ИИ в подборе персонала: запрет фильтров, аудит алгоритмов, право кандидата на пересмотр человеком

ИИ эффективен при анализе большого количества информации. Но в нашем случае поиск в большинстве случаев точечный, а количество кандидатов на топовые позиции измеряется единицами. Поэтому мы задействуем ИИ на этапе отбора резюме на общие позиции, где кандидатов больше. Также при работе с нашей базой кандидатов мы используем дополнение к CRM. С каждым соискателем, а их более чем 60 тыс. человек, мы взаимодействовали. Искать людей в такой обширной базе быстрее и надежнее с помощью ИИ-инструментов, а не вручную. Использование ИИ не заменяет ручного поиска. Мы работаем в основном с «холодными» кандидатами, которые не ищут работу. Их резюме, как правило, сделаны на среднем уровне, а последний опыт может быть совсем не указан. В таких ситуациях выяснить, подходит кандидат или нет, можно только во время живого общения. Без этого есть риск пропустить действительно ценного сотрудника.

Да, используем, как фильтр первого уровня. Система собирает поля резюме и вычленяет совпадения по формальным критериям: стек технологий, зарплатная вилка, география. Это снимает с рекрутера механическую часть работы: вместо того чтобы вручную просматривать весь поток откликов, он получает выборку, где базовые требования уже совпали. Принципиальный момент — окончательное решение всегда за человеком: ИИ у нас не отклоняет кандидата, он сортирует.

Мы в SENSE не используем, но большинство крупных компаний уже применяют ИИ как минимум для автоматизации отсмотра откликов на hh.ru. Инструмент противоречивый: работает он очевидно не идеально, и его отсеву нельзя доверять на сто процентов. Трудозатраты рекрутеров он оптимизирует, но при этом оставляет с отказом большое количество соискателей с релевантным опытом. Возникает моральная проблема.

ГК «А.Н.Т.» более 22 лет специализируется на подборе руководителей среднего и высшего звена, а также редких специалистов, и отбор резюме всегда осуществляет рекрутер. Более того, 80% нашей работы — это холодный поиск, где ни один AI не способен заменить экспертную оценку рекрутера.

Рынок уже ушёл дальше спора об ИИ-отсеве резюме. Сегодня в найме идёт битва нейросетей: одну использует работодатель, другую — кандидат. Раньше я применял ИИ для первичного отбора, но отказался от этой практики. Сейчас мы нанимаем менеджеров по продажам, и я регулярно вижу: в день отклика резюме почти идеально совпадает с вакансией, а через один-два дня оно уже переписано — меняются акценты, кейсы и компетенции. Если система видит только последнюю версию, она оценивает не кандидата, а качество работы его нейросети. На онлайн-собеседовании кандидат может получать ИИ-подсказки в реальном времени. Он отвечает безупречно, но за правильными словами не всегда стоит реальный опыт. Поэтому я подключаю ИИ не к отсеву резюме, а после собеседования. Он помогает разбирать логику ответов, стиль мышления, поведенческие паттерны, паузы, микронапряжения и согласованность слов с невербальными реакциями. Это не детектор лжи и не основание для отказа. Если система замечает противоречие, я провожу повторное точечное интервью: прошу разобрать реальную ситуацию, объяснить решение, ошибки и результат. Заученный кейс обычно рассыпается там, где начинаются детали.

Полгода назад у нас случился не то чтобы скандал, но крайне громкий инфоповод. Через HeadHunter (и через другие платформы тоже) вдруг стало очень сложно найти работу. Когда мы в профсоюзе начали разбираться, выяснилась интересная деталь: платформы массово стали использовать ИИ для отбора резюме, и алгоритмы начали отсеивать бóльшую часть соискателей. Оказалось, для составления нормального резюме на HeadHunter нужно заплатить небольшую сумму — тогда помогает искусственный интеллект. Судя по всему, алгоритм отбора был заточен под тот самый формат, который генерирует ИИ, и кандидаты, не использовавшие этот инструмент, просто выпадали из воронки. Поэтому мы рекомендовали соискателям потратиться на платную функцию и составлять резюме через ИИ-помощник самого сервиса. С другой стороны, мы чётко увидели: проблема именно в том, что искусственный интеллект пока остаётся «вещью в себе», чёрным ящиком. Платформам, безусловно, проще дать единый промпт для отбора, но ИИ, видимо, добавлял и свои внутренние критерии, о которых мы не знаем.

