Про автоматизацию подбора персонала: Ольга Кочергина

Это долгая 18-летняя история в рекрутинговой компании Marksman. В подбор я пришла ресерчером еще во время обучения в университете, когда поняла, что финансы и кредит меня совсем не вдохновляют.

С самого начала это был IT-подбор. Но он был совсем другой, чем сейчас. Это были, скорее, поиски для представительств международных вендоров в России, которые в тот момент активно выходили на наш рынок.

Последние 5 лет я партнер компании, ранее лидировала IT-практику, в разных конфигурациях, была автомобильная практика, медицинская техника, а сейчас это сегменты диджитал и ритейл — это сервисы объявлений, цифровые платформы, классический оффлайн-ритейл.

Основной бизнес компании Marksman — это рекрутмент. За 19 лет на этом рынке компания видела абсолютно разные его ипостаси и тренды.

Начинали мы автоматизацию подбора в системе, написанной на основе IBM Lotus Notes. Ее разработали те, кто придумал HeadHunter. Это был специальный программный продукт именно для рекрутинговых агентств с доступом и автопарсингом с hh. Это было еще задолго до принятия закона о персональных данных.

Ценность для агентств была в том, что можно было из hh.ru загрузить в систему базу кандидатов с контактами по определенному региону и специализации. Со временем по причине изменения законодательства и развития монетизации HeadHunter по открытию контактов такая опция исчезла. Сама система состояла из двух блоков — Заказчики, для кого ведет подбор кадровое агентство, и Кандидаты. Для заказчиков создавались вакансия, к которым крепились кандидаты по мере их нахождения.

Мы были на этой системе более 10 лет, пока в какой-то момент не поняли, что она уже совершенно не дружит с внешним миром. В неё нельзя было парсить кандидатов из других работных сервисов, таких как LinkedIn (до его блокировки в России) или Мой круг (до того, как он стал Хабр Карьера). Нельзя было высылать кандидатам письма-приглашения. Нужно было иметь несколько инструментов:

• В системе найти кандидата и прикрепить его к воронке.
• В почтовом клиенте, скопировав e-mail, написать ему.
• Скопировать его ответ и вставить в базу, чтобы сохранять историю.

Тогда мы задались целью найти систему, которая бы взаимодействовала с внешним миром, и наш выбор пал на Experium. В свое время это был внутренний продукт компании АНКОР, который они стали выводить на внешний рынок. В эту систему уже можно было закачивать данные из разных сервисов кандидатов. В ней была достаточно стройная бизнес-логика, потому что создавалась она рекрутинговой компанией.

На тот момент они были единственными, кто смогли выгрузить и перенести из прежней системы всю нашу базу данных, которая тогда исчислялась несколькими сотнями тысяч резюме. И главное, чтобы при переносе оставалась связка «Заказчик-вакансия-кандидаты». Нужно обязательно было сохранить причинно-следственные связи и понимать, с каким кандидатом, под какие вакансии мы раньше работали, чтобы к нему, к такому «теплому» контакту, обращаться, напоминать: «Мы два года назад предлагали такую-то позицию. Давайте пообсуждаем новые карьерные возможности».

Они единственные, кто смогли осуществить этот перенос без потерь. И мы проработали с ними года три. А в 2019−20 годах начался расцвет нашего HR Tech в лице Хантфлоу, FriendWork, Поток.

Мы ходили по конференциям, все эти новые игроки активно демонстрировали принципиально новый визуал, абсолютно нативный и понятный интерфейс. В Experium тогда с этим были проблемы — таблички без какого либо «user friendly» подхода для эргономики. Простыми словами — это был интерфейс, которым уже не хотелось пользоваться.

И мы снова задумались о переезде. На этот раз перед нами встала неожиданная задача под названием «Как забрать данные?». Как оказалось из мелкого шрифта, забрать наши собственные данные — это вообще-то платная услуга. Все происходило очень долго и неохотно. Единственные, кто смог перенести наши данные без потерь связок, были Friendwork.

Есть разница между использованием систем автоматизации подбора внутри компании и в кадровом агентстве. В первом случае в системе можно создать разные отделы и вести в них все вакансии для внутренних заказчиков. Для второго случая это не работает, так как для кадровых агентств заказчик — это внешний заказчик, по которому нужно вести условия взаимодействия, гонорары, гарантийные обязательства, все контактные лица со стороны клиентов, чтобы мониторить бизнес-показатели.

Для решения этой задачи мы перешли на новый уровень автоматизации, сделав связку с CRM Битрикс. Теперь у нас из каждого клиента, из каждой вакансии в базе в Битрикс подтягиваются определенные бизнес-параметры: средний чек, срок работы над вакансией, количество позиций от заказчика в работе, из них закрытых и незакрытых. Теперь мы в целом понимаем объем бизнеса по каждому.

Нам это важно для понимания нашей ценности для клиента, для участия в тендерах, для эффективной коммуникации с новыми клиентами.

Кажется, кто правильно сможет встроить возможности искусственного интеллекта, которые реально увеличат эффективность автоматизации подбора, тот победит. Из уже используемых реализаций:

• Автоматическое формирование краткой сводки по итогам интервью с кандидатом
• Описание вакансии на основе входных данных
• Формирование вопросов для подготовки к собеседованию кандидатов

Знаю, что сервис Подбор позволяет находить скрытые профили IT-кандидатов на GitHub и автоматически формировать персональные сообщения. Это очень актуально, потому что IT-рынок абсолютно кандидатоцентричный. Сейчас опытным айтишникам не нужно доказывать свою состоятельность. Наоборот, рекрутеры должны максимально персонифицировать сообщение кандидату, чтобы тот ответил после «первого касания» и согласился на диалог.

Мы из собтвенного опыта уже для себя определили, что если хотим увидеть что-то новое, то лучше идти не на профильные конференции, а на продуктовые мероприятия, чтобы посмотреть на рекрутинг через парадигму продукта, а не процесса. Чтобы точно понять, что есть наша услуга и в чем ценность для клиента и кандидата.

Также полезно смотреть на то, что демонстрируют большие технологические компании, которые своим большим ресурсом делают всё самостоятельно, полностью под себя, на больших объемах данных. Вот там можно действительно интересные готовые кейсы подсмотреть.