Отбор резюме через нейросеть: как разобрать 600 анкет

Грустно, но найм в 2026 превратился в схватку нейронок с двух сторон. Три вакансии в этом году я закрываю сам, без HR, — и на себе же ловлю, как отбор резюме через нейросеть из красивого словосочетания стал моей ежедневной рутиной. Не потому что я такой любитель ИИ. А потому что кандидаты давно откликаются через ИИ, откликов прилетает столько, что прочитать их руками невозможно физически, — и мне не остаётся ничего, кроме как разгребать этот вал тоже нейросетью. Как именно, по шагам, — дальше. А пока держите короткую карту.

Почему найм стал битвой нейросетей

Смотрите, откуда вообще взялась эта битва. С одной стороны — кандидаты. Они откликаются через ИИ массовым перебором: анкеты, сопроводительные, даже тестовые — всё это давно заполняется нейросетью, причём автоматизированно, пачками. Это раздувает количество откликов до совершенно нереальных объёмов. По двум из трёх моих вакансий откликов было тысячи по две-три, и больше трёхсот заполненных анкет. А на вайбкодера мне сейчас прилетает по 500+ откликов в сутки.

Теперь прикиньте арифметику. Даже если тратить по две минуты на резюме — а это очень быстро, толком не вчитываясь, — то 500 штук это 15 часов чтения нонстоп. Каждый день. Ни один живой человек так не сможет, и я не исключение.

С другой стороны этой битвы — я, работодатель. И мне физически некогда читать вал, в котором 9 из 10 откликов — нейрослоп. Знаете, вот это вот, когда человек поленился даже переписать за нейронкой и оставил в анкете что-нибудь в духе «Это не просто кейс — это история о том, как смелость меняет бизнес». Открываешь такое (а таких — большинство) — и сразу ясно: писал ИИ, человек даже не перечитал.

Вот и получается схватка нейронок с двух сторон, и припекает обеих. Кандидаты откликаются через ИИ на сотни вакансий разом — а я, работодатель, вынужден обрабатывать эту лавину тоже через ИИ. И у кандидатов, честно говоря, горит жопа (вполне справедливо): им надо пробиться через мой ИИ-фильтр, а потом ещё через живого эйчара, просто чтобы поговорить с кем-то вменяемым в компании. Я их прекрасно понимаю. Но когда ты в найме один и всё горит на тебе (про это чувство у меня есть отдельный текст — почему команда не тащит и как перестать всё контролировать самому), другого выхода я честно не вижу.

Моя воронка отбора резюме через ИИ: четыре шага

Прежде чем нырять в детали, покажу всю воронку целиком — чтобы вы держали в голове карту, а не отдельные кусочки. Отбор у меня идёт в четыре шага, от грубого сита на входе до ручного досмотра в конце.

Дальше пройдусь по каждому шагу: где работает автоматика, где — нейросеть, а где всё-таки я сам.

Шаг 1. Автофильтр HeadHunter отсеивает по формальным признакам

Первым в дело вступает даже не ИИ, а сам HeadHunter. У него есть автофильтр: задаёшь широкие формальные критерии — опыт, город, ключевые навыки — и он сам отсеивает тех, кто под них не подходит, а всем подходящим автоматически высылает анкету. По сути это первичный отбор резюме по формальным признакам, только руками его никто не делает.

Да, кандидатов автофильтр бесит (сам бы бесился на их месте), я в курсе. Но снова упираемся в ту же арифметику: когда тебе валится 500+ откликов в день, просмотреть их глазами невозможно, даже если бросить вообще все дела. Поэтому автоматическая система отбора работает на входе как грубое сито — пропускает дальше только тех, кто хотя бы формально в теме. А вот дальше начинается интереснее.

Шаг 2. Анкета вместо HR-интервью: 7–10 вопросов

Прошедшим сито уходит анкета. Это 7–10 вопросов, которые заменяют мне первичное HR-интервью: по ответам видно, в нашу сторону человек или нет, ещё до того, как мы встретимся вживую. Ответы падают ко мне в обычную гугл-таблицу.

И вот тут накрывает вторая волна. Анкет тоже приходит очень много: за одну ночь мне прилетало по 100+ штук, за сутки — 80+, а на того же вайбкодера набралось 600+ анкет всего. Читать каждую вдумчиво — минут пять минимум. Перемножьте — и весь день уходит только на анкеты, а новые резюме тем временем продолжают капать.

