Автоматизация подбора персонала в крупных компаниях: как это устроено

« Назад

09.07.2026 16:52

Крупные компании тратят миллионы на HR-автоматизацию — и продолжают закрывать вакансии так же долго, как и раньше. Деньги потрачены, системы куплены, рекрутеры все еще в Excel. Татьяна Бабич, владелец продукта KitBot в российской ИТ-компании Nord Clan, объясняет, где именно рушится логика автоматизации, и как выглядит внедрение, которое дает реальный результат.

Автоматизация и цифровизация — не одно и то же

Когда компании говорят, что внедрили автоматизацию найма, но время закрытия вакансий не изменилось, причина, как правило, одна: автоматизации там нет. Есть CRM: то, что раньше делалось в Excel-таблицах и на бумаге, просто переехало в цифровой интерфейс. Карточки кандидатов, резюме, базы контактов — всё это теперь в системе. Но сам процесс найма как требовал ручного труда, так и требует. Данные агрегируются лучше, но не обрабатываются быстрее. Так два понятия «CRM» и «автоматизация», которые часто смешивают, работают по совершенно разной логике.

Настоящая автоматизация ускоряет процесс. Дополнительный инструмент без автоматизации — замедляет: появляется еще одна система, в которую нужно что-то вносить. Разница между автоматизацией и цифровизацией принципиальная.

Но признать эту разницу — только первый шаг. Следующий шаг — осознать, что автоматизировать можно только то, что уже отлажено. Если процесс найма невозможно описать — нет четкой последовательности шагов, непонятно, кто за что отвечает, информация передается устно и теряется — автоматизация не поможет. Сначала нужно навести порядок в самом процессе найма и только потом искать под него инструмент.

HR-автоматизация стала IT-проектом

Еще несколько лет назад решение о внедрении HR-системы принимал HR-директор. Сейчас за столом переговоров — юристы, специалисты по информационной безопасности, системные администраторы, аналитики и бизнес-заказчики. Всё потому, что HR-система перестала быть отдельным приложением — она теперь часть корпоративной инфраструктуры, и цена ошибки выросла.

За этим сдвигом стоят конкретные законодательные изменения. Ужесточился 152-ФЗ, выросли штрафы за утечку персональных данных. Передать контакт кандидата в обход требований безопасности — теперь юридический риск. Данные кандидатов должны храниться либо на локальных серверах в контуре компании, либо в сертифицированных облачных решениях. Прецеденты взломов — утечки данных сотрудников случались даже в крупнейших компаниях — сделали информационную безопасность обязательным пунктом любого HR-проекта.

Всё это изменило не только состав участников проекта, но и роль HR внутри него. Всё чаще HR специалист выступает в позиции владельца продукта: понимает потребности своих «клиентов» внутри компании, формулирует бизнес-требования и разбирается в собственной инфраструктуре. Продуктовые компетенции для HR перестали быть редкостью.

Алгоритм отказывает — репутация страдает

Автоматизированный отбор отсеивает кандидата за секунды. Кандидат получает шаблонный ответ от «робота» и не понимает: его резюме вообще кто-то читал? Возникает репутационный риск — особенно если речь о заметных игроках в узких профессиональных сообществах, где все друг друга знают.

Но масштаб этого риска зависит от того, о каком типе найма идет речь. На массовых позициях борьба ботов давно стала нормой: кандидаты тоже настраивают автоматические отклики, и по факту «бот откликается на бот». Обиды здесь меньше, потому что и вовлеченности меньше.

Совсем другая история — когда компания ищет редкого специалиста. При точечном найме логика другая. Автоматизация помогает собрать воронку и ускорить первичный отбор, но финальное решение остается за рекрутером. Искусственный интеллект анализирует профиль и подсвечивает несоответствия, но не отказывает сам. Слишком высока цена ошибки: пропустить сильного кандидата дороже, чем потратить лишние минуты на его проверку.

Отдельный вопрос — что кандидат получает в ответ после отказа системы? Технически HR-система может дать кандидату содержательный фидбэк — указать, каких навыков не хватает или почему профиль не совпал с позицией. Но большинство компаний предпочитают нейтральный шаблонный ответ. Детальный фидбэк получают только те, кто его специально запрашивает, а таких меньшинство.

Бюджет на подбор не сокращается — он перераспределяется

Компании ожидают, что автоматизация снизит стоимость найма. Через год обнаруживают, что стоимость осталась прежней — просто сменила строку в бюджете. Деньги больше не уходят на джоб-борды, зато появились расходы на лицензии, поддержку, интеграцию и обучение.

Реальная экономия от автоматизации появляется не в строке расходов, а в скорости. Меньше времени на закрытие вакансии — меньше часов работы рекрутера. Быстрее закрыта позиция — быстрее человек начинает приносить компании пользу. Особенно это ощутимо на линейных позициях, где каждая незакрытая ставка напрямую влияет на операционные показатели.

