

автор Simon Bodych
Оновлено 02 вер. 2026 р.
14 хв читання
ATS, або Applicant Tracking System, давно перестала бути просто «місцем, куди падають резюме». Для рекрутера це робоча база кандидатів, для hiring manager, інструмент погодження та оцінки, для HR, джерело звітності й контролю процесу, а для компанії, спосіб не втрачати людей, час і гроші.
Якщо дивитися очима кандидата, ATS часто здається чорною скринькою. Натиснув «Відгукнутися», завантажив CV, десь отримав автоматичний лист, а далі тиша або запрошення на співбесіду. Усередині ж працює цілий ланцюг: збір заявок із різних каналів, парсинг резюме, індексація профілів, маршрутизація по етапах, пошук, оцінка релевантності, листування, звітність і контроль відповідності вимогам законодавства.
За даними Jobscan, до 2024 року ATS використовували близько 98% компаній зі списку Fortune 500. Це не дивує. Навіть бізнес на 200-500 працівників за кілька років може накопичити десятки тисяч профілів кандидатів. Без системи таку базу неможливо нормально обробляти. Excel тут програє дуже швидко.
У цій статті розберемося, як саме працює ATS, із яких модулів вона складається, як система читає резюме, що впливає на ранжування кандидатів, як побудований найм усередині платформи та де рекрутери найчастіше помиляються. Поясню простими словами, але без спрощень до рівня рекламного буклета.
ATS, це централізована система для керування вакансіями, кандидатами та етапами підбору. По суті, це CRM для рекрутингу, доповнена автоматизацією, пошуком, аналітикою та журналом усіх дій.
Типова ATS дозволяє:
Популярні системи на ринку, Greenhouse, Lever, Workday Recruiting, SmartRecruiters, iCIMS, Teamtailor, Recruitee, Ashby, мають різний інтерфейс і різну глибину функцій. Але ядро в них дуже схоже. Є вхід даних, є сховище, є пошук, є workflow engine, є інтеграції. Решта, питання зручності, масштабу та якості реалізації.
Якщо прибрати красивий дизайн, усередині ATS зазвичай живе доволі стандартний SaaS-стек. Хмарна інфраструктура, реляційна база даних, пошуковий індекс, API-інтеграції та набір сервісів для автоматизації.
Найзручніше дивитися на архітектуру в п’ять шарів.
Сюди потрапляють усі заявки й профілі. Джерел зазвичай кілька, і це критично, бо не всі кандидати приходять через кар’єрний сайт.
Основні канали входу:
У хорошій системі всі ці джерела зводяться до єдиного формату. ATS присвоює кандидату ідентифікатор, прив’язує заявку до конкретної вакансії та фіксує джерело. Саме тому потім можна побачити, наприклад, що 43% релевантних кандидатів на sales-ролі прийшли з рефералів, а платне розміщення дало багато відгуків, але мало інтерв’ю.
Після завантаження CV система намагається перетворити неструктурований документ на набір полів. Людина бачить гарне резюме на 2 сторінки, а машині потрібні чіткі значення: ім’я, email, телефон, місце проживання, посади, компанії, дати роботи, освіта, навички, мови, сертифікації.
Саме тут часто виникає відомий ефект, коли кандидат завантажує резюме, а форма просить ще раз вручну заповнити половину полів. Це не знущання заради знущання. Це наслідок того, що парсер не зміг упевнено витягти всі дані або компанія хоче мати стандартизовані поля для пошуку та звітності.
Після парсингу інформація записується в структуру, де кожен кандидат стає окремою сутністю, а не просто прикріпленим PDF-файлом. У зрілій системі один профіль може бути пов’язаний одразу з кількома вакансіями, подіями, листами, оцінками та коментарями.
Типові поля профілю:
На технічному рівні ATS часто поєднує реляційну базу на кшталт PostgreSQL або MySQL з окремим пошуковим індексом, наприклад Elasticsearch чи OpenSearch. База зберігає зв’язки та історію, а індекс забезпечує швидкий пошук за словами, синонімами, фразами й фільтрами.
Рекрутери не хочуть просто «мати базу». Вони хочуть за 20 секунд знайти десятьох людей із SQL, Power BI, досвідом у фінтеху та рівнем англійської не нижче Upper-Intermediate. Для цього ATS індексує профілі й дає інструменти пошуку.
