Где ИИ ломает найм: почему кандидаты не проходят фильтр рекрутеров

Игорь Никитин, основатель WMT AI и WMT Group, уверен: проблема начинается не тогда, когда ИИ подбирает персонал, а когда ему безоговорочно доверяют решения о людях.

«ИИ может отлично анализировать резюме, но далеко не всегда способен увидеть за ним сильного специалиста», — говорит он.

Эксперт приводит наглядный пример: кандидат годами успешно решал сложные задачи, но в другой отрасли или на должности с нестандартным названием. Его компетенции полностью отвечают запросу работодателя, однако нужных ключевых слов в резюме нет.

«Если система настроена на формальное совпадение с требованиями вакансии, такой человек рискует даже не попасть на собеседование», — отмечает Никитин.

При этом потенциал технологии он не обесценивает: ИИ быстро разбирает сотни резюме, сопоставляет опыт с требованиями, проводит первичные интервью и структурирует данные, освобождая рекрутера от рутины ради содержательной оценки.

«В WMT AI мы рассматриваем цифрового рекрутера не как замену профессиональному HR, а как инструмент, который помогает масштабировать его экспертизу. Задача технологии — расширять возможности поиска, а не сужать их до набора ключевых слов. Ведь хороший рекрутер оценивает не только прошлый опыт человека, но и его потенциал, мотивацию, способность решать конкретные задачи и соответствие команде. Поэтому я убеждён, что ИИ должен помогать находить и оценивать кандидатов, но окончательное решение о найме должно оставаться за человеком», — подчёркивает собеседник.

Алиев Самир, руководитель рекламного агентства Craft Star, видит картину двояко: ИИ — одновременно и помощник, и проблема.

«Помощник потому что экономит время. Отсеивает сотни резюме, освобождает рекрутера от рутины. Проблема начинается там, где алгоритму отдают финальное решение», — рассуждает он.

По его словам, алгоритм пока далек от совершенства и не всегда понимает контекст.

«ИИ не понимает контекст. Он видит ключевые слова, а не человека. В резюме написано "улучшение операционных процессов", в вакансии — "оптимизация операций". Для машины это разные вещи, и хороший специалист уходит в корзину. Он не видит карьерной логики, не видит достижений за сухими формулировками, не видит потенциала», — говорит Самир.

Более того, алгоритмы транслируют и предвзятость.

«Исследования показывают, что языковые модели завышают оценку кандидатам с определёнными именами и занижают возрастным соискателям. Формально дискриминация запрещена, а фильтр "опыт от трёх до пяти лет" отсекает людей старше пятидесяти автоматически. Умысла нет, результат тот же», — обращает внимание эксперт.

Полина Шебаршова, HRD университета «Зерокодер», отвечает на вопрос лаконично: «Однозначно помощник, но не во всём».

Первичный отбор откликов она целиком ИИ не доверила бы: «алгоритм ориентируется на формальные совпадения и может не заметить сильного человека, который иначе описал свой опыт».

Самой Шебаршовой нейросеть помогает там, где нужно быстро и точно структурировать данные: разбирать итоги общения с кандидатом, готовить описания вакансий, формулировать задачи. Особенно выручает, когда нужен разносторонний специалист или профессионал в узкой нише, где важно точно описать, кого ищешь.

В HR-среде она вспоминает показательный казус: «руководитель откликнулся на собственную вакансию и получил автоматический отказ. Фильтр, сработавший против того, кто эту вакансию создал, — не единичное исключение, а симптом».

Её личное правило: резюме просматривать с помощью нейросети, а сопроводительные письма и тексты откликов всегда читать самой.

«Так честнее по отношению к соискателям, и это точнее приводит к выбору "того самого" кандидата. Решение о найме и о том, впишется ли человек в культурный код компании, должен принимать человек. ИИ нужен для первичного анализа по типовым шагам, которые заложены в оценку кандидата на конкретную должность», — объясняет эксперт.

Вакансий много, соискателей много — а сотрудника нет. Почему?

Игорь Никитин называет это парадоксом: компании жалуются на дефицит специалистов, кандидаты — на молчание в ответ на резюме. Причём дело не всегда в отсутствии подходящих людей.

«Нередко работодатели сами создают слишком узкие рамки поиска. Например, хотят найти специалиста с редким сочетанием компетенций, многолетним опытом и высокой мотивацией, но при этом предлагают условия, которые не соответствуют этим ожиданиям», — говорит он.

Вторая типовая беда — формальный подход к тексту вакансии: компания перечисляет десятки требований, из которых далеко не все нужны для работы. В итоге рекрутер, а за ним и ИИ, ищут идеальное совпадение с описанием должности, а не человека, способного решать бизнес-задачи.

«Поэтому я бы начинал не с поиска новых инструментов, а с пересмотра самого профиля вакансии. Какие задачи предстоит решать сотруднику? Какие навыки действительно обязательны? А чему можно научить уже в процессе работы?» — предлагает Никитин.

И лишь после этого подключать искусственный интеллект: пусть он проанализирует требования, расширит поиск за счёт кандидатов со смежным опытом и быстрее обработает поток резюме.

«Главная ошибка — пытаться с помощью ИИ быстрее найти идеального кандидата по изначально неверно составленному портрету. Технология ускорит процесс, но не исправит ошибку в постановке задачи», — предостерегает эксперт.

Самир Алиев формулирует диагноз жёстче: «Отбор сломан».

«Компании получают триста откликов на место, больше половины нерелевантных. Рекрутер тонет в шуме и не доходит до сильных кандидатов. Сильные тоже тонут, потому что не подошли по ключевым словам», — описывает он.

Добавляется и языковой барьер: «человек пишет о своих результатах, система ищет совпадения с шаблоном. Дальше порога дело не идёт». А рассылка в один клик усугубляет картину: соискатель с помощью ИИ отправляет резюме на пятьдесят вакансий, не вчитываясь, и работодатель получает поток, в котором невозможно разобраться.

Полина Шебаршова уверена, найм — отчасти лотерея. Резюме не может показать поведение человека, стрессоустойчивость и ряд профессиональных качеств, важных в коллективе. При живом общении оценивается комплекс: и софт-скиллы, и понимание хард-скиллов, и их симбиоз. Влияет и человеческий фактор.

«Я могу быть очарована рассказом соискателя, его манерой вести диалог, отвечать на неудобные вопросы. Но нанимающий менеджер останется разочарован общением. Такие несовпадения случаются чаще, чем хотелось бы. Из-за этого скорость найма и закрытие вакансии может затягиваться», — признаёт она.

Эксперт перечисляет паттерны, выдающие «тестовую» вакансию: она висит больше месяца при неизменном описании — срочной потребности, скорее всего, нет; нет внятных задач, зарплатной вилки и понятного руководителя — повод насторожиться; поведение компании после отклика — долгие паузы, переносы этапов, нежелание назвать сроки. «Реальная позиция, под которую есть бюджет и руководитель, обычно закрывается быстрее», — замечает Шебаршова.

Проверить реальность вакансии можно и самому: сверить её с сайтом компании, почитать отзывы кандидатов, проходивших интервью, а на первом контакте прямо спросить, открыта ли позиция сейчас, кто руководитель и в какие сроки планируется выход сотрудника. «Нормальный работодатель на такие вопросы отвечает спокойно», — успокаивает эксперт.

Вывод: сошлись все трое в главном — ИИ хорош как ассистент на входе, но не как арбитр. Последнее слово о человеке по-прежнему должен произносить человек.