Меньше 1% кандидатов просят живого человека. Зачем тогда ИИ-агенту рекрутер?

TL;DR: Меньше 1% кандидатов просят заменить ИИ-агента живым человеком - по нашим данным за все текстовые и голосовые интервью Qooqa. Но человек в процессе всё равно нужен: почти каждая эскалация случается потому, что агенту недодали контекст вакансии. Разбираем типы эскалаций, кто на самом деле замыкает петлю обучения агента и почему это вопрос управления, а не технологий.

Ожидание и реальность: кто кого зовёт на помощь

Когда компания внедряет ИИ-агента в найм, все ждут одного сценария: агент столкнётся с чем-то сложным, растеряется и позовёт человека. Человек подключится, спасёт диалог - и сценарий подтвердится: без человека никуда.

По нашим данным, реальность выглядит иначе. Кандидаты почти не просят живого человека: таких меньше 1% по всему портфелю клиентов Qooqa. Агент проходит подавляющее большинство шагов сам, а полностью автономный блок, скрининг кандидата (резюме плюс диалог), идёт от начала до конца без участия человека.

Тогда откуда вообще берутся эскалации? Вот здесь и начинается самое интересное. Почти всё, что доходит до человека, - производное от недоданного контекста, а не от предела возможностей ИИ. И это переворачивает привычный вопрос «справится ли ИИ без человека» в куда менее удобный: справляется ли человек в роли учителя ИИ.

Три типа эскалаций: что реально доходит до человека

По нашим данным, эскалации ИИ-агента в найме сводятся к трём типам, и они очень неравнозначны.

Тип 1. Дыра в контексте вакансии

Это главный источник эскалаций, и происходят они ежедневно. Кандидаты задают агенту совершенно нормальные, живые вопросы:

• какой график работы;
• какая зарплата и соцпакет;
• где офис и есть ли гибрид;
• какое дадут оборудование;
• кому я буду подчиняться.

Если этой информации в вакансии нет, агент не выдумывает ответ. Он честно сообщает, что вопрос можно обсудить на следующем этапе, и диалог не ломается: агент получает свои ответы, а вопрос кандидата фиксируется и не теряется. Но каждый такой момент - упущенная возможность: ответ мог прозвучать сразу, в ту же секунду, в том же чате или звонке.

Тип 2. «Хочу живого человека»

Кандидат осознанно отказывается общаться с ИИ и просит человека. Обычно это личное предпочтение: человеку комфортнее говорить с человеком, и это нормальное право кандидата. Агент в таком случае просто передаёт диалог.

Масштаб по нашим данным: меньше 1% кандидатов. Цифра, из-за которой вопрос из заголовка приходится ставить иначе: рекрутер нужен агенту не как спасатель диалогов, а как источник контекста.

Тип 3 (анти-тип). Неуверенность в оценке - и почему агент не паникует

Есть шаблон: «ИИ при неопределённости замирает и зовёт человека». Наш агент устроен иначе. Когда кандидат отвечает неоднозначно, агент не дёргает рекрутера синхронно. Сначала он аккуратно проявляет настойчивость и задаёт уточняющие вопросы. Если однозначного ответа так и нет, он фиксирует этот момент в оценке-отчёте и рекомендует рекрутеру проговорить вопрос на личной встрече.

Это эскалация асинхронная, через отчёт, а не «стоп, зовите человека». Модель поведения ближе к сильному джуниору: максимально дожимает сам, а на ревью приносит только то, что действительно требует человеческого решения.

Ровно такой подход описывают Erik Schluntz и Barry Zhang из Anthropic в руководстве « Building Effective Agents » (2024): агенты должны останавливаться для обратной связи от человека на чекпоинтах и при столкновении с блокерами - особенно перед необратимыми действиями. Пауза по делу, а не паника по любому поводу.

Петля обучения замкнута продуктом - и разомкнута человеком

Теперь главное. Каждый вопрос без ответа агент фиксирует и выводит в аналитику. Продукт шлёт рекрутеру персональные письма, собирает топ частых вопросов по вакансии и рекомендует, что именно довнести. Агент сам и постоянно сообщает, чего ему не хватает.

