Как ИИ ускоряет подбор рабочих и экономит 70% бюджета
Как нейроассистент сократил сроки подбора рабочих с 3 недель до 5 дней. Кейс OlineHunter по автоматизации массового найма с экономией 70% бюджета
Задача:
Автоматизировать первичный отбор вахтовых рабочих, чтобы сократить время закрытия вакансий и снизить операционные затраты на рекрутинг.
Причина:
Компания несла значительные убытки из-за неэффективного процесса подбора:
На ручной скрининг 100+ заявок ежедневно уходило 80% времени HR-специалистов, что приводило к задержкам ответов до 3 дней и потере 35% потенциальных сотрудников.
Привлечение переводчиков для работы с мигрантами (40% кандидатов) увеличивало стоимость найма до 65 000 ₽ на позицию.
Каждый день незакрытой вакансии обходился компании в 150 000 ₽ штрафов за срыв сроков строительства.
Решение: Поэтапное внедрение нейроассисента с глубокой аналитикой
Этап 1. Автоматизация первичного контакта
Задача: Устранить языковой барьер и ускорить обработку заявок.
Действия:
- Настроили нейроассисента с поддержкой русского, узбекского и таджикского языков.
- Реализовали проверку документов через загрузку сканов:
- Паспорт РФ/миграционная карта
- Разрешение на работу
- СНИЛС
Внедрили сценарий для оценки компетенций:
«Опишите ваш опыт работы с бетоном: какие марки использовали? Как контролировали качество заливки?»
Этап 2. Интеграция с HR-системами
Задача: Исключить дублирование данных и ускорить согласование кандидатов.
Действия:
- Подключили нейроассисента к Bitrix24 через API:
- Автоматическое создание карточек кандидатов.
- Пометки: «Готов к выезду», «Требует доп. проверки».
- Настроили уведомления для HR в Telegram при отборе сильных кандидатов.
Этап 3. Оптимизация процессов
Задача: Снизить процент отказов после собеседований.
Действия:
- Внедрили напоминания о медкомиссии за 24 и 2 часа.
Добавили тест на стрессоустойчивость через кейсы:
«Как поступите, если бригадир потребует работать сверхурочно?».
До внедрения автоматизированной системы обработка одной заявки занимала в среднем 30 минут — после внедрения это время сократилось до 2 минут, что позволило ускорить процесс в 15 раз. Сроки закрытия вакансий радикально изменились: если раньше на подбор одного сотрудника уходило 3 недели, то с новым решением этот показатель уменьшился до 5 дней (ускорение в 4,2 раза).
Финансовая эффективность проекта оказалась значительной: стоимость найма на одну позицию снизилась с 65 000 до 19 500 рублей, что означает экономию 70% бюджета. Особенно важно отметить снижение процента no-show (неявок на собеседования) с 40% до 12% благодаря системе напоминаний и предварительной проверке мотивации кандидатов.
Дополнительные положительные эффекты включают годовую экономию HR-затрат в размере 3,1 миллиона рублей и высокий процент успешного прохождения испытательного срока — 93% принятых сотрудников остались работать в компании. Эти результаты подтвердили, что автоматизация не только ускоряет процессы, но и повышает качество подбора персонала.
Ключевым достижением стало перераспределение рабочего времени HR-специалистов: 467 сэкономленных часов были перенаправлены на программы адаптации, что дополнительно снизило текучесть кадров на 17%. Такие показатели демонстрируют комплексное влияние автоматизации на все этапы работы с персоналом.
Автоматизация первичного отбора — не про замену HR, а про перераспределение ресурсов. Компания перенаправила 467 сэкономленных часов на адаптацию персонала, что снизило текучесть на 17%.
Интересное:
Новости отрасли:
Все новости:
Публикация компании
Достижения
Контакты
Социальные сети