Проверить, есть ли эта экономия на самом деле, можно одним вопросом: изменилось ли количество рекрутеров, необходимых для обработки того же объема вакансий? Если нет — автоматизации нет. Система просто делает работу рекрутера чуть удобнее, но компания от этого выгоды не получает.

Вывод здесь простой: автоматизация найма окупается только тогда, когда за ней стоит реальное ускорение процесса, а не просто новый интерфейс для той же ручной работы.

Филиалы, регионы, разные процессы — как это автоматизировать

Компании с филиальной сетью и региональными командами сталкиваются с отдельной проблемой: у каждого подразделения своя система, свои процессы, свои данные. Один филиал работает в одной CRM, другой — в Excel, третий вообще не знает, что у соседей есть какая-то автоматизация.

Характерно, что такая разрозненность технологий возникает не только в компаниях-гигантах, но и в организациях от 800 человек. Чем больше автономии у подразделений, тем сильнее выражена разрозненность.

И первый инстинкт — унифицировать всё сразу — почти всегда оказывается ошибкой. Рабочий подход здесь — не пытаться одновременно причесать всё под один стандарт, что почти всегда заканчивается саботажем или провалом внедрения. Эффективнее начать с одного-двух департаментов, получить измеримый результат, дать им рассказать об опыте коллегам и дальше масштабировать уже с живыми цифрами на руках. Каждое последующее внедрение происходит быстрее предыдущего.

При этом успех масштабирования во многом определяется архитектурой самой системы. Критически важно, чтобы система позволяла настраивать разные процессы для разных подразделений, а не навязывала единый шаблон. Для регионального ритейла и для вахтового найма алгоритмы отбора будут отличаться. Хорошая платформа для автоматизации найма и HR-процессов умеет с этим работать.

Данные копятся — и не используются

У крупных компаний накапливаются базы кандидатов, которые никто не переиспользует. Люди подавали заявки год, два, три назад — и все эти персональные данные просто хранятся в системе. Это не только юридический риск (избыточные данные сверх минимума, установленного законом), но и упущенная возможность.

Работа с внутренней базой — один из самых недооцененных инструментов найма. В ритейле, например, географическая близость кандидата к точке открытия — критичная метрика. Если данные о местоположении собраны, можно точечно реактивировать тех, кто живет рядом: не стрелять из пушки по воробьям, а отправлять целевые предложения по конкретной локации.

Аналогичная логика работает и в найме, где высокая ротация — норма, а не исключение. В сегменте вахтового найма, например, вахтовики часто меняют работодателей по кругу. Те, кто уже работал в компании, знают её — и конвертируются в повторный наём значительно лучше новых кандидатов. На практике работа с такой базой добавляет около 15% к воронке найма без дополнительных затрат на привлечение.

Всё это становится реальным только тогда, когда система умеет сама работать с накопленными данными. Современные системы умеют сами предлагать рекрутеру кандидатов из внутренней базы: если новая вакансия совпадает с профилем кого-то, кто когда-то проходил отбор или работал в компании, система об этом сигнализирует — и закрывать позиции можно быстрее, не завися от внешних джоб-бордов.

ИИ уже проводит первичный отбор

Собеседования с участием ИИ перестали быть сценарием из будущего: это уже происходит. Первичный контакт с кандидатом — переписка, первые вопросы, проверка базовых критериев — во всё большем числе компаний ведет не рекрутер, а диалоговый ИИ. Это уже встроено и в работные площадки, и в специализированные HR-системы.

Следующий уровень — уже не переписка, а полноценный анализ поведения кандидата, анализ видеоинтервью. Платформы с искусственным интеллектом для автоматизации найма и HR-процессов отслеживают реакции кандидата, тембр голоса, эмоциональные маркеры, склонность к определенным моделям поведения. Результат — рекомендация по кандидату с расшифровкой наблюдений. Такие решения уже есть на рынке и активно внедряются.

При этом финальное решение о найме пока остается за человеком, и, скорее всего, останется. Задача ИИ — агрегировать информацию, собрать общую картину по кандидату, подсветить факты. Задача рекрутера и нанимающего менеджера — принять взвешенное решение на основе собранных данных о кандидате. Рутинная фильтрация уходит на сторону системы, а у рекрутера остается то, что алгоритм пока не умеет: оценивать человека в контексте команды и культуры компании.

Так меняется наём с развитием технологий. Человеческое измерение найма никуда не исчезает. Просто барьер для личного контакта стал выше: прежде чем два человека встретятся, через систему пройдет несколько автоматизированных этапов. Это экономит время, но требует, чтобы на каждом из этих этапов система была настроена точно и честно.

Автоматизация найма работает только там, где процессы уже выстроены, данные используются осознанно, а решение о внедрении принимается не ради галочки, а ради измеримого результата. Всё остальное — просто дорогая цифровизация.

Автор: Татьяна Бабич, владелец продукта KitBot в российской ИТ-компании Nord Clan

Иллюстрации: Freepik