Как работодатели используют искусственный интеллект в отборе кандидатов и почему это бесит

Искусственный интеллект вот-вот заменит всех, а теперь он еще и нанимает на работу. Во многих крупных компаниях эйчары используют нейросети для найма, что фрустрирует кандидатов. Расскажу, почему меня это так бесит.

В этой статье:

1. Как HR используют нейросети
2. Бездушный мир автоворонок
3. Главные проблемы нейросетей
4. Гонка вооружений
5. От ненависти к человеку — к ненависти к машине
6. Действительно ли нейросети усложняют нам жизнь
7. Почему экономика должна волновать больше высоких технологий

Важно: нейросети — языковая модель, а не искусственный разум. Если сильно упростить, это система, которая дает ответ, опираясь на уже имеющиеся данные. Сама она не думает.

Апологеты нейросетей угрожают «белым воротничкам» тотальной безработицей уже пару лет. Пока что до этого далеко. Но беда пришла с другой стороны — теперь роботы набирают живых людей на работу. А кандидаты вынуждены вступать с эйчарами в нейросетевую гонку.

Согласно опросу SuperJob, в 2025 году каждый девятый эйчар использует нейросети, а у каждого пятого есть чат-боты. Год назад процент был в два раза ниже.

Надо понимать, что развитие нелинейно — чем более передовая сфера, тем чаще там используют нейросети. А чем дороже обходится найм и объемнее ФОТ на предприятии, тем больший экономический эффект дает внедрение автоматизации.

Как HR используют нейросети

В сфере найма персонала много рутинной работы, которую успешно оптимизируют. Что делают нейросети:

1. Пишут описание для вакансии — не все могут быстро написать текст по всем рекомендациям. Нейросеть поможет за пару минут оформить описание, если дать ему список служебных обязанностей.
2. Фильтруют резюме — на популярные вакансии приходят сотни и тысячи откликов. Эйчары и раньше использовали автоматические системы, отсекающие нерелевантные резюме. Сейчас это делают нейросети — достаточно задать параметры: ключевые слова, опыт и другие требования.
3. Делают саммари и оценку интервью — из часовой записи ИИ выбирает главное, а особенно продвинутые модели могут даже оценивать кандидатов. Например, TalentTech разработала систему, которая оценивает софт-скиллы кандидата во время разговора.
4. Проводят первичные интервью для сбора информации — чат-бот задает и записывает вопросы.

Вроде бы звучит нестрашно, но что за этим стоит?

Бездушный мир автоворонок

Все коммерческие компании сокращают издержки, особенно в тяжелое для экономики время. Но бесплатного сыра не бывает даже в мире невиданного прогресса нейросетей. За оптимизацию для компании обычно платят рядовые пользователи.

Всех раздражают чат-боты техподдержки, об этом уже написали тысячи экспертных статей. Тем не менее с каждым годом нам все сложнее пробиться к человеку, и это никому не нравится (кроме тех, кто смог на этом сэкономить).

Ровно та же ситуация с наймом, но тема поиска работы витально важная и эмоционально более чувствительная, чем опаздывающий курьер или низкая скорость интернета.

Разговор со стенкой не просто деморализует, а лишает надежды и оставляет за бортом всех тех, кто не проходит по формальным критериям.

Главные проблемы нейросетей

Центральная проблема в том, что они не могут работать без присмотра человека, даже последние версии периодически галлюцинируют. А еще допускают ошибки, потому что учатся на небезупречном материале.

Тиражирование ошибок и устаревшие данные

Если попросить нейросеть придумать описание к вакансии, она будет ориентироваться на уже существующие. И, например, напишет о технологии N, которая была стандартом сферы последние пять лет.

Но в России эту технологию могут уже не использовать — кандидатам нужно знать альтернативные сервисы. Они уже есть на рынке, но в вакансиях упоминаются недавно. Поэтому нейросеть посчитает их неприоритетными.

Обучение на ошибках

Все, кто работает с генеративными моделями, знают, что им нужно давать максимально точные промпты. Проблема в том, что нейросеть почти как человек будет додумывать от себя. И тут мы вступаем на скользкую дорожку.

К слову, о дискриминации. В США нейросеть ошибочно идентифицировала чернокожего гражданина как преступника. А эксперты говорят, что алгоритмы хорошо распознают только белых мужчин, потому что модели учили в основном на таких примерах.

А в расследовании The Guardian чиновников обвинили в том, что десятки людей потеряли пособия — алгоритмы сочли, что они мошенники — из-за этнического происхождения.

