Кейс: рекрутинговое агентство — от Excel-хаоса к прозрачному найму за 30 дней

«Где резюме того кандидата, которого мы смотрели на прошлой неделе?» — этот вопрос задавался в агентстве TalentBridge примерно десять раз в день. Резюме было где-то в почте. Или в Telegram. Или, может быть, в той Excel-таблице, которую вела Марина. Или в другой таблице, которую вёл Андрей. Никто точно не знал.

Если вы работаете в рекрутинге или заказываете подбор — наверняка узнаёте ситуацию. Вакансии и кандидаты разбросаны по разным местам. Статусы теряются между почтой и мессенджерами. Клиент звонит: «Как дела с моей вакансией?» — и рекрутеру нужно полчаса, чтобы собрать картину.

Это история о том, как агентство TalentBridge (название изменили по просьбе клиента) за месяц перестроило весь процесс подбора. Без революций, увольнений и миллионных бюджетов. Просто бот взял на себя рутину — и освободил рекрутеров для того, что они умеют лучше всего: находить нужных людей для нужных компаний.

Исходная ситуация: почему Excel убивает рекрутинг

TalentBridge — небольшое агентство: три рекрутера, директор и офис-менеджер. Специализация — IT и digital: разработчики, продакты, маркетологи. Одновременно в работе 15-20 вакансий, в воронке около 200 кандидатов.

Вроде немного. Но проблема в том, что эти 200 кандидатов жили одновременно в пяти разных местах. Резюме прилетали на почту с hh.ru. Переписка с кандидатами шла в Telegram и WhatsApp. Статусы каждый рекрутер отмечал в своей таблице Google Sheets — «так удобнее». Календарь интервью — в Google Calendar, но синхронизировался через раз. Обратная связь от клиентов — в почте, иногда голосовыми.

Когда я спросил директора агентства Екатерину, сколько времени рекрутер тратит на поиск информации по одному кандидату, она задумалась и ответила: «Минут пятнадцать. Иногда больше. Если кандидат приходил через рекомендацию или другой канал — можно искать и полчаса».

Пятнадцать минут на каждого кандидата. При 200 кандидатах в воронке это 50 часов чистого времени только на поиск информации. Целая рабочая неделя одного человека — на то, чтобы понять, что происходит.

Но самое больное было не это. Самое больное — звонки клиентов. Заказчик вакансии спрашивает: «Сколько кандидатов у вас в работе? На каком этапе каждый? Почему вчера было три собеседования, а результатов не вижу?» — и рекрутер честно отвечает: «Сейчас уточню и перезвоню».

Перезванивал обычно через час. Иногда — на следующий день. Ощущения контроля и профессионализма это не создавало. Клиенты начинали нервничать, звонить чаще, требовать отчёты — и съедали ещё больше времени.

Что именно было не так: диагностика проблем

Прежде чем что-то автоматизировать, мы провели неделю в режиме наблюдения. Просто смотрели, как работают рекрутеры, записывали их действия, задавали вопросы. Вот что обнаружили.

Проблема 1: Intake вакансии занимал слишком много времени.

Когда приходила новая вакансия от клиента, рекрутер тратил от одного до трёх часов на её «распаковку». Нужно было понять: какой точно профиль? Какие навыки критичны, а какие желательны? Какая вилка зарплаты реалистична для рынка? Какие сроки? Готов ли клиент рассматривать удалёнщиков? А релокантов? А джунов?

Эти вопросы задавались в хаотичном порядке. Часто что-то забывалось, и потом приходилось перезванивать. Иногда клиент сам не знал ответов и обещал уточнить — а потом не уточнял. В итоге вакансия могла «стоять» неделю только потому, что не было ясности по базовым параметрам.

Проблема 2: Обработка откликов — чёрная дыра времени.

На одну вакансию приходило в среднем 80-120 откликов. Из них релевантных — 15-20%. Остальные 80% — либо откровенно не подходят, либо «пограничные» случаи, которые требуют дополнительного анализа.

Рекрутер просматривал каждое резюме вручную. Открывал PDF или ссылку на hh.ru, читал, принимал решение, переносил данные в свою таблицу, отправлял ответ кандидату (если вообще отправлял). На один отклик уходило 3-5 минут. На 100 откликов — почти целый рабочий день.

