Как в «Островке» связали найм, адаптацию и развитие через единую матрицу навыков
«Островок» с 2010 года развивает технологические продукты для путешествий. За последние четыре года компания выросла с 1500 до 3500 человек, что усложнило ИТ-найм. Нужно было быстрее закрывать вакансии, но не снижать качество оценки кандидатов. Для этого внедрили подход, в котором навыки специалистов стали основным критерием найма.
Компания зашила компетенции по разным ролям в чек-листы для обсуждения вакансий и интервью. Фидбэк начала обрабатывать с помощью ИИ и связала результаты оценки с адаптацией и развитием сотрудников. Об этом и расскажем в кейсе.
Ключевые данные кейса
Задачи
Сократить количество уточнений у кандидатов на финальных этапах отбора
Ускорить найм без потери качества оценки
Сделать технические интервью более системными и менее субъективными
Решение
Создали автоматизированные чек-листы для обсуждения вакансии с нанимающим менеджером
Подключили ИИ для расшифровки интервью и структурирования фидбэка
Запустили Школу технических интервьюеров
Стали передавать данные об оценке навыков руководителю нового сотрудника для онбординга и развития
на ~100%
реже стали возвращаться к повторным встречам с нанимающим менеджером
на 70%
сократили время обработки фидбэка и принятия решения по кандидатам
80+
ИТ-специалистов прошли Школу технических интервьюеров за первый год
Почему старый подход перестал работать
Сегодня в «Островке» более 700 ИТ-специалистов, а команды поддерживают свыше 300 сервисов на разных языках и фреймворках. Чем больше стеков и направлений, тем разнообразнее профили ролей и тем сложнее их точно оценивать во время найма.
Компания искала T-shaped-специалистов — экспертов в своей области с широким кругозором, которые глубоко знают продукт и подходят компании по мягким навыкам. Именно на таких профилях оценка кандидатов начала давать сбой.
«Из-за быстрого роста и сложных профилей у нас возникал разрыв воронки. На начальных этапах мы смотрели на одно, а на финальном понимали: мы не проверили что-то важное или нужно было проверять совсем другое».
Анастасия Туча
руководитель команды рекрутмента
Из-за этого разрыва приходилось тратить больше времени на оценку кандидата и пересборку процесса.
Проблему усиливали изменения на рынке. Кандидаты всё чаще использовали ИИ для написания резюме: поток откликов был большой, но релевантных среди них было немного. При этом на технических интервью могли быть риски обмана и фрода.
Команда сформулировала несколько задач: ускорить найм, сделать оценку точнее и устойчивее к сложным профилям и усилить технические собеседования.
Поделитесь кейсом о навыках
Расскажите, как меняете найм — и мы опубликуем вашу историю в блоге и СМИ.
База для перехода уже была — матрицы компетенций, которые использовали для оценки эффективности и развития сотрудников. Команда решила перенести этот опыт на найм, чтобы заранее фиксировать, какие навыки важны для роли, как их проверять и кто отвечает за оценку.
Сначала команда создала автоматизированные чек-листы, в которые зашила скиллсеты — наборы навыков для конкретной роли, направления бизнеса и уровня позиции.
Примеры скиллсетов для разных ролей
На интервью по этому же чек-листу стали проверять навыки, которые распределены по этапам: HR-интервью, встреча с нанимающим менеджером, техническое собеседование. Каждый этап завершался оценкой по простой шкале: «не соответствует ожиданиям», «соответствует с условиями», «соответствует ожиданиям» или «превосходит ожидания».
Эти данные сводили в единую картину по финалисту. Это помогало увидеть, какие навыки требуются для роли, как и на каком этапе их оценивали. В итоге решение принимали не по общему впечатлению от интервью, а на основе объективных сильных сторон кандидата и возможных рисков.
Как ИИ ускорил работу с фидбэком
С согласия кандидата команда стала запускать инструмент для автоматической записи и расшифровки интервью. Затем ИИ анализирует информацию по заранее подготовленным промптам под каждую компетенцию. На выходе команда получает оценку по шкале соответствия, сильные стороны кандидата, риски и объяснение, почему инструмент поставил именно такую оценку. Рекрутер или интервьюер проверяет результат и вносит финальную оценку в ATS — систему учёта кандидатов.
