ИИ в рекрутинге: почему компании до сих пор отбирают резюме вручную

Искусственный интеллект уже способен анализировать сотни резюме, сопоставлять опыт кандидатов с требованиями вакансии и проводить первичный скрининг. Но российские работодатели по-прежнему тратят часы на ручной отбор.

По данным РБК от 7 октября 2026 года, со ссылкой на экспертов рынка, только 5–12% российских компаний системно используют ИИ в рекрутинге, а 42% продолжают вести подбор вручную.

Причина не только в стоимости технологий. Компании опасаются ошибок алгоритмов, не всегда понимают, какие задачи автоматизировать, и часто пытаются внедрить ИИ в процессы, которые сами по себе работают плохо.

Что уже умеет ИИ и какие результаты получают компании

В Сбере с начала 2026 года кандидаты прошли более 100 тысяч первичных интервью с ИИ-рекрутером. По данным банка, время от отклика до обратной связи сократилось с 23 до трёх часов.

В МТС тестирование ИИ-рекрутера позволило снизить операционную нагрузку на специалистов по подбору не менее чем на 40%. Обработка 100 резюме, ранее занимавшая несколько часов, стала выполняться за минуты.

Эти результаты компании представили в материале РБК. Они показывают потенциал автоматизации, но не означают, что аналогичную экономию получит каждый работодатель.

Наибольший эффект ИИ может дать там, где рекрутеры ежедневно выполняют однотипные операции: разбирают отклики, уточняют базовые условия, ищут кандидатов в базе и согласовывают время интервью.

Почему работодатели продолжают ручной подбор

• Недоверие к алгоритмам. ИИ может неправильно интерпретировать нестандартный карьерный путь или не распознать подходящий опыт, если он описан непривычными формулировками. Без проверки результатов есть риск потерять сильных кандидатов.
• Стоимость внедрения. Помимо оплаты технологии работодателю приходится учитывать интеграции, настройку критериев, обучение сотрудников и сопровождение. При небольшом количестве вакансий экономический эффект может оказаться незначительным.
• Проблемы с данными. Резюме хранятся в разных таблицах, причины отказов не фиксируются, а требования к вакансиям меняются в процессе поиска. Автоматизация таких процессов не гарантирует улучшения качества подбора.
• Отсутствие понятной стратегии. Компании внедряют ИИ, не определив, какую проблему он должен решить. В результате система обрабатывает резюме быстрее, но вакансии продолжают закрываться так же долго.

Какие задачи стоит автоматизировать первыми

Начинать лучше с операций, где результат легко измерить и проверить.

1. Первичный скрининг резюме. ИИ сопоставляет опыт, навыки и квалификацию с требованиями вакансии, формируя список потенциально подходящих кандидатов. При этом система должна показывать причины оценки, а не просто присваивать резюме балл.
2. Уточнение условий. Автоматический опрос помогает заранее выяснить зарплатные ожидания, готовность к сменному графику, переезду или командировкам. Рекрутер получает необходимые ответы до первого звонка.
3. Повторный поиск в базе. Перед публикацией новой вакансии можно проверить ранее рассмотренных кандидатов. Среди них могут оказаться специалисты, которые не подошли на одну позицию, но соответствуют требованиям другой. Важно учитывать актуальность данных и законность повторного обращения.
4. Организация собеседований. Согласование времени, напоминания и обновление статусов можно автоматизировать, сократив количество переписок и ручных действий.
5. Анализ причин отказов. ИИ может группировать комментарии руководителей и показывать повторяющиеся проблемы: завышенные требования, несоответствие зарплатного бюджета или затянувшиеся согласования.

Как проверить, что ИИ действительно помогает

Главная ошибка — оценивать эффективность только по скорости обработки резюме. Если алгоритм за минуту просмотрел 500 откликов, но пропустил десять сильных кандидатов, экономия времени может обернуться потерей качества.

Для проверки можно провести четырёхнедельный пилот на одной вакансии или группе похожих позиций.

До внедрения зафиксировать:

• сколько времени занимает первичный отбор;
• сколько кандидатов проходят профессиональную оценку;
• сколько времени проходит от отклика до первого контакта;
• какая доля представленных кандидатов получает одобрение руководителя.

После подключения ИИ сравнить те же показатели. Дополнительно проверить выборку резюме, которые алгоритм посчитал неподходящими.

Это позволит выявить ошибочные отказы и понять, не исключает ли система кандидатов с нестандартным, но релевантным опытом.

Особенно полезно оценивать два показателя: долю действительно подходящих кандидатов среди рекомендованных и долю подходящих специалистов, которых система ошибочно отклонила.

Почему быстрый скрининг не гарантирует быстрого найма

Представим, что раньше рекрутер тратил два дня на обработку 300 откликов. После внедрения ИИ список подходящих кандидатов формируется за несколько минут.

Но затем руководитель неделю рассматривает резюме, переносит интервью и не предоставляет обратную связь.

Первичный отбор ускорился, а срок закрытия вакансии практически не изменился.

Поэтому перед внедрением автоматизации важно определить, где возникают основные задержки. Для этого достаточно посмотреть продолжительность каждого этапа воронки: от получения отклика до первичного контакта, интервью, согласования и оффера.

Если большая часть времени уходит на решения руководителей, автоматизировать нужно не только обработку резюме, но и передачу кандидатов, напоминания, сбор обратной связи и контроль сроков.

Какие решения нельзя полностью доверять ИИ

Автоматическая оценка резюме не равнозначна проверке реальных навыков. Кандидат может подробно описать управление командой или успешные проекты, но подтвердить достижения получится только с помощью профессиональных вопросов, практических заданий и проверки рекомендаций.

Кроме того, алгоритмы могут ошибаться из-за неполных данных, некорректных критериев и особенностей обучения моделей.

Поэтому окончательное решение о найме должно оставаться под контролем ответственного специалиста. Особенно важно предусмотреть возможность пересмотра автоматической оценки и проверки спорных результатов.

С чего начать работодателю

Необязательно автоматизировать весь подбор одновременно. Практичнее двигаться поэтапно.

Сначала определить наиболее трудоёмкую операцию и измерить, сколько рабочего времени она занимает. Затем согласовать критерии оценки кандидатов, проверить качество исходных данных и запустить ограниченный пилот.

После тестирования сравнить затраты, скорость и качество отбора. Если система действительно экономит время без существенных потерь подходящих кандидатов, автоматизацию можно расширять на другие вакансии.

По оценке Strategy Partners, приведённой РБК, объём российского рынка ИИ-решений для рекрутинга в 2026 году составляет примерно 5–9 млрд рублей. Но для конкретной компании важнее не масштаб рынка, а результат собственного внедрения.

ИИ уже умеет читать резюме быстрее человека. Главная задача работодателя — использовать эту скорость так, чтобы находить подходящих специалистов, а не просто быстрее отказывать остальным.

Источники

• РБК, 7 октября 2026 года. «Как в России используют ИИ для приема сотрудников на работу» — данные о распространении ИИ, оценки Strategy Partners, примеры Сбера и МТС.
• Федеральный закон № 152-ФЗ «О персональных данных». Статьи 6, 16 и 19 — правовые основания обработки, автоматизированные решения и требования к защите персональных данных.

Примеры пилотного внедрения и расчёта эффективности — практические рекомендации, а не результаты отдельных исследований.