Первичный скрининг сотен резюме — знакомая многим компаниям «боль»: он отнимает до 80% времени рекрутёров. Наш эксперимент по внедрению LLM в процесс найма показал, что даже простая модель может стать мощным союзником, если возьмёт на себя самую монотонную часть работы.
Меня зовут Андрей, я руковожу департаментом внутренних систем в ЮMoney. Одна из задач моей команды — автоматизация бизнес-процессов. В этом материале я расскажу, как с помощью простой открытой LLM-модели автоматизировать первичный скрининг резюме. Если в вашей компании практикуется массовый найм, и HR-специалисты до сих пор вручную просматривают горы резюме, этот материал — для вас.
Проблемы в процессе найма
В любом процессе всегда есть что улучшить, и подбор сотрудников не исключение. Мы столкнулись с несколькими типичными проблемами:
Ограниченные ресурсы ручного скрининга — мы получаем большой отклик на вакансии, HR физически не успевают провести качественный и объективный анализ каждого резюме.
Высокие трудозатраты на качественный скрининг резюме — до 80% рабочего времени HR-бизнес-партнёры (HRBP) тратили на первичный анализ резюме.
Наша задача заключалась в том, чтобы помочь HR-департаменту повысить конверсию воронки подбора персонала.
Как всё работало раньше
В ЮMoney уже существует внутренняя CRM-R — система подбора сотрудников, разработанная для HR. Через API она автоматически собирает отклики c работных сайтов, с корпоративного сайта «Работа в ЮMoney» и резюме, которые HR находят самостоятельно.
Что мы сделали
Мы решили доработать систему подбора и прикрутить к ней внутреннюю LLM BI Data Science, в основе которой лежит Gemma-3 — открытая языковая модель от Google. Все поступающие в CRM-R резюме теперь автоматически проходят скрининг: система анализирует соответствие хард- и софт-скиллов кандидата требованиям вакансии, ранжирует отклики по релевантности и предоставляет HRBP список. Персональные данные при этом мы никуда не передаём, они остаются внутри CRM. Процесс автоматизации особенно эффективен в условиях массового найма.
Изначально Gemma-3 выбрали за то, что она:
Глубоко понимает контекст и смысл текста.
Способна выполнять несколько задач одновременно (анализ, сравнение, генерацию).
Умеет работать со структурированными и неструктурированными текстами.
Показывает высокую скорость обработки данных.
Благодаря внедрению ИИ процесс первичного отбора стал быстрым и объективным. В результате HRBP моментально видят самых подходящих кандидатов и могут сразу с ними связаться — это сокращает время до первого интервью и позволяет «закрывать» вакансии лучшими специалистами в условиях высокой конкуренции. Весь освободившийся ресурс HRBP теперь направлен на содержательное общение с кандидатами и организацию собеседований.
Ключевой момент: правильный промпт
Наверно, никого не удивлю, если напишу, что на эффективность решения задачи влияет качество промпта — от него зависит до 80% успеха.
Структура нашего промпта получилась такой:
1. Роль — HRBP с определенным опытом.
2. Инструкции — что ИИ должен сделать в рамках запроса:
Сравнить требования вакансии с опытом и навыками в резюме.
Выделить ключевые качества вакансии (например, опыт разработки на Python — для разработчика).
Проанализировать сильные и слабые стороны кандидата.
Оценить по 10-балльной шкале соответствие требованиям вакансии.
3. Формат результата — структурированные данные для рекрутёра.
4. Описание вакансии и резюме. Передаются отдельно в запросе.
Пример промпта:
### Роль
Ты — HR-специалист с 10-летним опытом подбора IT-персонала. Проведи анализ резюме на соответствие вакансии и дай структурированную оценку.
### Инструкции
1. Сравни требования вакансии (ниже) с опытом/навыками в резюме.
2. Выдели 3 ключевых критерия вакансии.