При ограничении фильтров может подорожать подбор кандидатов на позиции, по которым высокая конкуренция и большое количество входящих резюме. Сейчас с ними часто работают с помощью ИИ-инструментов. Если фильтры будут ограничены, этот же объем данных придется обрабатывать вручную. Однако фильтры ИИ несовершенны, и их нужно применять с умом. ИИ выполняет роль помощника, и нельзя полностью полагаться на него в процессе подбора. Вместо упрощения и удешевления можно получить негативный эффект. Например, есть много случаев, когда соискатель просто не может пробиться через фильтры и получает отказ через пару минут после отклика на позицию, и зачастую это не поддается логике. Это касается не только массовых позиций, но и C-level.

Если автоматический отсев ограничат, процесс станет более ручным, а значит будет дороже и медленнее: тот же объём откликов придётся разбирать людям. Но, вероятно, он станет честнее: снизится риск потерять сильного кандидата из-за шаблона. Алгоритм ищет совпадения, а сильный кандидат не всегда «совпадает» — нестандартный карьерный путь, смена сферы, опыт, который не считывается по ключевым словам. Живой рекрутер такие вещи видит, шаблон — нет. Скорее да, чем нет, но с оговоркой про горизонт. В краткосрочной перспективе вырастут и стоимость, и сроки: появится больше ручных проверок, добавятся аудит-процессы, компаниям придётся выделять людей под задачи, которые раньше закрывал алгоритм. Сильнее всего это почувствует именно массовый подбор, где ИИ-фильтры экономят сотни часов ручного скрининга. Но в долгосрочной перспективе это выгодная инвестиция: снизятся риски регуляторных штрафов и, что важнее, репутационных потерь. Публичная история о дискриминирующем алгоритме бьёт по бренду работодателя сильнее, чем любые расходы на аудит. Так что я смотрела бы на это не как на удорожание, а как на страховку.

Первичный скрининг станет либо дороже, потому что понадобится больше людей, либо медленнее. Сильнее всего это ударит по массовым и линейным позициям.

Возможно, массовый подбор действительно станет немного медленнее, но скорость не должна быть самоцелью. Намного важнее качество найма.

Для кандидата это повышает доверие к процессу и снижает юридические риски — он понимает, что финальное слово не за «чёрным ящиком», и у него есть понятный механизм защиты. Для компаний это означает необходимость выстраивать внятные каналы апелляций: куда обратиться, в какой срок ответят, кто именно посмотрит резюме повторно. Но я вижу здесь и второй эффект, о котором говорят меньше: это сильная обратная связь для самого HR. Количество запросов на пересмотр — это диагностика процесса. Если кандидаты массово просят пересмотреть решение, значит, они не понимают, как принимаются решения, и систему нужно делать либо прозрачнее, либо более включённой с точки зрения живой коммуникации с человеком. То есть право на апелляцию работает не только как защита кандидата, но и как датчик качества воронки найма.

Многие сильные кандидаты получат шанс на пересмотр своей кандидатуры. Фильтры ИИ, которые сейчас интегрированы в работные сайты, зачастую настроены слишком жестко и оценивают совпадение по ключевым словам, наличие определенного опыта или шаблонную структуру резюме. В результате кандидат получает отказ еще до того, как его опыт и компетенции оценит человек.

