Разница между «AI дал полезные результаты» и «AI-скрининг был пустой тратой времени» почти всегда сводится к одному: качеству вашего кастомного промпта.

Ваш кастомный AI-промпт — это ваше конкурентное преимущество. Он точно указывает AI, что искать, чему придавать приоритет и на какие тревожные сигналы обращать внимание. Хорошо продуманный промпт превращает универсальный инструмент скрининга в вашего персонального AI-рекрутера.

Структура эффективного скринингового промпта

Отличный промпт состоит из четырёх компонентов:

1. Обязательные требования

Какие навыки, опыт или квалификации являются обязательными?

2. Желательные отличия

Что выделяет кандидата, но не обязательно?

3. Тревожные сигналы

Что AI должен считать потенциальными проблемами?

4. Приоритет оценки

Как AI должен взвешивать разные факторы?

Шаблон структуры

Обязательные требования:
[Перечислите обязательные требования]

Сильные отличия:
[Перечислите желательные квалификации]

Тревожные сигналы:
[Перечислите факторы для отслеживания]

Приоритет оценки:
[Опишите, как взвешивать факторы]

Готовые шаблоны промптов

Software Engineer (Backend)

Обязательные требования: Опыт backend-разработки от 3 лет с Python, Java или Go. Опыт работы с реляционными БД (PostgreSQL, MySQL). Знание дизайна REST API и микросервисной архитектуры.

Сильные отличия: Опыт работы с облачными платформами (AWS, GCP или Azure). Контейнеризация (Docker, Kubernetes). Вклад в open-source проекты. Опыт с event-driven архитектурой или очередями сообщений (Kafka, RabbitMQ). Опыт проектирования систем для высоконагруженных приложений.

Тревожные сигналы: Отсутствие опыта продакшен-развертывания. Только академические или учебные проекты. Частая смена работы с периодом менее 1 года. Нет доказательств командной работы.

Приоритет оценки: Придавать больше веса глубине технического опыта, чем широте знаний. Ценить кандидатов, построивших и поддерживающих продакшен-системы. Для старших позиций делать упор на понимание системного проектирования и архитектуры.

Frontend Developer (React)

Обязательные требования: Разработка на React.js от 2 лет. Отличное владение JavaScript/TypeScript. Опыт управления состоянием (Redux, Context и др.). Умение адаптивного дизайна и CSS.

Сильные отличия: Опыт с Next.js или SSR. Навыки тестирования (Jest, React Testing Library, Cypress). Оптимизация производительности. Опыт с дизайн-системами или библиотеками компонентов. Понимание доступности (a11y).

Тревожные сигналы: Опыт только с jQuery/vanilla JS без современных фреймворков. Отсутствие опыта с TypeScript для середины и выше. Портфолио только шаблонных/учебных проектов.

Приоритет оценки: Придавать вес пониманию паттернов React, а не только синтаксиса. Ценить опыт реальных проектов больше, чем выпускников курсов с только учебными проектами (если проекты не впечатляют).

Product Manager

Обязательные требования: Опыт управления продуктом от 3 лет. Доказательства запуска продуктов от концепции до релиза. Опыт работы с инженерными командами. Принятие решений на основе данных.

Сильные отличия: Опыт работы с B2B SaaS продуктами. Навыки работы с аналитическими продуктами (Amplitude, Mixpanel и др.). Опыт с пользовательскими исследованиями или дизайн-мышлением. Техническое образование или опыт. Опыт управления несколькими продуктами.

Тревожные сигналы: Только опыт управления проектами без продуктовой ответственности. Нет доказательств измеримых результатов. Чисто технический опыт без взаимодействия с клиентами.

Приоритет оценки: Ценить доказательства воздействия выше престижности компаний. Искать кандидатов, которые говорят о результатах (рост удержания на X%, рост выручки на Y%), а не только об функционале.

Marketing Manager (B2B)

Обязательные требования: Опыт маркетинга B2B от 3 лет. Опыт с контент-маркетингом и/или лидогенерацией. Знание систем маркетинговой автоматизации (HubSpot, Marketo и др.). Доказательства управления кампаниями и отслеживания ROI.

Сильные отличия: Опыт маркетинга SaaS. Знания SEO и органического роста. Опыт ABM (маркетинга, основанного на аккаунтах). Управление платной рекламой (Google Ads, LinkedIn). Опыт построения маркетинга с нуля в стартапе.

Тревожные сигналы: Опыт только B2C или в агентствах. Нет доказательств измерения ROI или атрибуции. Только креативный бэкграунд без аналитических навыков.

Приоритет оценки: Приоритизировать кандидатов с подходами, основанными на данных. Ценить доказательства влияния на воронку/выручку больше, чем метрики узнаваемости бренда. Опыт в SaaS — большой плюс, но не обязателен при наличии переносимых навыков.

Sales Representative (SaaS)

Обязательные требования: Опыт B2B-продаж 2+ года. Успешное выполнение или перевыполнение планов продаж. Навыки работы с CRM (Salesforce, HubSpot). Опыт исходящих продаж.

Сильные отличия: Опыт продаж SaaS или технологий. Средний размер сделки >50 тыс. долларов. Опыт работы с корпоративными циклами продаж. Знание методологий продаж (MEDDIC, SPIN, Challenger). Опыт в нашей отрасли.