3. Анализируй сильные стороны и слабые стороны: …
4. Оцени по шкале 1-10:
- 10: Идеальное соответствие
- 9: Наш человек
…
- 1: Не подходит, и вот почему (кратко)
5. Формат вывода:
- Блок ""Соответствие требованиям"" (таблица/список)
- Разделы ""Сильные стороны"" и ""Слабые стороны"" с пояснениями
- Итог: ""итоговая оценка X"" (X - число от 1 до 10)
### Контекст
Вакансия: {vacancy} Резюме кандидата: {resume}Этапы разработки
Поскольку Gemma 3 уже была развернута нашими коллегами, главная задача заключалась в написании промпта, интеграции и настройке взаимодействия с CRM. Основными этапами разработки были:
Проектирование структуры промпта: как чётко объяснить машине задачу.
Создание максимально упрощённой версии промпта.
Тестирование промпта на боевой LLM — двигались небольшими итерациями, постепенно усложняя запрос.
Доработка и оптимизация промпта: для этого мы использовали ранее обработанные и оценённые рекрутёрами резюме.
Разработка структуры для хранения результатов и интеграционных запросов между CRM-R с LLM.
Вывод в эксплуатацию пилотной версии сервиса.
Вывод в эксплуатацию полнофункциональной версии сервиса после обратной связи от заказчиков и доработки.
Большинство этапов были стандартными для разработки, кроме проектирования структуры промпта. Здесь нам помогли статьи из различных источников, опыт HRBP и команды инженеров из группы машинного обучения.
Результаты внедрения
Мы внедрили этот процесс несколько месяцев назад и уже видим эффект:
На первичный скрининг стало уходить на 60-70% меньше времени.
Срок закрытия вакансий сократился в 2 раза, особенно по массовому найму.
У HRBP появилось больше времени на коммуникацию с сотрудниками (онбординг, обучение, адаптация).
Выводы
Внедрение даже простых LLM-моделей для поддержки рекрутинга — это не про замену людей, а про их усиление. ИИ не заменит HR-бизнес-партнёра, но сделает его работу более точечной и продуктивной: возьмёт на себя рутину, обеспечит высокую скорость обработки откликов и доставки лучших кандидатов в компанию.
Ключ к успеху — в корректной настройке (искусство написания промптов) и интеграции в существующие процессы. В результате команда получает не только рост скорости и объективности на этапе скрининга, но и высвобожденный ресурс для качественной коммуникации, адаптации и других стратегических HR-задач. Для кандидатов же это гарантия, что их резюме будет рассмотрено быстро и внимательно.
Буду рад ответить на вопросы в комментариях. А также узнать, как у вас в компании обстоят дела с автоматизацией подбора персонала. Поделитесь своим мнением и видением.
Комментарии (47)
DmitryKolosov
20.01.2026 07:56... и сократили ручной труд
HRспециалистки отдела кадров на 70%.А что из её "труда" осталось? Забукать переговорную для проведения интервью?
Лягушка, лягушка, а вода холодная? (с) анек
nekiyl
20.01.2026 07:56Тут нужно понимать, что эти 70% — это тысячи нерелевантных откликов, которые часто могут быть автоматическими, до недавнего времени у hh.ru было API для соискателей и кандидаты могли проводить массовые рассылки. Так, что эта автоматизация скорее путь как раз к «человечности» так как у HR остается больше времени на общение с подходящими кандидатами или хотя бы с теми, кто хоть чуть-чуть постарался, составляя резюме или сопроводительное письмо.
odessei Автор
20.01.2026 07:56Автоматизированный первичный анализ резюме помогает высвободить время для коммуникаций с кандидатами, чтобы проводить больше интервью и встречаться с большим количеством кандидатов.
