Презентация Ai-скрининг резюме. Ивашко Кристина

1.

AI-скрининг резюме:
быстрее, стабильнее,
экономичнее
Автоматизация первичного отбора кандидатов с помощью LLM — управляемый
проект с измеримым результатом и минимальным риском.
ROI 258 %
За первый год
3,5 мес.
Окупаемость
80 000 руб.
Инвестиция
1 682 руб./мес
Операционные расходы

2.

ГЛАВА 1: ПРОБЛЕМА
Воронка найма теряет кандидатов на первом этапе
Из 650 резюме в месяц до HR доходят лишь 55 целевых кандидатов, а 97–130 кандидатов отсеиваются ошибочно на первом этапе скрининга
из-за усталости, потери фокуса и смещения критериев.
650 входящих
резюме
97–130 подходящих
кандидатов теряются на
первом ручном фильтре
55 целевых кандидатов(конверсия
7-10%)
Каждый месяц 97–130 подходящих кандидатов не проходят дальше из-за ошибок ручного скрининга. Платим за привлечение — теряем лучших на первом фильтре.

3.

Ручной скрининг: 22% времени HR и 341
000 руб. в год
Расчёт затрат
35 ч/мес — 1 рабочая неделя на чтение резюме
812 руб./час — реальная стоимость (оклад 100 000 +
взносы 30% = 130 000 ÷ 160 ч)
Скрининг резюме·22% ·22%
·
Остальные задачи HR·78% ·78%
·
28 420 руб./мес — прямые затраты на скрининг
341 000 руб./год — годовая стоимость ручного
скрининга
Компания платит за экспертизу, а использует HR как
сканер документов.
22% рабочего времени HR уходит на задачу, которую может
выполнить AI

4.

Задержка найма — это
бизнес-потери, а не
только неудобство HR
Ручной скрининг замедляет первый
контакт с кандидатом и увеличивает
стоимость закрытия вакансии
Пока вакансия открыта — нагрузка ложится на текущую команду. Это
снижает качество обслуживания клиентов, уменьшает прибыль (в
случае если отдел продаж не успевает обработать текущие обращения),
повышает текучесть и стоит повторного найма (15 000–40 000 руб. на
привлечение). При потере 97–130 кандидатов в месяц из-за ошибок
скрининга — цикл затягивается на недели.

5.

Каких результатов мы ожидаем от пилота:
три проверяемые гипотезы
Это целевые метрики пилота: мы предполагаем, что после внедрения AI показатели улучшатся до этих значений, и проверяем это на реальных данных с первого дня
До
После
35
3.5
17.5
5
6
1.5
Source:
Три ключевые метрики пилота: текущий уровень и целевые значения после внедрения. Если по итогам пилота результат будет ниже целевого, но лучше текущей базы, гипотеза
считается частично подтверждённой.

6.

Одна точка изменения: между hh.ru и HR
AI встраивается в единственную точку процесса — между получением резюме и первым звонком. Интервью, офферы, онбординг — всё
без изменений.
До
После
HR читает 35
ч/мес, контакт 5–7
дней
AI скрининг
минуты, контакт
1–2 дня
Единственное изменение — между hh.ru и HR. Добавляем один интеллектуальный слой, не перестраиваем весь процесс.

7.

AI фильтрует, HR
решает
Что делает AI
Что остаётся за HR
Первичный скрининг всех
резюме
каждому кандидату
Ранжирование по баллу
Оценка соответствия
соответствия
Живое общение и
Формирование карточки
кандидата
Финальное решение по
Автоматические
переговоры
Нестандартные и
пограничные случаи
уведомления
Вопрос HR: «Нужен ли нам
Вопрос AI: «Соответствует ли
формальным критериям?»
именно этот человек?»

8.

Рынок уже подтвердил: AI-скрининг работает
Наши прогнозы (–90% времени) находятся в рамках подтверждённого рыночного диапазона экономии 90-95%.
Компания
Было
Стало
Эффект
СТД «Петрович» (продажа
строительных и отделочных
материалов)
~45 часов рабочего времени
рекрутера уходило на ручной
разбор резюме
~2 часа
95%
Лемана ПРО (новое название
российской сети
строительных гипермаркетов
«Леруа Мерлен»)
~60 часов уходило у отдела
найма одного гипермаркета
на просмотр резюме
~6 часов в неделю
90%
АО ПИК-Индустрия
(производство материалов
для индустриального
домостроения, а также
элементы отделки и
комплектации)
~40 часов уходило у
рекрутеров на ручной разбор
пула из 1000 резюме
~2 часа
95%

9.