То есть техническая петля обучения замкнута полностью: вопрос без ответа → аналитика → письмо → рекомендация. Осталось сделать один человеческий шаг - довнести контекст. И вот тут петля рвётся. По нашим данным, около 80% вакансий приходят к агенту незаполненными: без зарплатной вилки, без деталей по графику, без ответов на вопросы, которые кандидаты зададут гарантированно.

Мы принципиально не читаем это как «рекрутеры плохие». Это зеркало зрелости процессов. Где-то дефицит внимания к контексту: вакансий много, времени мало. Где-то цель автоматизации так и не стала своей - об этом мы подробно писали в «Когда ты хочешь - ты найдёшь» .

А где-то работает скрытое сопротивление: рекрутер неосознанно доказывает, что «может лучше», и лишает собственного ИИ-ассистента контекста. Эту ловушку мы разбирали в статье «Рекрутер саботирует ИИ» , и она ловит любого из нас: это человеческое, а не профессиональный дефект.

Механика та же, что и в Garbage in - garbage out : качество работы агента напрямую зависит от качества входного контекста. Очередь исключений - это учебная программа агента. Вопрос лишь в том, ведёт ли кто-то уроки.

Кто на самом деле замыкает петлю: организационный рычаг

Второй неожиданный факт из наших данных: примерно в 90% случаев петлю замыкает не рекрутер, а руководитель рекрутера. Та же аналитика вопросов без ответа доступна и ему - и именно на его уровне сигнал превращается в действие: руководитель видит, где агент недополучает контекст, и управляет этим. Некоторые клиенты идут дальше и вводят долю вопросов без ответа как KPI работы рекрутера с ИИ-агентом.

Это значит, что драйвер обучения агента организационный, а не технический. И это не наша локальная находка. Boston Consulting Group ещё в 2020 году вывела правило 10/20/70 (« The Rise of the AI-Powered Company in the Postcrisis World »): успех внедрения ИИ лишь на 10% зависит от алгоритмов, на 20% от технологий и данных, и на 70% от людей и процессов.

У самой идеи очереди исключений вообще больше ста лет. Фредерик Тейлор в « Shop Management » (1903) описал «принцип исключений»: руководитель не должен тонуть в потоке отчётов, ему подают только отклонения от нормы, «особенно хорошие и особенно плохие». Всё остальное система обрабатывает без него.

Очередь исключений ИИ-агента - тот же принцип, доведённый до предела: рутину закрывает агент, человеку достаются только отклонения. Тейлор не мог мечтать об исполнителе, который сам ведёт учёт своих пробелов и сам просит их закрыть.

Что происходит, когда с данными работают

По нашим данным, у клиентов, которые системно работают с аналитикой вопросов без ответа, картина меняется: доля таких вопросов падает, автономность агента растёт, а поведение рекрутеров перестраивается. Это наблюдение, а не контролируемый эксперимент - но механика здесь прямая: контекст, довнесённый один раз, работает во всех последующих диалогах, и в текстовых, и в голосовых интервью.

Общий знаменатель успешных внедрений - роль руководителя: у него есть задача автоматизировать найм, время и полномочия, и он оркестрирует одновременно и агента, и команду. И принимает взвешенные решения перестроить роль человека там, где процесс тормозит: не «убрать людей», а перевести их с участков, где они дублируют работу агента, туда, где человек незаменим.

Руководитель-оркестратор: новая точка приложения силы

Сложите три факта. Кандидаты почти не просят человека. Почти все эскалации - следствие недоданного контекста. Петлю в девяти случаях из десяти замыкает руководитель. Вывод: центральная фигура ИИ-трансформации найма - не тот, кто пишет промпты, а тот, кто управляет и агентами, и людьми как единой командой. Мы называем эту роль оркестратором ИИ .

Это ровно та логика, из которой выросло наше позиционирование «ИИ - не инструмент, а сотрудник» : агент получает роль, зону ответственности и измеримый результат, а человек супервизирует результат и разбирает исключения. Под эту модель мы строим платформу оркестрации : штат ИИ-агентов, которым управляют ваши люди, с общей аналитикой, супервизией и очередями исключений как штатным механизмом, а не как признаком сбоя.

Исключения - не слабость ИИ. Это честный отчёт о зрелости ваших процессов. Агент уже составил учебную программу. Осталось назначить время урока.