Российские альтернативы HireEZ и RecruitBot: как AI помогает нанимать в новых реалиях

Привет, меня зовут Дмитрий Шеверев — основатель сервиса Naimee AI для найма на базе искусственного интеллекта. В последние годы я вижу, как рынок рекрутинга переживает цифровую трансформацию: многие рутинные задачи передаются умным алгоритмам, а HR-отделы пытаются успеть за конкурентами. На западном рынке уже стали привычными инструменты вроде HireEZ и RecruitBot – они обещают закрывать вакансии быстрее за счёт AI-подбора и первичного отбора кандидатов. Но могут ли российские компании воспользоваться такими решениями? И какие отечественные альтернативы способны их заменить?

В этой статье разберём основные боли рекрутмента, почему классические методы поиска сотрудников часто не срабатывают, и какие российские AI-сервисы помогают решать эти проблемы. Покажем реальные примеры, мнения HR-специалистов и кейсы, а также аккуратно взглянем на наш опыт с Naimee. Спойлер: искусственный интеллект в найме – уже не мода, а необходимость, особенно в условиях, когда каждый упущенный кандидат может стоить бизнесу очень дорого.

Когда вакансии не закрываются: боли HR и почему старые методы не работают

HR-специалисты нередко тонут в резюме, отчаянно пытаясь найти «того самого» кандидата. Дефицит кадров бьёт по бизнесу: сорванные сроки проектов, выгоревшие команды и потерянная выручка – знакомые симптомы устаревшего рекрутинга.

Последние пару лет на российском рынке найма творится «идеальный шторм» (источник naimee.ai). Компании сталкиваются с парадоксом: кандидатов много, а подходящих почти нет. Ситуация особенно критична, когда нужны узкопрофильные специалисты (например, AI-архитектор или инженер по COBOL) – такие эксперты в прямом смысле на вес золота. Давайте обозначим ключевые боли бизнеса в найме:

• Кадровый голод. В узких нишах банально не хватает специалистов. Скажем, нужен разработчик со знанием редкого языка (OCaml или Erlang) – на всю страну таких может быть считанные десятки. Обычная тактика «повесили вакансию и ждём отклики» не работает, потому что просто некому откликаться.
• Конкуренция за таланты. Если ценный специалист появляется на рынке, за него начинается борьба работодателей. Лучшие кандидаты получают несколько офферов в месяц и часто исчезают после первого же интервью – конкуренты успевают сделать предложение быстрее. В итоге найм затягивается на месяцы, а позиции пустуют. Как образно говорят рекрутеры, поиск редкого спеца — это охота на единорога, долгий и выматывающий процесс.
• Долгий найм тормозит бизнес. Закрыть сложную позицию типа Senior-разработчика может уйти 3–4 месяца. За это время проект может встать на паузу, команда перерабатывает, а компания теряет деньги и время из-за срыва сроков. Если ключевой человек не найден вовремя, бизнесу грозят упущенные возможности и сорванные обязательства.
• Горы нерелевантных резюме. Часто на одну вакансию сыплются сотни откликов, 90% из которых не подходят. HR-менеджеры тратят дни, просеивая резюме вручную, пытаясь вычленить тех самых 2-3 подходящих кандидатов. Если роль узкая, то и оценить квалификацию сложно – например, не каждый рекрутер разберётся, хороший ли программист указал в резюме “опыт с Kubernetes”. Риск ошибки велик: можно пропустить талант или наоборот позвать на собеседование совсем “не того”.
• Пассивные кандидаты. Многие лучшие специалисты не сидят на job-сайтах в поисках работы. По данным Stack Overflow, лишь 16% разработчиков активно ищут работу, а ~75% открыты к предложениям, но сами резюме не рассылают. Иными словами, самых ценных людей нужно уговаривать и “выкуривать” из текущих мест, а не ждать, что они откликнутся на объявление. Размещать вакансию на HeadHunter или в соцсетях недостаточно – отклика может не быть вовсе.

Неудивительно, что классические методы рекрутинга дают сбой. Размещение объявлений на сайтах почти не приносит кандидатов в узких областях. Массовая рассылка шаблонных писем (“Здравствуйте, у нас для вас вакансия...”) только раздражает редких спецов, которые получают десятки таких в неделю.

