NanoHire Blog
Запуск и масштабирование ИИ-помощника в подборе по всей России – Кейс Совкомбанк и NanoHire
.png&w=3840&q=76)
Татьяна Перепечко, руководитель отдела подбора персонала
Ведя активный подбор, как мы, по всей России, очень важно учитывать не только специфику найма на отдельные вакансии, но и региональные особенности. Поставив перед собой задачу оптимизировать время рекрутеров на рутинных процессах, при этом не снизив качество коммуникаций и обеспечив нужный поток кандидатов на позиции по всей стране, мы взяли в команду ИИ-помощника от NanoHire.
В статье рассказываю, как инструмент влился коллектив, на какие показатели повлияло внедрение и действительно ли ИИ может стать правой рукой рекрутера в работе с рутинными задачами. Также делюсь лайфхаками по внедрению и масштабированию нейрорекрутера.
Наши цели: обеспечить поток кандидатов по всей России и сэкономить время команды подбора, которое тратится на рутинные задачи
Совкомбанк – крупнейший банк федерального уровня с широкой сетью подразделений по всей России. С нами работают более 37 000 сотрудников в 2000 отделениях и офисах в 82 регионах. Для нашего банка очень важна близость к клиенту, поэтому мы много нанимаем в различных городах России и очень тщательно подходим к подбору.
Я руковожу подбором во всех группах компании ПАО «Совкомбанк», куда, помимо банка, входят Совкомбанк Технологии, Стаховая Группа, Совкомбанк Лизинг и Совкомбанк Факторинг. В команде подбора работает около 100 рекрутеров. При рассмотрении внедрения HR-решений мы ставили перед собой целью сэкономить время рекрутеров на холодный поиск и обеспечение нужного потока целевых кандидатов на вакансии.
Процесс внедрения ИИ-помощника мы начали с массовых вакансий и уже потом, когда мы поняли из первичных тестирований и проверок гипотез, что инструмент 100% сработает, – масштабировали полученные результаты на вакансии всей группы компаний.
Сейчас ИИ-помощник в 80% случаев помогает нам работать с массовыми вакансиями: контакт-центр, сотрудники офисов банков, партнерских сетей и т.д. Но также мы применяем инструмент и на более точечных вакансиях: например, бизнес-аналитиков или врачей-консультантов.
Решение: ИИ-помощник автоматически ищет и обрабатывает кандидатов по всей России, охватывая два крупнейших работных сайта
Для закрытия нашей потребности в кандидатах мы используем ИИ-помощника в четырёх направлениях: он обрабатывает отклики на HeadHunter и Авито Работе и самостоятельно ищет для нас целевых кандидатов так же, на HeadHunter и Авито Работе.
В блоках ниже подробно разбираю, как ИИ работает с этими каналами, обеспечивая наиболее релевантных кандидатов и при автопоиске, и при обработке откликов. Таже делюсь нашим опытом с дальнейшим назначением интервью и использованием шаблонов, которые помогают не только быстрее запускать ИИ на вакансии, но и качественно масштабироваться.
Автопоиск и обработка кандидатов на HH и Авито Работе
Автопоиск мы используем на вакансиях, где есть определённая специфика: например, поиск в маленьких населённых пунктах, с населением до 20 000 человек. В этом случае важно не только обеспечить нужный поток кандидатов, но и мониторить обновляющиеся резюме и предлагать нашу вакансию потенциально целевым кандидатам первыми.
В работе с поиском в небольших населенных пунктах чётко просматривается бОльшая эффективность ИИ-помощника по сравнению с живым рекрутером, минимизируется человеческий фактор. Например, рекрутер в процессе поиска встречает кандидата, у которого резюме обновлялось три года назад, и может подумать, что звонить или писать ему будет бесполезно. ИИ-помощник не «додумывает» за кандидата, а просто предлагает ему вакансию.
Были кейсы, где мы долго не могли закрыть вакансии в каких-то определенных локациях, а после подключения ИИ-помощника к работе мы получали два-три кандидата за неделю. Конечно, рано или поздно рекрутер бы тоже пересмотрел подход к поиску и «отбросил» какие-то субъективные факторы, но ИИ пришел к этому быстрее и, тем самым, помог команде подбора по-другому посмотреть на возможную тактику поиска в каких-то случаях.
Автопоиск с помощью Авито Работы мы ведём, в основном, для поиска кандидатов как раз в регионах. ИИ-помощнику отвечают почти 80% найденных кандидатов и 42,5% финально подходят по требованиям и согласны переходить на следующий этап отбора. 