При этом ответы кандидатам были шаблонными: «Спасибо за интерес, мы рассмотрим ваше резюме» или «К сожалению, ваш опыт не соответствует требованиям». Но даже шаблонные ответы отправлялись не всегда — просто не хватало времени.

Проблема 3: Потеря кандидатов между этапами.

Это было самое обидное. Рекрутер находил хорошего кандидата, проводил скрининг, отправлял резюме клиенту — и всё. Клиент смотрел резюме «когда будет время», а это могло быть и через три дня. За три дня хороший кандидат получал два-три других оффера.

Когда клиент наконец давал добро на интервью, кандидат отвечал: «Извините, я уже принял другое предложение». Рекрутер начинал всё сначала.

Мы посчитали: из-за задержек агентство теряло около 30% подходящих кандидатов. Это чистые потери — время на поиск, скрининг, переговоры уже потратили, а результата нет.

Проблема 4: Клиент не видел процесса.

Для клиента рекрутинговое агентство было «чёрным ящиком». Он платил деньги, иногда получал резюме, иногда не получал. Что происходит внутри — непонятно. Сколько кандидатов рассмотрено? Сколько отклонено и почему? Какие проблемы с вакансией? Почему так долго?

Ответы на эти вопросы требовали ручных отчётов. А на отчёты времени не было — рекрутеры искали кандидатов. Замкнутый круг: клиент нервничает от непонятности, рекрутер нервничает от давления, качество работы падает у обоих.

Решение: что мы автоматизировали и как

Мы не пытались построить «идеальную систему» с первого раза. Начали с четырёх критических точек — тех, где потери времени и кандидатов были максимальными.

Intake вакансии через бота

Первое, что мы сделали — создали структурированный intake-процесс. Теперь, когда агентство получало новую вакансию, клиенту отправлялась ссылка на бота (Telegram или веб-виджет — на выбор). Бот проводил клиента через серию вопросов:

• Базовая информация: название позиции, отдел, кому подчиняется, кто принимает финальное решение
• Требования: обязательные навыки (бот предлагал выбрать из списка + добавить свои), желательные навыки, опыт работы
• Условия: вилка зарплаты, формат работы (офис/гибрид/удалёнка), локация, готовность к релокации
• Процесс: сколько этапов интервью, кто участвует, есть ли тестовое задание, ожидаемые сроки закрытия
• Контекст: почему открылась вакансия, какие кандидаты уже смотрели (если были), что не понравилось

Бот не просто собирал ответы — он валидировал их. Если клиент указывал зарплату ниже рынка для указанных требований, бот мягко предупреждал: «По нашим данным, специалисты с таким опытом в вашем регионе ожидают от X до Y рублей. Готовы ли вы рассмотреть кандидатов в этой вилке?»

Если что-то было непонятно или противоречиво, бот переспрашивал. А в конце формировал структурированную карточку вакансии, которая сразу попадала в CRM и была доступна всем рекрутерам.

Результат: время на intake сократилось с 1-3 часов до 15-20 минут. И главное — больше не было «забытых» вопросов. Вся информация была на месте с первого раза.

Автоматический скрининг и скоринг кандидатов

Вторая точка автоматизации — обработка откликов. Мы подключили интеграции с hh.ru и email, чтобы отклики автоматически попадали в систему. Но главное — мы настроили AI-скрининг.

Как это работало: бот анализировал резюме и сравнивал его с требованиями вакансии. Учитывались:

• Соответствие обязательным навыкам: есть ли в резюме упоминания нужных технологий, инструментов, опыта
• Опыт работы: релевантность предыдущих позиций, длительность работы на каждом месте
• Зарплатные ожидания: если указаны — попадают ли в вилку клиента
• Локация: соответствует ли требованиям по месту работы
• Дополнительные факторы: образование, сертификаты, языки

На выходе каждый кандидат получал скоринг от 0 до 100 и набор тегов: «полное соответствие», «частичное соответствие», «низкий приоритет», «не соответствует». Рекрутер видел отсортированный список и мог сразу сфокусироваться на топ-20%, а не просматривать все 100 резюме.

Бот не принимал решения за рекрутера — он готовил информацию. Финальный вердикт — брать кандидата или нет — оставался за человеком. Но теперь решение принималось за секунды, а не за минуты.