ГЛАВА 3: АРХИТЕКТУРА
Три компонента, никакой сложной инфраструктуры
hh.ru API
LLM анализ
Google
Таблица
Каждая вакансия — отдельная очередь с отдельными требованиями. Для кандидата ничего не меняется. Поток данных: hh.ru API → LLM → Google Таблица → HR.

10.

Что видит HR: карточка кандидата
HR читает структурированную карточку за 1 минуту вместо резюме за 3 минуты — и получает готовое решение с
обоснованием, а не сырой документ.
Балл и статус
Что совпало
Балл соответствия 0–100 (85 — сильный, 40 — слабый).
Конкретные требования, которые кандидат закрывает —
Статус: A — приоритет, B — резерв, C — не соответствует.
опыт, навыки, условия.
Чего не хватает
Жёлтые флаги
Конкретные пробелы относительно профиля вакансии.
Не отказ, а пометка для ручной проверки: частая смена
мест, перерыв, завышенные ожидания.

11.

Критерии оценки: прозрачность и
контроль
AI оценивает каждое резюме по формуле из 100 баллов. Критерии берёт из описания вакансии, не придумывает сам
Must Have → до 60
баллов
Nice to Have → до 15
баллов
Опыт и контекст → до 25
баллов
Каждое обязательное требование
Усиливают балл, но не
5 критериев: отрасль, функционал,
проверяется отдельно
компенсируют пробелы в
уровень задач, близость роли, зоны
обязательных
ответственности
Итог: балл 0–100, статус A/B/C и карточка с обоснованием. HR не читает резюме — читает готовое решение. Требования
вакансии и резюме подставляются в промпт автоматически — новая вакансия = новые критерии оценки, без
переписывания промпта

12.

Промпт в действии: результат на
реальной вакансии
«Вакансия: Менеджер по проектным продажам (Керама Марацци).
Кандидат: 13 лет опыта, B2B-продажи стройматериалов, последняя
роль — кондитерская отрасль.
Балл соответствия: 75
Статус: B (резерв)
Что совпало: высшее образование; подтверждённые навыки переговоров и деловой коммуникации; знание 1С и MS Excel;
опыт работы с клиентами, контрагентами и ведением полного цикла сделки; опыт взаимодействия с дизайнерами и
архитекторами, проведения презентаций и выставок
Чего не хватает / Жёлтые флаги: 2+ года именно проектных продаж в строительной сфере не подтверждены напрямую;
нет подтверждения работы в 1С:Управление производственным предприятием; внимательность и стрессоустойчивость
заявлены, но не раскрыты через опыт; несколько мест работы подряд по 11 месяцев в 2023–2025 — жёлтый флаг; перерыв
в опыте между 2018 и 2020 без пояснения — жёлтый флаг
Краткое резюме: Сильный sales-профиль с релевантным опытом в стройматериалах и партнёрских продажах, но
ключевой критерий по 2+ годам именно проектных продаж требует ручной проверки.

13.

Контроль качества: замкнутый цикл
улучшений
1
2
Параллельный режим (2 недели)
Цикл улучшений
AI и HR работают независимо — сравниваем
HR фиксирует расхождения → разбор→ специалист
результаты, замеряем базовую точность.
корректирует промпт → AI улучшается → HR снова
Аудит C-списка (постоянно)
Система не статична — она улучшается на каждой
проверяет.
итерации через обратную связь от HR.
проверяем 30 резюме с присвоенной С категорией
каждые 2 недели — ловим ложноотрицательные
ошибки.
3
Анализ качества найма (3–6 мес.)
Проходят ли нанятые испытательный срок —
обратная связь замыкает цикл.

14.

ГЛАВА 4: ПИЛОТ
MVP: одна вакансия, один
поток, полный контроль
Почему начинаем с одной категории "Менеджер по
продажам"?
Пилот должен быть управляемым: один поток, одна зона контроля, одна база для
сравнения AI и HR. Так быстрее набирается статистика и проще понять, работает
решение или нет. Выбор категории "Менеджера по продажам" обусловен высокой
частотой откликов, чёткими критериями оценки, прямой связью с выручкой компании.
Что именно тестируем
Полный входящий поток по одной категории вакансий. 2 недели — параллельный
режим, 4 недели — режим ассистента. Так мы проверяем реальную задачу, а не
искусственную выборку
Минимальный риск
Мы сознательно ограничиваем пилот одной категорией должностей. Если что-то идёт не
так, это затрагивает только один поток, а не весь рекрутинг компании.

15.

