Сценарии применения ИИ в подборе: от скоринга резюме до агентного рекрутинга

Автор: Даниил Мущицкий, руководитель проектов внедрения в NanoHire

Время чтения: ~13 минут

Коротко: ИИ в подборе персонала закрывает семь основных сценариев — скоринг резюме, сорсинг кандидатов, AI-рекрутер для коммуникации, ИИ-агент для собеседований, шорт-листинг, аналитика воронки и онбординг. Самый быстрый эффект даёт автоматический скоринг резюме (экономия времени до 60% по данным McKinsey). Полную автоматизацию найма имеет смысл строить поэтапно: за 9 месяцев компания проходит путь от ручной работы к покрытию 60–70% рутины подбора нейросетью.

Краткая выжимка

• ИИ в подборе персонала — это не одна технология, а минимум семь разных сценариев. Они дают разный эффект, требуют разных усилий по внедрению и подходят разным задачам.
• Самый быстрый возврат на вложенные средства даёт автоматический скоринг резюме. McKinsey оценивает экономию времени на этом этапе до 60%.
• Найм-боты и AI-рекрутеры решают главную проблему воронки — медленный отклик. Кандидат, не получивший ответа за 24 часа, с вероятностью более 40% уходит к другому работодателю.
• ИИ в рекрутинге сегодня применяется не для замены людей, а для автоматизации рутины: скрининга, коммуникации, пресклининга. Финальные решения остаются за рекрутером и нанимающим менеджером.
• ИИ-агент для собеседований — не замена живому интервью, а инструмент пресклининга, который убирает из офлайн-встреч заведомо нерелевантных кандидатов.
• Самая частая ошибка во внедрении — пытаться сделать всё сразу. Зрелое использование ИИ для рекрутера строится итеративно: сначала скоринг, потом коммуникация, потом аналитика, потом ИИ-собеседования.

В этой статье — практический разбор основных сценариев автоматизации подбора с ИИ. Без маркетинговой пыли: что именно делает каждый сценарий, какой эффект даёт, что должно быть готово в компании для внедрения.

Содержание

1. С чего начинать: какой сценарий выбрать первым
2. Скоринг резюме и кандидатов: самый быстрый эффект ИИ в найме
3. Сорсинг кандидатов: как ИИ переворачивает модель подбора
4. Найм-боты и AI-рекрутеры: коммуникация на потоке
5. ИИ-агент для собеседований: автоматизация пресклининга
6. Шорт-лист и приоритизация: смена роли рекрутера
7. Аналитика воронки: что меняется в управлении подбором
8. Адаптация и онбординг: как ИИ снижает текучку на испытательном сроке
9. Что такое агентный рекрутинг и когда он станет реальностью
10. Реалистичный план внедрения: от первого пилота до полной автоматизации
11. Частые вопросы об ИИ в подборе персонала

С чего начинать: какой сценарий выбрать первым

Когда HR-директор слышит «автоматизация подбора с ИИ», в голове складывается размытая картинка: что-то умное, что должно «всё ускорить». Это плохая отправная точка. Зрелое внедрение начинается с разбора процесса найма на этапы и определения, какой из них болит сильнее всего.

Боли разных компаний различаются. У одних — поток откликов на массовые роли превышает физические возможности рекрутеров, и нужен быстрый скоринг. У других — главный затык в коммуникации, кандидаты уходят, не дождавшись ответа. У третьих — проблема в оценке: время рекрутера тратится на собеседования с заведомо нерелевантными кандидатами. И только в редких случаях нужна полная автоматизация всей воронки сразу.

Поэтому хорошее использование ИИ для рекрутера всегда начинается с одного-двух сценариев, которые закрывают самую острую боль. Дальше по мере накопления опыта и данных подключаются остальные. Ниже — семь основных сценариев в порядке от самого простого к самому сложному во внедрении.

Скоринг резюме и кандидатов: самый быстрый эффект ИИ в найме

ИИ-скоринг резюме — это автоматическая оценка соответствия каждого кандидата требованиям вакансии. Алгоритм присваивает резюме оценку от 0 до 100 и упорядочивает входящий поток откликов от наиболее релевантных к менее релевантным. По данным McKinsey, скоринг сокращает время до короткого списка кандидатов до 60%.

Что такое ИИ-скоринг и как он работает

ИИ-скоринг — это автоматическая оценка соответствия каждого кандидата требованиям вакансии. Алгоритм присваивает резюме оценку (обычно от 0 до 100) и упорядочивает входящий поток откликов от наиболее релевантных к менее релевантным.