Галлюцинации

Это ошибки, не имеющие под собой никакой ясной причины. Например, нейросеть может прекрасно составить 10 саммари созвонов, честно выделив самое важное и отметив все спорные моменты.

А на 11-й раз она напишет то, чего просто не было. Если не проверите — получите фантазию вместо важной информации.

Бесчеловечность

В поиске работы важны эмоции — как бы контринтуитивно это ни звучало. Если форму в гугл-документе готовы заполнить многие, то столкнувшись со звонком или сообщением в мессенджере от нейросети, некоторые кандидаты просто прервут общение.

Поступать так с большей вероятностью будут те, у кого много предложений на рынке, и они могут себе позволить игнорировать некоторых работодателей. Таким образом компания может лишить себя самых ценных кадров.

Гонка вооружений

Из-за нейросетей стандарты оформления резюме сильно повысились. Кандидаты массово используют нейросетевых «карьерных консультантов». Они за пару минут создадут оптимальное резюме, напишут сопроводительное письмо под каждую вакансию и даже автоматизируют отклики. Такие сервисы уже есть на рынке.

Одновременно нейросеть может подсказать, что не так с кандидатом: пол, возраст, образование. Возникает большой соблазн соврать.

От ненависти к человеку — к ненависти к машине

HR — своеобразный гонец, приносящий плохие известия. Из-за этого у них плохая репутация: на рекрутеров традиционно спускают всех собак. 

Недавно я прочитала в интернете историю HR: она нашла подходящего кандидата на руководящую должность, но команда его забраковала. Причина ей показалась странной: в свободное время соискатель занимался выпечкой, и все решили, что он не будет жить работой.

Большинство комментаторов проклинает HR. Хотя, казалось бы, очевидно, что проблема не в ней. Она выбрала этого кандидата как идеально подходящего по навыкам. Это «команда» (скорее всего, за этим размытым словом скрывается руководство) отказала по странному поводу.

Действительно ли нейросети усложняют нам жизнь

Пока что во всей сфере так называемого ИИ больше пиара, чем реальной коммерческой выгоды. Например, согласно отчету Upwork, 77% сотрудников к нейросетям относятся скептически: инструменты повысили объем работ и понизили эффективность труда. Правда, у их руководителей в массе другое мнение: 85% ожидают внедрения нейросетей и роста производительности.

Еще интереснее исследование организации Model Evaluation & Threat Research. Ученые провели тесты на реальных задачах. Собрали программистов и попросили половину работать с помощью генеративных моделей, обученных писать код, а вторую половину — делать все вручную.

Оказалось, что программисты, работавшие с помощью нейросетей, справились на 19% медленнее. А сами были уверены, что ИИ сэкономил им 20% времени.

Исходя из этого, есть вероятность, что терпеть гнет бездушной машины найма кандидатам осталось недолго. Возможно, через пару лет все вернется на круги своя и крайними снова станут эйчары из плоти и крови.

Еще один аргумент в копилку технопессимизма: пока что в России не так много компаний использует ИИ при найме. Большинство если и внедряют нейросетевые решения, то в основном для отбора по формальным признакам, который и до бума нейросетей проводили автоматически: по ключевым словам или фильтрам сайта.

Почему экономика должна волновать больше высоких технологий

Большинство кандидатов, которые жалуются на неприступные нейросетевые фильтры, похожи друг на друга. Они пытаются пробиться в новые для себя сферы и/или претендуют на вакансии в самых высокооплачиваемых и престижных отраслях. Это айтишники, управленцы, сотрудники сферы маркетинга и так далее. 

Воевать (или сотрудничать) с нейросетями почти не приходится сварщикам, вахтовикам, грузчикам, курьерам и разнорабочим.

Интересный факт: в последние годы много пишут о кадровом кризисе в России. Только вот он касается малооплачиваемых и тяжелых работ — именно в этих сферах не хватает персонала. Обострилась ситуация с кадрами и там, где требуется высокая квалификация и ответственность при маленькой зарплате. Например, в медицине. 

Никакого кадрового голода там, где хорошо платят и предоставляют комфортные условия труда, не было и нет.

Есть вероятность, что проблема не в нейросетях, а в ужесточившейся конкуренции. Когда вакансий на рынке меньше, чем соискателей, большинство неизбежно окажется за бортом и будет терпеть бесконечные отказы.

Так ли уж важно, будут они «живыми» или автоматическими?