Кандидат с пятью годами опыта на Rust и парой опенсорс-проектов отправляет резюме в перспективную компанию и не получает даже ответа. Причина оказывается не в квалификации, а в том, что система автоматического отбора не распознала формулировки в его резюме и отсеяла кандидата ещё до того, как его увидел живой человек. История типовая, и она показывает обратную сторону автоматизации найма.
Автоскрининг стал нормой почти во всех крупных IT-компаниях, но алгоритмы остаются чёрным ящиком, который отсеивает не только слабых, но и сильных кандидатов. В агентстве BestHeads отмечают, что на позициях уровня senior и на редких стеках доля ложных отказов от автоматических фильтров заметно выше, чем принято считать.
Что уже автоматизировано
Сегодня нейросети и алгоритмы закрывают значительную часть воронки найма. Это парсинг и ранжирование резюме в ATS-системах, видеоинтервью с автоматическим анализом ответов и речи, тестовые задания с автопроверкой кода, а также чат-боты для первичного контакта с кандидатом. Для рекрутера это экономия десятков часов на каждой вакансии.
Как это работает изнутри
Главное заблуждение в том, что алгоритм понимает опыт. На деле он сопоставляет паттерны: ключевые слова, привычные формулировки, ожидаемую структуру резюме. Модель обучается на исторических данных компании, а вместе с ними наследует и её прошлые искажения. Если раньше на позицию брали людей определённого профиля, алгоритм будет воспроизводить тот же отбор и дальше.
Где нейросети ошибаются
Первая проблема это ложные отказы. Сильный инженер с нестандартной карьерой или редким стеком вроде Embedded или Rust часто не попадает в выборку просто потому, что его резюме написано не на языке фильтра.
Вторая проблема обратная. Слабые кандидаты научились обходить автоскрининг, напихивая в резюме нужные ключевые слова. В результате фильтр пропускает их и отсеивает тех, кто пишет честно и по делу.
Третья проблема это предвзятость. Известен случай, когда крупная корпорация свернула собственную систему ИИ-найма после того, как та начала занижать оценки кандидатам по формальным признакам. Алгоритм видит форму, но не видит мотивацию, потенциал роста и совместимость с командой.
Что это значит для рынка
Кандидаты всё чаще пишут резюме под робота, а не под человека, и качество сигнала падает. Компании, которые полагаются только на автоматический отбор, рискуют терять именно редких специалистов, за которыми на рынке идёт настоящая охота.
Опыт BestHeads показывает, что на senior и C-level позициях, а также на узких технических направлениях человеческая верификация остаётся незаменимой. Алгоритм отбирает кандидатов по форме, эксперт оценивает их по сути, и заменить второе первым пока не получается.
Куда движется индустрия
Рабочая модель на ближайшие годы это гибрид. ИИ берёт на себя рутину: первичный парсинг, скрининг, сортировку откликов. Финальное решение и оценку остаются за человеком. Автоматизировать можно обработку потока, но не понимание конкретного кандидата.
ИИ ускоряет найм, и в этом его реальная ценность. Но цена скорости это потеря части лучших кандидатов, и устранить её полной автоматизацией на сегодня невозможно.
