AI-агенты в HR | сценарии

#HRtech_функции

💬ИИ сможет предотвратить «размывание профиля» на стыке двух руководителей и оперативно найти несоответствие для рекрутера. Когда на одну вакансию влияют несколько нанимающих менеджеров, требования начинают противоречить друг другу («гибкий дизайнер, но со строгим портфолио enterprise»). ИИ объективно фиксирует эти противоречия до начала поиска.

HR-сценарий:

▪️Найм Менеджера продукта для двух отделов (продукт и техника)
➡️ руководитель А хочет «глубокий SQL», руководитель В «сильный UX»
➡️ рекрутер вносит сводные требования
➡️ ИИ анализирует пересечение навыков на рынке
➡️ «Лишь 2% кандидатов имеют оба навыка на senior-уровне», «В вашей базе откликов за год 0 таких людей»
➡️ ИИ подсвечивает альтернативу: «Закройте SQL аналитиком в помощь, а для продакта оставьте UX и остальные задачи»
➡️ рекрутер проводит встречу-разъяснение с обоими руководителями до старта поиска▪️

#AIHR #HRtech

💬Цепочка рассуждений (Chain-of-Thought=CoT) - важная ИИ-функция, которая помогает HR-командам использовать ИИ-ассистентов для поиска информации.

Благодаря ей ИИ показывает, как именно “размышляет”. Если в ответе ошибка, HR легко находит, на каком шаге ИИ сбился и может доработать системный промпт.

HR-сценарий:

▪️Вопрос сотрудника в HR: «В нашей внутренней базе знаний написано, что обучение за счёт компании можно проходить раз в год. А в приказе от февраля сказано раз в полгода. Что действует?»
➡️ ИИ-ответ ➡️ Нашёл два источника:
Документ А в базе знаний «Политика развития персонала» (обновлена 01.01.2025) → раз в год.
Документ Б «Приказ № 38-О» от 10.02.2026 → раз в полгода.
➡️ Согласно внутренней инструкции, раздел «Приоритеты нормативных актов»: приказ имеет бóльшую юридическую силу, чем остальные материалы.
➡️ Проверяю даты: приказ свежее материала в базе знаний (2026 против 2025).
➡️ Ответ: Действует приказ, обучение за счёт компании можно проходить раз в полгода▪️

#AIHR #HRtech

💬ИИ помогает калибровать требования нанимающего руководителя быстрее. Если рекрутер хорошо ориентируется в рынке, то, возможно, он сам сразу даст обратную связь по сложному профилю для поиска. Но если нет, то встроенная в процесс подбора ИИ-функция калибровки быстро проанализирует рынок.

▫️HR-сценарий:

▪️Руководитель формирует запрос «Хочу идеального кандидата: опыт 10+ лет, редкий стек, лидер, в бюджет ниже рынка»
➡️ рекрутер фиксирует требования в системе
➡️ запускает ИИ-анализ
➡️ сравнивает с базами резюме, вакансий, зарплат
➡️ учитывает внутреннюю аналитику компании
➡️ ИИ выявляет расхождения
➡️ «Таких кандидатов 3-5% на рынке», «Комбинация требований встречается крайне редко», «Средняя зарплата выше на 30%»▪️

#AIHR #HRtech

💬ИИ позволяет искать резюме в ATS или на работных сайтах не по ключевым словам и фильтрам, а по смыслу (= semantic search).

HR-сценарий:

➡️ Рекрутер пишет запрос в желаемом опыте кандидата: «выстраивал процессы с нуля» ➡️ в нужном резюме нет этих слов, но есть: «запустил HR-функцию в стартапе» ➡️ ИИ находит такого кандидата благодаря функции семантического поиска, классический поиск бы его пропустил.

#AIHR #HRtech

💬Few-shot prompting = когда мы даем ИИ несколько примеров правильных ответов, чтобы он понял формат и стиль, и начал повторять его.

HR-сценарий:

➡️ HR даёт ИИ качественные примеры ответов на частые вопросы сотрудников (тон: одновременно дружелюбный и деловой) ➡️ ИИ отвечает на новые вопросы сотрудников с учетом этих примеров ➡️ все ответы звучат одинаково корректно ➡️ снижается нагрузка на HR ➡️ повышается удовлетворённость сотрудников оперативностью ответов.

