Кейс частного ИТ-рекрутера по внедрению ИИ-ассистента

«Если бы систему убрали завтра, вернуться к ручному разбору я бы уже не смог: только после внедрения стало понятно, сколько времени раньше уходило на механические и неэффективные действия».

Долгое время российский IT-рекрутинг строился вокруг дефицита кандидатов: достойных кандидатов нужно было искать, догонять, прогревать и в конце продавать им вакансии. Однако с годами рынок изменился и повзрослел: вакансий стало меньше, зато выросло несколько поколений свободных специалистов.

Найм тем не менее не стал проще: вместо сложного хантинга с главным призом в виде штучного ИТ-специалиста, появилась необходимость разбираться с невероятным количеством нерелевантных кандидатов, толпящихся у входа в воронку.

С подобной ситуацией столкнулся и наш герой, Константин. На основной работе он HR-менеджер в небольшой GameDev-компании, плюс параллельно, как частный рекрутер, он перманентно ведет 2–3 клиентов. Времени на такой подбор у него немного, поэтому любая лишняя работа сразу сказывалась на загрузке.

Основные проблемы ИТ-рекрутинга, и Константин не исключение, — большой объем и низкое качество потока. Например, на позицию дата-аналитика откликов может быть 500 и более, при том, что релевантными в итоге оказываются всего около 15% — 75 человек. Остальные 425 — кандидаты без нужного опыта, стека или с недостаточным знанием английского. Таким образом, вместо полезной работы или отдыха с домашними большую часть времени Константину приходилось тратить на сотни заведомо проходных резюме.

Дополнительные сложности создавало отсутствие единого контура учета кандидатов. Когда источников много, а ритм откликов у них разный, например, как у сообщений в личку Телеграмм и писем в Gmail, очень легко запутаться, даже если пытаться честно фиксировать всех ответивших на бумаге или в Excel. Константин признается, что терял из-за этого ценных кандидатов.

Ну, и, поскольку частный рекрутинг велся параллельно с основной работой, без автоматизации сложно было держать в работе несколько вакансий одновременно — максимум две-три, говорит Константин. А попытки увеличить нагрузку тут же создавали риск для основного места работы.

И это при том, что Константин был знаком с системной работой: на основном месте он использовал Huntflow. Но корпоративную HRM нельзя было применять для частных заказов, а покупать дорогую систему ради единичных вакансии было жалко денег, да и нецелесообразно.

Поиск шел от понятного ориентира: рассматривались знакомые ATS, в первую очередь Huntflow-подобные решения. Но для частного рекрутера такой класс систем оказался слишком дорогим и избыточным, потому что основная проблема была не в хаосе базы (хотя приличная админка была бы в тему), а в потоке нерелевантных отзывов, фильтрация которых занимала слишком много времени.

Короче говоря, нужен был сервис, который возьмет на себя первичный разбор большого объема откликов, собственноручно собранных не только с классических работных сайтов, но и из социальных сетей, например, Telegram. Простота запуска, минимум кастомизации и вменяемый ценник относились к факторам второго уровня, то есть были желательны.

Таким образом, выбор шёл не от бренда или набора стандартных ATS-функций, а от конкретной прикладной задачи: сократить время на первичный отсев и привести в систему поток кандидатов из разных источников.

ReachPoint закрывал эту задачу сразу на нескольких уровнях.

Помимо ИИ-фильтра, который обещал сортировку откликов, важную роль сыграло наличие ИИ-ассистента. Тот должен был активно участвовать в размещении вакансии в Telegram-каналах, а после принимать их для первичного брифинга, передавая в систему уже предварительно отобранных кандидатов.

Дополнительным плюсом оказалась простота запуска. Сервис не требовал долгой настройки и отдельного проектирования процессов. Для частного рекрутера, который внедряет инструмент самостоятельно и работает без команды, это было принципиально.

Плюс, глубина аналитики. Да, это не привычный Huntflow. Но для работы с 2–4 вакансиями такого уровня отчётности было достаточно, а экономия на стоимости системы перевешивала ограничения по статистике. За базовый тариф «Старт» создатели просили 1250 рублей в месяц, более продвинутый «Прорыв» без ограничений по пользователям, ролям, блоку заказчиков, продается за 3500. Плюс — две недели на тесты, бесплатно!

В общем, ReachPoint практически гарантировал Константину решение всех профессиональных сложностей, и он рискнул.

Настраивал систему Константин сам, благо стаж в ИТ-компании позволял это сделать, да и сама платформа не отличается сложностью в установке и запуске. Для тестирования была использована одна из рабочих на тот момент вакансий — дата-инженер. Цель виделась простой: проверить, насколько качественно система разбирает поток откликов и как разрекламированный ИИ умеет отделять релевантных кандидатов от шума.

Пилотного запуска оказалось достаточно, чтобы снять основные вопросы к системе. Тестовая вакансия показала, что ReachPoint корректно обрабатывает входящий поток и действительно сокращает объем ручной работы на первом этапе.

Этого оказалось достаточно, чтобы не растягивать внедрение и сразу перевести инструмент в рабочий режим.

Первое впечатление — выросла пропускная способность. Если раньше без ущерба для основной работы можно было вести максимум две вакансии, то после внедрения при той же нагрузке стало реально держать 3–4 позиции, а это в два раза больше заработок!

Ощутимо сократилась рутина. За счет автоматического фильтра откликов и помощи ИИ-ассистента получилось освободить примерно половину времени, которое раньше уходило на изучение резюме. Домашние рады, папа стал больше зарабатывать, и при этом наконец-то проводить время с семьей. Звучит как в плохой рекламе, но так и есть.

На 20% снизилась стоимость найма, примерно. Причина в том, что к публикации вакансий на HeadHunter и Habr Career Константин стал активнее добавлять бесплатные Telegram-каналы. Поскольку ИИ-ассистент брал на себя бриф откликов оттуда, вырос общий процент закрытия офферов при нулевых вложениях в публикацию вакансий.

Отдельно Константин отмечает: для него стало приятной неожиданностью, то, что IT-кандидаты нормально воспринимали такой формат взаимодействия, хотя были опасения. Опросы, брифинги и другие ИИ-инструменты не снижали отклик, а, наоборот, хорошо вписались в ожидания аудитории.

ReachPoint закрыл для Константина основную проблему: сократил объем ручного труда и нативно подвязал к системе кандидатов из Telegram. Внедрение при этом прошло мягко: без сложной настройки, без отдельного длительного перехода, без организационных сложностей. Новый формат работы быстро стал рабочей нормой.

Отдельно важно, что такой переход не потребовал больших затрат. Стоимость сервиса для рекрутера с частной практикой вполне подъемная. Если инструмент не подойдет, потери будут минимальными!