В крупных городах обычно получаем достаточное количество откликов, поэтому на таких вакансиях пользуемся автопоиском реже.
Автопоиск на HeadHunter тоже показывает себя хорошо: отвечают роботу почти 80%, 35% – доходят до следующего этапа отбора. 
Блок аналитики воронки автопоиска на HeadHunter внутри личного кабинета команды в NanoHire
Также, например, у нас есть вакансия врачей, которые нужны в подразделение страхования: работа врача с ДМС узконаправленная, это направление интересно не всем врачам, поэтому холодный поиск и первичная обработка очень помогают в работе с такими вакансиями: робот сразу ищет тех, у кого был такой опыт, и в процессе до рекрутера не доходят те, кто на берегу не согласен работать в таком направлении.
Если сравнивать работу с «холодными» кандидатами живого рекрутера и ИИ-помощника, робот показывает себя часто в разы продуктивнее. Обычно конверсии при работе с холодной базой в целом несколько раз меньше, чем при работе с откликами, и по объёму приходится обрабатывать в 2-3 раза больше человек, чтобы получить столько же «тёплых» кандидатов, как при обработке откликов. Нейроректурер обрабатывает холодную базу быстрее и предоставляет нужный объём релевантных кандидатов.
Стоит отметить, что даже отдавая холодный поиск ИИ, рекрутер все равно может в нем участвовать: если вы находите подходящего кандидата на вакансию, куда вы привязали ИИ-поиск, вы можете просто отправить его на обработку помощнику – он расценит его как холодный контакт и пообщается с ним по соответствующему скрипту.
Обработка откликов на HH и Авито Работе
Функцию первичной обработки с помощью ИИ-помощника мы подключаем на вакансии, куда в день «падают» сотни откликов: робот отбирает самых релевантных, и рекрутер уже общается с наиболее подходящими кандидатами. 
Эффективность работы ИИ-помощника тоже рассматриваем в разрезе сравнения с работой рекрутера на этом этапе: если рекрутер обрабатывает сотни откликов руками, проходит несколько дней, пока он всех обработает даже первично, не говоря о развернутом диалоге. В то время как робот одновременно пишет сразу всем и передает рекрутеру уже наиболее подходящих кандидатов.
Таким образом, мы минимизируем потерю «того самого» кандидата: если в случае с ручной последовательной обработкой мы могли дойти до него только через несколько дней, ИИ сразу его найдет и подсветит для нас как лучший вариант.
По нашей воронке ИИ-помощника на Авито Работе 90% кандидатов доходят до конца этапа первичной обработки, и 58% робот передает рекрутерам для следующих этапов отбора.
Блок аналитики воронки обработки откликов на Авито Работе внутри личного кабинета команды в NanoHire
На HeadHunter цифры почти аналогичные: 92% и 58%. 
Также ИИ-помощник собирает аналитику по причинам отказов кандидатов: из этих данных можно вычленить то, как более оптимально доработать вакансию, чтобы сделать её более привлекательной для соискателей. В нашем случае, мы видим, что бОльшей частью вакансии конкурентоспособны и интересны кандидатам: такие причины, как ЗП, график и локация занимают наименьший процент среди причин отказов и на первом плане – личные причины кандидатов. 
Автоматическое назначение интервью
Весь путь кандидатов у нас выстроен бесшовно: после того, как они проходят первичный отбор, ИИ-помощник высылает им ссылку на запись на интервью, которые проходят уже в нашей внутренней системе, электронном кабинете кандидата. У NanoHire тоже есть возможность автоматически назначать интервью внутри чата, но в нашей системе связка сервисов пока устроена таким образом в связи с особенностями внутренних процессов. 
После успешного прохождения этапа отбора с помощью ИИ-помощника кандидат автоматически переходит на этап назначения интервью
Систему назначения интервью используем, в основном, для массовых вакансий: многие сотрудники работают на удалёнке, и у них нет возможности прийти на собеседование в офис. В системе уже дальше процесс выстроен вплоть до трудоустройства: кандидат проходит интервью, проверку СБ, подписывает договор и выходит на работу.
Решение: шаблоны и советы для использования ИИ-помощника и масштабирования
К запуску ИИ-помощника мы подошли системно: проанализировали ЦА, выстроили оптимальное по нужным сегментам общение, проверили различные гипотезы и затем масштабировали использование инструмента. Собрала несколько советов для тех, кто хочет подключить ИИ к своим процессам подбора.