#AIHR #HRtech

💬RAG - это когда ИИ сначала ищет факты в ваших документах (базе знаний), а потом уже отвечает, а не придумывает и не использует знания, на которых обучен.

HR-сценарий:

➡️ Руководитель пишет: «Сколько дней отпуска у наших сотрудников в Испании?» ➡️ ИИ ищет ответ только в корпоративных документах ➡️ находит файл с актуальными правилами, например: «Политика отпусков в Испании 2026» ➡️ даёт ответ строго по документу (без догадок «Наверное, как везде 28 дней»). ➡️ Если в документе ответа нет, так и скажет: «Не знаю, обратитесь в HR».

#HRtech_функции

💬Увидела отличный пример применения ИИ в payroll у Zellis (UK), с 2024 они системно внедряют ИИ для ускорения расчёта, снижения ошибок и объяснения выплат:

▪️Цифры обновляются и анализируются в режиме реального времени,
▪️система ищет необычные или подозрительные паттерны в payroll-данных и показывает их раньше, чем ошибка попадёт в выплату,
▪️ИИ-консультант помогает сотруднику понять, из чего сложилась выплата, удержания и изменения.

➡️ У них большая и интересная история: когда-то это был отдел по расчету заработной платы в другой компании, со временем трансформировался в консалтинговый бизнес а затем куплен и трансформирован в бренд Zellis, сейчас 1000+ сотрудников и 2+ млн клиентов в месяц.

Российский рынок HRTech-решений по итогам 2025 года вырос всего на 9,32%, до 94 млрд рублей, свидетельствуют оценки Smart Ranking, с которыми ознакомился Forbes. Среди причин таких умеренных темпов роста аналитики выделяют регуляторные изменения, высокую стоимость кредита и необходимость удерживать текущих клиентов, а не приобретать новых. Ключевыми вызовами для себя участники рынка назвали сокращение бюджетов у заказчиков, рост конкуренции и повышение требований к эффективности сервисов.

Бюджеты заказчиков сокращаются, а требования к эффективности сервисов, наоборот, растут вместе с конкуренцией — отечественный HRTech вынужден все больше сил тратить на рыночные вызовы. Участники рынка констатируют зрелость спроса клиентов и взвешенность выбора, что заставляет игроков проявлять максимальную гибкость.

Почему российский HRTech теряет в динамике — разбирался Forbes

📸: Фото Getty Images

#HRtech_тренд

💬Увидела, что в Galileo (это сервис Джоша Берсина, США) разработано 400 «суб-агентов» (на базе Sana) для HR ➡️ все они делают одну небольшую и конкретную задачу в рамках всей автоматизации. То есть, нужно просто выбрать и скомбинировать из них нужный процесс.

➡️ Уверена, что в HRtech скоро будет много вакансий системных аналитиков/архитекторов, которые будут только проектировать агентную HR-систему для конкретной компании. Причём не только использовать готовых но и находить/проектировать недостающих. Такая роль идеальна и для проектной работы/студий заказной разработки (и в штате для больших) и тд.

▪️Суб-агенты работают как "исполнители" внутри инструмента для разработки рабочих процессов: каждый суб-агент получает свой системный промпт, набор инструментов, изолированный контекст и конкретную задачу (например, анализ резюме), после чего возвращает результат главному процессу и "исчезает".

#HRtech_функции

💬Glints - очень популярный HR-сервис во всей ЮВА для IT и digital подбора с головным офисом в Сингапуре, выделяется мультиязычным AI-скринингом (поддерживает Bahasa Indonesia, Thai, Vietnamese), который не только мэтчит кандидатов по навыкам, но и оценивает культурное соответствие для локальных рынков.

Мне понравилась их история: три школьных друга занимались предпринимательством, увидели спрос на стажеров, в 2013 стали искать своим друзьям стажировки, вручную корректировали их резюме и собрали небольшую базу из кандидатов, постепенно превращая ее в платформу.

Затем (как в лучших традициях) бросили учебу (учились в Berkeley/Stanford/Wharton) на глазах изумленных родителей,

и сейчас платформа - лидер HRtech рынка ЮВА.