Что отличает скоринг от обычного фильтра в системе учёта кандидатов: фильтр работает по точным ключевым словам (например, «Python», «3 года опыта»). Скоринг резюме на базе ИИ анализирует семантику — понимает синонимы, контекст, неявные сигналы. На практике это означает, что нейросеть находит релевантных кандидатов, которых обычный фильтр пропустил бы из-за нестандартных формулировок: например, «запускал сервис на Питоне с нуля» — для фильтра это не «Python developer», для ИИ — да.

Современный скоринг кандидатов обычно учитывает три слоя информации:

• Формальные требования — навыки, опыт, образование. Базовый слой, его раньше делал и обычный фильтр.
• Контекст карьеры — траектория роста, типы компаний, доменные знания. Здесь ИИ кратно сильнее правил.
• Поведенческие сигналы — частота смены работы, длительность на ролях, признаки амбициозности или, наоборот, склонности к стабильности.

Какой эффект даёт автоматический скоринг

McKinsey в HR Monitor 2025 оценивает экономию времени на отборе резюме до 60%. На практике это значит: вакансия, которая раньше закрывалась 45 дней, может закрываться за 25–30. Особенно ощутимо на массовом найме, где счёт идёт на тысячи откликов в неделю.

Второй важный эффект — улучшение качества короткого списка. Рекрутер открывает не первые 30 откликов в порядке поступления, а 30 топ-кандидатов с пояснением, почему алгоритм их выделил. Остальные 170 не выкидываются, а ранжируются по убыванию релевантности — если топ не сработал, можно идти вглубь по списку.

Что нужно для запуска

Скоринг — самая «лёгкая» точка входа в автоматизацию подбора. Минимально нужно:

• исторические данные хотя бы за 6 месяцев (кого нанимали, кого нет);
• описание целевых ролей с понятной структурой требований;
• единая база кандидатов без дублей.

Срок внедрения — 2–4 недели для типового SaaS-решения, 6–8 недель для индивидуальной настройки на ваши роли.

Сорсинг кандидатов: как ИИ переворачивает модель подбора

Сорсинг (от англ. sourcing — «поиск источника») — это активный поиск кандидатов вне входящего потока откликов. В отличие от классического подбора, где вакансия ждёт кандидата, при сорсинге рекрутер сам находит подходящих специалистов и обращается к ним напрямую. ИИ автоматизирует поиск: алгоритм ищет в открытых базах, ранжирует по соответствию вакансии и формирует список приоритетных контактов.

Что такое сорсинг простыми словами

Сорсинг (от англ. sourcing — «поиск источника») — это активный поиск кандидатов вне входящего потока откликов. Если простыми словами: что такое сорсинг — это когда не вакансия ждёт кандидата, а рекрутер сам идёт искать подходящего специалиста. В отличие от классического подбора («опубликовали вакансию — ждём отклики»), сорсинг работает наоборот: рекрутер находит подходящих специалистов и обращается к ним напрямую. Особенно ценно для редких ролей и пассивных кандидатов, которые не находятся в активном поиске работы.

Раньше сорсинг был очень трудоёмкой задачей: рекрутер вручную просматривал десятки профилей, оценивал соответствие, собирал контактные данные. Сегодня этот процесс автоматизируется с помощью ИИ.

Как ИИ-сорсинг меняет картину

Алгоритм сам ищет подходящих кандидатов в открытых базах (HH.ru, Avito Работа, открытые профили), парсит данные, ранжирует по соответствию вакансии и формирует список приоритетных контактов. Хороший ИИ-сорсер за час обрабатывает столько профилей, сколько рекрутер вручную — за неделю, и ранжирует их с пояснением каждой оценки.

Что должна уметь хорошая система

1. Подключаться к нескольким источникам — не только к одному сайту вакансий.
2. Понимать запросы на естественном языке: не «junior backend разработчик», а «способный быстро вырасти в backend, опыт от полугода до двух лет, желательно из стартапа».
3. Строить точные технические запросы автоматически на основе вашей вакансии.
4. Показывать «соседние» профили — не только идеально подходящих, но и тех, кто рядом по компетенциям.

Когда сорсинг бесполезен

Сорсинг бесполезен, если ваша воронка не справляется с уже имеющимися кандидатами. Сначала имеет смысл наладить скоринг и быструю коммуникацию, потом подключать проактивный поиск — иначе вы просто увеличите объём работы для перегруженного рекрутера.