1. Тестируйте ИИ-помощника на каждой вакансии отдельно: вам нужно понять, подходит ли вам общение ИИ с кандидатом, хорошие ли конверсии в согласие кандидатов на переход на следующий этап, работает ли холодный поиск на этой вакансии. Стратегия работы может сильно отличаться в зависимости от специфики целевого сегмента кандидатов. Если всё хорошо, масштабируйте работу робота на другие вакансии и подключайте этап автоматической записи на собеседование.
2. Создавайте и используйте базу шаблонов, чтобы быстрее запускать вакансии в дальнейшем: сейчас у нас «в копилке» внутри системы NanoHire уже есть несколько хорошо показавших себя шаблонов, которые мы применяем в зависимости от вакансии и запускаем, будучи уже уверенными, что они хорошо сработают. 
3. Проводите аудит текущих воронок и следите за конверсиями на этапах работы ИИ-помощника с кандидатами: если ваши изначальные показатели начинают просаживаться, проверяйте причины: может быть, изменилось поведение кандидатов, может быть, нужно поменять описание вакансии и сделать в нем упор на чем-то другом и т.д.
4. Тестируйте не только отдельные вакансии, но и отдельные локации. Вариации эффективного использования ИИ-помощника могут меняться от города к городу: где-то вам будет достаточно подключить только обработку откликов, а где-то нужно будет запустить автопоиск на том или ином работном сайте.
Использование шаблонов помогает убрать риски субъективизма или неправильной настройки работы с вакансией: например, если приходит новый рекрутер, ему не нужно заново запускать настройки поиска, он может использовать уже идеально составленный и успешно показавший себя на практике шаблон.
Результаты и дальнейшие планы Совкомбанк & NanoHire
Ключевой показатель эффективности работы ИИ-помощника для меня – это конверсия в ответ и процент тех, кто доходит до конца общения и, соответственно, заканчивает процесс первичной обработки кандидатов. 81% кандидатов отвечают боту, 99% из них завершают общение, 39% наиболее релевантных переходят на следующий этап.
Блок аналитики общей воронки внутри личного кабинета команды подбора в NanoHire
Конверсию в приёмы на работу относительно тех, кто прошел отбор ИИ-помощника, я отдельно не измеряю, рассматривая его эффективность в рамках задач, которые мы перед ним ставим. Мне важно, чтобы он обеспечивал нужные конверсии на нужных этапах и доводил самых целевых до интервью, а на процесс дальнейшего оформления кандидатов и выхода на работу влияют уже совсем другие факторы: доходимость кандидатов до очных собеседований, успешность интервью с руководителями, особенности найма и оформления сотрудников в отдельных регионах и др.
Оценивая эффективность работы ИИ-помощника, я, прежде всего, сравниваю его с работой живого рекрутера на таких же задачах. Например, я не сравниваю показатели работы ИИ для вакансий в большом городе и в маленьком населенном пункте – в каждом случае свои вводные и свои конверсии. Я сравниваю успешность поиска и обработки кандидатов ИИ-помощником и рекрутером в аналогичных обстоятельствах.
В целом работа ИИ-помощника на этапах первичного отбора и поиска сравнима с рекрутерской: для меня важный показатель эффективности – это обеспечение того же уровня конверсий, возможность без потерь отдать ИИ какие-то рутинные задачи. Робот не только не теряет качество работы, но и привносит еще плюсы: более быстро отвечает и обрабатывает кандидатов, находит тех, кого рекрутер по субъективным причинам мог не заметить, а также качественно улучшает рабочие дни рекрутера, забирая на себя рутинные задачи.
Нейрорекрутер помог оптимизировать работу отдела подбора: сейчас рекрутеры могут работать одновременно с бОльшим количеством вакансий. Если раньше это было 11 вакансий на человека, сейчас – 15-16. Производительность труда выросла, в среднем, на 30%. Также мы не просаживаемся в эффективности отдела, если кто-то увольняется или же уходит в декрет. Команда получает больше премий, поскольку закрывает больше вакансий – что, конечно, положительно влияет на мотивацию к работе. На мотивацию и интерес к работе влияет ещё и то, что ИИ облегчает работу рекрутеров, забирает у них задачи, которые часто откладывают и за которые меньше всего хочется браться: холодный поиск, рутинную обработку – и дает возможность заняться более стратегическими или креативными задачами.
В планах – интегрировать NanoHire с нашей CRM-системой, после этого сможем отдавать ИИ-помощнику ещё больше вакансий. Сейчас, по моим оценкам, мы используем потенциал продукта на 20%, хотим масштабировать эту цифру до 80%.