kbaa
20.01.2026 07:56Я не знаю точно, что входит в обязанности HR в IT, но знаю опыт знакомой, которая работала HR на производстве. И вот там работа с резюме кандидатов - это только одна из обязанностей. Я понимаю с эмоциональной точки зрения хейт, когда прямо пишут - "мы используем ллм для обработки резюме", и сам от этого немножко страдаю, т.к. нахожусь в вялотекущем поиске новой работы, но камон, уж не айтишникам ли не понимать, что то, что можно автоматизировать - нужно автоматизировать? Да, многие это автоматизируют криво. Но вариантов развития событий 2 - или компании с кривой автоматизацией будут страдать от сроков или качества найма и будут проигрывать конкуренцию, или же кривизна автоматизации не особо критична, ведь как уже не раз замечали в похожих обсуждениях, цель, в основном, не найти лучшего кандидата, а в разумные сроки найти подходящего. Сейчас просто дофига соискателей, это надо учитывать. Какая разница, если чье-то резюме отсеет ллмка или просто HR посчитает подходящим какое-то резюме из первых 10-20 при 100-200 откликах? Иногда возникает ощущение, что кому-то просто хочется, чтоб HR задолбались xD Повторюсь, я не очень в курсе нюансов их работы в IT компаниях, но здравый смысл мне подсказывает, что как минимум сейчас, в эпоху скукоживания финансирования, наверное им тоже есть чем еще заняться, кроме как бессмысленно изучать сотни резюме. Поправьте, если ошибаюсь
stas_dubich
20.01.2026 07:56Если простыми словами, то суть теперь такая
Система отсеивает всех, кто не подогнал свое резюме под текст вакансии
Это какой то новый стандарт найма ? Отобрать тех кто смог подобрать правильный промпт и сгенерить максимально релевантное резюме ?
DmitryKolosov
20.01.2026 07:56И это уже вчерашний день и перестало работать. Найм в клинче. В том числе и благодаря бездумным "автоматизаторам".
odessei Автор
20.01.2026 07:56Система работает не на отсеивание, а на ранжирование. В зависимости от востребованности вакансии на рынке мы можем пригласить на собеседование как тех, кто получил высокий рейтинг, так и тех, кому баллов не хватило.
attachet
20.01.2026 07:56Вы подменяете понятия. Ранжирование имело бы место, если бы вы хотя бы просматривали человеком резюме 100% кандидатов, тогда да, система дает им ранг, то есть, еще одну метрику для HR-а. Но на практике никто 100%:не просматривает, а просто отсекают нижнюю часть, так как нижние ранги не просматриваются вообще, и о них забывают сразу после скрининга.
Вообще, лицемерие людей, которые утверждают, что "могут пригласить", но на практике никогда не приглашают, прям зашкаливающее. Сколько людей из нижних рангов вы пригласили на собеседование за последний месяц, в процентах и абсолютных цифрах? Правда, ждать честности от людей, которые искренне несут в мир идею ATS, не стоит.
Вы вообще, на какую реакцию читателей рассчитывали? Большинство тут - наемные работники, и почти все сталкивались с тем, как боты отсекают резюме по непонятным причинам даже если оно 100% с вакансией совпадает. Это какая-то дешевая пропаганда, причем очень дешевая - мне бот рассказывает, как много правительство делает для поддержки семей с детьми, а я двоих вырастил, и помню великолепно, что пособие на ребенка в 2008 составляло 560 рублей, и я его даже не оформлял на дочку, считая изощренным оскорблением.
panzerfaust
20.01.2026 07:56Сравнить требования вакансии с опытом и навыками в резюме.
Выделить ключевые качества вакансии (например, опыт разработки на Python — для разработчика).
Проанализировать сильные и слабые стороны кандидата.
Оценить по 10-балльной шкале соответствие требованиям вакансии.
Как же хорошо, что вы самолеты и ракеты не делаете. Инженерное мышление как у хлебушка. Буквально НОЛЬ рефлексии о том, что на той стороне теперь тоже точно такая же LLM, которая выдает 146% матч вакансии. Вы скорее отбреете честного работягу и возьмете ухаря, который просто нейронку лучше заюзал.
corporate-sellout
20.01.2026 07:56Так сейчас же каждый второй эффективный менеджер заявляет, что ключевым требованием к кандидату является навык использования LLM. Всё правильно делают, получается. Использование межушного ганглия теперь не в почёте.
ViseMoD
20.01.2026 07:56Ну тут рецепт простой: не надо брать первую десятку из отранжированного списка, а чуть ниже. Это если втупую поступать. А по-хорошему нужно обучить модель оценивать также правдоподобность резюме, используя все тех же рекрутеров.
gudvinr
20.01.2026 07:56Была ли какая-то стадия верификации результатов LLM?
Например, разница по качеству отбора на одном и том же пуле у LLM и у человека.
Или сравнение с удалением кандидатов просто по рандому до целевых значений.
Если на скрининг стало уходить больше времени, но качественные кандидаты отсеивались сильнее, то смысла от ускорения примерно никакого.
