Що як 30% кожної співбесіди рекрутера — це час, який можна було б зекономити? Що як у вашій базі вже є людина, яка може підійти на нову роль, а ви продовжуєте відчайдушно шукати?
Перш ніж делегувати щось AI, в Intellias «відрефлексували» всі рекрутинг-процеси, проаналізували гепи, таймінг — і врешті зрозуміли, що та як можна автоматизувати. Що з цього вийшло, чому команда неохоче прощалася зі своєю рутиною та які були помилки — нам розповіла Інна Ізмайлова, Global Director і Talent Delivery в Intellias.
Для контексту: як виглядає рекрутинг-команда Intellias
Intellias — одна з найбільших ІТ-компаній в Україні, яка розробляє цифрові продукти для бізнесу. Ключові домени: Mobility/Automotive, FS&I, Retail, Digital включно з Healthcare, EdTech, iGaming. Intellias виросла з України — і сьогодні має 12 delivery-центрів у країнах Європи, а також в UK, USA, Колумбії, Індії та Єгипті.
HR-функція в компанії об’єднана в Talent Management Department і включає кілька напрямів. Інна відповідає за рекрутинг — залучення кандидатів з зовнішнього ринку. Її команда налічує близько 60 спеціалістів глобально, з яких приблизно 60% працюють за межами України. В команді — рекрутери, сорсери, лідери команд і асистенти.
В один момент зірки зійшлися — з чого почалась AI-історія в Intellias
На наше рішення вплинули й цікавість, і болі, і позиція компанії.
Кілька років тому AI став масово доступним: з’явились інструменти на кшталт ChatGPT і багато інших тулів, які можна було просто взяти й протестувати. І, звісно, ми з командою почали це робити — пробували й дивилися, де це може щось пришвидшити або покращити.
У 2025 році Intellias офіційно включила AI у свою стратегію як один із ключових напрямів розвитку. Тепер кожен наш департамент почав переглядати свої процеси: що можна автоматизувати, а що — робити ефективніше.
В рекрутингу ми досить швидко зрозуміли, що хаотичних експериментів недостатньо. Тому разом із командою аналітики ми провели повний аудит рекрутинг-процесу: розклали все на етапи, проаналізували таймінг, виявили проблемні зони. Після цього картина прояснилась і ми зрозуміли, де саме хочемо покращення і де AI може працювати ефективно — не як окремий інструмент, а як частина системного підходу.
Кейс 1. Пітчинг кандидатів — достукатися до них стало легше
Перший та найочевидніший сценарій, де ми почали використовувати AI в рекрутингу, — це пітчинг кандидатів.
Ще на старті стало зрозуміло, що AI добре справляється з генерацією персоналізованих повідомлень: допомагає формувати їх під конкретного кандидата — з урахуванням його профілю, вимог вакансії та контексту ролі. Це особливо важливо для нішевих позицій, де потрібно дуже точно «влучити» в досвід і мотивацію людини. Процес став швидшим, і комунікація з кандидатами також покращилась.
Для цієї задачі ми використовуємо Microsoft Copilot (оскільки вся інфраструктура компанії побудована на продуктах Microsoft) та AI-функції в LinkedIn Corporate Account (мали можливість протестувати Linkedin Hiring Assistant). Іноді додатково звертаємось до ChatGPT — наприклад, щоб доопрацювати текст, перевірити формулювання або зробити пітч влучнішим.
Технічно все виглядає досить просто:
Кейс 2. IntelliTalentMatcher: ми перестали губити сильних кандидатів
Людина може класно пройти інтерв’ю, але не отримати офер або відмовитися від ролі на певному етапі. В рекрутменті подібні ситуації трапляються постійно. Через деякий час такі кандидати знову можуть бути відкритими до пропозицій, а в нас можуть бути вакансії, які їм підходять. Проте щоб визначити цей метч, потрібен регулярний та досить часозатратний механічний сорсинг. Адже нетворк рекрутера й кількість кандидатів у базі — це величезний обсяг даних.
