В пятницу клиент запустил прямой поиск и ушёл отдыхать. В понедельник его календарь был занят
TL;DR: Клиент запустил холодный прямой поиск в пятницу и ушёл на выходные. Три дня ИИ отбирал кандидатов, делал предложения и через автоинтервью записывал подтвердивших интерес в календарь - в понедельник все 10 свободных слотов рекрутера были заняты встречами. Как годы рекрутингового ремесла превратились в агента-сорсера и почему, по нашему опыту, прямой поиск без ИИ идёт в 2-3 раза дольше.
Кейс: пятница → понедельник
В пятницу один из наших клиентов запустил прямой поиск по нескольким массовым линейным позициям. Настройка была простая: лимит 20 открытий резюме в день. Дальше клиент сделал то, что раньше в прямом поиске было немыслимо: поставил задачу и пошёл отдыхать.
Пятницу, субботу и воскресенье ИИ работал: просматривал базу, отбирал подходящих, открывал контакты, делал предложения и вёл диалоги. На проекте было включено автоинтервью, поэтому кандидаты, подтвердившие интерес, не повисали в списке «одобренных», а сразу записывались в календарь.
В понедельник утром рекрутер - тот же человек, что в пятницу нажал кнопку, - открыл календарь: все 10 свободных слотов заняты встречами с кандидатами. Не лонг-лист, который ещё предстоит прозванивать, а живые интервью, назначенные за выходные.
Этот кейс - не про магию. За ним стоят годы рекрутингового ремесла нашей команды и год, в который мы делали холодный прямой поиск руками: ремесло превратилось в данные, а данные - в автоматизированную систему. Ниже разберём, как именно.
Что такое холодный прямой поиск и почему это ремесло
Холодный прямой поиск включается там, где обычные размещения не работают: даже premium-вакансия не даёт откликов, потому что нужные люди её не ищут. Тогда рекрутер идёт к кандидатам сам: в России чаще всего на HeadHunter, по совсем узким ролям - в LinkedIn и точечно в Telegram.
Цикл выглядит так:
- Поиск и изучение. Найти резюме, глубоко его прочитать и считать потенциальный интерес: человек в активном поиске или спокойно работает. От этого зависит вся коммуникация.
- Первое касание. Не шаблон, а конкретная позиция и её преимущества под этого кандидата. Работающего специалиста интересует EVP: деньги, компания, что здесь сильнее, чем на текущем месте.
- Второе и третье касание. Нет ответа - это ещё не «нет». Активный кандидат выйдет на контакт быстрее, пассивному нужно время.
- Цель - короткое интервью. Не оффер в лоб, а разговор.
Самое ремесленное здесь - чутьё: кого и чем можно заинтересовать, и работа с отказом. «Нет» для сильного сорсера - не всегда закрытие диалога: пока человек открыт к разговору, можно уточнить, что именно неинтересно, и предложить короткий созвон. Явный отказ и в ручном поиске означал стоп.
И сразу честная цифра: холодный кандидат отвечает примерно каждый пятый наверху воронки. Это поверхностная оценка по нашим данным, она сильно зависит от роли: по узкому специалисту найти одного - уже удача, по широкому профилю реально собрать 5-20 кандидатов.
Годы ремесла, год руками: как прямой поиск стал датасетом
За плечами команды - годы рекрутингового ремесла и двойная экспертиза: профессиональные рекрутеры плюс люди, которые строят ИИ-системы. А последний год перед автоматизацией мы целенаправленно делали холодный прямой поиск руками для клиентов, и всё это ремесло копилось как данные:
- сколько времени уходит на каждый шаг: поиск, чтение резюме, написание касания;
- тексты сообщений: какие формулировки цепляют, какие игнорируются;
- тайминги: рекрутер отвечает, когда увидел сообщение, поэтому кандидат может ждать часами (ИИ позже снял это ограничение: мгновенный ответ, 24/7);
- причины отказов: спросить каждого «что именно не так», собрать в аналитику, переформулировать предложение.
Руками такое логирование не выживает. Попробуйте на 20 позициях (5 профессиональных и 15 линейных) фиксировать каждый цикл «нашёл - написал - жду - ответил - уточнил». Это невозможный объём, поэтому в ручном рекрутинге ремесло остаётся в голове мастера и уходит вместе с ним.
