Как мы автоматизировали процесс найма с помощью LLM и сократили ручной труд HR на 70%

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:

1. Проектирование структуры промпта: как чётко объяснить машине задачу.

2. Создание максимально упрощённой версии промпта.

3. Тестирование промпта на боевой LLM — двигались небольшими итерациями, постепенно усложняя запрос.

4. Доработка и оптимизация промпта: для этого мы использовали ранее обработанные и оценённые рекрутёрами резюме.

5. Разработка структуры для хранения результатов и интеграционных запросов между CRM-R с LLM.

6. Вывод в эксплуатацию пилотной версии сервиса.

7. 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.