Запускаєте пошук у понеділок. Переглядаєте 200 профілів. 20 вам подобаються. 30 відхиляєте. Решту ігноруєте.
У п'ятницю запускаєте той самий пошук. І ті самі 30 відхилених профілів знову на початку списку. А 20 тих, що вам сподобалися, загубилися серед людей, які на них зовсім не схожі.
Для інструмента ваших понеділкових рішень просто не існувало.
Саме з цим інструменти сорсингу непомітно, але геть усі справляються погано. Вони забувають.
Проблема другого пошуку
Кожен інструмент сорсингу продає вам фільтри. А фільтри не мають пам'яті. Вони знають ваш запит. Але не знають, як ви відреагували на те, що цей запит повернув.
Перший пошук — чесна гра. Ви задаєте параметри, інструмент видає результати, ви їх перебираєте. До десятого пошуку ви вже ухвалили двісті рішень, про які інструмент нічого не пам'ятає. Ваше найцінніше розуміння кандидатів, напрацьоване за години оцінювання, залишається у вашій голові або в таблиці, яку хтось колись експортував.
Саме це проєктне рішення відрізняє софт для AI-сорсингу кандидатів, який навчається, від софту, що просто називає себе AI. Інструмент, який навчається, перетворює ці двісті рішень на сигнал для ранжування. Інструмент, який не навчається, завжди сприймає вас як нового користувача, хоч скільки б часу існував ваш акаунт.
Швидкий спосіб перевірити різницю на демо: запустіть пошук, оцініть десять випадкових профілів, запустіть той самий пошук знову й подивіться, чи зміниться ранжування. Якщо ні, то «AI» у назві продукту не робить жодної роботи.
Ваші рішення як дані
Найкращий сигнал, доступний платформі сорсингу для рекрутерів, — це ви.
Ви розумієте, що означає «сильний senior React-інженер для нашої команди», так, як фільтр не зрозуміє ніколи. Ви знаєте, що ідеальний кандидат запускав споживчі продукти, а не корпоративні дашборди. Ви знаєте, що кандидати з Києва входять у роботу швидше, ніж віддалені кандидати, від яких вас відділяють чотири часові пояси. Ви знаєте, що досвід в агенціях рідко пасує до вашої продуктової культури.
Інструмент цього не знає. Хіба що ви йому скажете. І вам не мало б бути потрібно нічого з цього розписувати.
Інструмент сорсингу кандидатів, який працює як слід, автоматично перетворює ваші оцінки на сигнал. Вам подобаються профілі з певними спільними ознаками — ці ознаки отримують більшу вагу для цієї вакансії. Ви відхиляєте профілі з іншими спільними ознаками — ті отримують меншу вагу. Наступна добірка відображає те, що ви повідомили системі, а не те, що ви ввели в поле фільтра.
У тому, як це реалізовано, важливі дві речі. По-перше, навчання має відбуватися окремо для кожної вакансії. Пошук senior React-інженера не повинен впливати на пошук продуктового дизайнера, бо уявлення про сильного кандидата там різні. По-друге, інструмент має показувати, чого він навчився. Якщо система стверджує, що адаптується, але не може пояснити, що змінилося, — це чорна скринька, якій не варто довіряти місце між вами та вашими рішеннями щодо найму.
Попросіть будь-якого постачальника показати простими словами, чого саме їхня система навчилася з ваших оцінок. Якщо відповіді немає, вона нічого не навчилася.
Проблема охоплення
З інструментами сорсингу є й окрема проблема, яка стосується не інтелекту, а того, де саме вони шукають.
Більшість інструментів шукають там, де їх створили. Якщо весь ваш пул кандидатів на LinkedIn, це не має значення. Якщо ж ви наймаєте українських інженерів, польських дизайнерів чи будь-кого, хто активний на регіональних платформах, це має величезне значення. Місцеві кандидати — на місцевих сайтах вакансій. Фрилансери й кандидати, які шукають лише віддалену роботу, — на нішевих платформах. Інструмент сорсингу, який бачить лише LinkedIn, показує вам видиму частину пулу й сподівається, що ви не помітите решти.