Зазвичай доступні:
Це серце ATS. Саме тут визначено, що відбувається з кандидатом після відгуку: хто бачить заявку, коли надсилається лист, на якому етапі потрібен фідбек, хто має погодити офер і де фіксується причина відмови.
Типові етапи виглядають так:
Кожен перехід логуються. Це важливо не лише для порядку. Якщо компанія отримує скаргу, проводить аудит або рахує ефективність підбору, без історії рішень не обійтися.
Найпростіший спосіб зрозуміти систему, пройти весь шлях однієї вакансії. Візьмемо приклад: компанія шукає Data Analyst у Києві або віддалено в межах України. Плановий термін закриття, 35 днів. Бюджет на розміщення, 20 000 грн.
Рекрутер або HRBP створює запис вакансії. Це не просто текст оголошення. У системі зазвичай є окремі поля: департамент, cost center, hiring manager, рівень позиції, зарплатна вилка, тип зайнятості, локація, причина відкриття, дата планового виходу.
У великих компаніях реквізиція проходить погодження. Часто ланцюг такий: керівник підрозділу, HR, фінанси, інколи CFO або CEO. Якщо в ATS все налаштовано нормально, погодження займає години, а не тиждень у листуванні.
Після затвердження система відправляє вакансію на кар’єрний сайт та зовнішні майданчики. Інколи це робиться напряму через API, інколи через XML-фіди або посередників для multiposting.
Одна й та сама вакансія може одночасно з’явитися:
Кожен відгук створює або оновлює картку кандидата. Добра ATS не плодить дублікати щоразу, коли людина відгукнулася на ще одну вакансію. Вона намагається зрозуміти, що це той самий кандидат, за email, телефоном або іншими ідентифікаторами, і прив’язує нову заявку до наявного профілю.
Це дрібниця лише на перший погляд. У реальному житті дублікати вбивають якість бази. Рекрутер бачить трьох «різних» людей замість одного, коментарі розкидані, історія втрачена, аналітика бреше.
Щойно файл потрапив у систему, запускається парсер. Він зчитує текст із PDF, DOCX, інколи зображення після OCR, визначає секції та намагається витягти ключові сутності.
Наприклад, із такого фрагмента: «Data Analyst, Monobank, 2022-2024. SQL, Python, Tableau, A/B testing. KSE, Economics» система спробує розкласти дані так:
Потім ці поля потрапляють у пошуковий індекс. Саме завдяки цьому рекрутер зможе знайти людину за «Tableau AND SQL», навіть якщо сам ніколи не відкривав PDF.
Далі ATS або сам рекрутер визначає, що робити із заявкою. Якщо в компанії налаштовані knockout questions, частина кандидатів відсіюється автоматично. Наприклад, якщо для позиції водія потрібна категорія C, а кандидат відповів «ні», система може одразу перевести заявку в rejected із зафіксованою причиною.
Для ролей без жорстких вимог частіше спрацьовує ручний скринінг. Рекрутер дивиться на релевантність досвіду, зарплатні очікування, знання мов, часовий пояс, мотивацію. ATS тут не замінює людину, але сильно пришвидшує перший відбір.
Система синхронізується з календарями, Google Calendar або Microsoft 365, надсилає запрошення, нагадування, інколи дає self-scheduling. Після інтерв’ю учасники вносять оцінки в scorecards. Це зменшує хаос на кшталт «я десь писав відгук у Telegram, зараз пошукаю».
Найкращі команди вносять фідбек протягом 24 годин. Якщо цей термін розтягується до 3-5 днів, конверсія в офер майже завжди погіршується. Кандидат не чекатиме вічно, особливо на гарячому ринку.
Коли обрали фіналіста, ATS допомагає пройти останні кроки: погодити зарплату, зафіксувати компенсаційний пакет, зберегти офер, зазначити дату виходу та закрити реквізицію. У частини платформ є інтеграція з HRIS, тому дані нового працівника автоматично переходять у кадрову систему.
На цьому етапі хороша дисципліна в ATS особливо важлива. Якщо офер зробили, але не внесли статус, у вас «вічно відкрита» вакансія, крива аналітика й керівник, який не розуміє, що відбувається. Звучить банально, але таке трапляється постійно.
Більшість кандидатів думають, що ATS «сканує ключові слова». Частково так, але це дуже спрощена картина. Насправді парсинг складається з кількох технік, які працюють разом.