Аналогично, если "плохих" кандидатов проходит больше через фильтр.
Если от рандома результат не отличается, то смысла в LLM тоже нет.
DmitryKolosov
20.01.2026 07:56Вы им про метод, а они вам про приматическое (реактивное) поведение:
Имидж - ничто, жыжа - всё.
Нет у них под восприятие этой составляющей действительности необходимого уровня когнитивной структурированности. Нет! Пропущено время формирования. Не сформирован!
odessei Автор
20.01.2026 07:56Да конечно верификация была! У нас разработана CRM-Recruiter в которой хранятся резюме и результаты их обработки за последние несколько лет, перед запуском AI-помошника рекрутера (сервис называется так) мы делали отладку и тестирование на данных за последние полгода, нам конечно пришлось править промты, но результат тестов был близким к одобренным в ручную анкетам. Более того уже после выкладки в реал, в течении двух месяцев шла параллельная работа и HR и сервиса. Результаты были очень близки к "ручной" обработке рекрутерами.
Но нужно понимать, что мы не исключили работу HR совсем, мы отсеиваем, явно не подходящих кандидатов и спам (которого к сожалению приходит достаточно много).
BURAKKu
20.01.2026 07:56Текст вакансии написан нейронкой
Резюме проверяет нейронка
Резюме генерирует нейронка
А самое забавное, что это все на одном и том же сайте на 2 буквы. Господа, это успех!
Dywar
20.01.2026 07:56Да, получается что так. И ответ у всех сторон один и тот же - не хватает времени.
На многих инфо ресурсах картики сгенерены ИИ - люди смотрят в разные стороны, текст на экране не в попад, и прочие ляпы, которые уже становятся привычными. Эра низкокачественного контента в большом объеме.
Похоже нам надо наиграться с "новой" технологией, и потом что не зашло отпадет само сабой, а там где по делу она останется.
M_AJ
20.01.2026 07:56потом что не зашло отпадет само сабой, а там где по делу она останется
Это не всегда так работает. Самый наглядный пример — полиграф. Откровенное мракобесие, которое фактически не работает, стоит дорого и при этом активно используется.
killyself
20.01.2026 07:56Это выдавить можно только на уровне культурного пласта, максимально вытравливать низкокачественный контент, но этого вероятно уже не случится никогда, и дерьмовый ллм контент с нами до следующего витка развития
DeeZ
20.01.2026 07:56Человек только ЗП получает. Не об этом ли мечтали? "вкалывают роботы а не человек"
Stanislav_Z
20.01.2026 07:56Ахах. Я когда увидел заголовок и ещё не открыл статью, знал что будет заминусовано. Но минус 4 за 16 часов, это как то не серьёзно
TTT17
20.01.2026 07:56При прочтении множества однотипных статей и о проблемах найма, и об оправданиях HR почему они такие бедные и несчастные, промелькнула мысль, что я уже где-то с этим сталкивался - огромный пул выбора, возможность выбора, неуверенность в выборе. И я вспомнил о существовании тиндера(и его аналогах) и о том, как первый раз искал работу. В каждой из ситуаций был огромный пул выбора, и я нервозно всякий раз думал про себя "вроде и норм, но хочется чего-то более подходящего", и каждый раз листал(и в прямом и в переносном смыслах) дальше.
Складывается ощущение, что тут играет тот же самый феномен, но уже со стороны найма "вот этот норм, но давайте еще поищем, и мы точно найдем тооооооот самый самородок".
Вот объясните, зачем просматривать АБСОЛЮТНО все или большую часть резюме? Почему нельзя из пула выбрать рандомно людей с подходящими навыками и опытом, и работать с ними? Не нашелся никто подходящий из пачки 20-ти человек - формируем следующую пачку. Зачем создавать условия, когда один нейрослоп пытается казаться подходящим под другой нейрослоп(если можно так назвать работу АТС) и пытаться обхватить все-все-все-все?
adn_dev
20.01.2026 07:56Они (hr) создали стену из ллм, потом "внезапно" почти все стали карьерными консультантами продающие курсы по составлению резюме которое использует дыры в этой стене) Совпадение?) Итог 100% реджект откликов и апрув только тех кого пропихнули через курсы
kneaded
20.01.2026 07:56Статья понятно почему заминусована - не хочется чтобы мы пришли к эре LLM общается с LLM
Я бы обратил внимание на качество промпта и то как с результатом работать.
