Как мы закрывали 2000+
IT-вакансий в год

За последние 10 лет рекрутеры компании испробовали почти все системы автоматизации в IT-подборе. Последние 4 года мы активно лидируем в подборе IT-специалистов уровня midlle и выше, работаем с 300 компаниями из ТОП-300 РБК и выводим на проекты 2 тыс. сотрудников в год. В этом кейсе мы поделимся тем, как мы искали свою идеальную ATS, с какими проблемами столкнулись и как сократили расходы на подбор на 30%.

В чем была проблема?

В 2020 году компания столкнулась с перегрузкой рекрутеров и начала поиски системы, которая смогла бы ускорить процесс найма, снять часть нагрузки с HR-специалистов.

Еще одна цель — не терять кандидатов, если процесс прохождения интервью затягивается надолго. У некоторых кандидатов может быть несколько параллельных процессов собеседований, а некоторые из них насчитывают до 10 этапов.

С чего начали?

Мы обратили внимание на ATS-системы (Applicant Tracking Systems), которые уже были представлены на рынке. Но многие из них не отвечали нашим запросам. В основном это системы, которые настроены под массовый подбор: кассиров, грузчиков. Это функционал сложно адаптировать под ИТ-сферу.

Дублирование работы — сложность, с которой приходится сталкиваться практически в любых ATS-системах на рынке. Рекрутер разбирает резюме вначале во внутренней системе, а затем на внешнем ресурсе (например, HH.ru). Это не только не разгружает, но напротив, забирает время рекрутеров. Ручной труд умножается вдвое.

Эффективность аналитики тоже вызывала сомнения. В обилии таблиц и отчетов легко было упустить главные метрики.

Скорость подбора с внедрением первых решений росла, но не так быстро, как было необходимо. Вакансии по-прежнему закрывались медленно, а рутинные задачи могли отнимать 30% времени рекрутеров.

Как решали проблемы?

Главной целью стала разработка ATS-системы, которая взяла бы на себя все рутинные задачи IT-рекрутеров и учла бы особенности бизнеса по поиску и подбору персонала в IT. Разработка платформы заняла около года — с октября 2021 по октябрь 2022 года. В системе использовали современные технологии искусственного интеллекта и ML в частности (языковые модели).

В 2021 году Humart был внедрён как единое рабочее пространство, охватывающее весь цикл рекрутмента — от поиска кандидатов до прохождения испытательного срока. С чем удалось справиться с помощью этого решения?

Есть 4 основных пункта.

01. Автоматизация рутины

Humart взяла на себя операции, ранее выполнявшиеся вручную.
Humart работает с базой, которая включает более 1 млн. резюме IT-специалистов. В нее встроена функция дедупликации, что ускоряет поиск и отбор.
Рекомендации в системе реализованы через ML-алгоритмы. Платформа автоматически рекомендует подходящих специалистов, а настройки поиска можно регулировать вручную.
Интеграция с ChatGPT позволила мгновенно генерировать эффективные X-Ray и Boolean поисковые запросы для поиска кандидатов во внешних источниках — то, что раньше отнимало у рекрутера в среднем 20% времени.

02. Единая коммуникация

Humart стал универсальным приложением для коммуникаций с кандидатами. Email, мессенджеры интегрированы в систему. Рекрутеру не нужно переключаться между разными окнами, чтобы вести переписку.
Искусственный интеллект ускорил общение. Humart автоматически генерирует стандартные тексты писем: приглашения на интервью, отклики, отказные письма.
Система также отслеживает всю историю взаимодействий с кандидатом и ответы на скрининговые вопросы, предоставляя рекрутерам полную информацию для персонализированного и оперативного общения.

03. Прозрачный процесс и контроль

Для руководителей и самой команды были настроены интерактивные дашборды и отчёты. В режиме реального времени Humart отображает статус каждой вакансии, прогресс по кандидатам и загруженность каждого рекрутера.

Менеджмент может легко контролировать работу команды: система сигнализирует о проблемах или задержках (например, длительное отсутствие кандидатов на этапе) с отправкой уведомлений. Благодаря этому руководители могут вовремя подключаться к сложным проектам, перераспределять ресурсы или помогать с решением проблемных задач, не дожидаясь ухудшения показателей.
Платформа оказалась гибкой: её функциональность адаптируется под требования разных клиентов, что позволяет поддерживать уникальные процессы подбора и KPI каждого проекта.

04. Предиктивная аналитика

Humart интегрирован с инструментами аналитики (например, Apache Superset), генерируя более 30 видов отчётов с нужной степенью детализации.
Платформа предоставляет доступ к собранным ранее данным: скорости закрытия вакансии, воронке кандидатов. Благодаря обширной базе доверительный интервал можно вычислить с точностью 95%.

Например, если компания ищет C++ разработчика, Humart позволяет увидеть, что начало воронки составляет 112 кандидатов. До первого этапа собеседования доходит 98 специалистов. Заказчик встречается в среднем с 2−5 кандидатами. И только 1 из 112 человек в итоге получает работу.

Такая точность позволяет рекрутеру и менеджеру точно подсчитать усилия, которые нужно затратить в разных стеках. Это позволяет эффективнее планировать рабочее время рекрутеров, избегая перегрузок и простоя.

Что получилось в итоге?

В результате внедрения Humart рекрутинговые показатели существенно улучшились. Менее чем за 2 года после полного перехода на новую систему (с октября 2022) компании удалось закрыть более 4000 вакансий, что примерно вдвое превысило показатели предыдущих лет.

Сокращение времени подбора напрямую снижает издержки на найм — благодаря ускорению процессов, экономятся трудозатраты и бюджет на одну вакансию.

Среднее время подбора сотрудника сократилось почти на 50% - с примерно двух месяцев до одного. Автоматизация позволила снизить ежедневную загрузку рекрутеров рутинной работой как минимум на 25%, высвободив их время для более ценных задач, которые ИИ не может выполнить качественно (общение с кандидатами, оценка soft-skills и т. д.).

Процесс найма стал гораздо более прозрачным, управляемым и экономичным: благодаря аналитике в реальном времени и оптимизации ресурсов снизилась и стоимость закрытия одной позиции (за счёт экономии человеко-часов и ускорения найма, что уменьшает потери бизнеса от долго незакрытых вакансий).

Проект Humart не только позволил добиться текущих целей, но и заложил основу для дальнейшего масштабирования рекрутинговых операций.