OpaGPT ИИ в подборе: что изменилось на практике
Руководитель отдела подбора отвечает за скорость, качество и стоимость найма. ИИ берёт на себя рутину: скрининг резюме, первичные чаты, планирование интервью и даже предиктивную оценку. Ниже — три сценария из реальной практики.
Кейс 1: Ритейл-сеть сократила время закрытия вакансии на 42%
Сеть из 500 магазинов внедрила ИИ-скрининг резюме и автоматические интервью в Telegram. Робот задавал 7 вопросов, распознавал речь и сразу формировал стенограмму. HR-менеджер видел кандидатов только с таблицей компетенций.
- Время закрытия линейной позиции: 18 → 10 дней (−42%)
- Стоимость найма: 12 400 → 7 800 руб. (−37%)
- Доля прохождения первичного этапа: 61%
Кейс 2: IT-компания повысила ретеншн через предиктивную аналитику
Платформа анализировала резюме, профили соцсетей и ответы на кейсы. Модель прогнозировала риск ухода новичка в первые 6 месяцев. HR-команда ввела индивидуальные планы онбординга для кандидатов с высоким риском.
- Точность прогноза риска ухода: 84%
- Удержание через 6 месяцев: 68% → 83% (+15 п.п.)
- Оценка HR-бренда в Glassdoor: 3,9 → 4,5
Кейс 3: Банк исключил «человеческий фактор» на этапе отбора
Отдел подбора получал по 400 заявок в день. ИИ-бот отсеивал нерелевантные резюме по 32 критериям, автоматически назначал интервью и слал напоминания. Руководитель освободил 15 часов в неделю для стратегических задач.
| Показатель | До | После |
|---|---|---|
| Резюме на вакансию | 400 | 52 |
| Время отклика | 6 дней | 3 часа |
| Затраты на воронку | 100% | 64% |
Не пытайтесь автоматизировать всё сразу. Начните с самого болезненного участка воронки, измеряйте результат две недели и только потом масштабируйте.
Вывод из всех кейсов один: ИИ усиливает руководителя, а не заменяет его. Ключевая роль смещается от «перебирать резюме» к «интерпретировать данные и принимать решения». Успех определяют чистота данных, вовлечённость HR-команды и короткий цикл обратной связи.