#HRtech_тренды

Вот здесь на видео в презентации новых возможностей автономного агента (AI-ассистента) от Perplexity есть кейс для рекрутинга: виден промпт “Найди мне 5 iOS инженеров которые работали над приложениями с 1M+ пользователями. Мне нужно закрыть эту вакансию к концу квартала”, агент уходит искать и возвращается с кандидатами для оценки. Понятно, что это было сделано для примера, но промпт для поиска я бы конечно расширила.

Мне как-то особенно нравится все, что делает Perplexity, поэтому создание личного ассистента для какой-нибудь задачи точно хочется протестировать здесь.

➡️ И еще, это важный тренд: помимо специализированных AI-агентов для HR на реализацию HR-задач претендуют и универсальные AI-агенты, которым можно делегировать свои задачи.

#HRtech_тренды

💬Есть много юридических блогов для разных отраслей/направлений, которые пишут не только про то, что происходит сейчас, но и про будущие законопроекты, которые уже приняты, но вступают в силу через пол года, или которые пока обсуждаются, корректируются или сдвигаются в сроках реализации на 2027 год и позже.

Например, про принятый закон о русскоязычных текстах для потребителей было уже известно осенью, а вступил в силу он с марта. При этом в HR-чатах была короткая паника, пока все не разобрались, что тексты вакансий можно не переводить (как и весь профессиональный сленг в HR tech-каналах стартапов, клиенты - b2b).

➡️ Так вот, сейчас обсуждается (пока на уровне идеи) запрет использовать только AI в обслуживании клиентов, чтобы клиент мог выбрать опцию общения с живым человеком.

Будет ли принят такой закон и с какими ограничениями, ещё не известно, но можно предположить, что это затронет и собеседования. Поэтому и компаниям, и разработчикам AI-рекрутеров, точно есть смысл следить за развитием этой идеи. Чтобы не вложить миллионы в создание полной автоматизации рекрутинга, и в итоге к ней нанять штат рекрутеров.

Зная, что такое возможно хотя бы в теории, уже можно придумывать фичи, которые помогут это реализовывать. И это может оказаться конкурентным преимуществом, если предложить клиентам не только AI-рекрутера, а целую систему, в которой до деталей продумано качественное взаимодействие рекрутера компании с AI-системой.

#HRtech_тренды

Стоит ли в позиционировании AI-рекрутера делать акцент на его этичном и непредвзятом подборе или это его свойство по умолчанию?

В Сингапуре есть популярная AI-платформа X0PA AI Recruiter для HR, объединяющая несколько AI-агентов, которую основали два партнера с очень интересной историей.

Первый партнер - Nina Alag Suri из Индии, до этого в 1997 основавшая успешное классическое Executive Search агентство, вывела его на международный уровень с миллионным оборотом, а затем со словами “Такой рекрутинг устарел” создала AI HR стартап вместе с партнером Jussi Keppo. Он - финский профессор, применил свои знания в области принятия решений под неопределенностью для создания объективных алгоритмов подбора персонала, его работа легла в основу этичного ИИ для найма.

Что интересно, их активное позиционирование именно на “объективном найме” и многочисленные материалы против неэффективности и субъективности традиционного рекрутинга нравится их компаниям-клиентам и стали они лидерами, в том числе, как мне кажется, благодаря этому. Они даже создали мощный R&D отдел, который глубоко изучает эту тему и проводит подтверждающие исследования.

▪️Считается, что у кандидатов больше доверия к прохождению AI-собеседования, если и потенциальный работодатель и HR-сервис транслирует такую позицию. Да, это не поможет получить оффер, так как в проф подборе финальное решение будет принимать руководитель, но, возможно, поможет кандидату с нестандартным резюме дойти до такого финального собеседования.

#HRtech_тренды

💬Из выступления руководителя подбора крупной компании (300+ вакансий в год):

"Сначала мы попробовали AI-сервис для небольшой задачи подбора, через месяц перешли на похожий другой, потом тестили ещё два для этой же задачи, и лучше поняв, что нам нужно, перешли на новый, но очень дорогой сервис. И даже в нём нам не хватает нужных нам фич, а доработка безумно дорогая. Сейчас планируем создать для себя такой кастомный сервис".

Ещё недавно все HR-сервисы хотели работать с энтерпрайзом, но у крупного бизнеса больше нет причин не скопировать хороший сервис для себя и сильно экономить последующие годы.

