Расширенное размышление для коллег — HR-директоров, рекрутеров, тимлидов, прорабов, инженеров кадровых служб промышленных предприятий. Для всех, кто закрывает вакансии в реальном, а не глянцевом мире.
Десять лет назад я смотрел на резюме как на документ.
Сегодня — как на пресс-релиз: заточенный под алгоритмы, часто сгенерированный нейросетью за пятнадцать минут, и почти бесполезный для финального решения о найме.
Но прежде чем я разверну это утверждение, сделаю оговорку без неё всё остальное превращается в снобизм. То, что я описываю ниже, — это история авангарда рынка труда. В России это, условно, 50–70 крупных IT-компаний, передовые подразделения банков (Сбер, Тинькофф, Альфа), отдельные технологические стартапы и часть консалтинга. Это от силы 3–5% работодателей.
Для остальных 95% — для производств, логистики, розницы, строительства, медицины, образования, ЖКХ — резюме в 2026 году всё ещё работает как основной фильтр. Менеджер по подбору на металлургическом заводе под Череповцом или в логистическом операторе в Самаре открывает hh.ru, фильтрует по опыту и образованию, звонит и приглашает на собеседование. ATS если и используется, то как простая база данных. Никаких ИИ-агентов, поведенческих интервью по STAR и микро-проектов на оплачиваемой основе там нет.
Поэтому правильная рамка такая - рассказываю про передовую часть рынка, а в финале каждого блока буду показывать, что из этого может реально проникнуть в массовый сектор, а что остается красивой картинкой из презентаций.
И ещё одно. Этот текст пишется в России, для русскоязычной аудитории. А значит, западные кейсы — Google, Amazon, Neuralink — я буду оставлять, но дополнять российским контекстом: hh.ru, Хантфлоу, Поток, Сбер, ярославский «СПЕЦАВИА», обязательная ТИМ в госстройке. Без этого статья превращается в перевод западного блога, и читатель из Перми справедливо закрывает вкладку.
Поехали.
2016–2017: эпоха ATS, ключевых слов и иллюзии контроля
В 2016 году рынок найма в развитых сегментах выглядел стройно. Вакансия → резюме → ATS (Applicant Tracking System) → воронка по компетенциям → собеседование → оффер. Казалось, что мы наконец-то оцифровали человеческий капитал.
На самом деле мы оцифровали умение писать резюме. В IT-сегменте к 2018 году на массовые джуниор-позиции — особенно фронтенд, ручное тестирование, базовую аналитику — доходило до 200–300 откликов на место (это оценки из выступлений рекрутеров hh.ru и крупных IT-компаний того периода). С Data Science история была другая: настоящий перегрев туда пришёл позже, к 2020–2021 годам, когда первая волна онлайн-курсов выпустила массу самообученных аналитиков. Но логика была одна — алгоритмы выбирали тех, кто лучше упаковался, а не тех, кто лучше думал. Параллельно росла индустрия резюме-консультантов: за пять-семь тысяч рублей вам делали CV, которое «пробивало» любые ATS. Это была первая гонка вооружений между кандидатами и системами скрининга — и в массовом IT-найме её на этом этапе действительно выиграли кандидаты.
Что было в это время в России
В России доминировал — и до сих пор доминирует — hh.ru. К 2017 году у него было больше 30 миллионов резюме в базе. Конкурентами шли SuperJob, Работа.ру, Авито Работа. На стороне работодателей появлялись отечественные ATS: Хантфлоу (запущен в 2014 году, к 2017 году занял заметную долю на рынке среднего и крупного бизнеса), Talantix от hh.ru, FriendWork, CleverStaff. Сбер в это время уже два года перестраивался под Грефом: Agile-трансформация, Сберуниверситет, попытки копировать практики Google.
Но это была витрина. За витриной 70–80% российских компаний жили в Excel и Outlook. Рекрутер вёл кандидатов в табличке, согласования шли по почте, оффер выдавали на собеседовании устно. Трудовая книжка оставалась бумажной (электронную ввели только в 2020 году). Профстандарты, формально принятые в 2013 году, к 2017-му были обязательны для значительной части специальностей, но фактически применялись редко.
В строительстве всё было ещё консервативнее. Прорабов и бригадиров искали по портфолио объектов: фотографии сданных домов, рекомендации застройщиков, прямые телефоны заказчиков. Бригады — по сарафанному радио или через диаспоры. Резюме каменщика никого не интересовало, важна была кладка стены за восемь часов без перекосов. И это, кстати, был более честный найм, чем офисный: кирпич нельзя обмануть резюме, его либо положили ровно, либо нет.
Что из этой эпохи реально дожило до 2026 года в массовом сегменте? Почти всё. hh.ru, телефонный обзвон, собеседование по компетенциям, бумажное согласование оффера. Это не отсталость, это инерция огромной экономики, в которой 70% занятости — массовый сегмент.