Отдельно настроили автоответы кандидатам. Все, кто откликнулся, получали подтверждение: «Спасибо за отклик на вакансию X. Мы рассмотрим ваше резюме в течение 48 часов и свяжемся, если ваш опыт соответствует требованиям». Это базовая вежливость, но раньше на неё не хватало времени.

Автоматическое назначение интервью

Третья точка — календарь и назначение встреч. Раньше это выглядело так: рекрутер звонил кандидату, спрашивал, когда удобно; потом звонил клиенту (или писал), спрашивал, когда удобно ему; потом пытался найти пересечение; часто не находил и начинал сначала.

Теперь бот отправлял кандидату ссылку на выбор слота. Кандидат видел доступные окна (синхронизированные с календарями всех участников) и выбирал удобное. Автоматически создавалась встреча в Google Meet, отправлялись приглашения обеим сторонам, добавлялись напоминания за сутки и за час.

Если кандидат не выбирал слот в течение 24 часов — бот напоминал. Если интервью приближалось — напоминал обоим участникам. Если кто-то отменял — предлагал альтернативные даты.

Звучит просто, но эффект был огромный. Раньше на согласование одного интервью уходило 2-3 дня. Теперь — 2-3 часа. И никаких «забытых» встреч: напоминания работали чётко.

Отчёты клиенту в реальном времени

Четвёртая точка — прозрачность для клиента. Мы создали простой дашборд, доступный по ссылке (без логина, с уникальным токеном). Клиент мог в любой момент зайти и увидеть:

• Сколько кандидатов рассмотрено
• Сколько прошло скрининг и находится в активной воронке
• На каком этапе каждый кандидат (имена скрыты до момента представления)
• Какие интервью запланированы
• Сколько кандидатов отклонено и по каким причинам (агрегированная статистика)

Никаких звонков «как дела с вакансией?». Клиент сам видел, что дела движутся. А если что-то шло не так — видел это раньше, чем начинал нервничать.

Дополнительно бот отправлял еженедельный отчёт на email: краткая сводка за неделю, ключевые события, следующие шаги. Это занимало у бота 30 секунд, а у рекрутера раньше — час на каждого клиента.

Интеграции: что с чем связали

Вся эта система работала благодаря связкам между разными сервисами. Вот что мы интегрировали:

Каналы коммуникации:

• Telegram — основной канал для общения с кандидатами и клиентами
• WhatsApp — для тех, кто предпочитает этот мессенджер
• Email — для официальных писем и работы с hh.ru

Источники кандидатов:

• hh.ru — автоматическое получение откликов через API
• Telegram-каналы — парсинг резюме из профильных чатов (с согласия авторов)
• Реферальные ссылки — отслеживание, кто кого порекомендовал

Календарь и видеозвонки:

• Google Calendar — синхронизация расписания рекрутеров и клиентов
• Google Meet — автоматическое создание ссылок на интервью

CRM и учёт:

• Единая база кандидатов с историей всех взаимодействий
• Воронка по каждой вакансии с автоматическим перемещением статусов
• Аналитика по конверсии, скорости, источникам

Первые две недели: что пошло не так

Было бы враньём показывать только успехи. Первые две недели после запуска выдались... непростыми.

Проблема с тегами. AI-скрининг первоначально был настроен слишком «жёстко». Если в резюме не было точного названия технологии (например, «React» вместо «ReactJS»), кандидат получал низкий скоринг. Пропустили несколько хороших кандидатов, пока не заметили и не поправили.

Сопротивление одного рекрутера. Андрей, самый опытный рекрутер в команде, первую неделю саботировал систему. Продолжал вести свою таблицу «на всякий случай», не вносил данные в CRM, жаловался, что «раньше было лучше». Понадобился честный разговор с Екатериной о том, что это не угроза его работе, а инструмент. К концу второй недели Андрей признал, что времени на рутину уходит меньше — и стал главным адвокатом системы в команде.

Клиент не понял дашборд. Один клиент позвонил в панике: «Почему вы отклонили 80 кандидатов?! Это же моя вакансия!» Пришлось объяснять, что 80 откликов — это не 80 подходящих кандидатов, и отсев — нормальная часть процесса. После этого добавили в дашборд пояснения и подсказки.

