Рекрутер тратит до 80% времени на рутину: правки текстов вакансий, скрининг резюме, письма кандидатам, подготовка к интервью. Нейросети забирают эту рутину на себя. Не всю, но значительную часть. По данным исследований, ИИ освобождает до 50% времени рекрутера.
Разбираю 7 конкретных задач, где нейросети уже работают. На каждую инструмент, готовый промпт и пример результата. Можно открыть ChatGPT прямо сейчас и попробовать.
1. Текст вакансии за 3 минуты вместо часа
Инструмент: ChatGPT (GPT-4o) или Claude.
Типичная проблема: рекрутер копирует старую вакансию, меняет название и зарплату. Получается сухой шаблон, на который откликаются все подряд или не откликается никто. Нейросеть пишет вакансию под конкретную аудиторию кандидатов, если правильно задать контекст.
Промпт:
Ты опытный IT-рекрутер. Напиши вакансию для middle Python-разработчика в финтех-стартап на 40 человек, Москва, гибрид. Стек: Python, FastAPI, PostgreSQL, Redis, Docker. Зарплата 250-320 тыс. Команда молодая, средний возраст 28 лет, есть ДМС и бюджет на обучение. Тон дружелюбный, без корпоративного канцелярита. Структура: о компании (3 предложения), задачи (5 пунктов), требования (5 пунктов), условия (5 пунктов). Не используй: динамично развивающаяся компания, молодой дружный коллектив, конкурентная зарплата.
Нейросеть выдаёт текст, где вместо «динамично развивающаяся компания» написано конкретно: «Мы делаем платёжный сервис для малого бизнеса. 40 человек, работаем два года, вышли на прибыль в прошлом квартале». Вместо «молодой дружный коллектив» - «Средний возраст команды 28 лет. По пятницам играем в настолки, но это правда необязательно».
Ограничения: нейросеть не знает внутреннюю кухню вашей компании. Факты про продукт, команду и процессы нужно добавить самому. Без них получится красивый, но пустой текст.
2. Скрининг 50 резюме за 15 минут
Инструмент: ChatGPT (GPT-4o) с загрузкой файлов или Claude.
Рекрутер получает 50-100 откликов на вакансию. Из них подходят 5-10. Глаза устают, внимание падает, хорошие кандидаты теряются среди потока. Нейросеть не устаёт. Загружаете пачку резюме и просите отсортировать.
Промпт:
Вот 10 резюме кандидатов на позицию middle Python-разработчика. Требования: опыт от 2 лет с Python, знание FastAPI или Django, работа с PostgreSQL, опыт с Docker. Плюсом: опыт в финтехе, знание Redis, опыт работы в стартапах. Для каждого кандидата: 1) оценка соответствия от 1 до 10, 2) сильные стороны (2-3 пункта), 3) слабые стороны или чего не хватает, 4) рекомендация: пригласить на интервью / возможно / отказ. Результат выдай таблицей.
Нейросеть выдаёт таблицу, где видно: кандидат Иванов - 8/10, три года с FastAPI, работал в финтехе, но нет Docker в продакшене. Кандидат Петрова - 6/10, сильный Python, но опыт только с Django, финтеха нет. Кандидат Сидоров - 3/10, junior по опыту, переоценил себя в отклике.
Ограничения: нельзя загружать персональные данные кандидатов (паспорт, адрес) в публичные нейросети. Используйте только профессиональную информацию из резюме. И обязательно проверяйте результат: нейросеть может пропустить неочевидный опыт, который указан между строк.
3. Вопросы для интервью под конкретную позицию
Инструмент: ChatGPT или Claude.
Рекрутеру нужно подготовить вопросы для должности, в которой он сам не разбирается. Обычно гуглит «вопросы для интервью Python-разработчика» и получает список из 2019 года. Нейросеть генерит вопросы под конкретное резюме и конкретную вакансию.
Промпт:
Я рекрутер, провожу техническое скрининг-интервью. Позиция: middle Python-разработчик в финтех. Кандидат: 3 года опыта, работал с Django и Flask, переходит на FastAPI. В резюме написал «оптимизировал запросы к БД, ускорил API в 4 раза». Составь 10 вопросов: 3 вопроса на проверку хард-скиллов (Python, базы данных), 3 вопроса по опыту (раскрыть то что написано в резюме), 2 вопроса на софт-скиллы (работа в команде, коммуникация), 2 вопроса на мотивацию (почему финтех, почему стартап). Для каждого вопроса укажи: что именно проверяем и на какой ответ обратить внимание.