У середньому рекрутер в аутсорсингу веде 20–40 людей одночасно, при цьому в компанії може бути відкрито понад 200+ вакансій в різних країнах. Зазвичай він пам’ятає історію активних кандидатів + допомагає ATS-система, але фізично не може тримати в голові всю базу, або навіть тих, з ким взаємодія була кілька місяців тому. В результаті частина сильних кандидатів просто «випадає» з поля зору. Часто рекрутери витрачають зайві ресурси на пошук спеціалістів на нові ролі, навіть не здогадуючись, що релевантні люди вже є в базі.
Щоб закрити цю проблему, Intellias створив IntelliTalentMatcher — AI-інструмент із дашбордом, який автоматично порівнює кандидатів з відкритими вакансіями, а після цього:
— розраховує відсоток відповідності до різних позицій (Matching positions)
— виділяє позиції з найвищим рівнем збігу (Max %)
Як IntelliTalentMatcher знаходить релевантних кандидатів
До дашборда потрапляють лише CV, оновлені не пізніше ніж 6 місяців тому.
Кандидат відображається на персоналізованому дашборді рекрутера, якщо:
✅ Має релевантний набір навичок відносно нової вакансії.
✅ Перебував у роботі саме в цього рекрутера.
✅ CV оновлене не більше ніж 6 місяців тому.
✅ Він ще не був поданий на цю позицію.
Звісно, якість CV має вирішальне значення. Резюме без чітко визначених ключових навичок мають менші шанси бути оціненими відповідно до критеріїв.
Тепер замість того щоб вручну переглядати базу або вакансії, рекрутер отримує підказки: «Подивись, цей кандидат, з яким ти працював 3 місяці тому, підходить під нову роль на 86%». І може швидко повернутися до релевантних кандидатів, яких уже знає, а також має персональний контакт, і запропонувати їм нову роль.
Кейс 3: AI Digital Assistant — 30% інтерв’ю забрав AI
Ще один інсайт: велика частина інтерв’ю рекрутера складається з повторюваних, по суті, механічних запитань. Ми питаємо одне й те саме в кожного кандидата: notice period, рівень англійської, сертифікації, зарплатні очікування, інтереси, з якими проєктами/технологіями людина хотіла б працювати. На такі запитання може йти до 30% інтерв’ю, і вони дійсно важливі, але це не про глибоку оцінку кандидата і точно не про софт/хард-скіли.
Ми вирішили делегувати цей блок AI Digital Assistant — нашому власному агенту, який проводить прескринінг ще до зустрічі з рекрутером.
Як це працює?
1. Рекрутер інформує кандидата щодо етапу прескринінгу через AI Digital Assistant і планує Recruiter Interview.
2. Рекрутер переводить кандидата в статус Recruiter Interview.
3. Через 10 хв система автоматично надсилає кандидату лист-запрошення з AI Digital Assistant і пропозицію поспілкуватись.
4. Кандидат відповідає в зручному форматі (чат або аудіо).
5. Відповіді автоматично додаються у форму Recruiter Interview.
*Executive/Leadership позиції виключені з поточного процесу.
Фрагменти інтерв’ю з AI Digital Assistant
AI Digital Assistant дозволив рекрутерам змінити фокус інтерв’ю. Тепер замість базового скринінгу питань можна одразу перейти до глибокої оцінки профілю кандидата:
— перевірити реальний технічний скілсет
— провести якісніше інтерв’ю по софт-скілах і компетенціях
— обговорити мотивацію та зрозуміти відповідність фахівця вимогам бізнесу
В підсумку ми не просто вивільнили час, а підвищили якість самих інтерв’ю та всього пайплайну. За нашими вимірюваннями, це дало +5% до якості кандидатів у процесі.
Чому ми пішли у власну розробку
IntelliTalentMatcher та AI Digital Assistant — це власна розробка Intellias. Крім цих інструментів ми створили ще кілька плагінів для оптимізації рекрутингу. На розробку та імплементацію в середньому пішло до пів року. Це була спільна робота технічної команди й рекрутменту: ми визначали потреби, а IT-команда реалізовувала рішення. І зараз ми вже працюємо з цими інструментами в щоденному процесі.
Чому ми пішли цим шляхом і вирішили не купувати готові рішення?
