Как автоматизировать рекрутмент с помощью чат-бота и не потерять ни одного кандидата

Сеть строительных гипермаркетов «Лемана ПРО» ежегодно закрывает около 18 тысяч вакансий, значительная часть которых приходится на высокий сезон. Это создаёт неравномерный поток кандидатов и увеличивает нагрузку на команду рекрутинга. О том, как оптимизировать процесс, рассказывает Ольга Дядина, директор HR Tech компании «Лемана ПРО».

Мы опробовали различные подходы к масштабированию: привлекали фрилансеров, перераспределяли регионы, увеличивали внутренний штат. Однако это не решало главную проблему: даже при росте команды мы сталкивались с физическими ограничениями — количеством звонков и логистикой интервью. Рекрутеры не успевали обработать всех соискателей по воронке. Поэтому было принято решение автоматизировать процессы, и мы решили выполнить эту задачу с помощью чат-бота.

Чего мы хотели добиться

Перед запуском чат-бота мы чётко сформулировали бизнес-цели. Главная из них — повысить эффективность работы рекрутеров без расширения штата. В частности, мы стремились:

● обеспечить стабильную обработку всех входящих откликов, включая пики нагрузки;

● сократить время отклика кандидата с 1–2 дней до 30 секунд;

● обеспечить быструю интеграцию с нашей ATS (система управления кандидатами) и другими источниками данных;

● создать адаптивный и настраиваемый инструмент, который HR-специалисты могли бы использовать без помощи разработчиков.

С технической стороны задача заключалась в построении устойчивой архитектуры — надёжной при больших нагрузках, безопасной для работы с персональными данными, и гибкой, чтобы новые сценарии могли запускаться оперативно.

Логика и сценарии чат-бота

Бот стал полноценным участником команды подбора. Он «обитает» в мессенджерах и на джоб-бордах, беря на себя всю первую линию коммуникации с кандидатами. Как только человек оставляет отклик на джоб-сайтах или карьерном сайте компании, бот вступает в контакт.

Каждому отклику соответствует свой сценарий. Он начинается с приветствия, затем бот объясняет условия вакансии и уточняет, актуальна ли она. Если кандидат подтверждает интерес, виртуальный собеседник задаёт уточняющие вопросы, записывает его на собеседование и отправляет напоминание за 2 часа до встречи. Если интереса нет, бот предлагает другие вакансии или оставляет контакт для обратной связи.

Бот приветствует кандидата

Сценарии создаются с помощью low-code-платформы, которую мы выбрали за удобный визуальный редактор построения логики. Интерфейс выглядит как блок-схема с карточками шагов — диалогов, условий, фильтров и интеграций. Например, после ответа «Да, интересно» может быть предусмотрена вилка: в одном случае бот предложит записаться на интервью, в другом — сначала предоставить дополнительные данные.

В платформу встроена и отдельная тестовая среда. С её помощью HR-специалисты могут проверить, как бот поведёт себя в разных случаях, и убедиться, что логика работает без ошибок. После публикации каждый шаг логируется — мы видим, где пользователи «теряются» или затягивают с ответом, и оперативно вносим правки.

Интерфейс бота

Рассылки реализованы как отдельный модуль: HR загружает базу кандидатов из Excel или выбирает из ATS, настраивает сообщение, добавляет медиаконтент и запускает волну. Бот позволяет уйти от шаблонных маркетинговых формулировок и приблизить взаимодействие с кандидатом к форме диалога. Например, сообщение может звучать так: «Привет! На связи «Лемана ПРО»! Ты звонил нам в контактный центр. Продолжим диалог?» — и только после положительного ответа бот продолжит сценарий.

Техническая архитектура и стек

В основе системы — стек PHP, PostgreSQL, React. Чат-бот реализован как микросервис, который взаимодействует с другими системами через REST API и веб-хуки. Все данные — ответы, статусы, напоминания — шифруются на этапе передачи и хранения, а доступ к ним ограничивается по ролям. Кроме того, решение поддерживает аудит пользовательских действий и регулярное резервное копирование.

Интеграции с внешними источниками — джоб-сайты, карьерный сайт — выполнены через API. Бот получает отклики, сопоставляет их с вакансиями и начинает диалог.

Интеграция с ATS построена на веб-хуках: при любом изменении статуса данные кандидата передаются в обе стороны. Так мы избегаем дублирования и обеспечиваем единый источник правды.

Система устойчива к пиковым нагрузкам: она автоматически масштабируется, когда поток обращений превышает стандартный. На практике это означает, что бот без сбоев обрабатывает десятки тысяч обращений в день — и не теряет ни одного. Более того, с начала 2024 года мы ни разу не столкнулись с перегрузкой.

Кто работает с ботом и как его настраивать

Самое ценное в этом проекте — HR-команда не зависит от ИТ при каждом обновлении. Все сценарии настраиваются внутри low-code-платформы самими рекрутерами. Они редактируют тексты, добавляют шаги, меняют логику.

Если нужно запустить новый сценарий под вакансию или регион, на это уйдет от пяти минут; точное время зависит от сложности. Скорость и гибкость особенно важны в массовом подборе: в одном регионе заканчиваются кандидаты, в другом открыли сезонный подиум — и всё должно работать здесь и сейчас.

Логика общения с ботом

Для оценки эффективности сценариев мы используем встроенные отчеты и дашборды: они показывают конверсии, «доходимость», время отклика, фидбек кандидатов. На этом основании мы корректируем тексты, меняем порядок вопросов и адаптируем логику.

Результаты

С момента запуска чат-бот прошел путь от вспомогательного инструмента до полноценного участника команды подбора. Только в 2024 году с ним провзаимодействовали более 138 тысяч кандидатов, и каждая десятая вакансия была закрыта исключительно чат-ботом, без привлечения HR. Это значит, что бот собрал данные, отработал возражения, записал на интервью, а кандидат успешно прошёл отбор.

Скорость обработки откликов снизилась с 1–2 рабочих дней до 30 секунд. Это не только экономия времени рекрутеров, но и возможность не терять кандидатов. Более того, за счет напоминаний увеличилась «доходимость» до интервью. В регионах с высокой конкуренцией это критично: если бот записал кандидата через минуту после отклика, мы выигрываем у других работодателей.

При этом цикл найма по массовым позициям сократился на 50–60% благодаря тому, что часть этапов отбора проходит без участия рекрутера.

Кроме того, через чат-бот мы также запустили exit-интервью и NPS-опросы (Net Promoter Score — показатель, отражающий лояльность к бренду, компании или продукту). Это позволило собрать на 40% больше обратной связи, чем в ручном режиме, и оперативнее реагировать на системные проблемы.

Что дальше

Мы уже участвуем в пилотах, где тестируется новая версия продукта с LLM, — скоро нейросети смогут генерировать FAQ, анализировать ответы кандидатов и вести более свободную коммуникацию за счет NLP. В перспективе мы видим чат-бота как AI-помощника для всей HR-команды — с предиктивной аналитикой, рекомендациями, обработкой нестандартных кейсов.

Но даже на текущем уровне технологии чат-бот даёт нам гибкость, которой не хватает традиционному рекрутингу. И, что важнее, он позволяет HR-специалистам сосредоточиться на том, что не может (пока) сделать бот: тонкой оценке, построении отношений и развитии бренда работодателя.