Экономия на рекрутинге: роль ИИ и расчет окупаемости

Где ИИ помогает HR‑команде?

Наибольший потенциал для сокращения издержек есть в трех HR-процессах: поиск кандидатов, первичный отбор резюме и координация найма, уверен основатель WMT AI и WMT Group Игорь Никитин. Поиск кандидатов, занимающий до половины рабочего времени рекрутера, включает анализ площадок, профилей и подготовку обращений — эту часть работы эффективно автоматизирует ИИ. Значительную нагрузку создает и первичный отбор резюме: при сотнях откликов автоматизация их анализа заметно разгружает HR‑команду. Кроме того, до трети времени уходит на координацию найма — согласование интервью, коммуникации и обновление статусов, здесь ИИ помогает сократить ручные операции и ускорить продвижение кандидатов по воронке, конкретизирует он.

На рынке «белых воротничков» на одну вакансию нередко приходится сотни откликов, и ИИ заметно упрощает отбор, рассказала «Телеспутнику» директор по развитию SkillStaff Полина Беляцкая. По ее словам, искусственный интеллект не только скринингует и ранжирует резюме, подсвечивая лучших кандидатов и указывая на пробелы и риски, но и помогает квалифицировать специалистов — например, на платформе SkillStaff ИИ‑парсер анализирует описания проектов и формирует список решаемых бизнес‑задач, которые специалист подтверждает в один клик. Кроме того, система эффективно ищет подходящих кандидатов во внутренней базе компании, быстро находя релевантных специалистов по всей истории их взаимодействия с организацией.

ИИ в HR окупается не там, где компания пытается заменить им HR-специалиста, а там, где он снимает повторяющуюся работу, считает старший партнер агентства управления репутацией «Невидимка» Руфат Гусейнов. Самые понятные зоны для экономии: первичная коммуникация с кандидатами, ответы сотрудников на типовые HR-вопросы и подготовка материалов для адаптации, а также внутренний HR‑сервис — хорошо настроенный внутренний помощник быстро находит ответ в корпоративной базе знаний и снимает с HR-команды поток однотипных обращений про отпуск, больничный, оформление документов, программы обучения, правила компенсаций и пр., говорит он.

«Главная ошибка при внедрении состоит в том, что компания покупает инструмент до того, как понимает, какой процесс хочет улучшить. Если в подборе нет понятных критериев, данные разрознены, а документы устарели, ИИ просто ускорит хаос. Отдельный вопрос — это защита персональных данных и право сотрудника проверить решение, если оно влияет на кандидата», — добавил Руфат Гусейнов.

Игорь Никитин также указывает на то, что при внедрении ИИ в HR важно смотреть шире простой экономии времени рекрутеров: главные потери бизнеса связаны с простоями из‑за незакрытых вакансий — это упущенная прибыль, задержки проектов и перегрузка команды. Автоматизация отдельных задач не дает ощутимого эффекта, если сам процесс подбора остается прежним. Чтобы обосновать инвестиции, стоит зафиксировать базовые показатели подбора, провести пилот и оценить окупаемость с учетом не только экономии времени HR, но и сокращения потерь от открытых вакансий — именно скорость закрытия позиций и снижение этих потерь отражают реальную эффективность ИИ.

Основатель INSYTE Electronics Сергей Грибанов выделяет ключевые барьеры внедрения ИИ в HR: разрозненные и устаревшие данные, сопротивление со стороны HR‑специалистов, опасающихся сокращений, риски при работе с персональными данными в рамках 152‑ФЗ, поэтому он выступает за локальное развертывание моделей на серверах компании. Для расчета окупаемости он рекомендует в течение двух недель фиксировать затраты времени на текущие процессы, затем соотнести сэкономленные часы с полной стоимостью труда и выгодами от ускоренного закрытия вакансий или снижения текучести, включив в расходы не только лицензии и сервер, но и внедрение, обучение и проверку ответов ИИ. Пилот на одном процессе за 2–3 месяца дает реальные цифры для обоснования масштабирования.