Замечания к промпт:
Нужны аргументы как за найм, так и против
Не обязательно должны присутствовать оба эти аргумента (и за и против) но один из них точно должен быть
Блоки за и против разбивай на хард скиллы и софт скиллы. Не обязательно должны быть оба этих разбиения, но один из них точно
Не стесняйся сомневаться. Например, если человек указал просто язык программирования Python, а в вакансии указана конкретная библиотека языка программирования python - пожалуйста скажи, что несмотря на совпадение по языку программирования, есть сомнения в знании библиотеки
Рассказывай подробно на основании чего ты поставил ту или иную оценку в самом конце, чтобы можно было тебя скорректировать по методам оценки
Помни, что ты помогаешь другому человеку разобрать то, что ты напишешь - поэтому старайся максимально просто, ёмко, понятно, кратко и лаконично описывать вообще всё
Если ты решил что-то пропустить - скажи об этом. Потому что бывает, что навыки, указанные в резюме, могут дать представление о том насколько человек сможет обучаться, адаптироваться и прочие характеристики. Пожалуйста не забывай рассказывать о том, что пропустил если такое имеется
...
Короче ладно, я уже устал расписывать замечания.
Я это всё к чему. Мы часто подвержены когнитивному искажению "То что знаем мы, знают и учитывают по умолчанию и все другие, в том числе и LLM" но нет. Нужно передавать досконально своё видение процесса найма и процесса отбора кандидатов.
Иначе складывается ощущение, что все кричат о том, что надо уметь работать с LLM но выдают такие статьи, что просто рука лицо.
Ну вот реально, оценка 9 "наш человек" по какому критерию выставляется? Вы хоть можете сами себе ответить и тут, в комментариям?
А то как нарветесь на токсика который пишет через мат каждое ключевое слово, LLM кушает это и выдаёт 9 баллов. Оно вам такое надо?
Keeper22
20.01.2026 07:56Как мы автоматизировали процесс найма с помощью LLM и сократили ручной труд HR на 70%
Результаты этого всем очевидны.
Notactic
20.01.2026 07:56Жду ответочку, "Как мы автоматизировали процесс прохождения собеседования с помощью LLM и сократили мозговой труд кандидата на 70%" :D
lorenai
20.01.2026 07:56Статья шляпа и подбор тоже. Берешь текст вакансии и скармливаешь его ллм вместе со своим резюме и просишь подогнать. Все эти ии улучшения превращаются в игру - угадай какой критерий отбора у этих граждан. Многократно участвовал в найме и часто эти свеженаписанные фильтры отбора сливали реально годных кандидатов и оставляли всякий мусор
PProduct
20.01.2026 07:56Спасибо за статью
Давайте разбираться. Мне показалось что ЫЫшница в принципе ломает логику - раньше важно был опыт, образование, софт скилы - теперь вхождение в массив слов….
Я правильно понял что теперь надо писать в резюме массив слов чтобы модель приняла резюме?
Я правильно понял что стандартное резюме выглядит так в вашем понимание - Вася 22 года, Москва, Майкрософт, опыт работы 125 лет - тест резюме - NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow, Keras, PyTorch, OpenCV, NLTK, SpaCy, FastAPI, Flask, Django, SQLAlchemy, Celery, Redis, Docker, pytest, requests, BeautifulSoup, Selenium, asyncio, Jupyter, Streamlit, Dash, Airflow, Hugging Face Transformers, LangChain
Я правильно понял для повышения прохождения надо писать текст из вакансии типа - хочу 5/2 график, хочу ДМС, дружный коллектив?
Я правильно понял что в найме по вашему участвует только HR? По тому что я нанял за свою карьеру почти 100 человек и получив резюме как выше, я попрошу HR проследовать в пешие эротическое путешествие с таким резюме.
Я правильно понял что массив данных важнее образования и софт скилов и прочих навыков? То есть у меня на работе окажется супер не коммуникабельный, социопат разработчик владелец нескольких аккаунтов в ЫЫшнице???
