Три недели до старта проекта. Идеальный кандидат, который уже принял оффер, внезапно отказывается. Клиент в панике, дедлайн горит, а на поиск нового специалиста могут уйти месяцы. Два реальных кейса от рекрутеров показывают, как ИИ-платформа Reppls решает такие критические ситуации — с конкретными цифрами и без магии.
Три недели до старта проекта. Идеальный кандидат, который уже принял оффер, внезапно отказывается. Клиент в панике, дедлайн горит, а на поиск нового специалиста могут уйти месяцы. Два реальных кейса от рекрутеров показывают, как ИИ-платформа Reppls решает такие критические ситуации — с конкретными цифрами и без магии.
Евгения Винокурова из Recrucial искала редкого специалиста для европейского технологического заказчика — Salesforce Business Analyst/Consultant. Не просто конфигуратор, а человек, который умеет быть связкой между бизнесом и техкомандой.
Классический поиск длился месяцами. С декабря 2024 по июнь 2025 Евгения вручную просмотрела 340+ профилей. Результат? Всего 7 подходящих кандидатов.
3 июня один из них принял оффер.
— Казалось, можно выдохнуть. Но 15 июня, за две недели до старта, кандидат отказался по личным причинам. Начинать заново? Времени нет — проект должен стартовать 1 августа, — вспоминает Евгения.
15 июня команда подключила платформу Reppls с функцией ИИ-сорсинга.
Платформа делала семантический поиск — не просто по ключевым словам, а по смыслу: опыт в нужных Salesforce-облаках, навыки проведения discovery, умение фасилитировать. Далее — ИИ-интервью с кандидатами (или оценивала по CV, если кандидат отказывался от интервью). А окончательное решение всегда оставалось за рекрутером.
— Иногда я брала кандидатов с низким скором от AI, если по фактическим кейсам они подходили. Важно понимать: ИИ — это инструмент, финальное решение всегда за человеком, — объясняет Евгения.
Всего за весь период поиска клиенту было показано 27 кандидатов из ручного поиска и 2 из Reppls. Один из кандидатов Reppls получил оффер.
Кандидат вышел на проект в августе. От клиента — фидбэк «отлично справляется».
— ИИ не решает нотисы и конкурирующие офферы — это по-прежнему переговоры и тайминг. Но для гибридных ролей вроде BA/Consultant в Salesforce платформа дала ощутимую экономию цикла найма, — резюмирует Евгения.
Марина Менделева, фаундер агентства Mission Hire, столкнулась с другой проблемой. Клиент искал сеньор DevOps-инженера с глубоким знанием облачных технологий. Но каждый раз для технической оценки приходилось дергать техлида.
— Ситуация была непростая: клиент в предрелизе, команда загружена критическими задачами. А нам нужен сильный DevOps, причем срочно. Стало понятно — технический скрининг должны провести мы сами, не отвлекая команду клиента. Вопрос был в том, как это организовать качественно, — рассказывает Марина.
Команда Mission Hire уже работала с Reppls, когда фаундер платформы предложил попробовать ИИ-интервью для технического скрининга.
Перед запуском провели валидацию: консультант агентства, который последние 11 лет специализируется на собеседованиях DevOps-инженеров, и архитектор на стороне клиента протестировали ИИ-скрининг. Вердикт: качество оценки адекватное.
— Мы сравнили расходы на ИИ-интервью и интервью с другими техническими интервьюерами. Качество ИИ одобрили и техническая команда клиента, и наш консультант, поэтому мы были уверены: экономия бюджета не идет в ущерб качеству. Плюс прозрачность: можно посмотреть, как проходило интервью, как отвечал кандидат, что гуглил. Это не черный ящик, — рассказывает Марина.
Команда Reppls — сами разработчики с техническим бэкграундом — помогла настроить интервью под требования роли, клиент добавил нюансы своего пайплайна.
Через ИИ-интервью прошли 11 кандидатов. Система выявила тех, кто гуглил ответы, и тех, кто был технически слабее.
Важная деталь: на ИИ-интервью доходили кандидаты, уже прошедшие скрининг с рекрутером. И их уровень на ИИ-интервью полностью мэтчился с опытом в резюме — ошибок в оценке не зафиксировали.
После этого эксперимента Mission Hire увеличила объём использования Reppls в 5 раз.
Реакция кандидатов?
Mission Hire не отправляла на ИИ-интервью вслепую. Каждому кандидату объясняли: решение протестировала техническая команда клиента, за платформой стоят разработчики с техническим бэкграундом.
— Мы показывали, почему выбрали этот инструмент. Когда кандидат понимает логику решения, он воспринимает это спокойнее. Да, были удивление и вопросы, пара человек отказались. Но правильная подготовка сработала — большинство прошли интервью без проблем, — объясняет Марина.
ИИ-сорсинг — автоматический поиск и верификация кандидатов. Платформа проверяет опыт, стек, формат работы, готовность к смене места, зарплатные ожидания и локацию. Результат — не список профилей, а готовые к разговору кандидаты.