Долгие многоэтапные интервью отпугивают: пока компания раскачивается через 5 раундов собеседований, кандидат уже уходит к более шустрому конкуренту. Итог предсказуем: высококвалифицированные кадры не ловятся старыми сетями. Нужно что-то новое.

AI на страже рекрутера: как умные сервисы ищут и отбирают кандидатов

В мире HR набирает обороты новый подход: передать рутину машинам, а людям оставить стратегию и финальные решения. Искусственный интеллект и автоматизация шаг за шагом проникают во все стадии найма. Сначала это были зарубежные инструменты — например, платформа HireEZ (ранее Hiretual) и сервис RecruitBot. Они стали пионерами, показывая, что можно искать кандидатов и фильтровать резюме в разы быстрее с помощью алгоритмов.

Что умеют HireEZ и RecruitBot? Если коротко, они берут на себя два самых трудоёмких этапа: сорсинг (поиск кандидатов) и предварительный отбор. Например, HireEZ агрегирует профили специалистов сразу из 45+ источников, от LinkedIn до GitHub и Stack Overflow.

Система сама находит контактные данные людей, составляет список подходящих и даже может разослать персональные инвайты на вакансию. Аналогично RecruitBot (американский AI-сервис из Кремниевой долины) использует машинное обучение, чтобы подбирать кандидатов под вакансию с высокой точностью и ранжировать их по степени соответствия. Оба инструмента обещают, что найдут “иголку в стоге резюме” за вас – быстрее и зачастую качественнее, чем если бы это делал человек вручную.

Однако у этих красивых решений есть нюансы для российских реалий. Во-первых, многие западные HR-сервисы перестали работать с российским рынком из-за всем известных геополитических причин. Во-вторых, даже если доступ открыт, инструменты заточены под западные площадки: LinkedIn, англоязычные резюме, американские базы.

В России же ключевые источники другие – главные резюме-базы (HH.ru, SuperJob) и локальные сообщества. LinkedIn официально заблокирован в РФ, а значит функциональность HireEZ, основанная на LinkedIn-профилях, заметно обесценивается. Наконец, языковой барьер и специфика данных: наши кандидаты могут не вести GitHub или не указывать должности по-английски, поэтому зарубежный алгоритм банально их не найдёт.

К счастью, отечественный рынок HR-tech не стоит на месте. Появился ряд российских сервисов, которые по функциональности не уступают мировым аналогам, а где-то и превосходят, учитывая местную специфику. Расскажем о них подробнее – как они работают и какие задачи решают.

Умный сорсинг: поиск кандидатов там, где их никто не ищет

Начнём с самого первого этапа – поиска потенциальных кандидатов. Раньше рекрутер вручную шерстил LinkedIn, работные сайты или форумы, пытаясь составить списочек подходящих людей. Теперь это делает AI-сорсинг. Алгоритмы пробегают по множеству площадок, собирают цифровой след специалиста, оценивают его навыки и активность – и выдают вам десятку лучших.

Российские альтернативы HireEZ в поиске талантов уже зарекомендовали себя, особенно в IT-сфере. Один из пионеров – платформа AmazingHiring. Ещё с середины 2010-х она помогает находить программистов, агрегируя данные из сотен источников. Сегодня в базе AmazingHiring более 600 млн профилей разработчиков по всему миру.

Фишка сервиса – он анализирует реальные навыки: смотрит вклад человека в open-source (какой код коммитит на GitHub, в каких проектах участвует), активность на профильных форумах, хакатонах и т.д.. То есть способен вытащить на свет “спрятанного” гения, о котором нет резюме на HH, но который, к примеру, активно отвечает на вопросы по Kubernetes на Stack Overflow. Для компаний, охотящихся за редкими айтишниками, такой глубокий ресёрч незаменим – никакой классический поиск такого не сделает.

В последние годы появился и новый игрок – платформа Matchy ("Мэтчи"). По сути, это более современный ответ на запрос IT-рекрутеров. Matchy ищет кандидатов по 45 разным сайтам, от соцсетей и хабов до профильных ресурсов, и сразу подтягивает контакты кандидата – Telegram, почту, телефон (источник matchy.ru). Объём впечатляет: заявлено 65+ млн профилей IT-специалистов с прямыми контактами. Сервис показывает, кто из них активно ищет работу сейчас, а кто пассивен, и с помощью ML-ранжирования выводит наверх наиболее релевантных кандидатов. То есть рекрутер экономит время – не нужно перебирать сотни результатов, система сама подсовывает тех, кто с высокой вероятностью подойдёт.