Як ми погодили ідею бізнесу
Оскільки AI був стратегічним напрямом розвитку в Intellias, погодити ідею було простіше + допоміг аудит і суттєва зміна самого ІТ-ринку. Однак ми не просто показали дані, а чітко сформулювали, яку цінність це дасть бізнесу. Фокус був на трьох речах:
- Якість кандидатів. Пояснили, що завдяки прескринінгу і кращому метчингу ми зможемо частіше приводити на інтерв’ю релевантних кандидатів.
- Швидкість. У сервісному бізнесі вона критична. Клієнти працюють одразу з кількома вендорами, і виграє той, хто швидше приведе скілового фахівця. Ми пояснили, як AI може скоротити час до першого релевантного кандидата і пришвидшити закриття вакансій.
- Ефективність використання бази. Ми можемо працювати не тільки з новими кандидатами, але й з тими, хто вже був у процесі: повертатися до них, повторно використовувати результати інтерв’ю та швидше рухати їх за пайплайном.
Окремо згадали про потенційну економію: якщо рекрутер витрачає менше часу на рутину, він може закривати більше вакансій. В результаті це склалося в зрозумілу для бізнесу модель: швидше → якісніше → ефективніше.
«Я роками працював так, навіщо змінювати?» — як команда виходила із зони комфорту
Автоматизація часто наганяє страх, нібито AI забере роботу. Однак у наших командах ми побачили інше — люди хвилювалися більше через зміну функціонала, а не через те, що їх замінять.
Наприклад, частину інтерв’ю забрав прескрин-агент — і рекрутеру вже не потрібно ставити звичні базові запитання. З’явився дашборд, який за кілька хвилин показує релевантних кандидатів з минулого, — і рекрутеру вже не потрібно витрачати час на ручний пошук у базі за частиною пайплайну.
Якщо з боку це звучить круто, то внутрішньо в людей виник природний спротив: «Я роками працював так — навіщо змінювати?». Або: «Люди не захочуть спілкуватися з АІ. Наш ринок кандидатів спілкується виключно з людьми. Ми вб'ємо наш candidate experience ratio цим тулом».
Ми працювали з цим пушбеком через тімлідів, прямий діалог з командою, ван-ту-вани: показували конкретну користь, ділилися результатами, пояснювали, як це спрощує роботу. І в якийсь момент спрацювало. Коли люди почали реально користуватися інструментами, вони побачили ефект — швидші результати, менше рутини, кращий контроль над процесом. Скепсис поступово змінився запитом «а що ще можна автоматизувати?». По суті, це була історія про зміну майндсету.
Що як команда почне «сліпо довіряти» AI?
Такий ризик є — і він цілком реальний. Але це скоріше не про «сліпу довіру», а про звичку. Коли людина регулярно використовує інструменти на кшталт Microsoft Copilot або ChatGPT, з часом це може перетворитися на автоматичну дію: згенерував пітч — і одразу надіслав.
Поки що ми не бачимо в цьому системної проблеми. Команда перевіряє повідомлення, адаптує їх, і це видно навіть по метриках — наприклад, зростає response rate в LinkedIn. Але в довгостроковій перспективі такий ризик точно є.
Тому тут важливо не просто дати інструмент, а працювати з підходом:
Фактично питання не в тому, чи будуть люди довіряти AI, а в тому, як саме вони це робитимуть. І якщо дивитися ширше, ця історія взагалі виходить за межі рекрутингу. Вже є гіпотеза, що наступний етап — це взаємодія AI-агентів між собою: фахівець і компанія комунікуватимуть через свої AI.
В такому сценарії рівень автоматизації буде ще вищим. Тому наше завдання — не уникнути занадто високої довіри до AI, а навчитися працювати з ним усвідомлено.
Що точно не варто автоматизувати в рекрутингу
Ми принципово не використовуємо AI в живих інтерв’ю. Спілкування рекрутера, технічного експерта або менеджера з кандидатом — це те, що має залишатися за людиною. AI добре працює з логікою: може структурувати інформацію, підсвічувати невідповідності, допомагати в оцінці. Але в інтерв’ю є багато нюансів, які виходять за межі механічної аналітики.