Тревожные сигналы: Только входящие или оформление заказов. Отсутствие данных о выполнении плана. Много частых переходов без карьерного роста. Опыт только розничных или B2C продаж.

Приоритет оценки: Главное — выполнение плана. Ищите конкретные цифры: выручка, закрытые сделки, процент плана. Цените консультативные продажи выше транзакционных.

Customer Success Manager

Обязательные требования: 2+ года в customer success, управлении аккаунтами или клиентских услугах. Опыт ведения клиентской базы. Доказательства удержания или расширения. Отличные коммуникативные навыки.

Сильные отличия: Опыт в SaaS customer success. Навыки работы с платформами CS (Gainsight, Totango, ChurnZero). Результаты по улучшению NPS, CSAT или метрик удержания. Опыт работы с корпоративными клиентами ($100K+ ARR). Опыт внедрения и онбординга.

Тревожные сигналы: Только поддержка/служба помощи без стратегического управления. Отсутствие инициатив в работе с клиентами. Высокая оттока без объяснений.

Приоритет оценки: Ищите доказательства удержания и расширения клиентов. Цените кандидатов, говорящих о бизнес-результатах, а не только об отношениях. Важны эмпатия и коммуникативные навыки — примеры защиты интересов клиента.

Data Scientist / ML Engineer

Обязательные требования: Опыт в машинном обучении или data science от 3 лет. Владение Python и ML-фреймворками (TensorFlow, PyTorch, scikit-learn). Сильные знания статистики и математики. Опыт развертывания моделей в продакшн.

Сильные отличия: Опыт с LLM и генеративным AI. Экспертиза в глубокому обучении. Публикации или доклады на конференциях. Опыт с ML-инфраструктурой (MLflow, Kubeflow, SageMaker). Знание отрасли.

Тревожные сигналы: Только участие в соревнованиях Kaggle без продакшен-опыта. Неспособность объяснить решения модели и компромиссы. Нет опыта с пайплайнами данных и инженерией признаков в масштабе.

Приоритет оценки: Критически важен продакшен-опыт — отдавать предпочтение тем, кто создал и поддерживает ML-системы в продакшне, а не только исследователям. Ищите доказательства бизнес-значимости моделей.

HR / People Operations

Обязательные требования: Опыт в HR от 3 лет. Знание трудового законодательства и комплаенса. Опыт работы с HRIS. Опыт корпоративных отношений с сотрудниками.

Сильные отличия: Опыт масштабирования HR в растущей компании (50 – 200+ сотрудников). Навыки разработки компенсаций и льгот. Опыт построения культуры и бренда работодателя. Опыт HR-аналитики и работы с данными о людях. Международный опыт/опыт работы в нескольких странах.

Тревожные сигналы: Только административный HR. Отсутствие стратегических HR-инициатив. Нет опыта с современными HR-инструментами. Сопротивление работе на основе данных.

Приоритет оценки: Ценить стратегическое мышление выше административного опыта. Ищите кандидатов, которые строили процессы и системы, а не только поддерживали их. Важны акценты на культуру и опыт сотрудников.

Продвинутые техники промптов

Многоуровневая оценка

Оценивайте кандидатов в три уровня:
- Уровень 1 (Полное соответствие): Все обязательные + 3 и более отличий
- Уровень 2 (Хорошее соответствие): Все обязательные + 1-2 отличия
- Уровень 3 (Маргинальное соответствие): Большинство обязательных, но отсутствуют ключевые требования

Чётко указывайте уровень в анализе.

Отраслевой фокус

Мы — финтех-компания, обслуживающая корпоративные банки. Приоритет отдавайте кандидатам с:
- Опыт работы в финансовом секторе или регулируемых отраслях
- Пониманием требований комплаенса (SOC 2, PCI и т. д.)
- Опыт работы с корпоративными циклами продаж (6+ месяцев)

Оценка потенциала роста

Помимо текущих навыков оцените потенциал роста:
- Доказательства быстрого освоения навыков
- Карьерный рост (повышения, рост ответственности)
- Побочные проекты или активное обучение
- Адаптивность, проявленная через карьерные переходы

Культурные сигналы

Наша команда ценит:
- Ответственность и собственность проекта (ищите доказательства полной ответственности)
- Коллаборацию (работа с разными отделами)
- Непрерывное обучение (курсы, сертификаты, проекты)
- Прямую коммуникацию (чёткое и лаконичное резюме)

Советы по оптимизации промптов

Будьте конкретны — «Сильные навыки программирования» слишком расплывчато. «3+ года Python с Django или FastAPI» — понятно и применимо.
Объясните причину — Вместо простого перечисления критериев расскажите, почему они важны. Это помогает AI лучше принимать решения в спорных случаях.
Повторяйте — Анализируйте результаты первой партии. Если AI слишком акцентируется на чём-то, корректируйте промпт.
Используйте следующий промпт — Начальный промпт отбирает резюме, следующий может задать уточняющие вопросы по пробелам или интересным моментам.
Обновляйте регулярно — По мере изменения требований корректируйте промпт. Что было важно для первого найма, может не подходить для десятого.

Ваш AI хорошо ровно настолько, насколько хороши ваши инструкции. Пишите отличные промпты — нанимайте отличных людей.

Создание эффективных AI-промптов для скрининга: примеры для всех ролей