Найпростіші дані система ловить через патерни. Email, телефон, дата, посилання на LinkedIn, часто адреса або індекс. Тут використовують регулярні вирази та словники.
Це працює непогано, поки формат більш-менш стандартний. Якщо кандидат написав номер у дивному вигляді або сховав email у графічний елемент, якість падає.
Тут уже працюють NLP-моделі. Вони намагаються зрозуміти, що саме означає слово або фраза в контексті. «Java» може бути навичкою, «Kyivstar» роботодавцем, «Head of Sales» посадою, «IELTS 7.5» сертифікацією або мовним підтвердженням.
Сильні вендори тренують такі моделі на великих масивах резюме, інколи на мільйонах документів із різних ринків. Але ідеальної точності не існує. Якщо резюме оформлене хаотично, модель теж плутається.
Система визначає, де в документі досвід, де освіта, де скіли, де summary. Заголовки на кшталт «Досвід роботи», «Education», «Skills» допомагають. А от креативні назви розділів на кшталт «Мій шлях», «Що я вмію найкраще» або «Кар’єрна історія в проєктах» можуть погіршити розбір.
Це один із найменш помітних, але дуже важливих етапів. Система намагається звести різні варіанти до єдиного стандарту. Наприклад, «HR Generalist», «Human Resources Generalist» і «HRG» можуть бути приведені до однієї категорії. Те саме зі скілами: «MS Excel», «Microsoft Excel» і просто «Excel».
Без нормалізації пошук працював би набагато гірше. Рекрутеру довелося б пам’ятати всі можливі варіанти написання одного й того ж.
Проблема рідко в тому, що система «погана». Часто біда в структурі документа. Я бачив резюме, де досвід був намальований у два стовпці, дати стояли в бічній колонці, а контакти були вставлені іконками без тексту. Візуально красиво. Для парсера, кошмар.
Найчастіші причини слабкого парсингу:
Оптимальний формат для ATS простий: DOCX або якісний PDF, одна колонка, зрозумілі заголовки, реальний текст, а не картинка, логічний хронологічний порядок. Не найсексуальніший дизайн у світі, зате читається без сюрпризів.
Ось тут народжується найбільше міфів. ATS не завжди «виставляє оцінку» кожному кандидату, і не кожна система має складний AI-модуль. У багатьох випадках ранжування, це комбінація пошукової релевантності, фільтрів та простих правил.
Але scoring справді існує. Особливо у великих інсталяціях або в системах із просунутими модулями matching.
Спрощена модель може враховувати:
Уявімо кандидата на позицію BI Analyst. У нього є SQL, Power BI, Python, 4 роки досвіду в ритейлі, англійська B2, але немає досвіду з dbt, який вказаний у вакансії. Система може дати йому, скажімо, 78 балів зі 100. Інший кандидат має 6 років досвіду й dbt, але слабку англійську та не працював із великими даними, отримає 74.
Тут важливий нюанс. Рекрутери не повинні сліпо довіряти скорингу. Хороший score, це підказка, а не вирок і не автоматичний квиток у наступний етап. Я бачив сильних кандидатів, яких система ставила нижче просто через нестандартну назву посади або брак конкретного keyword, хоча по суті вони чудово підходили.
Як тільки компанія назбирала хоча б кілька тисяч профілів, рекрутери починають працювати не лише з новими відгуками, а й з наявною базою. І тут булевий пошук реально рятує.
Класичний приклад запиту:
(“data analyst” OR “business analyst” OR “bi analyst”) AND (SQL OR PostgreSQL) AND (Power BI OR Tableau) NOT intern
Такий запит відсікає стажерів і шукає релевантних аналітиків із потрібним стеком. До нього можна додати фільтри за локацією, датою останньої активності, поточним статусом, джерелом або рівнем досвіду.
На практиці рекрутери часто роблять помилку, пишуть надто вузький запит і втрачають хороших кандидатів. Наприклад, шукають лише «Account Manager», хоча в резюме людини може бути «Client Success Manager» або «Partnership Manager», а функціонально це майже те саме.
Сильний пошук завжди включає синоніми, альтернативні назви посад і різні варіанти технологій.
Сама по собі ATS корисна, але справжню цінність дають інтеграції. Якщо система замкнена в собі, команда знову починає переносити дані вручну, а це повільно й небезпечно для якості.