Найм-боты и AI-рекрутеры: коммуникация на потоке

Найм-бот — это программа, которая ведёт первичный диалог с кандидатом: отвечает на типовые вопросы о вакансии, собирает недостающую информацию и согласовывает слоты для интервью. AI-рекрутер или виртуальный рекрутер — следующий уровень: бот на базе генеративного ИИ, который ведёт осмысленный диалог, адаптируется под кандидата и работает с нестандартными ситуациями.

Что такое найм-бот и AI-рекрутер

Найм-бот — это программа, которая ведёт первичный диалог с кандидатом: отвечает на типовые вопросы о вакансии, собирает недостающую информацию (зарплатные ожидания, готовность к релокации, доступные форматы работы), согласовывает слоты для интервью.

AI-рекрутер или виртуальный рекрутер — следующий уровень: бот, который не просто отвечает по сценарию, а ведёт осмысленный диалог на основе генеративных моделей. Может задавать уточняющие вопросы, адаптировать тон под кандидата, обрабатывать нестандартные ситуации.

Иногда такие решения называют HR-ботами, чат-ботами для подбора, бот-рекрутерами, рекрутинг-ботами или просто ботом для подбора персонала — это всё об одной категории инструментов с разной степенью «умности» под капотом. На рынке есть и совсем простые рекрутинг-боты, работающие по жёстким сценариям, и продвинутые AI-рекрутеры, которые ведут диалог почти неотличимо от человека. Разница в качестве пользовательского опыта — кратная.

Почему это важно для эффективности воронки

Двойной эффект. Рекрутер не отвлекается на 50 однотипных переписок в день. Кандидат получает быстрый ответ — что напрямую влияет на конверсию воронки и опыт кандидата. По данным индустриальных исследований, кандидат, не получивший ответа в течение 24 часов, с вероятностью более 40% уходит к другому работодателю.

Особенно остро это для дефицитных профессий (разработчики, аналитики данных, продакт-менеджеры), где у активного кандидата на руках в среднем 2–3 параллельных предложения, и побеждает не самый лучший работодатель, а самый быстрый.

Что отличает хороший AI-рекрутер от слабого бота

Качество диалога — критичный параметр. Современные генеративные модели позволяют боту вести диалог естественно, без ощущения скрипта. Дешёвые решения на «правилах» спотыкаются на нестандартных формулировках и портят впечатление о работодателе.

Хороший найм-бот должен:

1. Понимать русский язык со всеми его тонкостями — сленг, опечатки, неформальный тон. Это особенно важно для российского рынка, где зарубежные модели часто проваливаются.
2. Помнить контекст всего диалога, а не реагировать на отдельные сообщения изолированно.
3. Передавать диалог рекрутеру в нужный момент — например, когда кандидат задаёт сложный вопрос или проявляет высокий интерес.
4. Прозрачно обозначать кандидату, что общается с ИИ — это требование уважения к опыту кандидата и часто будущих регуляций.

Каналы коммуникации

Сегодня найм-боты работают через несколько каналов: Telegram (самый распространённый в России), WhatsApp, корпоративные чаты, виджет на сайте, СМС. Чем больше каналов поддерживает платформа, тем шире охват разных групп кандидатов.

ИИ-агент для собеседований: автоматизация пресклининга

ИИ-агент для собеседований — это система, которая проводит автоматическое первичное интервью с кандидатом. Кандидат отвечает голосом или текстом на 5–10 вопросов, а ИИ формирует структурированный отчёт с оценкой компетенций. Цель — не заменить живое интервью, а убрать с рекрутера рутину пресклининга.

Что такое собеседование с ИИ

Один из самых перспективных и одновременно самых тонких сценариев — автоматическое первичное интервью, которое проводит ИИ-агент. Кандидат отвечает голосом или текстом на 5–10 вопросов, а система формирует структурированный отчёт: насколько ответы релевантны, какие компетенции продемонстрированы, какие красные флаги стоит проверить рекрутеру.

Иногда такой формат называют собеседование-бот или AI для собеседований — суть та же: убрать с рекрутера рутину пресклининга через стандартизированные вопросы, на которые ответ может оценить алгоритм.

Как меняется воронка с ИИ-собеседованиями

Стандартная воронка без автоматизации:

• 200 откликов
• → 50 короткий список
• → 20 первичных интервью с рекрутером по 30 минут каждое (10 часов работы)
• → 8 интервью с нанимающим менеджером
• → 2 финалиста.

