Как ИИ сократил срок закрытия вакансий в 2,5 раза: кейс TDM ELECTRIC
В TDM ELECTRIC одновременно было открыто более 200 вакансий, а отдельные позиции не удавалось закрыть по 6–8 месяцев. Но проблема оказалась не только в количестве кандидатов: одного и того же человека рекрутеры и нанимающие руководители оценивали по разным правилам.
Каждый задавал свои вопросы, по-своему интерпретировал ответы и делал выводы на основе личного опыта. Расширение воронки не ускоряло найм — оно только увеличивало количество несопоставимых мнений.
Александр Хачатуров, возглавлявший HR-функцию TDM ELECTRIC, использовал GPT не как «виртуального рекрутера», а как методологический инструмент для проведения интервью.
Как пересобрали оценку кандидатов: 🔹 для каждой роли определили 5–10 компетенций, которые действительно влияют на результат; 🔹 подготовили не менее трёх вопросов по модели STAR на каждую компетенцию; 🔹 описали признаки сильных ответов: логику действий, ответственность, инструменты и измеримый результат; 🔹 зафиксировали слабые сигналы: общие формулировки, уход от ответственности и неспособность объяснить собственные решения.
Вместо набора универсальных вопросов рекрутеры получили единую карту интервью: что проверять, какой опыт искать в ответах и на какие сигналы обращать внимание.
Результаты: 🔥 в 1,8 раза выросло количество принятых кандидатов за месяц; 🔥 в 2,5 раза сократился средний срок закрытия вакансии; 🔥 у рекрутеров и нанимающих руководителей появилась единая система оценки.
📣 Уже через 2 недели на конференции по внедрению ИИ в управлении персоналом обсудим, как находить узкие места в HR-процессах, создавать под них ИИ-инструменты и измерять эффект до и после запуска.