Найпоширеніші інтеграції:
У зрілій компанії без інтеграцій страждає все, від candidate experience до часу закриття вакансій. Якщо рекрутер змушений окремо копіювати дані в календар, тестову платформу, таблицю й HRIS, він витрачає години на рутину замість оцінки людей.
Багато команд дивляться лише на кількість відгуків. Це майже завжди неправильний фокус. 500 відгуків не означають, що процес ефективний. Іноді 70 відгуків дають 12 сильних інтерв’ю, а 500 дають лише хаос.
Ключові метрики, які я б радив тримати під рукою:
Наприклад, якщо у вас 120 відгуків, 18 скринінгів, 6 інтерв’ю з менеджером і 1 офер, проблема може бути не в джерелі трафіку, а в тому, що вакансія описана нечітко або рекрутер скринить занадто широко. А якщо відгуків мало, але майже всі сильні, можливо, джоб-борд працює чудово й не треба «масово лити» бюджет у інші канали.
ATS зберігає персональні дані, часто дуже чутливі. Контакти, історія роботи, нотатки інтерв’юерів, зарплатні очікування, іноді результати перевірок. Тому питання безпеки тут не декоративне.
Що має бути в нормально налаштованій системі:
Для компаній, що працюють із кандидатами з ЄС, критично враховувати вимоги GDPR. Деталі можна перевірити на офіційному ресурсі European Commission.
Ще один важливий момент, коментарі в ATS мають бути професійними. Нотатка на кшталт «дивний кандидат» або «не сподобався» не дає цінності й потенційно створює ризики. Пишіть по суті: недостатній рівень англійської для клієнтської ролі, відсутній досвід B2B sales, зарплатні очікування поза вилкою.
Система добре вирішує три речі: порядок, швидкість і видимість процесу. Вона зменшує втрати кандидатів, прискорює рутинні дії та дає дані для рішень. Це вже багато.
Але ATS не виправить:
Іноді компанія купує дорогу систему, але продовжує працювати так, ніби це папка на спільному диску. Статуси не оновлюються, scorecards порожні, причини відмов не заповнюються, джерела не мапляться. У підсумку керівництво каже, що «ATS не дала результату». Насправді результату не дала відсутність дисципліни.
Якщо ви на етапі вибору чи перебудови процесу, раджу почати не з демо, а з реальних сценаріїв команди.
Що варто зробити:
Якщо компанія наймає 10 людей на рік, надскладна система їй може бути не потрібна. Якщо наймає 300, без чітко налаштованої ATS процес дуже швидко розсиплеться.
Кандидати не можуть керувати алгоритмами роботодавця, але можуть сильно підвищити свої шанси на коректний розбір резюме та адекватну індексацію.
Що працює найкраще:
Не треба перетворювати CV на мішок із ключових слів. Хороші рекрутери це помічають одразу. І система, до речі, теж не завжди дурна. Якщо документ виглядає як перелік із 80 технологій без контексту, довіри до нього менше, а не більше.
Ринок рухається в бік більш розумного пошуку, автоматизованих нагадувань, кращого candidate rediscovery і глибшої інтеграції з HR-екосистемою. З’являється більше AI-функцій, генерація листів, підсумків інтерв’ю, рекомендацій щодо наступних кроків, виявлення схожих кандидатів із бази.
Але фундамент не змінюється. Навіть найрозумніша система залишається лише інструментом. Виграють ті команди, які мають чіткі критерії відбору, швидкий фідбек, нормальну комунікацію з кандидатами та звичку працювати з даними, а не інтуїцією.
ATS, це не магічний фільтр і не ворог кандидатів. Це інфраструктура найму. Вона збирає заявки, читає резюме, структурує дані, допомагає шукати людей, рухає їх по етапах, фіксує рішення та показує, де процес буксує.
Якщо система налаштована добре, рекрутери працюють швидше, hiring manager’и бачать прозорий процес, а кандидати рідше губляться між етапами. Якщо ж ATS впровадили формально, без продуманого workflow і дисципліни, вона перетворюється на дорогий архів PDF-файлів.
Суть проста. Не ATS наймає людей. Людей наймають люди. Але без ATS сучасний підбір у більшості компаній давно вже не масштабується.
Поділитися:
No comments yet. Be the first to share your thoughts!
14 хв читання
15 хв читання
18 хв читання