Есть и другое ограничение ручного подхода: поиск релевантных через фильтры по ключевым словам. Десятки страниц выдачи, часы просмотра - и подходящие всё равно теряются. Это не слабость рекрутера, а потолок инструмента.
Философ Майкл Полани в книге « The Tacit Dimension » (1966) назвал это неявным знанием: «мы можем знать больше, чем можем сказать». Опытный рекрутер чувствует кандидата, но не может изложить это чувство в виде правил. Машинное обучение обходит этот парадокс: модель учится не по правилам, а по следам ремесла - тысячам примеров решений, превратившихся в данные.
Именно так работает наш маховик данных : каждый ручной цикл поиска делал будущую систему точнее. Такой датасет нельзя купить или скопировать - он есть только у команды, которая сделала эту работу руками.
Главное осознание того года сформулировалось просто: прямой поиск без ИИ в 2-3 раза длиннее. Там, где рекрутер часами листает выдачу, ИИ за 2 минуты просматривает 800 резюме, отправляет 30 в глубокий анализ и отбирает 10.
Чему пришлось учить машину
Скорости машину учить не нужно: работа 24/7, мгновенная реакция, сотни параллельных диалогов - это механика, соревноваться с которой нет смысла. Учить пришлось другому - логике отбора.
Это глубокий семантический анализ резюме и понимание потенциального соответствия: парикмахера не зовут на разнорабочего, грузчика - на администратора салона, даже если формальные требования позиции неглубокие. На сложных вакансиях добавляется структура требований: что обязательно, а что желательно, как оценивать стабильность и функционал. Это большая постоянная работа, и параллельно мы помогаем рекрутерам освоить новую для рынка задачу - постановку требований системе.
Момент-перелом мы определяем не по внутренним метрикам, а по внешнему сигналу: закончилась отрицательная обратная связь клиентов. Перестали приходить разборы вида «здесь не учтена индустрия», «здесь опыт с тоннелями, а не с дорогами».
Вместо этого кандидаты стали вступать в диалог и благодарить. У клиентов появились офферы, пришедшие через прямой поиск, и всё больше клиентов начали запускать всё больше вакансий: от линейных до узкопрофильных.
Цифры сегодня: что даёт система
Все цифры ниже - по нашим данным, из реальной работы системы, а не из исследований. Система закрывает обе стороны воронки: холодный прямой поиск и входящие отклики. Где оценка зависит от контекста, мы это указываем.
| Показатель | По нашим данным |
|---|---|
| Просмотр базы (прямой поиск) | 800 резюме за 2 минуты → 30 в глубокий анализ → 10 отобрано, с каждым начат диалог |
| Первый контакт (входящие отклики) | за 5 секунд |
| Обработка откликов (входящие отклики) | 800 откликов в день обработаны в тот же день |
| Конверсия в ответы | до 86% в уже начатых диалогах и по откликам; наверху холодной воронки первый ответ даёт примерно каждый пятый (поверхностная оценка, зависит от роли) |
| Скорость закрытия позиции | в 4 раза быстрее (данные одного из клиентов) |
| Ёмкость рекрутера | вместо 10-20 вакансий - до 50 и даже 100 смежных вакансий с ИИ-ассистентом |
Первичный отбор автоматизирован end-to-end: поиск → фильтрация лучших по пятибалльной системе → рекомендация по требованиям и стоп-факторам → моментальное первое касание → диалог 24/7 → доведение до интервью. При включённом автоинтервью одобренные кандидаты сразу попадают в календарь рекрутера или нанимающего.
Ценность для клиента в итоге сводится к простому: получить список финалистов и выбрать одного на оффер. А для бизнеса каждый день простоя роли - прямые затраты, поэтому скорость здесь не украшение, а деньги.
Чем это отличается от авторассылки
Рынку пока непривычна главная перемена: рекрутер ждёт конструктор сценария, где он пропишет каждый вопрос. А настал момент отпустить конструктор - умные модели реально лучше знают, что спросить именно этого кандидата. Это не принижение профессии: модель училась у живых рекрутеров, и освобождает она человека от рутины сценариев, а не от экспертизы.