«На практике главная проблема часто не в самом ИИ, а в том, как устроена работа компании. Если руководитель не может четко объяснить, какого специалиста ищет, критерии отбора постоянно меняются, а информация хранится в десятке чатов, автоматизация просто ускорит процесс вместе со всеми его ошибками. Еще есть вопросы защиты персональных данных, интеграции с рабочими системами и обучения сотрудников: важно не только уметь пользоваться инструментом, но и контролировать то, что он выдает», — подчеркивает собственник маркетингового агентства «Есть контакт» Виктория Раневская.

Как ИИ помогает экономить?

Внедрение искусственного интеллекта в HR-вертикаль корпорации ITG позволило оптимизировать численность отдела рекрутинга на 35% и снизить стоимость привлечения кандидата почти на треть за счет автоматизации рутинного подбора, отмечает Ольга Звагольская, добавляя, что использование собственного изолированного ИИ оправданно только при массовом найме — от 30–50 однотипных вакансий в месяц.

Наибольшую отдачу дают процессы, связанные с массовым наймом и первичным отбором откликов, например, для монтажников и операторов поддержки, где поток кандидатов велик, а требования прозрачны, говорит Сергей Грибанов. Существенно экономит ресурсы обработка типовых запросов сотрудников об отпусках, справках и регламентах, ведь HR регулярно повторяет одни и те же ответы. Также эффективна поддержка адаптации новичков: ИИ‑ассистент, опираясь на внутренние инструкции, снижает нагрузку на наставников.

Так, при найме 300 монтажников в год и 60 откликах на вакансию общий объем работы достигает 18 тысяч заявок. Он приводит такой расчет: если на каждую уходит 5 минут, суммарные затраты составляют 1500 часов — почти девять месяцев труда одного сотрудника. Автоматизация отбора и первичного опроса позволяет сократить нагрузку примерно на 1 тысячу часов, что при стоимости работы рекрутера 120 тысяч рублей в месяц дает экономию порядка 700 тысяч рублей ежегодно.

«Окупаемость стоит считать от конкретной боли. Сколько часов команда тратит на процесс сейчас, сколько стоит этот час, какой объем работы удастся снять, сколько потребуется на настройку и поддержку. И обязательно смотреть на качество. Если после автоматизации падает конверсия кандидатов, растет число ошибок или ухудшается опыт сотрудников, экономия окажется мнимой», — считает Руфат Гусейнов.

Например, на первом этапе подбора рекрутер часто тратит время на одинаковые действия: уточняет график, опыт, зарплатные ожидания, готовность к формату работы, отвечает на базовые вопросы о вакансии. Если компания получает 600 откликов в месяц и на каждый уходит в среднем 10 минут, это около 100 часов работы. ИИ-помощник не должен принимать решение за рекрутера, но может закрыть примерно 60 процентов такой рутины. При полной стоимости часа специалиста в 1 200 рублей экономия составит около 72 тысяч рублей в месяц. Если запуск решения обходится в 180 тысяч рублей, а ежемесячная поддержка составляет 15 тысяч, при таком объеме откликов вложения окупятся чуть больше чем за три месяца, говорит он, добавляя, что это не универсальная цифра, а модель расчета. Важно учитывать не только сэкономленные часы, но и стоимость настройки, интеграции с HR-системами, проверки данных и обучения команды.

В SkillStaff в ходе пилота по предварительной квалификации кандидатов обработали 2000 резюме: свыше 80% задач, предложенных ИИ, специалисты подтвердили для своих карточек. При этом разбор одного резюме занимает 15–17 секунд и обходится примерно в 3 рубля, а полный прогон базы требует 8–9 часов машинного времени. Для сравнения, ручная модерация одного CV отнимает у менеджера 10–15 минут — соответственно, уже размеченные 2000 карточек стоили бы 330–500 часов труда, а вся база — порядка 3200–4800 часов.

«Окупаемость ИИ‑решения оценивают либо через снижение затрат за счет сокращения рутинной нагрузки и ускорения закрытия вакансий, либо через рост производительности, когда рекрутеры закрывают больше позиций и берутся за более сложные задачи. Успешное масштабирование требует вовлеченного внутреннего лидера — например, HR‑директора, готового обосновать инвестиции и вести внедрение, особенно при большом объеме ежемесячного найма», — резюмирует Полина Беляцкая.