Финальное решение по кандидату ИИ не принимает — ответственным остаётся человек. Инструмент нужен, чтобы быстрее структурировать заметки, подводить итог интервью и передавать информацию следующему участнику подбора.
«Мы не делаем ставку на полную автоматизацию оценки. На выходе видим структурированную оценку с зонами риска и роста, но человек всегда просматривает её и принимает финальное решение».
Анастасия Туча
руководитель команды рекрутмента
Зачем запустили школу технических интервьюеров
Чтобы оценка кандидатов заработала, потребовались изменения и в собеседованиях, поэтому в «Островке» запустили Школу технических интервьюеров. Основной профиль — мидл- и сеньор-разработчики, а также тимлиды.
В школе разбирают, как готовиться к интервью, строить вопросы с опорой на матрицу компетенций, управлять ходом встречи и оформлять фидбэк после. Отдельно обсуждают типичные ловушки интервью: например, когда сильное первое впечатление влияет на итоговую оценку или интервьюер слишком быстро делает вывод по одному удачному ответу.
Главная задача — научить сотрудников проводить собеседование под конкретную роль, а не использовать один и тот же набор вопросов для всех кандидатов. Технический интервьюер должен работать с матрицей как с конструктором: смотреть, какие навыки нужно проверить, как они проявляются в задачах, какие вопросы помогут увидеть ход мышления кандидата.
Это особенно важно на фоне рисков обмана на собеседованиях. В компании не пытаются выяснить, использует ли кандидат ИИ для ответов. Вместо этого интервьюеры учатся смотреть на ход рассуждения: как человек формулирует проблему, какие гипотезы предлагает, как реагирует на уточняющие вопросы и меняет решение, если появляются новые условия.
Что изменилось после внедрения подхода
Дополнительные встречи с нанимающими менеджерами почти исчезли: навыки, их значимость и этапы оценки фиксируют заранее, поэтому возвращаться к обсуждению профиля больше не нужно. Оценку по кандидату теперь передают участникам подбора в день интервью — в среднем команда тратит на 70% меньше времени на её обработку и принятие решения по кандидату.
Качество интервью улучшилось благодаря Школе технических интервьюеров. Её прошли более 80 ИТ-специалистов и научились собирать сценарий собеседования под конкретную роль. Это снижает риск обмана со стороны кандидатов, ведь один универсальный сценарий интервью проще проработать заранее или обойти с помощью подсказок ИИ.
Кроме того, оценка стала менее субъективной: кандидата выбирают, опираясь на конкретные критерии. До того, как сделать офер, команда получает структурированную оценку: какие навыки кандидат показал на разных этапах, где соответствует ожиданиям, где есть риски и что нужно развить.
Оценка не теряется после найма — её передают руководителю нового сотрудника и используют во время онбординга. Благодаря этому работник с первого дня понимает, какие навыки ему нужны, чтобы развиваться внутри компании.
Что рекомендуют другим компаниям
1. Проанализировать матрицы компетенций. Перед внедрением навыкоцентричного подхода важно выделить время на их аудит: проверить, насколько они актуальны, понятны рекрутерам и применимы в интервью. Если матрица не отражает реальные задачи роли, она не поможет оценивать кандидатов 2. Продумать обучение. Причём не только рекрутеров, но и интервьюеров, и нанимающих менеджеров
«Навыкоцентричный найм может оказаться непривычной концепцией, поэтому важно уделить особое внимание онбордингу в этом процессе».
Анастасия Туча
руководитель команды рекрутмента
3. Автоматизировать рутину. Чек-листы по вакансиям и обработка фидбэка с помощью ИИ снимают с рекрутеров и интервьюеров часть ручной работы
Навыкоцентричный подход работает не только как инструмент подбора кандидатов — он помогает связать найм, онбординг и развитие в единую систему. Если заранее ясно, какие навыки нужны для роли, кто и где их проверяет, процесс становится быстрее, прозрачнее и точнее для всех участников.
