Отклики росли, но кандидаты ждали ответа
Агентство приводило отклики на вакансии линейного персонала. При росте потока рекрутеры не успевали связываться с кандидатами: в отдельных проектах обратный звонок происходил только через три дня.
Первой задачей был массовый найм поваров и курьеров. Кандидат оставлял отклик, но до разговора с рекрутером мог пройти значительный срок. Увеличение числа откликов само по себе не решало проблему обработки.
Автоматизацию начали с площадки, которая давала больше всего откликов. Вместо ожидания обратного звонка кандидат мог продолжить общение в том же диалоге.
Ускорить первый контакт и проверить условия вакансии
Команда поставила две задачи: быстро отвечать на отклики и уточнять в разговоре, подходит ли кандидат под условия вакансии. К рекрутеру должны были попадать кандидаты, прошедшие предварительную проверку.
Решение требовалось поддерживать на десятках кабинетов и сотнях объявлений. Изменения правил не должны были требовать ручного редактирования отдельного сценария для каждого кабинета. Команда маркетинга должна была развивать процесс без постоянного привлечения разработчиков.
Первичный отбор в диалоге, общие правила для всех кабинетов
AI-агент отвечал кандидату по категории вакансии, уточнял условия и сохранял историю разговора. Сценарии обработки и данные разделили, чтобы сопровождать систему централизованно.
- 1
Подключили диалог с кандидатами
Вместо отдельной программной разработки выбрали визуальный конструктор сценариев. На площадке объявлений агент получил задачи первого ответа и предварительной проверки кандидата.
- 2
Отделили историю от сценариев
Переписку и состояния диалогов сохранили во внешней базе данных. История стала доступна независимо от конкретного сценария обработки и пригодна для отчётов и анализа.
- 3
Собрали переиспользуемые сценарии
Выделили авторизацию, бизнес-логику и маршрутизатор событий. Общие правила менялись в одном месте, а новый кабинет подключался через конфигурацию без копирования всей цепочки.
- 4
Сократили контекст и объединили сообщения
Для выбора категории модель получала заголовок вакансии и фиксированный список вариантов вместо полного объявления. Перед ответом агент собирал несколько сообщений кандидата в общий буфер, чтобы учесть их вместе.
Как отклик проходит первичную проверку
Единый маршрут обслуживает разные кабинеты и вакансии. Категория объявления определяет инструкции для разговора, а история сохраняется отдельно от сценария.
- Кандидат → Система1 · Вход
Отклик кандидата
Система получает событие и определяет кабинет, к которому оно относится.
- Система2 · Обработка
Категория вакансии
Языковая модель выбирает направление по заголовку из заданного списка категорий.
- Система ↔ Кандидат3 · Решение
Диалог по условиям
Агент учитывает сообщения кандидата и проверяет соответствие условиям вакансии.
- Система → Рекрутер4 · Выход
Подходящий кандидат
Результат предварительного отбора передаётся рекрутеру; переписка и состояние сохраняются в базе.
AI-рекрутер ведёт первый диалог и проверяет условия вакансии. После предварительного отбора специалист продолжает общение с подходящим кандидатом.
Срок найма сократился с 20 до 8 дней
После запуска срок найма сократился с 20 до 8 дней. Команда автоматизировала первый контакт и отбор кандидатов, расширила каналы привлечения и повысила видимость вакансий. Общие сценарии упростили сопровождение, а короткий контекст для классификации снизил затраты на языковую модель.
Агентство сократило срок найма линейного персонала: до изменений он составлял 20 дней, после запуска проекта составил 8 дней.
Операционные изменения
- Меньше затрат на языковую модель
- Модель определяет категорию по заголовку вакансии вместо полного объявления. Короткий контекст сократил расход токенов на классификацию.
- Общие правила обновляются один раз
- Правки бизнес-логики применяются ко всем кабинетам из одного сценария. Команде больше не нужно вручную обновлять отдельные копии.
- Без ручной категоризации новых вакансий
- Система сама выбирает категорию нового объявления и подключает нужные инструкции для диалога с кандидатом.
Что получил клиент после запуска
- 1
Рекрутер подключается после предварительной проверки условий вакансии. Первый диалог с кандидатом перенесён в автоматизированный сценарий.
- 2
Команда управляет логикой обработки централизованно. Новый кабинет подключается через конфигурацию, а история диалогов остаётся доступной в общей базе.
- 3
Классификация использует короткий контекст, а ответ учитывает несколько последовательных сообщений кандидата. Это уменьшает затраты на модель и помогает не отвечать на неполный вопрос.