Искусственный интеллект уже встроился в первичные этапы подбора. Здесь нейросети помогли:

Добиться от нейросети мощных результатов в рекрутинге можно без разработчиков, лишних затрат и сложных систем.

Все, что нам нужно – знакомые Google Таблицы и GPT. Следуем инструкции и за 5 шагов получаем умного рекрутера:

Вводим ключевые данные: ФИО, опыт работы, ключевые навыки, мотивацию.
Все ответы автоматически будут собраны в Google Таблицу.

Лайфхак: добавьте поле “Почему вы хотите работать у нас?” — GPT проанализирует полученные ответы на мотивацию и культурную совместимость.

Чтобы GPT начал работать внутри таблицы, устанавливаем расширение. Открываем Google Таблицу, заходим в меню «Расширения» (Extensions), выбираем «Дополнения» (Add-ons) → «Установить» (Get add-ons).

В строке поиска вводим GPT for Sheets and Docs — расширение подключит нейросеть прямо в таблицу. Вот ссылка, чтобы не искать вручную:
GPT for Sheets and Docs — установка

Нажимаем «Установить» и даем необходимые разрешения. Новое меню GPT появится в разделе «Расширения» — и таблица станет умнее на порядок.

Регистрируемся или заходим на platform.openai.com/account/api-keys, копируем API-ключ и подключаем его в расширении. Это запустит GPT прямо в таблицах.

Совет: храните ключ в безопасном месте и ограничьте доступ к таблице — в ней уже будет ценная информация.

Превращаем отклики в данные, с которыми удобно работать. Для этого в Google Таблице создаём три новых колонки:

A. Все ответы в одной ячейке
Объединяем всю информацию о кандидате в одну строку, чтобы GPT мог её анализировать:

=CONCATENATE(B2, " ", C2, " ", D2, " ", E2)

Так мы собираем опыт, навыки, мотивацию и ссылки в один текст – готовый к анализу.

В. Оценка кандидата
Теперь подключаем GPT и просим его выставить балл по 10-балльной шкале:

=GPT("Оцени кандидата на позицию менеджера по продукту по 10-балльной шкале. Выдай только число", A2)

Получаем конкретную цифру – теперь стало понятно, кто сильнее, кто слабее.

C. Комментарий GPT
А чтобы понять, за что поставлен балл, добавляем пояснение:

=GPT("Объясни, почему такая оценка. Назови сильные и слабые стороны кандидата", A2)

В этой колонке GPT даст краткий разбор — чем кандидат хорош, в чём может быть риск. Удобно для принятия решения, особенно если откликов много.

Когда всё готово, протягиваем формулы на остальные строки таблицы — как обычные Excel-формулы. GPT автоматически проанализирует каждого кандидата, строка за строкой.

Теперь ручная работа сведена к минимуму, а первичный отбор хорошо налажен:

1. Время на обработку откликов сократилось, а значит, команда принимает решения в разы быстрей.

2. Оценка стала прозрачной и понятной. Прописаны чёткие критерии для ИИ, и теперь каждый HR-специалист точно понимает, почему кандидат получил тот или иной балл.

3. Удобная таблица с приоритетами показывает, кто в топе, кто не прошёл, а кто стоит под вопросом.

4. Автоматическая сортировка освобождает рекрутеров для работы с сильными кандидатами.

5. Качество найма улучшилось. Учтена мотивация, логика и подход к самопрезентации. Попадание в “наш” тип кандидатов стало точнее.

ИИ здорово помогает с механикой — оценивает опыт, ранжирует кандидатов, выставляет баллы. Но в подборе этого мало. Есть вещи, которые не выразишь формулой, и именно там нужен человек.

Эмпатия и эмоциональный контакт
Нейросеть не увидит, что кандидат нервничает, не услышит интонацию, не почувствует выгорание за натянутой улыбкой. А HR может — и сделает выводы не по тексту, а по общению.

Совместимость с культурой команды
ИИ не знает, как звучат внутренние шутки команды, какие ценности у лидера и кто в коллективе «зажигает». Поэтому и не поймёт, впишется ли кандидат по духу, а не только по опыту.

Оценка нестандартных ситуаций
Живое общение — это всегда отклонения от инструкции. Кто-то приходит без резюме, но с сильным бэкграундом. Кто-то путается в формулировках, но мыслит глубоко. Кто-то задаёт неудобные вопросы — и важно понять, зачем. Алгоритм здесь теряется. А HR видит: это не сбой, а, возможно, именно тот, кто нужен.

Этика и моральные выборы
Когда на вакансию два сильных кандидата, ИИ оценивает их по цифрам. Но в реальной жизни важен контекст: как кандидат впишется в команду, как он справится со стрессом, совпадают ли его ценности с ценностями компании. Эти моменты не измерить баллами, но хороший HR всегда учтет их при принятии решения.

Индивидуальный подход к талантам
Кандидат может не подходить под конкретную вакансию, но иметь большой потенциал. ИИ не заметит, что его способности будут полезны в другой роли. А вот HR-специалист почувствует, что за этим человеком стоит больше, чем просто резюме. Как итог, ценный кадр не будет упущен, а его навыки будут использованы на другой позиции.

HR не будет прежним. Уже сейчас ИИ обучаются более “человеческим” задачам: считывать поведение сотрудников и прогнозировать совместимость с командой.

Рекрутеры во всю используют нейросети для отбора:

• Pymetrics — для анализа поведения кандидатов через игровые тесты для оценки их навыков и потенциальных слабых мест.
• Recruitee — для автоматизации рекрутинга, планирования и координации всех этапов найма.
• Чат- бот XOR — для автоматизированного общения с кандидатами на всех этапах.
• Eightfold AI — для прогноза карьерного роста, оценки потенциала кандидатов.

HR-системы постепенно становятся гибридными: ИИ стоит на передовой рутинных задач, человек – там, где важны эмпатия, контекст и стратегическое мышление. Эффективный тандем возможен, когда HR-специалисты умеют интегрировать ИИ в процесс принятия решений. Если вы хотите освоить нейросети на практике и применить их для оптимизации рабочих задач, курс “Нейросети для менеджера и аналитика” даст вам нужные инструменты. Вы научитесь использовать нейросети для автоматизации отбора и оценки кандидатов, анализировать большие объемы данных и принимать обоснованные решения в HR.