Интеграция с hh.ru падала. Дважды за первую неделю API hh.ru возвращал ошибки, и отклики не попадали в систему. Пришлось настроить мониторинг и резервный механизм через парсинг email-уведомлений.

Результаты через 30 дней: цифры

К концу первого месяца мы замерили ключевые метрики и сравнили с тем, что было «до».

Time-to-shortlist (время от получения вакансии до представления первых кандидатов клиенту):

• Было: 5-7 рабочих дней
• Стало: 2-3 рабочих дня
• Улучшение: 60%

Time-to-hire (время от открытия вакансии до выхода кандидата):

• Было: 35-45 дней
• Стало: 18-25 дней
• Улучшение: 45%

Скорость ответа клиенту (время реакции на вопрос «как дела с вакансией»):

• Было: 2-4 часа (или «перезвоню завтра»)
• Стало: мгновенно (клиент сам смотрит в дашборд)
• Улучшение: 100%

Доля «потерянных» кандидатов (те, кто отказался из-за слишком долгого процесса):

• Было: 30%
• Стало: 12%
• Улучшение: 60%

Время рекрутера на одну вакансию (в неделю):

• Было: 12-15 часов
• Стало: 6-8 часов
• Улучшение: 50%

Последняя цифра — самая важная для агентства. Рекрутер, который раньше тянул 5 вакансий, теперь спокойно вёл 8-10. Без переработок, без потери качества. Прямой рост capacity — и прямой рост выручки.

Что сказали участники

Цифры — это хорошо, но лучше всего ситуацию описывают сами люди.

Екатерина, директор агентства:

«Раньше я тратила половину дня на тушение пожаров — кто-то что-то забыл, клиент недоволен, кандидат потерялся. Теперь у меня есть время думать о развитии бизнеса. Мы взяли двух новых крупных клиентов за последний месяц — раньше я бы побоялась, потому что не справились бы. Сейчас справляемся спокойно.»

Марина, рекрутер:

«Первую неделю я нервничала — казалось, что бот отнимает мою работу. Потом поняла, что он отнимает ту часть работы, которую я ненавидела. Копировать данные из резюме в таблицу, отправлять одинаковые письма, искать, когда у клиента свободное время для интервью — это всё рутина. Теперь я занимаюсь тем, ради чего пришла в рекрутинг: разговариваю с людьми, понимаю их мотивацию, нахожу идеальные совпадения.»

Андрей, рекрутер (тот самый, который сначала сопротивлялся):

«Признаю, я был неправ. Думал, что моя таблица — это моё конкурентное преимущество, мой способ вести дела. Оказалось, это был мой способ тратить время на ерунду. Сейчас я закрываю больше вакансий, чем раньше, и при этом ухожу домой в шесть, а не в восемь.»

Клиент агентства (IT-компания):

«Наконец-то я понимаю, за что плачу. Раньше агентства были для меня чёрным ящиком: отдал деньги, жди. Теперь я вижу воронку, вижу статистику, вижу, что работа идёт. И когда кандидат не подходит — я понимаю почему. Это совсем другой уровень сервиса.»

Продающий акцент: что агентство теперь предлагает клиентам

После внедрения системы TalentBridge переосмыслило своё позиционирование. Раньше они продавали «поиск кандидатов». Теперь продают скорость и прозрачность процесса.

На сайте появилась новая формулировка: «Первые кандидаты — через 48 часов. Вы видите каждый шаг в реальном времени». Это не пустые слова — это гарантия, подкреплённая автоматизацией.

Цены немного выросли (на 15%), но клиенты не жалуются. Потому что они получают не просто «рекрутинг», а конкурентное преимущество в найме. Вакансия закрывается быстрее — бизнес быстрее получает нужного специалиста — быстрее начинает зарабатывать.

Агентство даже сделало из этого маркетинговый ход: «Каждый день без нужного сотрудника стоит вам X рублей. Мы сокращаем время найма вдвое — посчитайте экономию сами».