Таймлайн: 8 недель от старта до
масштабирования
От старта до первых измеримых результатов — 6 недель.
Нед. 1–2
1
Подготовка: промпт + интеграция + тест на 50–100 резюме
2
Нед. 3–4
Параллельный режим: замер базовой точности AI
Нед. 5–6
3
Режим ассистента: замер экономии времени HR и качества
отсева
4
Нед. 7–8
Плановая оптимизация промпта по паттернам ошибок.
Нед. 9+
5
(Точечные правки — по ходу пилота)
Масштабирование: 1 неделя на каждую новую позицию
Каждый этап — чёткий результат и точка проверки. Через 6 недель есть данные для решения о масштабировании.

16.

ГЛАВА 5: ФИНАНСЫ
25 578 руб./мес (ручной) vs ~ 1 682
руб./мес (AI)
Расчёт окупаемости
25.6k
31,5 ч × 812 руб. = 25 578 руб./мес
Инвестиция: 80 000 руб. (IT-разработка)
Операционные AI: LLM API 1332 (расчет
стоимость обработки 650 резюме) + VPS 350 =
1682 руб./мес
Экономия: 23 896 руб./мес (денежная оценка
высвобожденного времени)
1.68k
Окупаемость: 3,5 мес.В 15,2 раза дешевле в
операционных расходов
Ежемесячная стоимость скрининга: было 25 578 руб. — стало 1682 руб.

17.

ROI 258% при среднем текущем потоке
Оценка
высвобождён
ной стоимости
времени HR за
1-й год
Масштабируе
мость
При росте потока
расходы AI растут
медленнее, чем
расходы на ручной
306 936 ₽ - 80 000=
скрининг; точный
226 936 руб./год
прирост
пересчитывается по
новой токеновой
модели
Структура экономического эффекта за первый год
HR возвращает 31,5 ч/мес на
интервью, работу с
менеджерами

18.

ГЛАВА 6: РИСКИ И ВОЗРАЖЕНИЯ
Пять рисков — пять решений
Все риски управляемы. Ни один не является причиной отказа от проекта.
Риск
Суть
Решение
Ошибки AI
Неверная оценка кандидата
Финальное решение за HR; параллельный режим 2
нед.; аудит C-списка каждые 2 нед.
Некорректные промпты
Неточные критерии оценки
Пишет специалист; тестирует и корректирует по
обратной связи
Сопротивление HR
Страх замены
AI — инструмент, не замена; 31,5 ч освобождается
для экспертных задач
Технический сбой
Остановка процесса
Авто-уведомления; fallback на ручной процесс;
восстановление за часы
152-ФЗ
Риск обработки персональных данных
Выбираем LLM-провайдера с корпоративными
условиями, где данные клиента не используются
для обучения модели без отдельного согласия;
при необходимости анонимизируем ФИО и
контакты.

19.

Три возражения — три ответа
На каждое возражение — измеримый ответ, а не обещание.
1
2
3
«Отсеет хороших
кандидатов?»
«Это дороже?»
«А предвзятость AI?»
1682 руб./мес vs 28 420 руб./мес. ROI
Оценивает только опыт и навыки.
Сейчас теряем 15–20%. AI снижает
258%. Окупаемость 3 месяца. В 16,9
Критерии задаём мы. Аудит
до 5%. Финальное слово всегда за
раз дешевле в операционных
ежемесячный. Предвзятость AI
HR. Нестандартные случаи →
расходах.
измерима — человеческая нет.
жёлтый флаг → ручная проверка.

20.

Коммуникация: для каждой аудитории —
своё сообщение
Единая позиция: AI убирает рутину, человек сохраняет контроль.
Кандидатам
HR-специалистам
Менеджерам и
руководству
Быстрый и прозрачный
Не угроза, а инструмент.
процесс. Ответ по отклику в
Финальное решение
Проект даёт измеримый
течение 1–2 дней, а отказ не
сохраняется за HR
эффект: снижаются затраты
превращается в тишину на
специалистом.
на ручной скрининг,
неделю.
освобождается 31,5 ч/мес на
сокращается время до
экспертные задачи.
первого контакта с
кандидатом и появляется
запас по масштабированию
найма. MVP запускается как
управляемый пилот с
контролем HR и
окупаемостью за 3 месяцев

21.

80 000 руб. и 6 недель —
управляемый эксперимент
Если пилот подтвердил
гипотезу
Если пилот не сработал
Масштабируем на остальные вакансии с
9-й недели. 1 неделя на каждую новую
позицию. ROI 258% в первый год.
Возвращаемся к текущему процессу.
Потеря: 80 000 руб. Рекрутинг не
пострадал. Риск локализован одной
вакансией.
80K
6
258%
Инвестиция
Недель
ROI
Единовременно, руб.
До первых измеримых
результатов
За первый год
3,5
Месяца
Окупаемость
Это не решение внедрять AI навсегда — это управляемый эксперимент с чёткой
точкой выхода. Согласовать бюджет и запустить подготовку.