Что я в этой анкете спрашиваю:

Кейсовые вопросы — самое ценное. Резюме можно приукрасить, а вот когда человек своими словами расписывает, как он взялся бы за реальную задачу, сразу видно, наш это человек по подходу или нет.

Шаг 3. Как настроить Claude на разбор анкет

А теперь то, ради чего вы, скорее всего, и открыли этот текст. 600+ анкет глазами не осилить при всём желании, поэтому сам разбор я отдаю Claude. Вот ровно те пять действий, которые я делаю.

Вот в четвёртом и пятом шаге и зарыта вся соль. В выдаче продают платформы и списки из двух десятков универсальных промптов, где ИИ работает чёрным ящиком: закинул резюме — получил оценку. У меня наоборот. Критерии отбора пишу я, живой человек, который знает свою нишу, а нейросеть я прошу ДУМАТЬ и задавать мне встречные вопросы на пограничных случаях — потому что вся сложность именно в них. Готовый универсальный промпт так не умеет.

Это, кстати, ровно тот же принцип, что и в другом моём промпте для ИИ, который считает объём рынка: нейросеть хороша настолько, насколько подробно ты объяснил ей, что тебе нужно, и насколько честно попросил не выдумывать. Скрининг резюме через ИИ — тот же случай. Сформулируешь критерии на отвали — получишь мусор на выходе. Распишешь подробно — получишь рабочий инструмент.

Шаг 4. Списки «золото» и «серебро», а решаю я

На выходе Claude даёт мне не одну кнопку «годен / не годен», а две выборки. Я их называю «золото» и «серебро».

Смысл двух списков простой: честного бинарного «да/нет» тут не бывает. Есть те, кого точно надо смотреть, и есть те, кого стоит перепроверить своими глазами. Финальное решение и собеседование всё равно за мной — нейросеть готовит мне короткий список, а не нанимает вместо меня. Ранжировать сотни кандидатов по моим критериям — это она берёт на себя. Выбрать из финалистов — по-прежнему моя работа.

Насколько точен ИИ-отбор и где он ошибётся

Резонный вопрос: а не выкинет ли нейросеть сильного кандидата за борт по ошибке? Отвечаю честно: попадание у меня выходит процентов 90–95. Я несколько раз перепроверял за ним вручную, и процент ошибочных отсевов оказался довольно маленьким.

Но эти 90–95% берутся не из воздуха. Они работают ровно потому, что критерии я сформулировал сам и подробно, а на старте попросил Claude задавать мне вопросы на пограничных случаях — там, где ответ кандидата можно понять и так, и эдак. Пока все эти мелочи не проговорены, сеть будет промахиваться. Проговорил — начинает разбирать нормально.

Так что «а где же живой HR» — вот он, никуда не делся. Просто теперь он подключается на финале: 600 анкет разгребает машина, а решение по живым финалистам принимаю я сам. Это и есть здоровое разделение труда: рутину — нейросети, решение — человеку.

Персональные данные: что там с 152-ФЗ

И одна честная оговорка, без которой картинка была бы неполной. Резюме — это персональные данные, а их обработку в России регулирует 152-ФЗ «О персональных данных». Выгружать целиком базу резюме с hh в западное облако вроде Claude — история мутная и рискованная.

Меня выручает то, что я разбираю не выгруженную базу, а ответы на анкету, которые кандидат прислал мне сам, добровольно, в мою гугл-таблицу. И общее правило, которое стоит держать в голове: перед загрузкой ответы безопаснее обезличивать — убирать всё, по чему человека можно однозначно опознать. Если для вас это принципиально, под ту же задачу есть и отечественные сервисы. Паниковать и вовсе отказываться от ИИ смысла нет — грузите аккуратно, без лишних персональных данных, вот и вся наука.

Ну и если совсем коротко. Раньше найм отжирал у меня дни на чтение откликов — теперь ИИ-отбор снимает с меня этот кусок ручной работы, и это, по сути, часть той же истории про выход собственника из операционки. Машина разгребает вал, я занимаюсь людьми и решениями.

Через ИИ ты теперь фильтруешь ровно то, что через ИИ тебе и прислали. Так и живём.

Если хотите выстроить найм так, чтобы он не съедал ваши дни, и заодно вытащить себя из ручной операционки — это как раз то, что мы разбираем на консультации.