📖 План обучения для новых ролей Recruitment Agent Expert и Recruitment Ethics Expert (Fairness & Bias Officer)

1️⃣ Recruitment Agent Expert
Специалист по конфигурации, оркестрации и постоянному улучшению автономных AI-агентов поиска, коммуникации и закрытия.

✅ Фундамент: архитектура агентного рекрутинга Начните с погружения в парадигму Agentic AI, которая к 2026 году превратилась в стандарт для Talent Acquisition: речь идёт о полностью автономных агентах, выполняющих сложные, многошаговые задачи от поиска до координации собеседований, а не просто чат-ботах. Ключевая задача — осознать сдвиг процессов: если раньше специалист делал «поиск, оценку и коммуникацию», то AI-специалист переопределяет этот пайплайн, используя агентов для освобождения себя от рутины
✅ Стратегия внедрения и оркестрации:
Эстафетным переходом от планирования к практике служит анализ требований и 7-шаговый фреймворк для развёртывания AI-агентов. Ключевой её этап — карта ролей: что отдаётся агенту (полная автономия), где AI лишь помощник для рекрутера, а где требуется 100% участие человека с чёткой системой эскалации. Каждую конфигурацию необходимо синхронизировать с ATS, HRIS и средой Teams/Slack.
✅ Hard skills и инструменты (настройка агентов):
Освойте омниканальную платформу автоматизации с возможностью настройки агентов: LinkedIn Hiring Assistant (языковые запросы, ранжирование, доказательная аналитика), Oracle Agentic Applications или их аналоги в защищённом контуре, общие фреймворки оркестрации LangGraph и высокоуровневые агенты-оркестраторы (Phenom Orchestration Engine) для полного контроля workflow. VDI и корпоративные политики должны обеспечивать локализацию обработки ПДн на территории РФ.
✅ Итоговая аттестация
Защита пилотного проекта, где AI-агент берет на себя согласование календарей рекрутера и хантинга и коммуникацию кандидата до 1-го скрининга. Оцениваться будет скорость закрытия вакансии, chatbot deflection rate (≥60-75%) и реализация прозрачного механизма эскалации спорных решений на рекрутера 

2️⃣ Recruitment Ethics Expert (Fairness & Bias Officer)
«Адвокат» справедливости — отвечает за этику, недискриминацию алгоритмов и соответствие AI-систем кадровому законодательству 152-ФЗ и ТК РФ.

✅ Фундамент: правовые основы и этические принципы. На этом этапе изучается специфика внедрения ИИ в подбор персонала через призму ФЗ-152, Трудового кодекса, требований к защите ПДн и международных принципов ответственного искусственного интеллекта. Особый акцент — на концепции human-in-the-loop (окончательное решение за человеком) и запрете автономного отказа в приёме на работу без индивидуального рассмотрения, чтобы исключить дискриминацию.
✅ Проектирование фреймворка равных возможностей.
Специалист учится классифицировать риски, выстраивать процедуры независимого аудита и создавать внутренний регламент "Оценки предвзятости алгоритмов и прозрачности AI-решений в HR". Изучаются сквозные процессы для мониторинга метрик fairness — демографический паритет, равенство показателей качества для разных групп.
✅ Hard skills и инструменты (аудит и смягчение bias):
Работа с наборами синтетических данных и инструментарием для измерения и коррекции предвзятости модели: Fairlearn (для оценки fairness метрик и смягчения сдвигов распределения), Google’s What-If Tool для визуализации, а также соответствие стандартам FINDHR (инструментарий влияния, аудит и мониторинг). Обязательно внедрение решений с explainable AI.
✅ Итоговая аттестация
Проведение формальной ревизии одной AI-модели начального скрининга: замеряются точность (precision/recall), оценка disparate impact на основе реальных или синтетических данных и причины его возникновения. Защита плана корректирующих действий — дообучение на стратифицированных данных, пост-процессинг или коррекция весов признаков, а также оформление результатов в формате аудита для регулятора плюс чек-лист рассмотрения спорных отказов для комитета.