2018–2019: первые трещины в системе
К 2018 году в передовых компаниях резюме начало терять статус главного фильтра. Это не была революция, это была эрозия. Несколько процессов наложились друг на друга:
Технологические гиганты пересмотрели роль формального образования. Тут важно не упрощать. Google не «отменил дипломы». Lazlo Bock, бывший SVP People Operations Google, в книге Work Rules! (2015) показал, что академические оценки и престиж вуза слабо коррелируют с эффективностью после двух лет в компании. На основе этих выводов Google, Apple, IBM в 2018–2020 годах действительно смягчили формальные требования для значительной части позиций. Но к 2024 году часть направлений — AI Safety, кибербезопасность, compliance, регулируемые отрасли — вернула обязательное высшее образование, иногда профильное PhD. История получилась нелинейной.
Стандартизировались поведенческие интервью. Метод STAR (Situation → Task → Action → Result), отшлифованный в Amazon, начал расходиться по индустрии. Кандидата заставляли описывать реальные ситуации, а не пересказывать резюме. Здесь выяснилась неприятная вещь: половина «опытных» кандидатов не могла внятно описать ни одной задачи, которую они решали лично. Они «руководили проектом», «отвечали за направление», «координировали команду» — но в момент, когда нужно было сказать, какое решение они приняли вторым марта во время аварии прода, начинали плыть.
Тестовые задания из реальной работы. Дизайнеру дают редизайн карточки товара. Аналитику — выгрузку и просьбу найти аномалию. Разработчику — небольшую задачу из реального тикета (или из специально подготовленного, но реалистичного). И вот тут начинает прорываться разница между упаковкой и мышлением.
Что было в это время в России
Запустился Яндекс.Практикум (2019) — это институциональный сдвиг: онлайн-переобучение из джуниора за полгода-год стало массовым явлением. Параллельно росли Skillbox, GeekBrains (на тот момент Mail.ru), Нетология. К 2019 году в IT появился целый слой «вчерашних бухгалтеров и юристов», который пришёл через курсы, и работодатели начали учиться оценивать их не по диплому МГТУ или Бауманки, а по портфолио на GitHub и тестовому заданию.
IT-зарплаты в Москве к 2019 году окончательно оторвались от региональных. Middle-разработчик в столице получал 200–300 тысяч рублей, а в Воронеже мог получать 80–120. Это создавало давление на удалённые форматы найма ещё до пандемии.
В стройке параллельно шла своя тихая революция. БИМ-моделирование (Building Information Modeling) появилось в крупных проектах: Москва-Сити, инфраструктурные стройки. Но тут важно не передёргивать, как я сделал в первой версии текста. Прораб с тридцатилетним стажем уходил не потому, что не освоил Revit. Он уходил из-за здоровья, пенсии, выгорания. БИМ-координатор — это отдельная должность, выросшая не на месте прораба, а рядом с ним, в отделе технического заказчика или генподрядчика. Цифровизация поменяла роли в офисе стройки, а не вытеснила людей в касках. На самой стройплощадке БИМ к 2019 году воспринимался как «барская причуда московских заказчиков», и линейные ИТР учились его использовать со скрипом.
Что из этой эпохи дошло до массового сегмента? В России — soft skills как термин и поведенческое интервью в облегчённой форме. Большинство менеджеров по подбору к 2024 году хотя бы слышали о STAR. Тестовые задания распространились шире — даже на позиции бухгалтеров и операторов часто дают мини-задачу. А вот отказ от формального образования так и не пробил массовый сегмент: в государственных учреждениях, банках, страховых, медицине диплом по-прежнему критичен.
2020: землетрясение, общий шок и разная боль
Март 2020 года сжал пятилетнюю эволюцию найма в три месяца. Я помню, как в первые две недели коллеги-рекрутеры в чатах писали примерно одно и то же: «Что делать?». Очные собеседования отменились. Офисы закрылись. Zoom, который тогда падал по три раза за встречу, неожиданно стал базовой инфраструктурой найма.
За эти три месяца индустрия проделала путь, на который в обычное время ушло бы пять лет:
- Удалённый найм стал нормой, причём не временно, а навсегда.
- Записанные видео-ответы кандидатов вместо очных встреч в скрининговой части.
- Облачные платформы для тестовых заданий с прокторингом.
- Системы видеоинтервью с возможностью записи и пересмотра командой.
И главное — рухнул географический барьер. Питерская компания внезапно могла нанять разработчика из Новосибирска, не обсуждая релокацию. Это перевернуло региональные рынки зарплат: средний доход в IT в Поволжье и Сибири с 2020 по 2023 годы вырос на 60–100% по разным оценкам hh.ru и Хабр.Карьеры. Москва перестала быть единственным резервуаром для технологических компаний.
Российская специфика 2020 года
В России на 2020 год наложились три события, которые не сразу видны со стороны.