Право кандидата на пересмотр человеком считаю правильным. Но человек не должен просто подтверждать машинный вердикт. Нужно сопоставлять резюме на дату отклика, его изменения, интервью и реальные кейсы. За алгоритм отвечает руководитель HR, за его применение — руководитель компании. Запрет полного автоматического отсева не разрушит сильный найм. Он лишь покажет, у кого вместо системы стоял цифровой шлагбаум. Сегодня выигрывает не компания с самым жёстким фильтром, а та, которая умеет отличить опыт кандидата от хорошо сгенерированной версии себя.

Единоличного героя здесь нет, и это принципиально. Аудит алгоритма на дискриминацию — задача на стыке компетенций. HR понимает, как устроен процесс найма и где в нём могут возникать перекосы. Специалисты по Data Science и AI знают, как работает сама модель: на каких данных она обучалась и какие критерии реально влияют на скоринг. Юристы оценивают соответствие требованиям законодательства. Бизнес-владелец вакансии отвечает за то, чтобы требования к кандидату отражали реальные задачи, а не привычки и стереотипы. Уберите любое из звеньев — и аудит превратится в формальность. Формально ответственность логично закрепить за Head of HR: он владеет процессом подбора целиком и может собрать все эти роли за одним столом.

Один человек здесь не справится, нужна смежная группа: HR, юристы и разработка самого ИИ-инструмента в лице продакт-менеджера. Если решение внешнее, к ним добавляется аккаунт со стороны провайдера.

Аудит ИИ-алгоритмов — это совместная задача HR, бизнеса и IT. Важно не просто внедрить инструмент, а регулярно проверять, какие критерии он использует и не приводит ли автоматизация к потере сильных кандидатов из-за формальных фильтров.

В профсоюзе «Новый труд» мы давно пришли к выводу: необходим федеральный регулятор, который конкретно занимался бы вопросами применения ИИ. Нужно надзорное ведомство, выявляющее нарушения прав человека искусственным интеллектом и оценивающее угрозы для развития общества. Ведь ИИ может и не нарушать права напрямую, но, например, превращать людей в пассивных потребителей, делая за них всю мыслительную работу, — это тоже серьёзный риск.

Массовых жалоб на автоматический отсев я, честно говоря, не встречала. Единичные обращения были в формате «вы отвечаете шаблонно, как ИИ»: претензия скорее к стилю коммуникации, чем к самому факту отсева. Реагировали на это спокойно. Один недовольный кандидат — не показатель системной проблемы, и перестраивать процесс из-за исключения не нужно.

Жалобы встречаются крайне часто, особенно когда человек с релевантным опытом получает отказ без объяснений. Большое количество кандидатов с хорошим опытом сидит без работы больше трёх месяцев, потому что hh.ru, основной инструмент поиска, не даёт пробиться через фильтр. Системной работы с такими ситуациями, насколько я знаю, пока нет. Когда негатив становится заметным, работодатели разбирают случаи точечно: общаются с соискателем лично, чтобы снизить напряжение и не портить бренд работодателя.

Да, мы как рекрутинговое агентство каждый день слышим от кандидатов, что они либо не видят релевантные вакансии, либо им приходит отказ через несколько секунд после отклика — иногда поздно вечером, в выходные или праздничные дни. Очевидно, что подобные решения принимаются автоматически, без участия человека.

Самые рискованные — возраст, который считывается косвенно через даты, престиж вуза, длительные гэпы, пол через формулировки и имена. Иногда регион или фото. Модель легко «выучивает» исторические предубеждения из данных прошлых наймов. Но, как мне известно, тот же фильтр hh.ru настроен таким образом, что не может отправлять кандидатов в папку «Неподходящие» по расе, возрасту, религии или полу. Это ограничение на законодательном уровне.

Наиболее уязвимыми остаются возраст и пол.

