Комментарии 22
Интересная статья. Спасибо.
Подскажите, а как решается вопрос с персональными данными? Здесь и сбор, и обработка, и хранение и трансграничная передача данных.
Сначала мы хранили все в Google Таблицах, но довольно быстро уперлись в ограничения такого подхода.
Мы используем GPT-4.1
Например, как выполнить это требование “трансграничная передача допустима только после уведомления Роскомнадзора, если обеспечивается защита прав субъектов”?
Конечно вы можете ответить, что гугл-таблицы в прошлом, а LLM еще вчера переключили на российскую... Российские LLM справляются с задачей и по сути и по скорости так же хорошо, как ChatGPT?
Мы рады, что статья понравилась! Спасибо за вопрос про безопасность — он действительно важный.
Если собирать такого агента на Agent Platform, для работы с персональными данными можно подключить Jay Guard — AI Security-шлюз. Он встраивается между приложением и LLM и позволяет маскировать чувствительные данные перед отправкой в модель: ФИО, телефоны, паспортные данные и другие типы PII. В модель уходят уже псевдонимизированные значения, а на выходе данные автоматически восстанавливаются.
По моделям тоже нет жесткой привязки: в платформе поддерживаются и GigaChat, и YandexGPT. Для задач скрининга они тоже подходят, модель можно переключать без перестройки всей архитектуры.
Кажется кто-то не уловил сарказм. Вы не соблюдаете закон об обработке персональных данных с вероятностью в 99,99%
Если компания уже собирает отклики через карьерный сайт, hh.ru, email или HR-системы, то она уже работает с персональными данными кандидатов и является оператором ПДн.
AI-скрининг тут не создает какую-то новую сущность, а скорее добавляет еще один слой обработки — автоматизированный первичный отбор и подготовку сводки для HR. При внедрении таких сценариев важно, чтобы процессы обработки ПДн соответствовали требованиям законодательства: проверялись цели обработки, состав данных, используемые системы, вопросы хранения и трансграничной передачи.
Со своей стороны мы эти требования учитываем.
Вакансии делятся на два типа: первый - молча игнорируют, второй - задают кучу вопросов с развёрнутым ответом, а потом игнорируют. Ну вот поотвечает человек 15 раз развёрнуто, и не получит результата. Потом надоест и будет общими фразами отвечать. И вообще, выглядит каким-то сумашествием чату гпт подробно рассказывать о своих успехах. А представители "just ai" выставляют это ред флагом. Ну им же надо свой ИИ продать. А кто будет отвечать развёрнуто? Конечно же другой ИИ. Специальное карьерное агенство разработает специальную проходилку для продукта компании "just ai", и только кандидаты, заключившие с агенством договор, смогут устроиться в компании, использующую ПО "just ai".
Грин флаг - "указывать результаты в цифрах или качественно" - резюме с "увеличил привлекательность сайта на 11%" будут проходить, а "пилил фичи и фиксил баги" - нет.
"нет описания реальных кейсов" - если не разболтаешь коммерческую тайну - завернёт ai, если разболтаешь, то безопасник.
"только учебные проекты, нет коммерческого опыта" - а новичкам типа надо накрутить опыт, чтобы иметь возможность получить коммерческий опыт?
Здравствуйте! Справедливые наблюдения, спасибо что расписали подробно. Вы правы в главном: рынок найма терпит изменения, и кандидатам реально тяжело.
По поводу «поотвечает 15 раз и получит игнор» — эта боль даже не про агента, а про культуру найма в целом. Агент как раз убирает одну из самых раздражающих частей: молчание после отклика. Результат скрининга кандидат получает сразу, а не ждет пять рабочих дней.
«Пилил фичи и фиксил баги» — мы понимаем, что за этим стоит реальная работа. Просто такая формулировка не дает рекрутеру ничего, за что зацепиться. Скорее всего живой человек на звонке спросил бы то же самое: «а можете конкретнее?»
Про коммерческую тайну — тут есть нюанс. Никто не просит называть клиентов или раскрывать детали реализации. «Оптимизировал запросы к БД, сократил время ответа с 2 секунд до 300 мс» — это не тайна, это описание своей работы. Разница между «пилил» и «сделал вот это» обычно не в секретности, а в том, как это сформулировать.
Про новичков — верно, если у кандидата только учебные проекты, порог будет ниже. Но и здесь есть выход: в статье мы описали, что кандидаты, не набравшие нужный балл, все равно могут написать сопроводительное письмо и попасть в базу. Никто не пропадает бесследно — просто приоритет другой :)
К тому же под каждую вакансию можно регулировать критерии грин и редфлагов — в этом и преимущество шаблона
А потом мы удивляемся трешаку на рынке труда, ага.