Вот что получается. Вопрос: «Вы написали что ускорили API в 4 раза. Расскажите, какие именно запросы тормозили, как вы их нашли и что конкретно поменяли?» Что проверяем: реальный опыт или приукрашивание. Красный флаг - если кандидат не может назвать конкретные цифры или путается в деталях.
Другой вопрос: «Вы работали с Django и Flask, а позиция на FastAPI. Что заставило вас переключиться? Уже писали что-то на FastAPI?» Что проверяем: мотивацию к изучению нового и реальный уровень знакомства с фреймворком.
Ограничения: нейросеть не заменит технического интервьюера на финальном этапе. Но для первичного скрининга, который проводит рекрутер, такие вопросы работают отлично.
4. Отказы кандидатам без шаблонного «к сожалению»
Инструмент: ChatGPT или Claude.
Отказывать неприятно. Поэтому рекрутеры либо не отвечают (и портят HR-бренд), либо отправляют шаблон «К сожалению, мы выбрали другого кандидата». Нейросеть пишет персонализированный отказ за 30 секунд.
Промпт:
Напиши письмо-отказ кандидату. Контекст: позиция middle Python-разработчик, кандидат прошёл два этапа интервью, показал хорошие знания Python, но не хватает опыта работы с высоконагруженными системами, а это критично для нашего проекта. Тон: уважительный, тёплый, без канцелярита. Обязательно: отметить сильные стороны кандидата, объяснить причину отказа конкретно (не «другой кандидат подошёл больше»), предложить оставаться на связи. Длина: 5-7 предложений.
Получается примерно так: «Алексей, спасибо за время, которое вы потратили на интервью. Нам понравился ваш подход к оптимизации и то, как вы разбираетесь в архитектуре. Сейчас нам критично нужен опыт работы с высокими нагрузками - от 10 000 rps, и по этому пункту мы не совпали. Это не значит, что вы слабый разработчик, скорее наоборот. Если через полгода-год вы прокачаете этот навык, напишите, мы растём и позиции открываются регулярно.»
Ограничения: проверяйте, что нейросеть не написала ничего, что можно трактовать как дискриминацию. Причина отказа всегда должна быть про профессиональные навыки, не про личные качества.
5. Boolean-строки для поиска кандидатов
Инструмент: ChatGPT.
Рекрутеры-сорсеры тратят часы на составление поисковых запросов для LinkedIn, HH и GitHub. Правильная Boolean-строка - разница между 500 нерелевантными профилями и 30 точными попаданиями. Нейросеть составляет сложные запросы за минуту.
Промпт:
Составь 5 Boolean-строк для поиска middle Python-разработчика с опытом в финтехе на LinkedIn. Обязательно: Python, опыт 2-5 лет, финтех или банк или платёжные системы. Плюсом: FastAPI, PostgreSQL, Docker. Исключить: junior, intern, стажёр, преподаватель. Для каждой строки объясни логику и в каком поле искать (заголовок, описание, навыки).
Нейросеть выдаёт строки разной степени точности. Узкая: («Python» AND («fintech» OR «payments» OR «banking») AND («FastAPI» OR «Django») NOT «junior» NOT «intern») - для поиска по заголовку и навыкам. Широкая: («Python developer» OR «Python engineer») AND («financial» OR «fintech») - для русскоязычного поиска. И ещё три варианта с разными комбинациями.
Ограничения: Boolean-синтаксис немного отличается на разных площадках. LinkedIn, HH и GitHub обрабатывают запросы по-разному. Попросите нейросеть адаптировать строку под конкретную площадку.
6. Сравнение финалистов и шорт-лист для нанимающего менеджера
Инструмент: ChatGPT или Claude.
После всех интервью рекрутер должен представить нанимающему менеджеру 2-3 финалистов с аргументами. Обычно это делают устно или в паре строк в мессенджере. Нейросеть помогает структурировать впечатления в понятный документ.