Интеграция с ATS тоже на месте: Matchy синхронизируется с отечественными системами типа Хантфлоу, чтобы данные о кандидате сразу ложились в базу компании. Некоторые крупные работодатели уже оценили инструмент. Так, руководитель отдела рекрутмента Wildberries Анна Ёсина отмечает, что «Мэтчи — самый крутой и полный инструмент для поиска людей на IT-рынке. Лучше ещё не придумали». Похожие отзывы дают в Сбере и Яндексе – эти компании среди ~10 000 пользователей Matchy.

Стоит упомянуть и другой класс решений: AI-подсказки на знакомых платформах. Например, LinkedIn (неофициально доступный через VPN) внедрил умные фильтры и рекомендации: теперь рекрутеру показывают “похожих кандидатов” на основе вашего запроса, подсказывают, кого ещё стоит рассмотреть. Кроме того, многие HR начали использовать генеративный AI для точечного поиска и контакта.

Скажем, ChatGPT может написать персонализированное письмо кандидату, включив упоминания его проектов и достижений – такие письма больше не выглядят как спам, и отклик на них намного выше. В Matchy тоже встроен GPT-модуль: он помогает составлять шаблоны сообщений для массовой рассылки, чтобы каждое было как будто написано вручную. Современный рекрутинг всё больше похож на маркетинг, где кандидатов нужно “прогревать” персональным подходом – тут AI очень кстати.

Итог: на этапе сорсинга российский бизнес уже не безоружен. Вместо недели ручного поиска – пару часов с AI, и у вас список из десятков подходящих кандидатов. Например, был у нас случай: требовался разработчик Elixir под проект VoIP – вакансия уровня “иголка в стоге”. Вручную через LinkedIn мы бы его искали вечность.

Но AI-агент промониторил GitHub (нашёл репозитории с Elixir-кодом), Telegram-чаты по Erlang/Elixir, профильные форумы – и буквально за день собрал список перспективных имён. Дальше подключили генеративный AI для контакта: каждому кандидату бот отправил небольшое письмо, где упомянул его конкретный open-source проект. Результат – первые отклики пришли через 2 дня, а не через несколько недель, как было бы при стандартном подходе.

Фильтрация и скоринг: когда за вас читают сотни резюме

Автоматизированный скоринг резюме в действии: умный алгоритм сортирует кандидатов, выставляя баллы за соответствие вакансии. Рекрутер экономит часы работы, получая на руки лишь короткий список лучших претендентов.

Найти кандидатов – это только полдела. Далее нужно отсмотреть их резюме, понять, кто реально подходит под требования, а кто приукрасил опыт, и кого стоит позвать на интервью в первую очередь. На помощь приходит AI-скрининг – системы, которые проводят первичный отбор автоматически. Они словно ассистент-рекрутер: читают резюме, соотносят с вакансиями, выделяют ключевые навыки и даже могут оценивать риски.

Представьте: открыта вакансия, на неё валится 200 откликов. Искусственный интеллект способен за считанные минуты “препарировать” все резюме, вычленяя тех, кто соответствует требованиям на 80% и выше. Например, система посмотрит на опыт работы, стек технологий, сопоставит с описанием вакансии и выставит каждому кандидату балл соответствия по множеству параметров.

Рекрутеру на экран выводятся топ-10% кандидатов – их он уже просматривает вручную более внимательно. Остальных можно проверять по остаточному принципу или вовсе сразу отклонить, если критерии жёсткие. В итоге экономятся часы и дни, которые раньше уходили на ручной просмотр резюме.

На российском рынке есть интересные решения в этой области. Например, HR-ассистентка Polina AI от ITFB Group. В 2025 году она получила обновление, научившись выявлять “красные флаги” в биографии кандидата (источник livemanagement.ru). Что это значит? Полина автоматически отмечает, если у человека слишком частая смена мест работы (нестабильная карьера), много коротких позиций или, скажем, только учебные курсы без реальной практики.

