Вакансий стало меньше, почему нагрузка на рекрутеров не снижается

В 2026 году внешний найм становится более избирательным и замедляется. Но почему нагрузка на рекрутеров остаётся прежней или даже растёт?

Поговорили с 63 HR-лидами и руководителями рекрутмента из компаний, которые нанимают IT- и digital-специалистов. И проанализировали данные поиска 300+ компаний — клиентов «Подбора», чтобы понять, как изменилась нагрузка на рекрутинг за последний год.

57% опрошенных HR-лидов поделились, что нагрузка за последний год выросла. Но причины не в росте количества вакансий:

• 25% из них рассказали, что вакансии стали сложнее и специфичнее;
• 32%, что команды стали меньше;
• 18% опрошенных рассказали, что на одного рекрутера приходится от 10 до 33 вакансий одновременно.

То есть рекрутеров становится меньше, поиски — сложнее, а задач на одного человека — больше. Кроме подбора, рекрутеры начинают брать на себя смежные функции: работу с HR-брендом, адаптацию и обучение.

Что думают остальные 43%
Несмотря на схожие с первой группой факторы — усложнение вакансий, рост откликов — результаты разные:

1. У части команд нагрузка «как будто не изменилась», и в этой подгруппе автоматизация процессов встречается заметно чаще.
2. У части нагрузка снизилась: вакансий стало меньше, но рекрутеров осталось столько же.

Задачи, которые сегодня отнимают больше всего ресурсов:

• 34% — поиск и первичный отбор,
• 23% — проверка и оценка кандидатов,
• 17% — работа с бизнесом,
• 14% — коммуникация с кандидатами,
• 12% — операционные задачи.

Коммуникация с бизнесом отнимает больше времени, чем общение с самим кандидатом.

На объём работы по вакансии влияет и размер рынка специалистов. Мы посмотрели, насколько этот показатель отличается для разных IT-профилей — по данным поиска в Подборе среди 300+ компаний-клиентов.

Например:

• Backend Java developer — около 40 000 кандидатов,
• MLOps — около 1 500 кандидатов.

Разница — более чем в 26 раз. Это не значит, что поиск MLOps-специалиста в 26 раз дольше, таких данных у нас нет, но стратегия поиска будет отличаться.

На большом рынке рекрутер в первую очередь работает с воронкой: ищет и отбирает подходящих кандидатов. На «маленьком» рынке свободных кандидатов на порядок меньше, и работодатели конкурируют за одних и тех же людей.

В таком сценарии решает скорость и качество общения с потенциально релевантным кандидатом.

Мы дополнительно спросили HR-специалистов разного уровня о том, на каких этапах подбора использование ИИ, по их мнению, эффективно.

Опрос допускал несколько ответов, поэтому проценты не складываются в 100% — каждая цифра показывает долю тех, кто доверяет ИИ именно на этом этапе.

Ответы можно поделить на три группы:

1. Составление описания вакансий — 73%.
2. Разбор откликов, холодный поиск, реактивация базы, оценка резюме, первичный скрининг — 26–35%.
3. HR-интервью, оценка технических навыков, техническое интервью — 7–13%.

Здесь есть закономерность: там, где ошибку ИИ сложнее исправить задним числом и нужна более глубокая оценка кандидата, к автоматизации относятся осторожнее. Например: текст вакансии можно переписать, первичный скрининг перепроверить. Но плохая оценка на интервью — это уже решение, где важна внутренняя экспертиза. 

То есть ИИ в первую очередь автоматизирует верхнюю часть воронки — от подготовки вакансии до поиска и первичного отбора. Чем ближе процесс к содержательной оценке кандидата, тем чаще рекрутеры оставляют решение за человеком.

Сокращение количества вакансий само по себе ничего не значит. На нагрузку одновременно влияют:

• размер команды,
• количество вакансий на одного человека,
• специализация вакансий,
• объём поиска и  проверка кандидатов.

И это индивидуальные параметры для каждой команды. Поэтому понять, как повысить эффективность найма — по скорости, бюджету или конверсии воронки — по средним цифрам сложно. Но можно на своих вакансиях.