А вот тысячи компаний с HR-командой из 3-20 HR сейчас активно ищут готовые и доступные AI-решения для автоматизации. Да, это совсем другая бизнес-модель и процессы, нагрузка на техподдержку, но именно здесь огромный спрос. А иначе будет развиваться no-code.

Я недавно искала для себя нужный сервис для автоматизации (не HR, но для работы), и оказалось, что нужный стоит 500к+ в год. Для маленькой еженедельной рабочей задачи. Первая мысль была: "Так, а что там с вайб-кодингом?".

💬Изучила гайд Claude Code для продактов, очень подходит для тех, кто создает HRtech сервисы.

Есть полезные комменты про границы применения ИИ в конкретных задачах продактов, разные мелкие нюансы.

➡️ По сути, можно создать себе помощника, который будет для каждой фичи или идеи HR-сервиса проводить глубокий анализ конкурентов, изучать отзывы пользователей, рыночные тенденции. И все это тщательно структурировать вплоть до подготовки финальной презентации для CEO. При этом много внимания в гайде уделяется тому, какие решения принимает продакт в совместной работе с ИИ (то есть это будет не бездумная презентация).

Возможно, это профдеформация, но прежде чем изучить гайд, я пошла изучать профиль автора в линкедин 🙂 (опытный продакт-менеджер из США).

▫️HR-промпт для продуктового описания HR-функции как внутреннего сервиса

Компании больше не конкурируют просто зарплатами, они конкурируют пользовательским опытом. Продуктовое понимание HR - это взгляд на сотрудника как на внутреннего клиента, чью боль нужно решать, чье время нужно экономить и чей опыт нужно улучшать. Так же, как цифровые продукты борются за экранное время пользователя, HR должны бороться за вовлеченность сотрудника, убирая любое трение из его взаимодействия с компанией.

📎HR-промпт от @SoftRecruiting

Роль: Ты - HR-продуктолог с опытом построения внутренних сервисов в средних и крупных компаниях.

Задача: Разработай структурированное продуктовое описание выбранной HR-функции как внутреннего сервиса компании, представив её в логике продуктового менеджмента с определением целевых сегментов внутренних клиентов, их задач в формате Jobs-To-Be-Done, болей и ожидаемых результатов, ценностного предложения HR, каналов взаимодействия, ключевых метрик успеха и потенциальных точек масштабирования.

Ключевые детали для проработки:
1. Определи не менее 3 сегментов внутренних клиентов (например: линейные руководители, топ-менеджеры, сотрудники, кандидаты, если релевантно).
2. Для каждого сегмента сформулируй:
• ключевые Jobs-To-Be-Done (в функциональном, эмоциональном и социальном измерении),
• основные боли и ограничения,
• критерии успеха с их точки зрения.
3. Сформулируй ценностное предложение HR-функции для каждого сегмента отдельно.
4. Определи каналы доставки ценности (процессы, сервисные точки контакта, инструменты, цифровые решения).
5. Выдели 5-7 метрик успеха в логике продуктовой аналитики (leading и lagging показатели).
6. Определи точки масштабирования функции (автоматизация, стандартизация, сегментация, self-service, цифровизация).
7. Укажи возможные риски продуктового позиционирования HR и способы их минимизации.

Формат и инструкции:
1. Ответ представь в структурированном виде с подзаголовками:
- Описание HR-функции как продукта
- Сегменты клиентов
- Jobs-To-Be-Done по сегментам
- Ценностное предложение
- Каналы взаимодействия
- Метрики успеха
- Точки масштабирования
- Риски и ограничения
- Излагай аналитично, без общих фраз, с конкретными формулировками и логикой продуктового подхода.

Контекст компании: [добавить]

© SoftRecruiting™

☕Тестируйте HR-промпты из канала ➡️ оплатите доступ к Библиотеке HRD-ai.com ⬅️ там в новом разделе #HRпродакт уже 20+ HR-промптов

#AIHRtech_функции

💬В одном треде на Reddit увидела, как автор поделился своим стеком для рекрутинга, и там среди прочего есть сервис Crystal Knows (США). Он помогает персонализировать холодные сообщения кандидатам, использует общедоступные данные из LinkedIn, соцсетей и отзывов, чтобы строить профили по модели DISC и другим типологиям (Enneagram, 16 personalities).