Для рекрутера это сигнал: кандидат может быть рискованным (например, склонен быстро уходить или не имеет достаточного опыта), и можно уделить ему особое внимание или сразу отсеять. Более того, Polina теперь показывает детализацию соответствия вакансии – не просто «подходит/не подходит», а по каким именно требованиям есть пробелы. Система даже подсчитывает фактический стаж по ключевым навыкам (в годах и месяцах). Таким образом, оценка кандидата становится более объективной и прозрачной: можно легко объяснить, почему алгоритм поставил низкий балл (например, английский у кандидата Beginner, а нужен Upper Intermediate, опыт с нужной технологией – меньше года и т.д.).

Другой пример – интеграция AI-модулей в уже привычные HR-системы. Так, популярный рекрутинговый сервис Хантфлоу объявил об интеграции с платформой МТС Link: теперь при проведении видеоинтервью ИИ-помощник автоматически расшифровывает и конспектирует разговор. Рекрутеру после встречи выдается готовое краткое резюме, что кандидат ответил, с пометками ключевых моментов. Кроме того, помощник может напомнить о договорённостях или отметить несостыковки. По сути, часть аналитической работы после интервью тоже берет на себя робот – а у HR освобождается время на общение с другими кандидатами.

Стоит отметить и разработки в связке с крупнейшими платформами. Например, Talantix (дочерний сервис hh.ru) внедрил AI-алгоритм ранжирования откликов, который, по сообщению компании, ускоряет закрытие вакансий в 2 раза. Функция автообновления резюме позволяет мгновенно подтягивать новые данные о кандидате из его профиля на HH – чтобы рекрутер не пропустил, что соискатель, например, недавно улучшил свой уровень навыков или сменил статус поиска работы. В совокупности такие улучшения делают процесс отбора более динамичным и точным.

Конечно, AI — не панацея. Важно контролировать алгоритмы, чтобы не получить перекосов. Известный случай: Amazon несколько лет назад пробовал автоматизировать отбор резюме и столкнулся с проблемой – модель оказалась сексистской (источник naimee.ai).

Алгоритм обучился на данных о прошлых наймах, где большинство успешных кандидатов были мужчины, и начал занижать рейтинг резюме, в которых упоминалось слово “women’s” (например, в контексте «women’s chess club»). Проект свернули, сделав вывод, что AI-ботов надо обучать и проверять очень тщательно, чтобы избежать дискриминации. Российские разработчики таких систем учитывают эти уроки: например, упомянутая Polina AI делает акцент именно на объективных показателях (стаж, соответствие требуемым навыкам), стараясь минимизировать влияние субъективных факторов.

В целом же, умные фильтры сильно облегчили жизнь HR-ам. Не надо больше читать сотни типовых резюме – достаточно настроить критерии, и машина сама отсеет 80-90% лишнего. По оценкам ResumeBuilder, к 2024 году около 43% компаний в мире уже внедрили AI-системы для первичного интервью или скрининга кандидатов, в основном в виде чат-ботов, которые задают вопросы или анализируют CV. То есть почти половина работодателей доверила первой этапы отбора алгоритмам – и тенденция растёт.

Чат-боты и роботы-рекрутеры: первый контакт без участия человека

Если поиск и фильтр прошли успешно, на горизонте появляется многообещающий кандидат. Но его ещё надо заинтересовать и “дожать” до собеседования. А если кандидат пассивный, то сначала вообще выловить и разговорить. Здесь на сцену выходят рекрутинговые боты – голосовые и текстовые ассистенты, которые берут на себя рутинное общение с соискателями.

Первая громкая история в России – конечно, Робот Вера. Ещё в 2017 году про неё писали как про инновацию: отечественная разработка от Stafory, которая обзванивает кандидатов и проводит с ними первичные интервью (источник rb.ru). Вера умеет искать резюме на работных сайтах по заданным критериям, затем автоматически звонит людям, рассказывает о вакансии и задаёт базовые вопросы.

Она же может провести короткое видеоинтервью или прислать кандидату ссылку для записи видеоответов. То есть фактически выполняет работу целого штата ресечеров: до 1500 звонков в день и персональные письма по итогам разговора – такие цифры заявляли разработчики (источник naimee.ai). За это Робота Веру полюбили компании с массовым наймом – ритейл, call-центры, где нужно быстро обзвонить сотни соискателей.