ИИ-интервью — технические собеседования в real-time на 19 языках. Можно настроить под любой любой грейд и добавить кастомные вопросы. После интервью — детальная аналитика: сильные стороны, слабые места, оценка навыков. Плюс полные данные прокторинга.
Важно: это не замена рекрутеру. Финальное решение всегда остаётся за человеком.
Евгения из Recrucial закрыла критическую вакансию за 35 дней вместо нескольких месяцев, когда классические методы не дали результата в срок.
Марина из Mission Hire избавила техлида от рутинных технических скринингов и сохранила (а то и улучшила) качество оценки за счёт прозрачности процесса.
Три ключевых преимущества:
При этом обе героини честно говорят: ИИ — это инструмент для профессионалов, а не волшебная кнопка. Нужно правильно настраивать критерии поиска, понимать результаты интервью, уметь отличить формальное соответствие от реальной пригодности кандидата.
Хотите попробовать Reppls в своих процессах найма? Регистрация и первая настройка занимают меньше минуты. Дальше — дело за вашей экспертизой.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.
Компании, которые готовы отдать найм на откуп галлюцинирующему автодополнению, не очень-то дорожат сотрудниками. Легко пришло - легко ушло.
Пользователь отредактировал комментарий 21 октября 2025, 11:27
трешак уровень ии интервьювер, предлагаю банить шлюпки такие
Если кандидатов много, то можно всех и через ИИ гнать. А кто не соласен - есть очередь за забором. Почему валидировать код нагенеренный нейросетью сложнее, чем работать кассиром? Похоже сейчас 90 процентов резюме пишется с помощью ЧатГПТ под конкретную вакансию. Роботы против роботов.
Пользователь отредактировал комментарий 21 октября 2025, 14:49
Мне вообще кажется, что рынок труда откатывается лет на двадцать назад, когда стремятся нанять того, кого знают лично или кто работал в известной компании и из той локации где работает компания. В интернете все стало одинаковое. Выбор как бы есть, но выбора как бы и нет.
А просто код писать, это как яму копать - можно нанять пакистанцев, которы будут рады 500 долларам.
Основная ценность это не софт скилы и не хард скилы - это доверия. Что сотрудник не "сольет" данные компании конкурентам, что не "положит" случайно инфраструктуру, что будет более менее стабильно выполнять задачи.
Пользователь отредактировал комментарий 21 октября 2025, 15:02
Мы рассматриваем ИИ интервью скорее как дополнительную возможность кандидата показать себя с лучшей стороны. Ей можно воспользоваться, а можно нет. В любом случае решение о том чтобы продолжить с тем или иным кандидатом всегда принимает человек.
А как обстоят дела со стопками одинаковых резюме? Как в анекдоте, где с верху стопки берём двадцать штук, остальные - в мусорное ведро. Неудачники не нужны. Или какой-то более интеллектуальный подход.
Были ещё гипотезы, что от таких АИ интервью отказываются как раз те, кто чего-то стоит на рынке. Проводили ли какие-либо исследования по этому вопросу? Вроде, для массового сегмента вроде QA или Fronted звучит нормально, но для более специфичных запросов?
Рынок то меняется и любопытно.
Ну вот кейс из статьи он как раз про очень сеньерных девопсов.
Семантический поиск в теории звучит лучше, чем по ключевым словам, но кандидат, наливший воды в резюме, пройдет их оба. Главное - побольше воды, чтобы точно все запросы покрыть.
На самом деле, было бы интересно почитать про ИИ-интервью. Как кандидаты реагируют, насколько свободно они общаются с этой пластиковой женщиной на картинке. Какие-то примеры вопросов, ответов и анализа. А то один восторг и успех, тогда как по другую сторону баррикад у всех лица перекошены от этого ИИ. Что делать кандидату, если ИИ ошибается? Как часто он ошибается? Понятно, что в такой статье самокритике не место, но было бы здорово, на самом деле.
У нас был случай. Наш прекрасный ИИ-балбес упорно рекомендовал на должность одну тётю. Хотя в списке технологий и в резюме тёти было не очень много пересечений. А ключевая технология, на которую её собеседовали, вообще в резюме отсутствовала. Но железный балбес упорно выставлял ей 99%.
Когда уже "кожаные" начали углубляться и спрашивать в интерактиве: "Чувак, а ты уверен, что 99% и почему 99%?" этот ИИ ответил сильно разврнуто. И оказалось, что тётя — основатель и главный разработчик какой-то другой базовой технологии, которая лежит в основе той самой ключевой, на которую её искали.
То есть она стопро знает эту технологию, потому что делала для неё базу. И узнать об этом смог железный друг, потому что у него это знание в базе. А девочка HR точно этого не знает. Да и последующие инженеры не знали, пока не погуглили.
В общем,
прикольный кейс. Думал, они только галлюцинировать и простые таски тянуть могут.
Не-не. Тут было реально deep-dive. То есть он понял, что запрошенная технология базируется на другой, более глубокой. И эта тётя — законодатель мод в базовой. Поэтому порождённая ей будет как семечки. 99% подходит, хотя в CV ни слова не было.
Хотите попробовать?