Штраф за обработку персональных данных кандидата без согласия достигает 300 тысяч рублей — и это первое, что нужно проверить у любого ИИ-сервиса для скрининга, прежде чем сравнивать его функциональность. Разбираем, на что смотреть при выборе и какие ошибки обходятся дороже всего.

Какие бывают подходы — NLP-скрининг, голосовые интервью, аналитика

ИИ-сервисы для найма делятся на три категории по тому, какую задачу воронки они закрывают, и путать их при выборе — частая ошибка. NLP-скрининг резюме — сервисы, которые ранжируют кандидатов по соответствию вакансии, понимая контекст, а не просто ключевые слова: видят "Django" и распознают в нём Python-фреймворк, оценивают траекторию карьерного роста.

Голосовые ассистенты для первичного интервью — берут на себя рутинные вопросы первого созвона: опыт, ожидания по зарплате, готовность к переезду, — и передают рекрутеру только прошедших фильтр кандидатов. Инструменты аналитики воронки — не участвуют в отборе напрямую, а показывают конверсию на каждом этапе (отклик → скрининг → интервью → оффер) и помогают найти узкое место в процессе найма.

  • NLP-скрининг — для большого потока откликов на массовые позиции
  • Голосовые интервью — для стандартизации первого контакта с кандидатом
  • Аналитика воронки — для оптимизации уже существующего процесса, а не отбора как такового

Часто нужен не один инструмент, а комбинация — например, скрининг плюс аналитика, если голосовые интервью не требуются из-за небольшого объёма найма.

На что смотреть при выборе — интеграции, соответствие 152-ФЗ, цена

Первый и обязательный критерий — соответствие требованиям 152-ФЗ «О персональных данных». С 2025 года требования по обработке данных кандидатов ужесточились, штрафы за обработку без согласия или не по назначению выросли до 300 тысяч рублей, и с 1 марта 2021 года закрыта лазейка, позволявшая без согласия обрабатывать даже общедоступные резюме с работных сайтов. Это значит, что любой ИИ-сервис, который анализирует резюме кандидатов, должен предусматривать сбор согласия на обработку персональных данных — если сервис не спрашивает об этом вообще, это красный флаг.

Обработка персональных данных — это не только хранение резюме, а весь путь информации в компании: от момента, когда рекрутер открывает резюме, до момента удаления данных после завершения отбора.

Второй критерий — интеграция с уже используемой ATS или HRIS-системой. Большинство современных решений для скрининга синхронизируются с системами отслеживания кандидатов без перестройки существующего процесса найма — данные о кандидатах, результаты скрининга и решения рекрутера сохраняются в едином хранилище. Если сервис требует полностью менять текущий стек — это дополнительная стоимость внедрения, которую стоит закладывать в расчёт.

Третий критерий — модель оплаты. Облачные сервисы для скрининга обычно работают по модели SaaS с оплатой за количество обработанных резюме или за число активных вакансий. Для компании с сезонными пиками найма это может быть выгоднее фиксированной подписки — стоит прикинуть объём вакансий на год вперёд, а не оценивать тариф по текущему месяцу.

Чек-лист для оценки сервиса перед выбором:

  • Есть ли встроенный сбор согласия на обработку персональных данных кандидата
  • Поддерживает ли интеграцию с текущей ATS/HRIS без миграции данных
  • Модель оплаты соответствует реальному объёму найма (по вакансиям или по резюме)
  • Есть ли отчётность и логирование действий — на случай проверки Роскомнадзором

Сравнение сценариев — массовый наём vs точечный подбор

Выбор инструмента напрямую зависит от масштаба найма, и одно и то же решение может быть избыточным в одном случае и недостаточным в другом. При массовом найме (от нескольких десятков вакансий в месяц) оправдана комбинация NLP-скрининга и голосовых интервью — именно здесь автоматизация даёт наибольший эффект: скрининг сотен откликов занимает секунды вместо часов ручной работы, а голосовой ассистент отсекает нерелевантных кандидатов до того, как на них потратит время рекрутер.

При точечном подборе (единичные вакансии, узкие специалисты) избыточная автоматизация скорее мешает — потеря контакта с редким кандидатом на голосового бота может стоить дороже, чем сэкономленное время рекрутера. Здесь разумнее ограничиться инструментом аналитики или лёгким скринингом резюме без замены живого первого разговора.

  • Массовый наём: NLP-скрининг + голосовые интервью, приоритет — скорость обработки потока
  • Точечный подбор: минимальная автоматизация, приоритет — сохранение личного контакта с кандидатом
  • Смешанный найм (и то, и другое): модульное решение, где голосовой этап включается только для массовых позиций

Читайте по теме:

Частые ошибки при внедрении

Самая частая ошибка — включить сервис в работу до того, как настроен сбор согласия на обработку персональных данных кандидатов. Это не формальность: с ужесточением 152-ФЗ штраф может прилететь даже за пересылку резюме коллеге "по дружбе" без надлежащего оформления — что уж говорить об автоматической обработке через стороннюю систему.

Вторая ошибка — переносить сразу весь процесс найма на новый инструмент без пилота. Разумнее протестировать сервис на 2–3 вакансиях, сравнить, кого ИИ вывел в топ кандидатов, с выбором живого рекрутера на тех же вакансиях, и только при совпадении результата и реальной экономии времени — масштабировать на остальные позиции.

Третья ошибка — выбирать сервис только по заявленной точности алгоритма, не проверив, куда физически передаются данные кандидатов и предусмотрена ли возможность их удаления по запросу. Это прямое требование обработки персональных данных, а не дополнительная опция.

Четвёртая ошибка — недооценивать сопротивление команды. Рекрутеры, которые годами отбирали кандидатов вручную, часто воспринимают ИИ-скрининг как угрозу, а не инструмент, — стоит заранее объяснить команде, что финальное решение и оценка культурного соответствия остаются за ними, автоматизация закрывает только рутинный первичный отбор.

ИИ в рекрутинге 2026

Частые вопросы

Да. С 1 марта 2021 года закрыта лазейка, позволявшая обрабатывать даже общедоступные резюме без согласия, а с 2025 года требования по 152-ФЗ ужесточились ещё сильнее, штрафы достигают 300 тысяч рублей за обработку без согласия или не по назначению.

Обычно — от нескольких десятков вакансий в месяц, где рутинные вопросы первого созвона повторяются массово. При единичном точечном подборе редких специалистов голосовой этап скорее мешает установить контакт с кандидатом.

Проверить это стоит на этапе демо — попросить показать реальную синхронизацию карточки кандидата между системами, а не полагаться только на список заявленных интеграций в описании сервиса.

Объяснить заранее, что автоматизация закрывает только первичный отбор по формальным критериям, а финальное решение, оценка soft skills и культурного соответствия команде остаются за рекрутером.

Рассчитать стоимость не по текущему месяцу, а по прогнозируемому объёму вакансий на год вперёд — модель оплаты за резюме или за активную вакансию может резко менять итоговую стоимость в высокий сезон.

С пилота на 2–3 вакансиях: сравнить, кого сервис вывел в топ кандидатов, с выбором живого рекрутера на тех же позициях, и только при совпадении результата и заметной экономии времени переходить на постоянную работу с инструментом.

Хотите подобрать ИИ-сервис под задачи вашего HR-отдела?

Разберём процессы найма и поможем выбрать инструмент, который впишется в бюджет и регламенты.

Получить консультацию →