Кращий інструмент шукає на регіональних і глобальних платформах за один прохід і об'єднує профілі, які трапляються в кількох місцях. Остання частина — не приємний бонус. Охоплення кількох платформ без дедуплікації гірше, ніж охоплення однієї, бо та сама людина з'являється тричі, і пул здається більшим, ніж є насправді.
Сам сигнал «знайдено на трьох платформах» теж корисний. Кандидати, які активно шукають роботу, є всюди. Профілі-привиди — ні.
Два рекрутери, одна вакансія
Сорсингом рідко займаються наодинці. Два рекрутери на одній вакансії — норма. Три — звична справа для великих обсягів. І більшість інструментів справляються з цим погано.
Сценарій збою знайомий. Одному рекрутеру подобається профіль, а інший про це не знає. Обидва пишуть кандидатові окремо. Або один відхиляє профіль, який іншому дуже сподобався б, і розбіжність так і не виходить на поверхню, бо відмови бачить лише автор. Зрештою в команди три паралельні таблиці, які не збігаються, а закриття вакансії затягується довше, ніж мало б.
Версія, яка працює: оцінки кожного підписані й видимі всій команді, але ранжування, яке бачить кожен рекрутер, навчається на його власних рішеннях. Ви не перезаписуєте думку колеги. І не успадковуєте його смаки. Розбіжність видно на картці. А якщо оцінки збігаються, другий рекрутер повністю заощаджує свій час.
Якщо на демо не можуть показати, що відбувається, коли двоє колег по-різному оцінюють профіль, інструмент створювали для одного рекрутера, який працює ізольовано.
Остання миля
Останнє, про що варто сказати, — що відбувається після того, як ви когось знайшли. Саме тут зникає більшість часу, заощадженого на сорсингу.
Ви знайшли кандидата. Тепер ви його експортуєте, імпортуєте в систему відстеження кандидатів (ATS), додаєте теги й вручну запускаєте етап скринінгу. Кожен із цих кліків — шанс, що процес зламається. Проміжок між «знайдено» і «на скринінгу» часто довший, ніж сама сесія сорсингу, під час якої знайшли цей профіль.
Сорсинг усередині платформи для найму має скоротити цей проміжок до нуля. Один клік — і профіль потрапляє в пайплайн вакансії. Далі естафету підхоплює контекстний AI-скринінг. Рекрутеру взагалі не доводиться мати справу з CSV.
Що варто перевірити в будь-якому інструменті, який ви оцінюєте: чи потрапляє знайдений через сорсинг кандидат у той самий процес оцінювання, що й кандидат, який сам відгукнувся на вакансію, чи пайплайн розглядає їх окремо? Якщо окремо, ви купили два інструменти, які обидва називають себе рекрутингом.
Що стоїть за рекламою
Маркетинг інструментів сорсингу зійшовся на тих самих трьох словах. AI. Навчання. Інтелектуальний. Ними користується кожен постачальник. Майже ніхто не вкладає в них те, що мав би на увазі рекрутер.
Важлива одна відмінність: чи стає інструмент кращим у міру використання — окремо для кожної вакансії і так, що ви можете це наочно показати. Якщо так, рішення вашої команди накопичуються й примножуються. Якщо ні, ви платите за звичайний пошук у красивішій упаковці.
Careerswift Hire підходить до цього як до одного безперервного процесу. Шукайте на регіональних і глобальних платформах за один прохід. Оцінюйте кандидатів прямо на картках профілів. Спостерігайте, як ранжування прозоро реагує на те, що ви позначили для системи як підхоже, — окремо для кожної ролі. Кандидати із сорсингу проходять той самий контекстний AI-скринінг, що й ті, хто сам відгукнувся на вакансію. Один продукт, один набір даних, один безперервний цикл, у якому рішення рекрутера покращують ранжування.
Приходьте з вакансією, яку вам ніяк не вдається закрити. Найкращі платформи сорсингу радо приймають складні випробування.
