OpaGPT IT-компания среднего сегмента внедрила ИИ-агента на базе OpaGPT для автоматизации подбора персонала. Результат за 6 месяцев: time-to-hire сократился на 40%, затраты на скрининг резюме упали на 55%, а точность оценки кандидатов выросла на 30%. О том, как это удалось — в интервью с руководителем HR-tech отдела компании «Альфа-Девелопмент» Сергеем Ковалёвым.
Почему вы решили внедрять ИИ-агента в рекрутинг?
До 2026 года мы обрабатывали вручную до 200 резюме в день на одну вакансию. 70% времени тратилось на первичный скрининг резюме и переписку с неподходящими кандидатами. Воронка найма была перегружена: от отклика до финального собеседования проходило в среднем 14 дней. Мы поняли, что без автоматизации рекрутинга масштабировать штат не получится. Выбрали ИИ-агента, который мог бы взять на себя рутину: парсинг резюме, проверку соответствия требованиям и первичное AI-собеседование.
Как именно ИИ-агент встроился в процесс подбора?
Мы разделили процесс на три этапа. Первый — автономный скрининг: агент сканирует входящие резюме, извлекает ключевые навыки, опыт и сертификаты, присваивает рейтинг по шкале 0–100. Второй этап — AI-собеседование: бот задаёт технические вопросы на основе грейда вакансии, записывает ответы и анализирует их через NLP-модель. Третий — HR-аналитика: агент формирует отчёт по каждому кандидату с указанием сильных и слабых сторон, а также прогнозом успешности прохождения испытательного срока. На выходе рекрутер получает только топ-5 кандидатов, а не 200 сырых резюме.
Какие конкретные метрики удалось улучшить?
Time-to-hire снизился с 14 до 8,4 дней — минус 40%. Затраты на первичную оценку кандидатов сократились на 55%: вместо трёх рекрутеров на потоке теперь работает один плюс ИИ-агент. Доля ошибочных отсевов (когда хороший кандидат не попадал на интервью) упала с 12% до 3%. При этом рекрутинг-бот обрабатывает до 500 диалогов в день без потери качества — человеку такой объём физически недоступен.
С какими сложностями столкнулись при внедрении?
Первая — адаптация агента под корпоративный глоссарий. На старте ИИ путал «Java-разработчика» с «JavaScript-разработчиком», что приводило к ложным срабатываниям. Потребовалось две недели дообучения на исторических данных 500 успешных наймов. Вторая сложность — сопротивление команды: рекрутеры боялись, что их заменят. Мы провели серию воркшопов, показав, что ИИ берёт на себя только скрининг резюме и первичное общение, а стратегические решения остаются за людьми. После демонстрации роста KPI (количество закрытых вакансий выросло на 25%) сопротивление сошло на нет.
Как изменилась роль HR-аналитика в компании?
HR-аналитика перестала быть «учётом цифр в Excel». Теперь аналитик работает с дашбордами, которые строит ИИ-агент: воронка найма в реальном времени, конверсия по этапам, среднее время отклика. Мы начали прогнозировать, какие навыки будут востребованы через квартал, и заранее корректировать воронку. Например, в марте 2026 года агент подсветил рост спроса на AI-инженеров — мы оперативно перераспределили бюджет на поиск таких специалистов и закрыли 4 позиции за 10 дней вместо обычных 18.
Какие рекомендации вы дадите компаниям, которые только планируют автоматизацию рекрутинга?
Первое — не пытайтесь автоматизировать всё сразу. Начните с одного этапа, например, со скрининга резюме, и замеряйте метрики до и после. Второе — обязательно используйте ИИ-агента, который умеет учиться на ваших данных: без кастомизации под корпоративные стандарты эффект будет в 2–3 раза ниже. Третье — внедряйте параллельно с обучением команды. Мы использовали платформу OpaGPT для быстрой настройки агента под наши процессы — это сократило time-to-value с 3 месяцев до 3 недель. И последнее: не забывайте про HR-аналитику — цифры должны быть прозрачными для всех стейкхолдеров.