От «рассыльщика за три копейки» систему отличают две вещи:
- Индивидуальный диалог с каждым из сотен кандидатов. Не шаблон, а пересечение требований вакансии с уникальным резюме: где опыт неоднозначен, ИИ уточняет, а не отбрасывает.
- Продажа вакансии. ИИ неустанно отвечает на все вопросы кандидата: адрес, гибрид, зарплата, транспорт, соцпакет, кому подчиняется позиция, какая команда. Заскриптованный бот на 3-4 вопроса такого отклика и такой глубины диалога не даст.
Это win-win диалог: кандидат получает быстрые и полные ответы, компания - заинтересованных кандидатов, дошедших до разговора, и работающий HR-бренд. Кандидаты порой не понимают, что говорят с ИИ, хотя Qooqa всегда представляется в начале диалога - подробнее о правилах честности ниже.
Этика: правила, которые мы не нарушаем
Для нас это ключевая ценность, а не раздел «для галочки». Правила фиксированные:
- ИИ всегда представляется. В начале диалога Qooqa говорит, что она ИИ-ассистент, и спрашивает готовность к общению. Право отказаться - у кандидата.
- «Нет» значит стоп. Если кандидат сомневается, система один раз может пояснить, о чём разговор и почему он короткий. Но явное «нет» - это конец касаний: без повторных сообщений и дожима, рекрутер получает уведомление.
- Не выдаёт себя за человека. Претендует лишь на то, чтобы диалог был интересным; решение всегда за кандидатом.
- Агрессия и темы вне вакансии. Система предложит вернуться к позиции, при продолжении - корректно остановится. Каждый диалог мониторится.
- Персональные данные и комплаенс. Сегодня Qooqa - это 16 агентов, и такая архитектура выбрана осознанно: она обеспечивает соответствие законодательству страны, в которой идёт работа, данные остаются в контуре, продукт включён в реестр российского ПО.
И честность про несовершенство: ИИ может дважды поздороваться или опечататься - как и уставший рекрутер, разобравший за день сотни резюме. Но дружелюбие, корректность, тон и защита HR-бренда - это то, что мы гарантируем всегда.
Где в этом процессе человек
Граница между машиной и человеком у нас проведена осознанно, а не потому, что «не смогли автоматизировать». Как мы писали в статье «ИИ - не инструмент, а сотрудник» , людей не заменяют - меняется роль: человек управляет результатом.
Человек критичен после подтверждения интереса. Одобренного кандидата нельзя держать «в одобренных» днями: нужен быстрый личный контакт. Дальше - зона, которую мы намеренно оставили за человеком: мотивация и KPI, тонкие переговоры из контекста кандидата (когда может выйти, вопросы конфиденциальности, персональное предложение) - часто это разговор с нанимающим менеджером. И финальное: культурный мэтч, личное знакомство и выбор одного из шорт-листа в пять человек.
Все нестандартные ситуации система передаёт человеку по понятным правилам - как это устроено, мы разбирали в статье про эскалации ИИ-агента человеку .
Агент-сорсер: как это устроено в продукте
В терминах нашей платформы прямой поиск - это отдельный агент-сорсер со своей зоной ответственности и измеримым результатом: сколько просмотрено и найдено, насколько релевантен каждый запрос во внешнюю базу, как отскорены кандидаты. По этим метрикам агент постоянно улучшается.
Внутри он композитный: суб-агент формирования запросов и поиска плюс суб-агент оценки. Снаружи - один измеримый результат, внутри - оркестрация, а отобранных кандидатов сорсер передаёт агенту-рекрутеру, который ведёт диалог и доводит до интервью. Это та же логика штата ИИ-агентов под управлением людей, на которой построена наша платформа оркестрации .
Для клиента всё это скрыто за кнопкой «Прямой поиск» (отдельный тариф). Qooqa спросит лимит открытий контактов в день - это настройка бюджета. Через секунды в аналитике появятся сотни просмотренных резюме: сколько просмотрено, сколько отобрано на скоринг. Клиент видит только реально подходящих: контакт открыт, общение уже начато. Поиск можно остановить и перезапустить в любой момент. Задача клиента - определить требования и нажать кнопку.
Так ремесло, которое копилось годами и целый год целенаправленно собиралось в данные, стало функцией продукта. А про смежные части воронки можно прочитать в статьях про скрининг резюме с помощью ИИ и массовый подбор с ИИ .