Руководитель отдела автоматизации рекрутинга / ИИ-агентов

Задачи:

1. Запуск и развитие отдела автоматизации рекрутинга

• Определять роли и компетенции внутри отдела — backend, интеграции, LLM-инженерия, аналитика, — и как они стыкуются с IT. Формировать зоны ответственности, процессы разработки и релизные ритмы.
• Выбирать сценарии и приоритеты: Вместе с командой решать, какие функции берёт на себя ИИ-агент — разбор откликов, скрининг, диалоги с кандидатами, выгрузка данных — и как заходить: пилот, постоянный процесс, интеграция с ATS. Оценивать: стоимость разработки и поддержки, экономию времени. ИИ помогает быстро собрать данные и посчитать экономику.
• Запустить внедрение: Довести систему до результата — чтобы агент был разработан, подключён к hh.ru и начал давать измеримый эффект. Держать сроки, бюджет и качество, договариваться с IT и представителями hh.ru по API и ограничениям платформы. ИИ помогает с проверкой документации и чек-листами.
• Вывести на результат: Когда система вышла на нужные метрики — зафиксировать, что сработало, и предложить, как повторить и масштабировать.

2. Архитектура и разработка ИИ-агента

• Проектировать логику агента: Формулировать, как агент обрабатывает отклики и диалоги — правила скрининга, сценарии коммуникации. Согласовывать ТЗ, прототипы, испытания. ИИ помогает с документацией и анализом аналогов.
• Строить интеграцию с hh.ru: Выстраивать цепочку: отклик → обработка агентом → диалог с кандидатом → выгрузка данных → передача в целевую систему. Проектировать работу через API, обрабатывать ограничения платформы, обеспечивать надёжность и логирование.
• Связывать с 1С, SAP и учётными системами: Проектировать обмен данными между агентом и системами учёта и бухгалтерии — данные по кандидатам, ставкам, выплатам, договорам и закрывающим документам. Согласовывать форматы обмена, справочники, статусы и триггеры с IT и бухгалтерией.
• Считать выгоду: Посчитать, что дешевле и надёжнее — разрабатывать своего агента или собирать из готовых решений. Как меняется стоимость привлечения, скорость закрытия вакансии. ИИ помогает быстро пересчитывать сценарии.

3. Эффективность и масштабирование системы

• Сделать чек-листы: Чтобы каждая автоматизация шла по понятным шагам — аудит вакансии, выбор сценария, проектирование агента, интеграция, запуск, контроль качества, оценка результата.
• Считать доходность автоматизации: Посчитать, сколько времени освобождает агент, за сколько окупается разработка, что будет при разных сценариях. ИИ помогает быстро пересчитывать.
• Искать, что масштабируется: Понять, какие сценарии работы агента дают лучший результат, а какие нет, и предложить, как тиражировать успешное на все направления найма.

4. Команда отдела

• Собирать и вести команду разработки: развивать людей внутри отдела, ставить задачи, разбирать кейсы, распределять ответственность. Вести техническую базу знаний с ИИ-поиском.
• Строить инженерные процессы: Настраивать ревью, тестирование, релизы, мониторинг качества ответов агента. Договариваться о зонах ответственности и форматах работы внутри отдела.
• Связывать разработку с результатом: Следить, чтобы работа агента была привязана к измеримому результату — скорость закрытия, конверсия, стоимость найма, — а не к процессу ради процесса.

5. Автоматизация и внедрение ИИ

• Внедрять ИИ-агентов в структуру подбора: Внедрять в структуру ИИ-агентов как соруководителей эффективности рекрутинга — чтобы они вели диалоги, сортировали отклики, выгружали данные, замечали отклонения и предлагали улучшения.
• Настраивать связку «люди + ИИ»: Определять, где агент реально полезен — в скрининге, первичной коммуникации, сборе данных, — а где решение остаётся за человеком. Проектировать эскалации и контроль качества ответов.

6. Аналитика и отчёты

• Следить за цифрами: Планировать нагрузку на систему, замечать отклонения, считать, где автоматизация выходит за бюджет или не даёт результата.
• Отчитываться: Показывать руководству статус разработки, отклонения, прогноз эффективности агента. ИИ помогает собрать цифры и сделать дашборд.

7. Работа со смежными службами

• Следить за изменениями на hh.ru: Иногда меняются правила работы API, тарифы, доступность функций. ИИ помогает быстро найти, что изменилось.

Технический стек и рамки

• LLM и оркестрация агентов: Работа с большими языковыми моделями (ChatGPT, Claude или аналоги) — промпты, сценарии, память диалога, контроль качества ответов. Оркестрация нескольких агентов под разные этапы воронки.
• Интеграция с hh.ru: Работа через API платформы — получение откликов, ведение диалогов, выгрузка данных. Понимание ограничений и правил платформы, аккуратность с доступом и хранением данных.
• Интеграция с 1С и SAP: Обмен данными через API, веб-сервисы, файловый обмен или шину — в зависимости от контура. Справочники кандидатов, ставок, выплат, договоров и закрывающих документов. Понимание логики учёта и бухгалтерии, аккуратность с проводками и статусами.
• Обработка и выгрузка данных: Сбор и структурирование данных из диалогов и откликов, выгрузка в целевые системы (ATS, CRM, 1С, SAP, таблицы, дашборды). Аккуратность с персональными данными и логированием.
• Связка с внутренними системами: Передача результатов работы агента в ATS и аналитику, настройка статусов и триггеров.

Что мы ждём от вас:

• ИИ: Уметь пользоваться ChatGPT, Claude или похожими. Понимать, что ИИ — помощник, а не волшебник: всё проверять руками. Опыт разработки или настройки ИИ-агентов — большой плюс.
• Проактивность: Не сидеть и ждать задачу. Самому предлагать, как улучшить агента и масштабировать автоматизацию. Это самое важное.
• Общение: Не бояться говорить с людьми — с разработчиками, IT, руководителями найма, представителями hh.ru. Чётко формулировать мысли.
• Внимательность: Замечать, если в логике агента что-то не так, если цифры не сходятся, если ИИ выдал ерунду.
• Любопытство: Интересоваться, как устроены ИИ-агенты, API hh.ru и рынок рекрутинга, почему один сценарий автоматизации выгоднее другого, как считают эффективность найма.