В комменте ему написали: “Интересно, действительно ли ты регулярно используешь Crystal Knows или это один из тех инструментов, которые звучат круто, но покрываются пылью уже через месяц.”

Мне кажется, если еще недавно это действительно звучало круто, то сейчас это достаточно базовая фича: ИИ прекрасно справляется с типологией (на уровне продвинутого специалиста), если ему дать достаточно информации о человеке, это можно проверить даже на обычном ChatGPT. Технически можно реализовать через создание AI-агента.

➡️ Кстати, и снова сервис для рекрутинга появился как следствие мощного инструмента для холодных продаж в линкедин (через персонализированные письма). Сначала основатели делали его только для продаж, а затем поняли, что эта функция будет полезна рекрутерам и предложили ее потестить своим действующим b2b клиентам.

#HRtech_тренды

💬Мои заметки с января:

▪️Большие платформы устаревают, в тренде AI-агенты для Perfomance Review

▪️С чего начинается узкоспециализированный job-сайт

▪️Как меняется подход к внедрению AI-агентов в HR

▪️Y Combinator как площадка для поиска вакансий в стартапах-выпускниках

▪️Новый подход к AI-оценке опыта

▪️Всегда нужная фича: разместить вакансию через ATS сразу на всех job-ресурсах, и получать/разбирать отклики сразу в ATS

▪️Как искать кандидатов в интернета вне job-сайтов?

▪️Почему HR нужно начать мыслить как владельцам продуктов для рабочих процессов и опыта сотрудников?

▪️Вдохновляющий своей историей китайский сервис для рекрутинга

▫️HR-промпты: @SoftRecruiting
▫️HR-автоматизация глазами продакта: @HRtech

#HRtech_тренды

💬На рынке платформ для проведения Perfomance Review (и шире, employee experience и тд) происходит много интересного, большие платформы устаревают и есть активный спрос на новые решения.

▪️Мне нравится по функционалу Culture Amp - австралийско-американская HR-платформа, специализируется на employee experience и performance management с сильным акцентом на науку о поведении. Cобирает обратную связь, анализирует вовлеченность и связывает данные с бизнес-результатами. Она считается очень дорогой. Основным конкурентом (в США) считается Lattice, но он еще дороже.

▪️Думаю, что скоро будет появляться всё больше AI-агентов для PerfReview, более легких/недорогих для небольших компаний, которым не нужно собирать всю информацию у себя (как делают платформы), они будут просто подключаться к нужным источникам информации или запрашивать ее. Я делала простейший сценарий такого агента в прошлом году.

▫️Кстати, американские HRtech решения часто обсуждают на Reddit, вижу там интереснейшие диалоги пользователей и живые отзывы, нашла много ответов на свои вопросы.

#AIHRtech_функции

💬Продолжая тему поиска работы в стартапах, изучала, как же Wellfound:ai (США) удалось так классно занять эту нишу, сейчас это один из лучших сервисов для поиска работы в стартапах в США:

▪️Сервис изначально был частью экосистемы AngelList - платформы для поиска инвесторов для стартапов.
▪️В этой экосистеме также есть мощное сообщество и свои акселераторы.
▪️Один из сооснователей ведёт популярный подкаст о бизнесе и инвестициях.

То есть, сервис для рекрутинга появился позже, сначала появилась нужная стартап-аудитория для сервиса.

Мне кажется, это очень важный момент. Вижу десятки новых специализированных сервисов для рекрутинга, которые возникают сами по себе, без аудитории, и с огромным трудом и бюджетом на рекламу начинают привлекать и кандидатов, и клиентов-работодателей.

Уверена, что идеальная формула: сначала наличие большой аудитории (кандидатов или работодателей) ➡️ затем сервис. При этом если её нет, а такой сервис всё равно хочется, аудитория может быть и у партнёра/сооснователя.

Если в сервисе для поиска врачей 20 резюме, компании проще разместить вакансию на hh. Но если она увидит, что там 10000+ врачей, то без сомнений сделает этот канал поиска основным. И наоборот, если кандидат-врач узнает о сервисе, где есть вакансии от топ-100 клиник страны, он обязательно туда зайдёт.