молчит. Иногда молчанием и заканчивается: увольнением, о причинах которого руководство узнаёт постфактум.

Что работает сегодня, а что пока нет

Сегодня в найме реально работает не то, что чаще всего продают. Оценка резюме моделью экономит эйчару пару минут на кандидата и не больше. Голосовой первичный отбор — звонок кандидату вместо разбора бумаг — закрывает разрыв, где теряется больше всего людей. Полная замена эйчара не работает нигде: собеседование и решение о найме остаются за человеком.

Оценка резюме переоценена. Это первое, что приходит в голову, и первое, что предлагают на рынке. Я сам когда-то делал учебный проект из трёх агентов, которые по очереди оценивали резюме, готовили вопросы и разбирали ответы, — подробнее писал об этом в статье про потерю кандидатов. Работало плохо: дело было не в моделях, а в том, что сама задача даёт мало эффекта.

Живое направление сейчас — голосовой первичный отбор. Робот связывается с кандидатом через десять минут после отклика, задаёт несколько уточняющих вопросов и передаёт живому человеку только тех, кто подходит по условиям.

Собеседование как оценка человека человеком и решение о найме остаются за людьми.

Где ИИ в найме опасен?

ИИ в найме опасен там, где решение задевает права кандидата. Модель, обученная на прошлых наймах, воспроизводит прошлые предубеждения компании и отсеивает нетипичных людей незаметно для вас. Она же может использовать возраст, пол и место жительства из резюме, хотя отказывать по этим признакам нельзя, а если кандидат оспорит отказ, объяснять причину придётся вам, а не системе.

Отсев по формальным признакам. Модель, обученная на ваших прошлых наймах, воспроизведёт ваши прошлые предубеждения. Если исторически брали людей одного профиля, она будет отбраковывать остальных. В отчёте эти люди не появятся.

Возраст, пол, место жительства. Формально по этим признакам отказывать нельзя. Модель, которой дали полное резюме, использует их незаметно для вас — она не запрограммирована их учитывать, они просто есть в данных и связаны с прошлыми решениями о найме.

Ответственность. Если кандидат оспорит отказ, объяснять придётся вам. «Так решила система» не является объяснением ни для человека, ни при разбирательстве.

Отсюда простое разделение: агент готовит, человек решает. Машина может позвонить, расспросить, собрать, отранжировать. Отказ подписывает эйчар и понимает, почему.

Похожая граница ответственности есть и в бухгалтерии: там тоже решение подписывает человек, а не вендор или модель.

С чего начать внедрение ИИ в HR?

Начинать надо не с оценки резюме, хотя туда тянет всех, а с канала и скорости первого контакта. Второй шаг — куда вы просите писать, потому что почта отсеивает часть линейного персонала. И только третьим — обучение, адаптация и регламенты, которые дают эффект не сразу, зато создают базу для остального.

Посчитайте, сколько проходит времени между откликом и первым живым контактом. Если счёт идёт на часы, а не на минуты, вот ваша дыра, и никакая умная оценка кандидатов её не закроет.

Если нанимаете линейный персонал и просите отправить резюме на почту, вы отсеиваете тех, кто почтой в быту не пользуется. С мотивацией и качеством кандидата это не связано.

Обучение, адаптация и регламенты дают меньше немедленного эффекта, зато накапливают базу, на которой потом работает всё остальное.

Почему такие проекты не взлетают?

Такие проекты в HR не взлетают по четырём причинам: не хватает данных, на которых должны работать агенты, HR сопротивляется системе, забирающей часть его работы, автоматизируют не тот участок воронки, и никто конкретно не отвечает за результат. Разберу каждую подробнее.

Данных нет. Все шесть агентов работают на внутренних материалах компании. Если регламенты последний раз обновляли при прошлом директоре, а описания должностей существуют только в голове у руководителя, автоматизировать нечего. Сначала собрать, потом внедрять. Этот этап всегда длиннее, чем кажется.

HR сопротивляется, и его можно понять. Человеку показывают систему, которая делает часть его работы, и просят её обучать. Реакция предсказуемая: эйчар вносит данные формально и не даёт обратной связи. Отчёты приходят, данные в них неверные. Лечится тем, что первым внедряют агента, снимающего с эйчара самое ненавистное, а не самое дорогое.

Автоматизируют не то место. Компания ставит умный отбор резюме, а теряет людей на этапе первого звонка. Посмотрите, на каком шаге воронка проседает сильнее всего, и начинайте оттуда.

Никто не отвечает за проект. Нужен один человек с правом решать. Без него всё повисает между эйчаром, которому это не нужно, и техническим специалистом, которому это непонятно.

Частые вопросы

Может ли ИИ полностью заменить эйчара?

Нет. Может забрать поиск, первичный отбор, ответы на типовые вопросы и введение в должность. Решение о найме остаётся за человеком, потому что за отказ придётся отвечать перед этим человеком.

С чего начать внедрение ИИ в HR, если бюджет небольшой?

С автоматизации первого контакта: ответ кандидату в первые минуты и уточняющие вопросы. Это дешевле остального и закрывает главную дыру.

Сколько времени занимает?

Первый агент — несколько недель, если материалы компании уже собраны. Если нет, сбор данных займёт больше, чем сама разработка.

Что делать, если внутренних регламентов нет?

Начать с агента-методолога и написать их. Это единственный из шести, который не требует готовой базы, а создаёт её.

Законно ли отсеивать кандидатов автоматически?

Отсев по возрасту, полу и подобным признакам незаконен независимо от того, кто его выполняет. Поэтому решение об отказе должен принимать человек, способный объяснить причину.

HR — только одна из функций компании, где нейросети сегодня реально работают. Карта остальных — в статье «Нейросети для бизнеса».