Нейросеть для HR: вакансии, письма кандидатам и разбор резюме

Нейросеть для HR экономит время на текстовой рутине: вакансии, письма, вопросы для интервью, первичный разбор потока резюме. Но у этой области две особенности, которых нет в маркетинге или поддержке. Первая: резюме и анкеты содержат персональные данные живых людей. Вторая: от результата зависят решения о людях, а значит, предвзятость модели превращается в реальный вред. Ниже: что можно отдавать модели, как обращаться с данными, как строить разбор резюме, чтобы решение оставалось за человеком, и сколько это стоит.

Нейросеть для HR: какие задачи подходят

Ориентир: чем меньше последствий у ошибки и чем проще проверить результат, тем лучше задача подходит.

Для вакансий и писем не обязательно брать самую дорогую модель: начните с недорогой и проверьте её на своих примерах. Как выбирать модель по цене и индексу силы, написано в статье индекс силы моделей↗. Для текстов вообще есть отдельный материал: нейросеть для написания текстов↗.

Вакансии и письма: что просить

Хороший запрос содержит факты, а не просьбу «напиши красиво»: должность, обязанности, обязательные и желательные требования, условия, вилку (если вы её публикуете), формат работы. Добавьте ограничения: «не указывай возраст, пол и семейное положение, не используй слова "молодой", "энергичный"». И попросите разделить обязательное и желательное: резюме с этим сопоставлять проще.

Для писем кандидатам задайте тон и структуру. Письмо об отказе: благодарность, чёткое решение без лишних подробностей, без обещаний «мы сохраним ваше резюме», если вы его не сохраните. Черновик такого письма модель подготовит, но отправляйте его сами: автоматическая рассылка отказов без прочтения быстро приводит к неловкостям.

Персональные данные кандидатов

Резюме — это ФИО, контакты, дата рождения, места работы, иногда фото, семейное положение и адрес. Всё, что вы передали модели в запросе, уходит на сторону поставщика. Практические правила:

1. Передавайте минимум. Для сопоставления с критериями вам не нужны ФИО, телефон, почта и адрес. Уберите их до отправки, а кандидата обозначьте номером. Как заменять данные метками и возвращать их обратно, мы разбирали в статье логирование без утечки данных↗.
2. Не отправляйте лишнего. Фото, данные о здоровье, семейное положение и национальность для оценки навыков не нужны и в запросе не нужны тем более.
3. Уточните правовую сторону. Обработка персональных данных кандидатов подчиняется закону о персональных данных: согласия, цели, хранение, передача третьим лицам. Мы не даём юридических заключений, вопросы о передаче данных в API модели и о месте хранения обсудите с юристом компании до запуска.
4. Отдельный ключ. Заведите для HR свой ключ: в кабинете ему задаётся дневной и месячный лимит и список разрешённых моделей (подробнее о лимитах ключей↗). Так расход HR-задач виден отдельно и не выйдет за потолок.
5. Храните результаты аккуратно. Ответ модели про конкретного кандидата — тоже персональные данные, и жить ему там же, где и резюме.

Предвзятость: как не отдать решение модели

Модель обучена на текстах, в которых есть человеческие стереотипы. Поэтому разбор резюме нужно строить так, чтобы у неё не было места для оценки «по ощущению».

• Критерии заданы заранее и взяты из вакансии. Не просите «оцени кандидата по десятибалльной шкале». Просите для каждого критерия указать: выполнен, не выполнен, неясно, и привести цитату из резюме.
• Нет защищённых признаков. Уберите имя, пол, возраст, фото, семейное положение, национальность до отправки в модель.
• Модель не отклоняет. Её результат — сводка для рекрутёра, а не решение. Отказывает человек.
• Проверка на подмену. Возьмите одно резюме и отправьте две версии с разными именами или разным полом. Результаты по критериям должны совпасть. Если нет, у вас проблема, и такой процесс использовать нельзя. Повторяйте проверку при смене модели или промпта.
• Выборочный аудит. Раз в месяц рекрутёр вручную просматривает случайные резюме, получившие «не выполнен», и ищет пропущенных сильных кандидатов.

Пример: сводка резюме по критериям

import json
import os

from openai import OpenAI

client = OpenAI(
    base_url="https://api.zukko.pro/v1",
    api_key=os.environ["ZUKKO_API_KEY"],
)

CRITERIA = [
    "Опыт работы с PostgreSQL не менее 3 лет",
    "Опыт написания REST API на Python",
    "Опыт ведения проекта в команде от 3 человек",

Строка quote_found отсекает самый неприятный сбой: выдуманную цитату. Если модель сослалась на фразу, которой в резюме нет, результат по этому критерию нельзя использовать. Статус unclear не означает «слабый кандидат», это сигнал рекрутёру посмотреть самому.

Сколько это стоит

Цены на 18 октября 2026, за 1M токенов. Допустим, поток из 200 резюме. Резюме и анкета занимают около 1 000 токенов, критерии и инструкция около 500, ответ около 250. Вход 200 × 1 500 = 300 000, выход 200 × 250 = 50 000.

• gpt-6.1-sol (вход $0.27, выход $1.32): 300 000 × 0.27 / 1 000 000 + 50 000 × 1.32 / 1 000 000 = 0.081 + 0.066 = $0.147.
• claude-sonnet-5-5 ($0.4 / $2): 0.12 + 0.10 = $0.22.
• deepseek-v4.1-flash ($0.013 / $0.038): 0.0039 + 0.0019 ≈ $0.006.

Это стоимость прогона на 200 резюме. Цена модели здесь второстепенна: главное, чтобы процесс был проверяемым. Если вы повторно прогоняете те же резюме с теми же критериями, включите кэш ответов заголовком X-Zukko-Cache: true: точно такой же запрос в течение 7 дней отдаётся из кэша и не списывается. Актуальные цены: GET https://api.zukko.pro/v1/models.

Частые вопросы

Можно ли доверить нейросети отбор кандидатов?

Нет, как итоговое решение. Модель годится для сводки по заданным критериям, а решение должен принимать человек, который может объяснить его кандидату.

Какую модель брать для HR-задач?

Для писем и вакансий можно начать с claude-sonnet-5-5 или gpt-6.1-sol и проверить результат на своих текстах. Для первичного разбора сравните две-три модели на 20 резюме и проверьте стабильность результата, в том числе тестом на подмену имён.

Как не отправлять персональные данные в модель?

Удаляйте ФИО, контакты и адрес до отправки и обозначайте кандидата номером. Если в тексте остаются имена бывших работодателей и должности, это тоже контекст, который может идентифицировать человека: решите, нужен ли он для задачи.

Как подключиться из России?

Zukko доступен из России: баланс пополняется по СБП, картой MasterCard или криптовалютой. Ключ создаётся в кабинете Zukko↗.