Промпт:
Я рекрутер, готовлю шорт-лист для нанимающего менеджера. Позиция: middle Python-разработчик. Вот заметки по трём финалистам. Кандидат А: 3 года опыта, сильный Python, работал в финтехе, спокойный, хорошо объясняет. Минус - медленно решал тестовое (4 дня вместо 2). Кандидат Б: 2,5 года, очень быстро кодит, тестовое за день, энергичный. Минус - нет опыта в финтехе, общался немного хаотично. Кандидат В: 4 года, самый опытный технически, но хочет на 15% больше бюджета, и долго думал перед ответами на интервью. Сделай сравнительную таблицу по критериям: хард-скиллы, софт-скиллы, культурный фит, риски, зарплатные ожидания. И дай рекомендацию, кого звать первым.
Получаете структурированный документ с таблицей и рекомендацией. Например: «Рекомендую сделать оффер кандидату А. Финтех-опыт сэкономит 2-3 месяца на онбординге. Медленное тестовое, скорее плюс: он проверял edge-кейсы, чего не сделали остальные. Кандидат Б - запасной вариант, если А откажется.»
Ограничения: нейросеть работает с вашими заметками. Если заметки поверхностные, результат будет таким же. Чем подробнее вы опишете впечатления от кандидатов, тем точнее будет сравнение.
7. Аналитика воронки найма
Инструмент: ChatGPT (GPT-4o) с загрузкой файлов.
У рекрутера есть таблица: сколько откликов, сколько скринингов, сколько интервью, сколько офферов. Но превратить цифры в выводы и рекомендации это отдельный навык. Нейросеть анализирует воронку и находит узкие места.
Промпт:
Вот данные по воронке найма за квартал. Позиция: Python-разработчик. Отклики: 240, скрининг резюме прошли: 45, телефонное интервью: 30, техническое интервью: 12, финальное интервью: 5, оффер: 3, принятый оффер: 1. Среднее время закрытия: 47 дней. Проанализируй воронку: где основные потери, какие этапы работают нормально, какие нет. Сравни с типичными бенчмарками IT-рекрутинга. Предложи 3-5 конкретных действий для улучшения.
Нейросеть находит проблему: конверсия из оффера в принятие — 33%, это ниже нормы (60-70%). Возможные причины: зарплата ниже рынка, долгий процесс (47 дней - кандидаты получают другие офферы), или слабая презентация оффера. Рекомендация: сократить процесс до 30 дней, проверить зарплатную вилку через обзор рынка, начать «прогревать» кандидатов после технического интервью.
Ограничения: нейросеть не знает вашу специфику — рынок в вашем городе, конкурентов, внутренние ограничения по бюджету. Её выводы — отправная точка для вашего анализа, а не готовое решение.
Где научиться системно
Промпты выше — это точечные решения. Скопировал, вставил, получил результат. Но рекрутинг с нейросетями — это система: от стратегии поиска до автоматизации воронки. Отдельные промпты не дают понимания, как выстроить процесс целиком.
Для старта хватит бесплатного курса Нейросети для работы: пошаговый план применения от Нетологии. Там разбирают базовые сценарии использования ИИ для разных профессий, включая HR. Доступ сразу после регистрации, можно пройти за вечер.
Если хотите глубже именно в HR-направлении, посмотрите Нейросети для HR от Eduson Academy. Курс заточен под задачи рекрутера и HR-менеджера: от автоматизации скрининга до аналитики найма. Два месяца, практические задания на реальных кейсах. А HR Бизнес-партнёр + ИИ от Skillbox подойдёт тем, кто хочет не просто ускорить рутину, а выстроить HR-функцию с нуля, где ИИ встроен в каждый процесс.
Попробуйте сегодня: возьмите одну вакансию, которую давно не можете закрыть, и прогоните через промпты из этой статьи. Начните с текста вакансии — это самый быстрый способ увидеть разницу.
Реклама. ООО НЕТОЛОГИЯ, ИНН 7726464125, erid: LdtCKCxkP
Реклама. ООО ЭДЮСОН, ИНН 7729779476, erid: LdtCKXSTq
Реклама. ЧУ ДПО ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ СКИЛБОКС (КОРОБКА НАВЫКОВ), ИНН 9704088880, erid: 2Vfnxx1B5FP