Наприклад, кандидат може трохи недотягувати за технічними критеріями, але мати сильні софт-скіли та потенціал. Людина це побачить і врахує. AI — швидше за все, ні, бо він орієнтується на задані параметри.
AI допомагає зменшити упередженість і зробити оцінку об’єктивнішою, але повністю замінити людське рішення поки що не може.
Озираючись назад — наші ключові інсайти
#1. Найбільшим випробуванням стала імплементація
Ми все добре підготували: продумали рішення, описали процеси. Здавалося, що все максимально зрозуміло. Але на етапі впровадження виявилося, що різні команди в різних локаціях сприймають одні й ті самі інструкції по-різному.
Індія, Колумбія, Іспанія, Україна — різний контекст, різний підхід до роботи, різне сприйняття. В результаті в одних команд усе запрацювало одразу, а в інших — ні. І проблема була не в самому інструменті, а в тому, як його використовували.
Це стало важливим уроком: навіть найкращий інструмент не працюватиме, якщо команда не розуміє, як ним користуватися. Тому важливо інвестувати час у пояснення, демо, навчання і чітко пояснювати, що саме очікується від користувачів.
#2. Не всі процеси однаково потребують AI
Коли бачиш, скільки всього можна автоматизувати, хочеться зробити все одразу. Але в реальності є обмеження: ресурси, бюджети, залежність від інших команд. Тому доводиться рухатися поступово — обирати найкритичніші задачі та впроваджувати рішення поетапно.
#3. Те, що добре працює в одній компанії, не обов’язково спрацює в іншій
У кожного бізнесу — своя екосистема, процеси й культура. Тому перед впровадженням важливо не тільки дивитися на інструмент, але й оцінювати, як він «ляже» саме у вашу організацію.
Що ще можна автоматизувати в рекрутингу — плани на майбутнє
Зараз у нас кілька напрямів, над якими ми вже працюємо або плануємо розвивати далі.
- AI-детектор на технічних інтерв’ю. З переходом в онлайн ми бачимо нову проблему: кандидати можуть використовувати AI-інструменти: від підказок під час кодингу — до зміни голосу або навіть підміни людини на інтерв’ю. Частину таких випадків можна помітити вручну, але не всі. Тому ми працюємо над рішенням, яке допоможе виявляти використання AI під час інтерв’ю, щоб оцінювати саме кандидата, а не інструмент, який за нього відповідає.
- Автоматизація фідбеку після інтерв’ю. Ми хочемо, щоб нотатки з інтерв’ю автоматично структурувались у відповідні блоки фідбек-форми. Тобто інтерв’юер не заповнює все з нуля, а отримує вже зібрану основу і просто фіналізує оцінку.
- Оптимізація сетапу інтерв’ю. Це один із найбільших «болів»: узгодити час між кандидатом, рекрутером і кількома інтерв’юерами з різними календарями. В перспективі тут міг би допомогти AI-агент, який автоматично знаходить зручний слот для всіх і надсилає інвайти. Поки що ми тільки дивимося в цей бік, але потенціал тут великий.
Загалом це процес, який постійно рухається: з’являються нові можливості, і ми паралельно дивимося, що з цього реально дає цінність для рекрутингу.
Три поради для компаній, які хочуть автоматизувати рекрутинг
- Не боятися. AI-інструменти можуть здаватися складними, дорогими або навіть зайвими, але вони дають реальні можливості. Ігнорувати їх зараз — означає втрачати ефективність.
- Почати з аналізу. Потрібно чітко зрозуміти, де саме у вас є гепи: що забирає найбільше часу, де просідає якість, які процеси можна оптимізувати. І тут важливо залучати аналітику — не робити це «на відчуттях», а працювати з даними.
- Регулярно комунікувати з командою. Сумніви будуть, і це нормально. Ба більше, часто саме ці сумніви підсвічують слабкі місця в рішенні. Тому варто не ігнорувати їх, а слухати. Команда може підказати, де інструмент не покриває реальні задачі або що варто покращити.
Бажаєте отримувати дайджест статей?