С тех пор технологии шагнули вперёд. Появились более “гибкие” боты, которые общаются не только по телефону, но и в мессенджерах, а главное – делают это почти неотличимо от человека. Современные AI-ассистенты способны понимать свободную речь и поддерживать диалог, а не просто читать скрипт. Интересно, что сами кандидаты стали относиться к такому формату всё лояльнее. Недавний эксперимент Чикагского университета показал: соискатели, общавшиеся на интервью с голосовым ботом, на 18% чаще выходили на работу и на 17% реже увольнялись в первый месяц, по сравнению с теми, кого собеседовал живой рекрутер. Более того, 78% участников, которым дали выбор, предпочли беседовать с AI, а не с человеком! Почему так произошло?

Во-первых, бот задавал вопросы структурированно и без предубеждений, кандидаты чувствовали себя комфортнее и отвечали развернуто. Во-вторых, исчез “человеческий фактор” – никто не перебивал, не задавал некорректных вопросов, не выказывал предвзятости. Такой эффект неожиданно открыл глаза многим скептикам: оказывается, робот-интервьюер может быть не хуже, а в чем-то и лучше человека на этапе скрининга. Конечно, финальное решение всё равно остаётся за людьми – AI лишь проводит интервью и предоставляет отчёт. Но факт остаётся фактом: ни кандидаты, ни HR уже не боятся, что машина “отпугнет” хорошего специалиста. Скорее наоборот – ускорит процесс и сделает его объективнее.

В текстовом формате всё тоже стало серьёзно. Чат-боты-рекрутеры теперь ведут себя гораздо умнее старых скриптовых решений. Если раньше кандидат сразу понимал, что разговаривает с программой (сухие вопросы, никакой гибкости), то новые боты благодаря NLP и большим языковым моделям поддерживают естественный диалог. Я ярко это вижу на примере нашего сервиса Naimee. Мы разработали AI-бота, который общается с кандидатом на человеческом языке: понимает свободные формулировки, может уточнить детали опыта, ответить на встречные вопросы про вакансию.

Кандидат зачастую вообще не догадывается, что “собеседует” его робот, а не живой рекрутер – настолько гладко идёт диалог. Это важно, потому что одна из проблем чат-ботов – ощущение бездушности. По опросам, около 47% соискателей раньше считали, что бот делает процесс найма чересчур безличным. Но если бот общается как живой, впечатление меняется. В результате повышается конверсия: люди охотнее соглашаются дойти до оффера, у них не пропадает мотивация из-за “странного” общения на первом этапе.

Как это выглядит на практике? На примере Naimee: наш бот подключается после того, как кандидата нашли и оценили. Далее он задаёт уточняющие вопросы по вакансии – например, уточнит, какой именно опыт с нужной технологией у человека, какую зарплату ожидает, готов ли к переезду. Это похоже на обычный скрининговый звонок от рекрутера, только в чате.

Если кандидат базово подходит, бот сам предложит удобное время и запишет его на интервью с работодателем. Все участники получат уведомления, календарь и ссылки – рекрутеру даже не надо участвовать в переписке, всё случится автоматически. Причём если кандидат скажет “нет, мне неудобно во вторник”, робот гибко подберёт другой слот, заложенный HR-отделом в систему. Таким образом, полностью закрывается рутинный этап коммуникации и координации.

Пример диалога AI-бота с кандидатом: система уточняет ключевые моменты опыта и приглашает на интервью. Современные чат-боты умеют вести беседу настолько естественно, что собеседник не чувствует “разговора с роботом”.

Отдельно отмечу, что некоторые AI-системы сопровождают кандидата даже после найма, на этапе онбординга. Та же Naimee предлагает модуль поддержки в адаптации: чат-бот отвечает на типовые вопросы новичка, помогает оформить документы, рассказывает про правила компании. Новому сотруднику не нужно бегать каждые пять минут к HR-менеджеру – умный ассистент всегда под рукой, причём 24/7. Для HR это тоже разгрузка: десятки однотипных вопросов отпадают сами собой, и человек подключается только если у бота нет ответа (что бывает всё реже по мере обучения базы знаний).

Конечно, мне, как создателю такого сервиса, легко говорить о плюсах 😊. Поэтому приведу объективный кейс: один из наших клиентов, HR-директор IT-компании, поделился результатами внедрения AI-бота в найм. У них была сложная вакансия – инженер по машинному обучению, на которую пришло ~150 откликов, большинство мимо кассы. Бот сам провёл первичное интервью со всеми, задавая правильные вопросы по опыту в нейросетях, и отобрал 9 действительно подходящих кандидатов.