сделали агента, который проводит первичный скрининг кандидатов: задает вопросы, оценивает ответы и отправляет рекрутеру письмо с готовым вердиктом.
Вроде видел что такое хотят законодательно запретить, возможно показалось.
На поле боя сейчас все идет к тому, что одни роботы будут сражаться с другими роботами.
А на рынке рекрутинга видимо скоро придем к тому, что одни LLM будут собеседовать других.
Предположим, что большая часть агентств заведут LLM системы, которые будут гарантировано обзванивать кандидатов, отправивших свои резюме. Зная это, кандидаты должны у себя настраивать свои LLM системы, которые будут максимально эффективно отвечать на входящие звонки/опросы, но при этом не будут уведомлять, что это робот.
И тогда процесс для кандидата будет следующий - накидал своей LLM пару абзацев чернового текста "о себе". LLM все красиво оформила разослала резюме в 100 компаний, которые сама отобрала по различным критериям. После этого LLM ответила на 100 голосовых опросов. А кандидат, живой человек, через пару дней получает 5 предложений на финальное собеседование из тех компаний, где он прошел предварительный отбор. При этом LLM кандидата ранжирует все прошедшие предложения по уровню дохода, удалению работодателя, режиму работы и дает сводку, как она отвечала на вопросы LLM работодателя. И при этом не требуется джуна представлять сеньором, а просто нужно при его описании выжать максимум из его положительных сторон и нивелировать его слабые стороны.
Конечно финальное собеседование с живым рекрутом отсеет часть кандидатов. Но для кандидата шансы получить место все равно гораздо выше, когда его уже пригласили на несколько интервью как одного из "лучших", чем когда такого кандидата вообще никуда не зовут месяцами...
К счастью, или к сожалению, этот сценарий уже не выглядит фантастикой. И мы это прекрасно понимаем.
Именно поэтому мы с самого начала отказались от теоретических вопросов в скрининге — любая LLM за пару секунд сгенерирует идеальный ответ.
Поэтому наш агент спрашивает не про теорию, а про реальный опыт: конкретные ситуации, инструменты, решения и последствия. Например: «Расскажите про инцидент, который вы разбирали. Что стало причиной, как нашли проблему, что изменили после, чтобы это не повторилось». Такие ответы гораздо сложнее качественно сымитировать без настоящего опыта — там важны детали, последовательность действий и понимание контекста.
Гонка между LLM кандидатов и LLM работодателей действительно, скорее всего, станет новой нормой. Но финальное решение все равно остается за живым человеком. Поэтому мы и смотрим на AI как на первый этап отбора, а не как на полную замену интервью.
Скажите, а ту девочку, которая скринила каких то 60 откликов в неделю, вы уже уволили?
Отлично, всегда мечтал чтобы меня как специалиста оценивал кусок кода. Расписаться перед нейронной это совсем не унизительно, ага.
Этот аргумент мы понимаем 🙂. И сами много спорили внутри команды на эту тему, когда начинали проект.
Но здесь важно разделять первичный скрининг и полноценную оценку специалиста. Агент не принимает решение о найме и не пытается оценить человека. Его задача гораздо более приземленная: собрать базовую информацию, задать стандартные вопросы и помочь рекрутеру быстрее сориентироваться в потоке откликов.
До автоматизации на этом этапе обычно происходил примерно такой же формальный процесс — только через короткий звонок с рекрутером, где за ограниченное время уточнялись стек, опыт, ожидания и базовое соответствие вакансии. Этот процесс был просто медленнее и с большим количеством ошибок из-за усталости и человеческого фактора. Мы скорее автоматизировали именно эту рутинную часть.
А уже дальше остаются живые этапы: общение с рекрутером, техническое интервью, знакомство с командой, обсуждение опыта и подхода к работе — больше времени на полноценный разговор. И вот там никакой AI человека не заменяет.
Но за каждым откликом стоит много ручной одинаковой работы: написать кандидату, спросить про опыт, стек
Действительно ли не рассматривали вариант посмотреть в резюме, приложенное к отклику? Тогда понятно, откуда у ии-помощников такие вопросы.
Конечно, резюме мы тоже смотрим — автоматизация не заменяет этот этап, а помогает снять рутину с первичного скрининга.