Я бы не выделяла отдельные критерии, и вот почему: при желании предвзятость можно найти в любом — возраст, вуз, перерыв в карьере, пол, что угодно. Важнее честно признать другое: риск дискриминационного отсева существует и в чисто человеческом отборе. Рекрутер тоже носитель стереотипов, и в некоторых компаниях человеческий фактор отсеивает по этим признакам сильнее, чем любая настройка ИИ. Демонизировать алгоритмы и идеализировать людей — ложный путь. Наибольший риск, на мой взгляд, лежит вообще в другой плоскости: когда нанимающий человек или алгоритм пропустили действительно важное — реальный опыт кандидата и его качественное подтверждение, хотя бы минимально выраженное в цифрах и результатах. Вот это настоящая ошибка отбора, и она не зависит от того, кто её совершил — человек или машина.

Я не технический специалист, поэтому отвечу на уровне практики. Базовое, что можно сделать, — запрограммировать систему давать не сухое «Отказ», а развёрнутый ответ с конкретной причиной.

На наш взгляд, никак. Поэтому наиболее безопасный подход — использовать ИИ как инструмент поддержки: для поиска информации, анализа данных и автоматизации рутинных задач.

Я смотрю на объяснимость ИИ-отказов не как на техническую, а как на репутационную проблему. Чёрный ящик — это в первую очередь риск не для кандидата, а для бренда работодателя. Когда человек получает отказ через пять секунд без единой причины, он не разбирается в архитектуре модели — он идёт и пишет об этом в соцсетях, на форумах, в отзовиках. И дальше это живёт по законам любого репутационного кризиса: неважно, действительно ли алгоритм ошибся, важно, что компания не смогла или не захотела объяснить своё решение. Мы в FarosMedia регулярно разбираем именно такие истории постфакту: снять уже разошедшийся негатив на порядок дороже, чем не допустить его в моменте. Компании не нужна полная техническая прозрачность модели для внешнего мира — нужна человеческая формулировка причины, которую HR может произнести вслух, если кандидат спросит «почему».

Не использовать ИИ-фильтры бездумно. Нередко ИИ-фильтры настраивают один раз и потом не корректируют, даже если нет результата. Давать возможность кандидату поговорить с живым человеком. Нередко соискатели не имеют такого шанса. Можно сравнить эту ситуацию с «помощником» в интернет-магазине или службе доставки. Человек теряет время и нервы, выясняя, что с заказом, не получает внятного ответа, а связаться с сотрудником не может. С поиском работы всё ещё сложнее, потому что это не товар, а будущее человека, его финансовая безопасность и новый этап развития. Относитесь к ИИ как к ассистенту, а не ЛПР. Не стоит делегировать ИИ весь процесс подбора, так как сейчас он не на том уровне развития, чтобы выполнять такие задачи качественно.

Сейчас решения для ИИ-отсева резюме идут от провайдеров вроде hh.ru, сама компания их сильно кастомизировать не может. Поэтому стартово имеет смысл ввести в практику человеческую проверку резюме. В идеальной картине дальше потребуется более основательная настройка самой модели, чтобы отказы стали предсказуемыми и объяснимыми.

Не передавать алгоритмам право принимать окончательные решения о кандидатах, особенно если речь идет о ключевых позициях. Важно помнить: ИИ — это ассистент, который может ускорить отдельные процессы, но не способен заменить профессиональную экспертную оценку. Мы уже не говорим о том, что нельзя загружать в ИИ-агенты персональные данные кандидатов, так как это нарушает закон о ПДН. Оценка людей, особенно на управленческие и экспертные позиции, должна оставаться зоной ответственности человека.

Мой совет HR-командам, не дожидаясь закона: относитесь к каждому автоматическому отказу так, будто это публичное заявление компании — потому что рано или поздно оно им и станет. Фиксируйте причину отказа во внутреннем логе, стройте канал обратной связи до того, как его потребует регулятор, и учите людей отвечать на вопрос «почему отказали» честно, а не молчанием. Именно молчание, а не сам отказ, чаще всего запускает вирусный негатив — та же логика работает для любого другого автоматизированного решения бизнеса, будь то отказ банка в кредите или блокировка аккаунта сервисом доставки.