Затем он же автоматически договорился с ними о Zoom-встрече. HR-ам осталось только подключиться на финальное техсобеседование. В итоге вакансию закрыли вдвое быстрее обычного. Цифры говорят сами за себя: AI сэкономил уйму человеко-часов и позволил не упустить сильных кандидатов, которые иначе, возможно, разошлись бы по другим компаниям.

Стоит добавить, что российские HR-сервисы активно интегрируют чат-ботов в свои экосистемы. Polina AI, о которой шла речь, недавно подружилась с платформой CraftTalk – лидером по корпоративным чат-ботам. Теперь Polina умеет сама переписываться с кандидатами на популярных сайтах и в мессенджерах и даже назначать им встречи, используя движок CraftTalk. Это значит, что функциональность разговорного AI становится стандартом для любых серьёзных решений на рынке найма. Компаниям предлагают единые платформы, где и поиск, и отбор, и переписка – всё автоматизировано и связано между собой.

Будущее найма: человек + AI, а не человек vs AI

С развитием всех этих технологий напрашивается вопрос: не останутся ли рекрутеры без работы? Пока практика показывает, что скорее без работы останутся старые подходы, а не люди. Искусственный интеллект берёт на себя рутину и базовый анализ, но финальные этапы – оценка на культурный фит, переговоры о оффере, “продажа” компании кандидату – по-прежнему ведут люди. Однако роль HR меняется: вместо просеивания резюме и обзвона теперь нужно больше работать с аналитикой и выстраивать взаимоотношения. AI-ассистенты становятся такими же обязательными инструментами, как когда-то e-mail или LinkedIn.

Мировые тренды подтверждают неизбежность этого. В 2025 году 72% компаний в мире используют AI на этапах рекрутинга – ещё годом ранее было 58%. То есть проникновение выросло очень резко. Инвестиции в HR-Tech тоже бьют рекорды: только за 2024 год стартапы в сфере AI для найма привлекли $2,1 млрд, в 8 раз больше, чем годом ранее.

Российский рынок хоть и медленнее мирового, но тоже идёт в ногу. У нас создаются собственные технологии (обозначили лишь часть из них), а крупные игроки (от Сбера до Минцифры) внедряют AI-решения в свои HR-процессы. Например, госорганы запускают платформу с ИИ для отбора чиновников – планируется, что алгоритм будет помогать выбирать руководящие кадры среди тысяч претендентов. Частные компании тоже не хотят отставать: быть в топе за таланты без AI скоро станет невозможно.

В заключение хочется отметить: не стоит бояться нового и ждать идеального момента. Опыт показывает, что начинать можно с малого – взять одну проблемную вакансию и попробовать закрыть её с помощью AI-инструмента. Сейчас большинство решений доступны как сервис (SaaS) и не требуют долгого внедрения: достаточно зарегистрироваться и загрузить данные. Многие предлагают бесплатные демо-периоды или пилотные проекты. Например, платформа Garmony даёт 7 дней доступа через телеграм-бота (источник vc.ru), Naimee открыта к проведению тестового найма для новых клиентов, да и другие игроки охотно идут на пробные интеграции.

AI в рекрутинге – это уже не фантастика, а рабочий инструмент, проверенный на практике. Он не отменяет роль HR, а наоборот, снимает с специалистов ручную работу, позволяя сосредоточиться на стратегических задачах: выстраивании HR-бренда, тонкой оценке софт-скиллов, адаптации новых сотрудников. Как метко сказал один HR-аналитик, «рекрутера будущего отличает не умение прочитать 100 резюме за день, а умение научить свою нейросеть прочитать 1000 резюме за час и выдать нужный результат».

Так что давайте смотреть в будущее смело. Если чувствуете, что ваш найм “буксует” – попробуйте подключить умного помощника. Российские сервисы готовы заменить западные аналоги и даже перевыполнить план. Возможно, уже через пару месяцев вы забудете, как жили без AI в подборе персонала.

Проверено и на нашем опыте, и на опыте коллег по рынку. А как вы считаете, сможет ли нейросеть когда-нибудь полноценно заменить рекрутера – или человеческий фактор незаменим? Поделитесь своим мнением в комментариях!