Резюме — это вход, но не финал. Оно почти никогда не отвечает на вопросы, которые реально нужны рекрутеру на первом контакте:
Актуален ли стек сейчас, а не пять лет назад
Есть ли интерес именно к этой вакансии — или это массовая рассылка
Какой формат работы предпочтителен
Какие ожидания по компенсации
Когда готов выйти
Детали реального опыта в конкретных технологиях
Даже после внимательного прочтения CV рекрутер обычно проводит ровно тот же первичный диалог. Просто потому, что резюме — это рекламный документ, а не интервью. Плюс CV — это очень неструктурированный источник. Кто-то пишет подробно, кто-то одной строкой, кто-то не обновлял его год. Агент помогает привести первичный сбор информации к единому формату и сразу подготовить рекрутеру краткую сводку.
И еще раз подчеркнем: AI-скрининг — это не замена человеку и не полноценная оценка кандидата. Задача агента гораздо проще — разобрать поток откликов, выделить релевантные профили и убрать рутину повторяющихся вопросов.
Доходимость кандидатов до конца скрининга — около 98%.
Снова сталкивают с нейронкой. Угадал ключевые слова - прошел дальше, не угадал - отлетел. Никакой проверки скилов, только удача.Реакция кандидатов — преимущественно позитивная.
Нет знакомых, кто радовался бы собесу с фиг знает как настроенной машиной, соответственно контора получает жирный минус, как только видишь нейронку.
Экономия рекрутерского времени — рекрутер в первую очередь смотрит на тех кандидатов, кто набрал ≥65 баллов
Угадал ключевые слова - молодец, не угадал - "нам не нужны неудачники"(с).Скорость реакции
Спасибо, что автоотказы прилетают сразу, а не висит "отклик" неделями до какой-нибудь глобальной чистки лички рекрутером перед отпуском.
Прочитала статью про ваш AI-рекрутинг — и стало немного иронично, потому что я сама проходила этот процесс как кандидат.
У меня был релевантный опыт под вакансию, полностью заполненный AI-скрининг, отдельно написанное мотивационное письмо, GitHub, проекты — все вручную, без “накидайте резюме в форму”.
И вот тут начался интересный момент.
Сначала бот дважды попросил GitHub:
— первый раз в диалоге,
— второй раз уже отдельно в форме.
То есть синхронизации данных между этапами нет.
Дальше подключается HR — и первым же сообщением спрашивает:
“А у вас есть GitHub?”
Хотя выше в этом же диалоге уже лежат две ссылки, собранные вашим же AI-ботом.
И вот здесь у меня случился сильный диссонанс со строкой из статьи:
“мы не делаем AI ради AI”.
Потому что пока это выглядит именно так:
AI появляется в первом касании, но дальше данные никуда нормально не прокидываются, контекст теряется, а кандидат получает ощущение не автоматизации, а дублирования хаоса.
Я аккуратно намекнула HR, что, возможно, стоит посмотреть, почему система дважды собирает одни и те же ссылки и почему рекрутер не видит уже собранный контекст.
После этого диалог просто исчез.
Ответ пришел примерно через полторы недели:
“мы уже нашли кандидата”.
Да, за полторы недели кандидата действительно можно найти. Но employer brand в 2026 все еще существует, и первое касание с кандидатом тоже имеет значение — особенно когда компания публично рассказывает про качество AI-процессов.
И второй момент.
Если смотреть на критерии из статьи — “уверенно рассказывает”, “приводит кейсы”, “понимает бизнес-контекст”, “хорошо презентует опыт” — то под такую систему прекрасно адаптируются “волки” из определенных AI-комьюнити, которые уже научились идеально проходить LLM-скрининги.
А вот действительно сильные специалисты могут отваливаться не из-за отсутствия опыта, а из-за плохо простроенного candidate experience.
Поэтому кейс интересный.
Но пока, честно, у меня ощущение, что сама внутренняя практика компании еще не совпадает с тем уровнем зрелости AI-подхода, который описан в статье.
Очень жаль, что у вас получился такой опыт — это как раз тот кейс, где сбой в передаче контекста между ботом и рекрутером сильно портит впечатление от всей системы. Это действительно неприятно
В нашей агентной системе мы такие моменты закрываем: чтобы данные, которые кандидат уже оставил в AI-скрининге, нормально доходили до HR и не приходилось повторно спрашивать одно и то же.
Как только мы выкатим боевую версию на сайт — будем рады, если зайдете потестировать!
AI‑рекрутер, который никогда не устает: как мы автоматизировали скрининг кандидатов