Круг замкнулся: отклики на вакансии штампуют нейросети — и компании отвечают симметрично, ставя нейросети на входе. Парадокс в том, что автоматический отсев косит не только ботов, но и живых сильных специалистов. Доходит до абсурда: мимо фильтра пролетает кандидат, которого компания искала годами. Ниже — как устроен ATS-скрининг, зачем генеративные письма утопили рекрутеров в шуме, во сколько обходится ложный отказ и на каком этапе алгоритму всё-таки нужен человек.
У большинства крупных компаний первый барьер найма — ATS, система управления подбором. Она раскладывает резюме по полям базы, а рекрутер настраивает фильтры: ключевые слова, стаж, образование. На бумаге всё логично. На практике машина читает документ буквально, и начинается цирк. Резюме с вёрсткой и таблицами разваливается при парсинге. Синонимы не распознаются: «руководил разработкой» для системы — не «team lead». А одно недостающее ключевое слово — и кандидата отправляют в отказ, не удостоив даже взглядом.
Боль от таких фильтров знакома давно. Amazon натренировала модель отбора резюме на исторических данных найма — и система принялась занижать оценки откликам со словом «женский» (классический пример: «капитан женской шахматной команды»). Проект в итоге закопали. HireVue прославилась видеоинтервью, которые разбирал ИИ — вплоть до мимики и тона голоса. После критики анализ лица убрали, но сама норма «алгоритм решает судьбу кандидата» в отрасли прижилась.
Дефект тут фундаментальный: модель ищет похожих на тех, кого нанимали раньше. Нестандартный путь, смежная область, опыт без правильного ключевого слова — и в отказ летит человек, который, возможно, закрыл бы вакансию лучше всех.
Второй удар нанесли генеративные модели. Сопроводительное письмо и резюме, «заточенное» под вакансию, теперь пишутся за минуту, а отклик уходит в один клик. Цена заявки для кандидата рухнула. Судя по имеющимся данным, появились и расширения, автоматически рассылающие сотни откликов в сутки. Рекрутеры жалуются на валы шаблонных писем, где каждый соискатель «в восторге от миссии компании» и «идеально соответствует требованиям». Все как под копирку.
Воронка теряет качество с двух сторон. Рекрутеры рассказывают, что соискатели всё чаще дословно переносят требования из описания вакансии в своё резюме. Ходят и истории позабавнее — о ключевых словах, спрятанных белым шрифтом: расчёт не на человека, а на парсер ATS. Вычитать сотни откликов рекрутер физически не в силах, поэтому он делает простую вещь — задирает порог фильтров и доверяет машине первый отсев. Итог предсказуем: мотивационные письма обесценились, живой отклик тонет в потоке сгенерированных. Проблему усилили те же алгоритмы, которыми её пытались решить.
Дальше началась эскалация. В индустрии на повестке — детекторы сгенерированного текста (с надёжностью у них, мягко говоря, так себе) и ИИ-интервьюеры для первых собеседований. Кандидаты отвечают симметрично: приносят нейросеть прямо на интервью. Время от времени всплывают истории про соискателей, которым модель подсказывает код на live-coding. Алгоритм снова дерётся с алгоритмом, а человеко-часы рекрутеров сгорают на отсеве мусора.
Счёт за эту войну — ложные отказы. Идеальный кандидат без нужного ключевого слова не проходит фильтр. Автоскрининг способен отбраковать даже отклик действующего сотрудника, который хочет перейти в соседний отдел. Каждый такой отказ — месяцы простоя команды, специалист, ушедший к конкуренту, и удар по работодателю: соискатели обмениваются историями про «чёрные дыры», куда резюме уходит бесследно.
Регуляторы риск заметили. В Евросоюзе закон об ИИ относит найм к высокорисковым применениям, требуя прозрачности и человеческого контроля. Отсюда и здравый ответ индустрии: алгоритм — сортировщик, но не судья. Человек должен подключаться там, где решается судьба кандидата: референсы, портфолио, тестовое задание, живой разговор. И метрить компаниям стоит не только «шум» на входе, но и долю сильных кандидатов, потерянных фильтром.
Картина та же, только со своей инфраструктурой. Главные ворота найма — hh.ru: площадка с алгоритмами ранжирования и рекомендаций, где отклик в один клик — одновременно норма и генератор шума. HeadHunter борется с фейковыми вакансиями и рассылками, а после взрыва генеративных моделей рекрутеры и соискатели здесь так же завалили друг друга шаблонными текстами. Написанными, судя по всему, уже не без помощи нейросетей.
Средний и крупный бизнес работает через отечественные ATS: Talantix (бывший Huntflow, входит в группу hh.ru), «Поток» из экосистемы Сбера, FriendWork, E-Staff. Фильтры и автоскрининг встроены в них ровно так же, как в западных аналогах. Специфика рынка — кадровый дефицит в ИТ: ложный отказ здесь обходится дороже, а сильные кандидаты получают офферы быстрее, чем успевает отработать воронка. Импортозамещение HR-систем, как ожидают, продолжится, а свои платформы будут наращивать корпорации и крупные заказчики. С регулированием же ИИ в найме ясности, похоже, пока нет: вопрос о том, как кандидату оспорить машинный отказ, остаётся открытым.
Найм — это решение о доверии, а доверие автоматизируется плохо. ATS и генеративные модели, столкнувшись в воронке, обесценили друг друга: письма ничего не значат, фильтры отсекают живых. Выход не в отмене алгоритмов, а в возврате человека к точке принятия решения: машине — сортировка и рутина, людям — выбор и ответственность. Кандидатам это тоже на руку: честное резюме под конкретную вакансию и живой контакт работают лучше сотни сгенерированных откликов.