Автоматизация добралась до всего, что можно посчитать и разложить по шагам. HR — не исключение. Что нам обещают: «минус 60% рутины», «в 3 раза быстрее найм», «точный отбор по компетенциям».
Звучит как мечта уставшего рекрутёра и счастливый слайд для CFO. Но за красивыми цифрами есть обратная сторона: там, где ставка — на точность и доверие, ИИ легко превращает живой процесс в холодный конвейер и сжигает сильных кандидатов на первых этапах
Что такое «ИИ в HR» на практике
без магии
Если убрать рекламную дымку, сегодня ИИ в найме — это четыре группы задач:
- Обработка массива данных: парсинг резюме, сопоставление с требованиями, поиск «похожих профилей»
- Коммуникации и расписания: автоприглашения, напоминания, слоты интервью
- Шаблонные ответы: FAQ по вакансии, статус отклика, ответы на типовые вопросы
- Подсказки интервьюеру: генерация вопросов, конспект встречи, черновой отчёт
Всё это экономит часы. Особенно — в период, когда «резюме больше, вакансий меньше»
Почему бизнес так хочет ИИ?
Причины понятны и рациональны
- Усталость от потока. Люди не справляются со скоростью входящих.
- Желание предсказуемости. Цепочка «отклик → ответ → слот → решение» перестаёт зависеть от настроения конкретного менеджера.
- Любовь к метрикам. Системы красиво рисуют «время этапа», «скорость реакции», «конверсию».
ИИ даёт ощущение контроля. Важно помнить: контролирует он форму, а не смысл
Где ИИ реально уместен (и не вредит)
Там, где задача стандартна, а цена ошибки — низкая:
- разбор однотипных резюме по простым must-have (наличие базового сертификата, опыт с конкретной системой учёта, готовность к графику);
- логистика интервью (слоты, переносы, напоминания);
- информирование кандидата о статусе (потому что тишина — худшая антиреклама);
- подготовка черновиков: например, краткий конспект интервью, чтобы менеджер дополнил факты.
Здесь ИИ работает как педометр: считает шаги, чтобы вы дошли быстрее. Но он не знает, зачем вы идёте и верно ли выбрали маршрут
Где ИИ "сжигает" кандидатов
В точных наймах (управленцы, руководители функций, узкие специалисты) важны контекст, мотивация и неоднородные траектории. Алгоритмы в таких историях часто ошибаются по трём причинам
1) Плохие прокси вместо смысла
Система «учится» на прошлом и принимает косвенные признаки за компетенцию: «работал в известной компании — значит, силён», «перерывы в карьере — значит, слаб». В реальности это не так. Сильные люди часто приходят из смежных сфер, а «бренд» в резюме — это не навык
2) Искажения данных
Если обучать алгоритм на корпоративной истории, где ценились «удобные» и «похожие», он будет воспроизводить ту же предвзятость — и отрезать тех, кто мог бы сдвинуть компанию вперёд. ИИ не нейтрализует предвзятости — он их умножает
3) Потеря слабых сигналов
Карьера — не всегда линейна. У человека может быть один проект, который «сделал» его как профессионала, но он не укладывается в стандартный шаблон. Машина такие истории не слышит, в отличие от человека
Итог: там, где нужно распознать потенциал, ценности, «химию» с руководителем, ИИ — плохой советчик. Он не разговаривает, он сортирует
Автоматизировать можно порядок или беспорядок
Если HR-система в бизнесе не выстроена - ИИ только ускорит хаос
- Нет понятных профилей должностей — алгоритм множит путаницу
- Нет прозрачной оценки компетенций — машина закрепит предвзятости
- Нет ясной коммуникации с кандидатами — робот сделает её ещё холоднее
В итоге вместо ускорения найма бизнес получает ускоренное недоверие к себе на рынке
Кандидатский опыт: чем дороже позиция, тем опаснее «робот на входе»
Верхний эшелон рынка считывает сигналы моментально. Если первая коммуникация безлична, если вопросы поверхностны, если воронка не объясняет, зачем эта роль и какой результат от неё ждут — сильный человек уходит. Не из каприза. Он понимает, что там, где экономят на отношении на входе, будут экономить на отношении после выхода
И это не «про нежных кандидатов». Это про репутацию работодателя в узком сообществе. Один холодный конвейер — минус две рекомендации в профильном чате
Малый рынок помнит долго
«Human-in-the-loop» — не галочка для отчёта
Популярная мантра — «человек в контуре». На практике часто выходит иначе: машина предложила список «топ-5», человек устал, времени нет — берёт «как есть». Срабатывает автоматизационная предвзятость: мы переоцениваем решение, потому что его выдала система. Исключение — там, где у человека есть обязанность и право спорить с машиной и это поддержано регламентом: «почему сняли с рассмотрения», «почему пропускаем неочевидного».
Иначе «человек в контуре» превращается в «человека рядом»
Безопасность и этика
ИИ-железки любят данные. Кандидаты — не любят утечки. Отсюда три простых, но жизненных тезиса:
- Минимизация данных: берите только то, что нужно для решения сейчас
- Прозрачность: честно пишите, что используете автоматический разбор и что финальное решение — за людьми
- Логирование: в любой спорной ситуации должно быть видно, кто и на каком основании снял человека с этапа
Все это не украшение к процессу. Это защита бренда работодателя так же, как NDA с клиентами
ИИ останется в HR, как осталась почта и календарь
Он будет писать черновики, напоминать, сортировать, подсказывать вопросы. Он уже хорошо снимает тяжёлую рутину и даёт скорость там, где цена ошибки мала. Но рекрутинг — это не только скорость. Это ещё и доверие, и договорённость о смысле работы. Здесь алгоритмы — инструменты, а не судьи.
В Detkin&Co мы начинаем с фундамента: сами выстраиваем процессы, сами оцениваем людей и только потом подключаем технологии. Так скорость становится союзником, а не проблемой
Вместо вывода
Не бойтесь ИИ. Бойтесь подмены: когда обещание «быстро» заменяет разговор о «зачем». Ускоряйте назначение слотов, статусные письма и навигацию по этапам — кандидаты скажут спасибо. А вот разговор о мотивации, проверку реальных результатов, переговоры об условиях и финальное «да» оставьте людям. Там решается не «время этапа», а будущее вашей команды