Воронка с ИИ-собеседованиями на этапе пресклининга:

• 200 откликов
• → 50 короткий список
• → 50 ИИ-собеседований (параллельно, без затрат времени рекрутера)
• → 12 интервью с рекрутером
• → 6 интервью с менеджером
• → 2 финалиста.

Что важно: воронка получает больше данных для решения и не тратит дорогое время рекрутера на отсев. При этом качество финального шорт-листа обычно выше, потому что отбор на ранних этапах основан не на «впечатлении за 30 минут», а на структурированном сравнении 50 кандидатов.

Чего ИИ-собеседование не делает

Это не замена живому интервью с нанимающим менеджером. Это инструмент пресклининга, который убирает из офлайн-встреч кандидатов, не подходящих по базовым критериям. Оценка cultural fit, обсуждение компенсации, переговоры — остаются за человеком.

Что важно при внедрении

1. Прозрачность. Чётко сообщать кандидату, что часть интервью проводит ИИ.
2. Альтернатива. Давать возможность отказаться и перейти на интервью с человеком — это требование уважения к кандидату.
3. Аудит. Сохранять записи и расшифровки для возможности проверки решений.
4. Финальное решение остаётся за человеком. ИИ даёт оценку и обоснование, но решение «звать на следующий этап» принимает рекрутер или менеджер.

Шорт-лист и приоритизация: смена роли рекрутера

После сбора первичных данных (резюме + ответы в боте + результаты ИИ-интервью) система формирует ранжированный шорт-лист. Топ-3–5 кандидатов с обоснованием, почему именно они выделены, какие у них сильные стороны, какие риски стоит проверить.

Принципиально меняется роль рекрутера: вместо отбора из массы откликов он принимает решения по уже подготовленным досье. Это сдвиг от «оператора процесса» к «эксперту, принимающему решения», за которым следует и пересмотр ключевых показателей рекрутера — в сторону качества найма и качества короткого списка, а не объёма обработанных резюме.

Что должно быть в досье каждого кандидата:

• сводка по резюме с ключевыми достижениями;
• ответы кандидата в чат-боте;
• результаты ИИ-интервью с расшифровкой компетенций;
• предполагаемая релевантность роли с обоснованием;
• риски и красные флаги, которые стоит проверить.

Это сильно сокращает время подготовки рекрутера к интервью с менеджером — раньше час на одно досье, теперь 10 минут.

Аналитика воронки: что меняется в управлении подбором

ИИ-платформы дают глубокую аналитику процесса: где «течёт» воронка, на каком этапе кандидаты отваливаются, какие вакансии проседают по срокам, какие источники приводят релевантных людей.

Метрики, которые должны считаться автоматически

• Срок закрытия вакансии (от англ. time to hire) — от публикации до выхода нового сотрудника.
• Стоимость одного найма (cost per hire) — с учётом всех каналов и часов рекрутера.
• Качество найма (quality of hire) — обычно через срок выхода на продуктивность и текучку на испытательном сроке.
• Конверсия по этапам воронки — какая доля кандидатов проходит из этапа в этап.
• Эффективность источников — какие источники дают релевантных кандидатов, а какие — шумовой объём.

Зачем это HR-директору

Без аналитики любые улучшения процесса — это разговоры на «вроде бы стало быстрее». С аналитикой — конкретная цифра: «срок закрытия вакансий по разработчикам сократился с 38 до 24 дней за квартал». Это совсем другой разговор с генеральным директором про бюджет HR-функции.

Где обычно затык

Чтобы аналитика работала, нужны чистые исторические данные. На реальном проекте часто оказывается, что у компании 3 разные системы (учётная система, Excel, чаты в Telegram), в которых одни и те же кандидаты называются по-разному. Перед запуском аналитики стоит провести аудит данных и привести их в единый формат.

Адаптация и онбординг: как ИИ снижает текучку на испытательном сроке

Часто за рамками понятия «найм», но критически важный сценарий: ИИ помогает новому сотруднику в первые недели — отвечает на вопросы об оформлении, льготах, регламентах, проводит обучающие мини-курсы, собирает обратную связь по адаптации.