KPI, которые теперь отслеживаются автоматически

Одно из преимуществ автоматизации — данные собираются сами. Не нужно ничего считать вручную. Вот что TalentBridge теперь видит в реальном времени:

• Time-to-shortlist: от получения вакансии до представления первых 3-5 кандидатов. Целевой показатель: 3 рабочих дня.
• Time-to-hire: от открытия вакансии до выхода кандидата. Целевой показатель: 25 дней для middle-позиций, 40 дней для senior и руководителей.
• Конверсия воронки: сколько кандидатов проходит каждый этап. Норма: 15-20% от откликов доходят до интервью с клиентом, 30-40% от интервью получают оффер.
• Скорость реакции: время от отклика кандидата до первого контакта. Целевой показатель: 4 часа.
• Потери: сколько кандидатов «отвалились» на каждом этапе и по каким причинам. Если причина — «слишком долгий процесс» — это сигнал что-то ускорять.
• Качество источников: откуда приходят лучшие кандидаты (те, кто получает оффер). Помогает оптимизировать бюджет на размещение вакансий.

Раз в неделю директор получает автоматический отчёт с трендами. Если какой-то показатель ухудшился — сразу видно, можно реагировать. Раньше проблемы замечали только когда клиент начинал жаловаться.

Уроки и рекомендации: что мы вынесли из проекта

Этот проект научил нас нескольким вещам, которые подходят для любого рекрутингового агентства (и не только).

1. Начинайте с intake. Если вакансия принята некорректно — вся дальнейшая работа идёт в неправильном направлении. Структурированный intake экономит десятки часов на каждой вакансии.

2. Автоматизируйте скрининг, но не полностью. AI отлично справляется с первичной фильтрацией и скорингом. Но финальное решение должен принимать человек. Рекрутер знает контекст, который не видит алгоритм.

3. Скорость — это всё. На рынке труда 2025 года хороший кандидат получает предложения в течение недели. Если ваш процесс занимает месяц — вы проиграете. Окно возможностей очень короткое.

4. Прозрачность продаёт. Клиенты готовы платить больше за понимание того, что происходит. Дашборд и автоматические отчёты — не «фича», а конкурентное преимущество.

5. Команду нужно готовить. Сопротивление изменениям — нормальная реакция. Важно объяснять, что автоматизация не угрожает рабочим местам, а освобождает от рутины. Когда люди это понимают — они становятся главными сторонниками изменений.

Что дальше: планы на развитие

TalentBridge не остановился на достигнутом. Вот что они планируют добавить в ближайшие месяцы:

• AI-подготовка к интервью: бот будет отправлять кандидату информацию о компании, команде, формате интервью, типичных вопросах. Подготовленный кандидат показывает себя лучше — выше конверсия в офферы.
• Автоматический сбор обратной связи: после каждого интервью бот будет запрашивать фидбек у обеих сторон. Это ускорит принятие решений и даст данные для улучшения процесса.
• Predictive analytics: на основе исторических данных — прогнозирование, сколько времени займёт закрытие конкретной вакансии, какие источники дадут лучших кандидатов.
• Интеграция с LinkedIn: автоматический sourcing пассивных кандидатов по заданным критериям.

Заключение: главный вывод

История TalentBridge — не про технологии. Она про бизнес-модель.

Рекрутинговое агентство традиционно продаёт «закрытые вакансии». Но на конкурентном рынке этого мало. Клиенты хотят не просто результат — они хотят понимать процесс, контролировать сроки, видеть ценность своих денег.

Автоматизация позволяет дать им это — и снизить операционку агентства. Рекрутеры перестают таскать данные между таблицами и становятся тем, кем должны быть: экспертами по людям, консультантами по найму, партнёрами бизнеса.

Если ваше агентство всё ещё живёт в Excel и мессенджерах — возможно, пора задуматься. Не потому что модно. А потому что конкуренты, которые уже автоматизировались, закрывают вакансии быстрее. И забирают ваших клиентов.

Скорость и прозрачность — вот что продаёт современное рекрутинговое агентство. Остальное — гигиенический минимум.

Связанные материалы

• CRM для рекрутинга: как закрывать вакансии в 2 раза быстрее
• AI-ассистент для HR: подбор, онбординг, exit-интервью
• Чат-бот для HR: подбор, онбординг, документы
• Реальные кейсы внедрения GPT-ботов: истории успеха
• Как внедрить чат-бота: пошаговый план