Я правильно понял что HR отказывая кандидату создает вероятность в обучаемой модели отказу остальным похожим кандидатам причем в других компаниях?
А как простите год назад нанимали и все было ок, что сломалось???
То есть с идеальной картине мира - Вакансию и Резюме пишет ИИшница, отбирает ИИшница, Тестовое делает ИИшница - а кто и как будет работать????
Я правильно понимаю, что вы не знаете что лучше всего в ХХ иметь одно резюме (так как остальные видны и вы физически в них запутаетесь) и при отклике на несколько компаний, вы точно не попадете в массив каждой вакансии?
Напоминает японцев прекративших ИИшницу к унитазу - зачем, для чего непонятно но очень интересно.
Keeper22
20.01.2026 07:56год назад нанимали и все было ок, что сломалось?
Ключевой вопрос, на самом деле. Что же пошлó не так?
M_AJ
Мне кажется в наше время отсев людей с помощью LLM – минус к репутации компании в глазах соискателей и о таком не стоит громко говорить.
fire64
Сейчас такие HR, что хуже уже точно не будет))
Я уже давно взял за правило себе в отдел самому набирать людей.
nekiyl
Согласен, но тут не про отсев, а про "подсказку", и есть вероятность, что модель подсветит хорошего кандидата, так где человек мог бы его пропустить, просматривая тысячи откликов глаз может немного "замылиться".
DmitryKolosov
С опровержения этой благоглупости теоретиком менеджмента и управления качеством Эдвардсом ДЕМИНГОМ и началось японское экономическое чудо.
nekiyl
А есть идея какого-то благоразумного инструмента, который позволил обработать тысячи откликов "Привет, прошу взять меня на работу" без указания навыков, опыта работы и образования, либо если они совершенно не подходят базовым требованиям?
LLM становится неотъемлемой частью нашей и чем дальше, тем более активно они проникают в каждую сферу, бесполезно бороться, поэтому кажется логичным путь использовать инструмент, главное как именно его использовать. Топором можно дрова наколоть, а можно голову старушке.
DmitryKolosov
panzerfaust
Как этот "топор" используется, мы вообще-то прекрасно видим со стороны. И мы видим именно что промышленных масштабов скотобойню старушек.
modsamara
А откуда тысячи откликов? Например из неуказания вилки зп. 98% вакансий без указания зп выкладываются. Я не понимаю если честно потом нытья что нехватает времени обрабатывать отклики.
odessei Автор
ИИ в рекрутменте сейчас используют многие, в том числе крупные сайты-агрегаторы вакансий. Например, для работодателей при парсинге резюме список выстраивается таким образом, что первыми идут резюме с большим соответствием вакансии как по содержанию, так и по конкретным словам. При этом те резюме, которые кандидаты присылают нам прицельно, мы полностью отсматриваем.
Наша цель состоит в том, чтобы отсмотреть как можно больше резюме и никого не оставить без внимания. Поэтому наша система отбора направлена на помощь рекрутеру в анализе резюме и фокусировке на ключевых компетенциях для поиска.
Dmitriila
Тебе не кажется
odessei Автор
Ну если LLM (как некоторые коллеги написали ниже) может генерить анкеты, то, кажется, нормальной практика использовать LLM для того, чтобы как минимум выявить такие анкеты и подсветить их :)
А вообще статье не написано что LLM делает отсев, она делает скоринг, а это несколько разные вещи, т.е. все отклики и анкеты остаются в доступности HR. И HR волен решать, как ему эти отклики и анкеты обрабатывать. Но как показала практика низкий балл имеют отклики и анкеты, в которых нет за что "зацепиться", т.е. это или случайно попавшие (а в АПИ очень много таких попадает) или вообще спам. И такие отклики и анкеты, если в них нет ничего нужного нам, и HR-ами отклоняются, но для этого коллегам нужно портить кучу времени.
Mr_Cheater
В таком случае, как я понимаю, суды тоже не выносят приговор подсудимым - они лишь «делают скоринг». Банки тоже не отказывают клиентам - просто делают скоринг. Антивирусы не блокируют угрозы - ну, вы поняли… точнее, я понял. Я тоже не минусую посты - просто провожу скоринг (ладно, это шутка, мне не хватает кармы для этого; получается, у меня отрицательный скоринг).