Зачем включать онбординг в автоматизацию найма

По данным McKinsey HR Monitor 2025, в Европе 18% новых сотрудников уходят на испытательном сроке. Это значит, что каждый шестой найм фактически нужно делать дважды. Хороший автоматизированный онбординг сокращает эту цифру за счёт двух механизмов:

1. Новый сотрудник быстрее получает ответы на вопросы и не «теряется» в первые недели.
2. HR раньше получает сигнал о проблемах в адаптации и может вмешаться, пока сотрудник не принял решение уйти.

Что должна уметь хорошая система

1. Иметь базу знаний компании, доступную через диалог, а не по поиску в корпоративном вики.
2. Проактивно подкидывать новому сотруднику нужные ресурсы — в зависимости от роли и недели работы.
3. Собирать структурированную обратную связь и эскалировать тревожные сигналы HR-партнёру.

Что такое агентный рекрутинг и когда он станет реальностью

Агентный рекрутинг — это автоматизация подбора с помощью ИИ-агентов: систем, которые сами выполняют цепочку действий без участия человека. В отличие от ИИ-ассистентов, которые помогают рекрутеру, агенты сами находят кандидатов, ведут переписку, делают пресклининг и передают рекрутеру готовые рекомендации. По прогнозу Gartner, до зрелого массового применения агентного рекрутинга — 2–3 года.

Сегодня большинство ИИ-инструментов в подборе работают как ассистенты: они помогают рекрутеру (ускоряют, подсказывают, ранжируют), но активные действия совершает человек. Следующая стадия — агентный рекрутинг: системы, которые сами выполняют цепочку действий без участия человека.

Что мог бы делать ИИ-агент в подборе:

• Находить пассивных кандидатов и сам инициировать первый контакт.
• Вести многоходовую переписку, согласовывать слоты, отправлять уточняющие письма.
• Делать пресклининг и принимать решение «передавать ли рекрутеру» — без участия человека до этого момента.
• Координировать сложные многоэтапные интервью с несколькими людьми со стороны компании.

Что говорят аналитики Gartner: агентный ИИ сейчас находится на пике завышенных ожиданий — то есть до зрелого массового применения ещё 2–3 года. Сегодня запускать всю воронку на ИИ-агента — рискованно: технология незрелая, ошибки в коммуникации с кандидатом дорого стоят бренду работодателя.

Но если у вас уже работает связка «скоринг + найм-бот + ИИ-собеседования + аналитика», переход на агентную архитектуру в 2027–2028 годах будет органичным дополнением, а не очередной революцией. Это второй важный аргумент за то, чтобы внедрять автоматизацию рекрутинга последовательно — не пытаться сразу прыгнуть в агентный рекрутинг, а строить инфраструктуру шаг за шагом.

Реалистичный план внедрения: от первого пилота до полной автоматизации

Самая частая ошибка во внедрении — пытаться сделать всё сразу. Зрелое использование ИИ для рекрутера строится последовательно. Вот проверенная траектория, которую мы видим у успешных клиентов.

Шаг 1: Скоринг (1–2 месяца)

Автоматический скоринг резюме на одной-двух массовых ролях. Быстрый эффект, минимум интеграций, проверка качества модели на реальных данных. Цель — показать команде и руководству, что ИИ работает, и собрать первые цифры экономии времени.

Шаг 2: Найм-бот (2–3 месяца)

Подключение AI-рекрутера для коммуникации с кандидатами. Ускоряет воронку, разгружает рекрутера от рутины. К этому моменту команда уже понимает, как работает ИИ-скоринг, и легче принимает следующий слой автоматизации.

Шаг 3: Аналитика воронки (3–4 месяца)

К этому моменту накапливаются данные, на которых видно реальный эффект от Шагов 1 и 2. Аналитика помогает определить следующие узкие места процесса.

Шаг 4: ИИ-сорсинг или ИИ-собеседования (4–6 месяцев)

В зависимости от того, что больше болит: проактивный поиск или скорость пресклининга. Эти сценарии сложнее во внедрении, но к этому моменту команда уже готова с ними работать.

Шаг 5: Онбординг (6–9 месяцев)

Расширение автоматизации за пределы найма — на адаптацию. Это закрывает «дальний» край воронки и помогает удерживать новых сотрудников.

Что получаете в итоге

В сумме за 9 месяцев компания проходит путь от «всё руками» до «автоматизация закрывает 60–70% рутины подбора». Это реалистичная и проверенная траектория. На неё уходит примерно 1–2 человеко-месяца со стороны клиента (HR-директор + рекрутер-пилот + ИТ-специалист).

Частые вопросы об ИИ в подборе персонала

Сколько резюме в день может обработать ИИ-скоринг?

