500 откликов на вакансию: как не пропустить сильного кандидата

500 откликов на одну вакансию. Казалось бы, мечта любого рекрутера: выбирай лучших и приглашай на собеседование. Но на практике именно здесь начинаются проблемы.

Среди сотен резюме нужно найти людей с подходящим опытом, проверить обязательные навыки, разобраться в зарплатных ожиданиях и не пропустить сильного кандидата. Причём сделать всё это желательно раньше, чем его пригласит конкурент.

И вот тут количество откликов перестаёт быть преимуществом.

Сколько времени съедают 500 резюме?

Представим, что на первичный просмотр одного резюме рекрутер тратит две минуты. Нужно прочитать опыт, сравнить его с требованиями вакансии и решить, стоит ли изучать кандидата подробнее.

Несложная арифметика:

• 100 резюме — 3 часа 20 минут.
• 300 резюме — 10 часов.
• 500 резюме — 16 часов 40 минут.

Это больше двух полных рабочих дней только на первичный просмотр. Без звонков, переписок, собеседований и согласований с руководителем.

А если у рекрутера одновременно открыто пять вакансий?

Самое неприятное, что даже потраченное время не гарантирует качественного отбора.

Почему хороший кандидат может остаться незамеченным?

Ручной скрининг кажется простой задачей: открыл резюме, посмотрел опыт, принял решение. Но у такого подхода есть несколько слабых мест.

Первое — усталость. После десятков однотипных резюме сложнее внимательно оценивать каждого человека. Особенно если параллельно приходят сообщения, звонят кандидаты и руководитель просит срочно прислать подборку.

Второе — слишком буквальный поиск. Например, компания ищет менеджера по продажам с опытом работы в CRM. Один кандидат указывает в резюме «CRM», другой пишет «Битрикс24», третий описывает работу с клиентской базой и сделками. Опыт может быть похожим, но поиск по одному ключевому слову покажет не всех.

Третье — первое впечатление. Красиво оформленное резюме с правильными формулировками может выглядеть убедительнее, чем короткое описание действительно сильного опыта.

В результате кандидата иногда отсеивают не потому, что он не подходит, а потому, что его резюме не удалось правильно прочитать и оценить.

А теперь кандидаты ещё и пишут резюме с помощью ИИ

Раньше по резюме хотя бы можно было попытаться оценить, насколько человек умеет рассказывать о собственном опыте. Теперь составить убедительное описание навыков можно за несколько минут.

ИИ поможет подобрать формулировки под вакансию, добавить профессиональные термины и красиво описать достижения.

Само по себе это не плохо. Проблема возникает, если за хорошими формулировками нет соответствующего опыта.

Представьте двух кандидатов.

Первый действительно несколько лет занимался сложными B2B-продажами, но написал об этом три сухие строчки.

Второй работал с продажами всего несколько месяцев, зато подготовил подробное резюме с помощью ИИ, используя почти все слова из вакансии.

Кого первым заметит рекрутер?

Поэтому совпадение ключевых слов с вакансией ещё не означает, что перед нами подходящий специалист.

Что меняет ИИ-скрининг?

Современные системы подбора могут анализировать резюме не только по наличию отдельных слов, но и по набору заданных критериев.

Например, компания ищет специалиста по закупкам. Для вакансии важны:

• Опыт закупок от трёх лет.
• Работа с поставщиками из Китая.
• Знание ВЭД и таможенного оформления.
• Опыт работы в 1С.
• Готовность работать в Екатеринбурге.

Вместо последовательного просмотра сотен резюме система анализирует доступную информацию о кандидатах и сопоставляет её с требованиями вакансии.

На выходе рекрутер получает не просто список откликов, а кандидатов с разной степенью соответствия.

Но здесь есть важный нюанс: ИИ не должен превращаться в машину автоматических отказов.

Если человек не указал в резюме конкретную программу, это ещё не значит, что он с ней не работал. А отсутствие информации о навыке нельзя считать доказательством его отсутствия.

Хорошая система должна помогать рекрутеру видеть такие пробелы, а не безоговорочно отсеивать людей.

Релевантность резюме — это не оценка человека

Допустим, система присвоила одному кандидату 92 балла соответствия, а другому — 67.

Означает ли это, что первый будет работать лучше? Нет.

Баллы показывают, насколько сведения из резюме соответствуют заданным требованиям. Они не измеряют мотивацию, способность учиться, поведение в команде или будущую результативность.

Кроме того, результат зависит от качества самой вакансии.

Если руководитель указал десять обязательных требований, хотя для работы действительно важны только четыре, система будет оценивать людей по этим десяти.

Поэтому перед запуском скрининга полезно разделить требования на три группы:

• Обязательные. Без них кандидат действительно не сможет выполнять работу.
• Желательные. Они дадут преимущество, но их отсутствие не критично.
• Требующие уточнения. Например, готовность к командировкам, зарплатные ожидания или владение конкретным инструментом.

Именно такая настройка делает оценку полезнее простого поиска по словам.

Как бы выглядел отбор 500 откликов с ИИ?

Представим условную ситуацию. На вакансию поступило 500 резюме.

После анализа система распределила их следующим образом:

• Высокое соответствие требованиям — 45 кандидатов.
• Частичное соответствие — 120 кандидатов.
• Недостаточно информации для оценки — 85 кандидатов.
• Существенные расхождения с требованиями — 250 кандидатов.

Рекрутер может начать с 45 наиболее подходящих кандидатов, затем изучить перспективных людей из второй группы и уточнить недостающую информацию у третьей.

При этом остальные резюме не обязательно удалять или автоматически отклонять.

Главное отличие: рекрутеру больше не нужно просматривать все 500 откликов в случайном порядке. У него появляется понятная очередность работы.

Но кто в итоге должен принимать решение?

ИИ способен ускорить первичный анализ, подсветить подходящий опыт, выявить расхождения и помочь подготовить вопросы для собеседования.

Но он не знает кандидата лучше самого кандидата.

Например, человек мог сменить профессию, получить необходимые навыки вне официальной работы или не указать важный проект в резюме. Алгоритм может не увидеть этого без дополнительной информации.

Поэтому окончательное решение о приглашении на собеседование должно оставаться за человеком, а автоматические рекомендации — быть проверяемыми и объяснимыми.

Особенно важно не использовать для отбора характеристики, не относящиеся к профессиональным требованиям.

Как это устроено в СмартХанте?

В СмартХанте мы развиваем подход, при котором рекрутер работает с кандидатами из разных источников в одном окне, а ИИ помогает быстрее находить наиболее подходящих.

Система объединяет работу с hh.ru, Авито Работой, SuperJob и другими подключёнными каналами. ИИ-скрининг позволяет анализировать кандидатов по более чем 50 параметрам, а скоринг — оценивать соответствие требованиям конкретной вакансии.

Рекрутер может сосредоточиться на наиболее перспективных кандидатах, изучить рекомендации системы и самостоятельно решить, кого пригласить на следующий этап.

Вместо бесконечного просмотра резюме — более управляемый процесс отбора.

Так сколько кандидатов из 500 нужно приглашать?

Универсального числа нет. На одну вакансию достаточно поговорить с пятью сильными специалистами, на другую потребуется двадцать собеседований.

И 500 откликов сами по себе ничего не говорят об успешности найма.

Важнее, сколько среди них действительно подходящих людей, как быстро компания с ними связалась и сколько кандидатов дошли до предложения о работе.

Задача рекрутера — не прочитать все 500 резюме. Задача — не пропустить тех, кого действительно стоит пригласить.

А технологии должны помогать именно с этим.