Современные платформы автоматизации подбора с ИИ-скорингом обрабатывают тысячи резюме в час. Технических ограничений практически нет — узкое место обычно в способности рекрутера дальше работать с шорт-листом. Для контекста: средний рекрутер вручную качественно просматривает 30–50 резюме в день, ИИ-скоринг — десятки тысяч.

Заменит ли ИИ рекрутеров?

Нет. ИИ автоматизирует рутину: скрининг резюме, переписку, согласование слотов, формирование шорт-листа. Стратегические задачи — оценка cultural fit, переговоры о компенсации, работа с нанимающим менеджером, выстраивание HR-бренда — остаются за человеком. Данные BCG показывают, что компании, грамотно внедряющие ИИ в HR, не сокращают рекрутеров, а перераспределяют их время на более сложные задачи.

Какой сценарий ИИ в подборе даёт самый быстрый результат?

Автоматический скоринг резюме. Это самый простой сценарий во внедрении (2–4 недели для типового SaaS-решения), и эффект виден сразу — до 60% экономии времени на отборе. Поэтому большинство компаний начинают именно с него и расширяют автоматизацию дальше.

Чем ИИ-скоринг отличается от обычной фильтрации в системе учёта кандидатов?

Фильтр в обычной HR-системе работает по точным ключевым словам и формальным критериям. ИИ-скоринг анализирует семантику: понимает синонимы, контекст, неявные сигналы (карьерная траектория, тип компаний, доменные знания). На практике это значит, что нейросеть находит релевантных кандидатов, которых обычный фильтр пропустил бы из-за нестандартных формулировок в резюме.

Можно ли использовать ИИ для собеседований без потери качества кандидатов?

Да, если использовать ИИ-собеседования как инструмент пресклининга, а не финальной оценки. Стандартизированные вопросы и структурированный анализ ответов позволяют отсеять заведомо нерелевантных кандидатов. Финальные интервью с рекрутером и нанимающим менеджером остаются обязательными.

Безопасно ли передавать резюме кандидатов ИИ-сервису?

Если сервис соответствует 152-ФЗ, хранит данные на серверах в России и предоставляет договор поручения на обработку персональных данных — да. Уточните также, как именно обучается модель: на ваших данных в изолированной среде или на общем датасете.

Сколько времени занимает полное внедрение всех сценариев ИИ в подборе?

Реалистичный план — 9 месяцев от первого пилота до автоматизации 60–70% рутины подбора. Поэтапно: скоринг (1–2 месяца) → найм-бот (2–3 месяца) → аналитика (3–4 месяца) → ИИ-сорсинг или ИИ-собеседования (4–6 месяцев) → онбординг (6–9 месяцев).

Как измерять эффективность автоматизации подбора?

Базовые четыре метрики: срок закрытия вакансии (time to hire), стоимость одного найма (cost per hire), качество найма (через срок выхода на продуктивность и текучку на испытательном сроке), конверсия по этапам воронки. Хорошая ИИ-платформа считает их автоматически и показывает динамику «до/после внедрения».

Связанные материалы

• ИИ в HR: данные исследований McKinsey, BCG, Gartner и Deloitte — обзор данных пяти главных исследовательских источников и общая картина рынка.
• Как выбрать платформу автоматизации подбора персонала: критерии и чек-лист — гид для лиц, принимающих решение, с восемью критериями выбора.

Если хотите обсудить, какой сценарий автоматизации лучше подойдёт под ваш процесс — запишитесь на демо NanoHire. Покажем, как мы решаем задачу скоринга, сорсинга и пресклининга на реальных вакансиях, и поможем определить, с какого сценария начать в вашей компании.

Об авторе

Даниил Мущицкий — руководитель проектов внедрения в NanoHire. Отвечает за интеграцию ИИ-платформы автоматизации подбора в корпоративные HR-процессы российских компаний. Внедрял решения в ритейле, IT, производстве и финансовом секторе.

Источники

1. McKinsey & Company. HR Monitor 2025. People & Organizational Performance Practice, июнь 2025.
2. Boston Consulting Group. AI at Work 2025: Momentum Builds, But Gaps Remain. 2025.
3. Gartner. Hype Cycle for AI in Human Resources, 2025. Октябрь 2025.
4. Deloitte. 2025 Global Human Capital Trends: Turning tensions into triumphs. Март 2025.

Статья опубликована 30 апреля 2026 года. При перепечатке материала обязательна ссылка на NanoHire.