Во-первых, с 1 января 2020 года официально ввели электронную трудовую книжку. Большинство кадровиков восприняли это как формальность, но институционально это огромный сдвиг: трудовая история сотрудника перестала быть привязана к бумажному документу, который надо было физически передавать. Это снимало одно из старых трений в найме.
Во-вторых, пандемия резко сократила приток рабочих из Средней Азии. По разным оценкам Минтруда и НОСТРОЙ, в стройку в 2020–2021 годах не доехало 1,5–2 миллиона мигрантов. Объекты буксовали, сроки сдачи плыли, цены на работу выросли. И тогда стало понятно: автоматизация — не футуристическая игрушка, а способ закрыть кадровый дефицит, который никуда не денется.
В-третьих, в России несколько игроков — ярославское АО «СПЕЦАВИА», Apis Cor (после возвращения деятельности в РФ), отдельные региональные стартапы — продолжали коммерческие пилоты строительной 3D-печати. К 2020-му это перестало быть PR-эксцессом и стало нишевым, но работающим сегментом, в основном в малоэтажке. Точных публичных цифр по объёму напечатанных квадратных метров мало, оценки разнятся, но сам факт коммерческой жизнеспособности технологии в России к этому моменту был установлен.
Что из 2020 года реально стало стандартом в массовом сегменте? Удалённое собеседование в Zoom или Telegram-видео. Это всё. Видеоответы, прокторинг, асинхронные интервью — это передовая часть рынка. В большинстве компаний после пандемии вернулись к очным встречам, добавив возможность первого скринингового созвона. И этого хватает.
Промежуточный взгляд: две параллельные трансформации, которые путают между собой
Здесь имеет смысл остановиться и обозначить вещь, которую регулярно упускают в обсуждениях российского рынка труда последних лет.
С 2020 по 2024 год российский рынок труда пережил не одну трансформацию, а две — параллельные, разнонаправленные, друг с другом почти не пересекающиеся.
Первая — технологическая. IT-бум, удалёнка, рост зарплат программистов, государственные льготы для аккредитованных IT-компаний, отъезд и частичный возврат специалистов, гонка ИИ-инструментов в найме. Об этом много пишут профильные медиа, обсуждают на конференциях, на эту тему построены десятки HR-tech продуктов.
Вторая — структурно-демографическая. Сжатие предложения рабочих рук в производстве, стройке, ЖКХ, рост стоимости труда без сопоставимого роста производительности, кадровый кризис, в значительной мере вызванный демографической ямой девяностых, которая аукается ровно сейчас, плюс сокращение трудовой миграции из Средней Азии. Об этом пишут меньше, в основном отраслевые издания и ассоциации (НОСТРОЙ, РСПП, Минпромторг).
Эти две истории живут в разных газетах, обсуждаются разными экспертами, регулируются разными ведомствами. Но рекрутер на промышленном предприятии в Туле или на стройплощадке под Казанью находится одновременно в обеих: его уносит ветер структурного дефицита кадров, при этом на его компанию давят те же зарплатные ожидания, что и на московский IT-стартап, потому что молодёжь сравнивает офферы между отраслями.
Главная ошибка в публичных обсуждениях найма — считать, что эти две трансформации можно понимать в отрыве друг от друга. Нельзя. И именно поэтому статью про «эволюцию рекрутинга» нельзя писать, имея в виду только IT.
2021–2024: ИИ-резюме, контр-фильтры и российская развилка
Публичный запуск ChatGPT в конце 2022 года запустил вторую волну изменений за два года. Внезапно любой кандидат мог за пять минут получить безупречное резюме, идеальное мотивационное письмо и заготовленные ответы на сорок типовых вопросов собеседования.
Точных глобальных цифр здесь нет — все опросы дают вилку. По данным разных отраслевых исследований 2023–2024 годов (LinkedIn Talent Solutions, ResumeBuilder, Deloitte Global Human Capital Trends), от 40 до 70% соискателей в IT-сфере использовали ИИ при подготовке к собеседованиям или составлении CV. У некоторых рекрутеров доля «явно нейросетевых» резюме доходила до 80%. Цифры разнятся, тренд однозначен: ИИ стал стандартным инструментом кандидата.
Что сделали компании на стороне работодателя? Запустили свою гонку:
- ИИ-детекторы машинного текста. Работают плохо. Тренируются на одних моделях, ловят другие хуже, плодят ложноположительные. Но используют.
- Голосовые боты для первичного скрининга. Оценивают не только содержание ответа, но и уверенность, паузы, логику изложения. У hh.ru, у Поток и других российских HR-tech такие модули появились к 2024 году.
- Анализ видеоповедения. Движение глаз, мимика, скорость реакции на сложные вопросы. Это уже на грани приватности — про эту грань я отдельно поговорю ниже.
- Возврат к живому разговору. И это самое важное. Чем умнее ИИ-фильтры, тем больше ценится беседа, которую нейросеть пока не научилась убедительно симулировать. Amazon усилил Bar Raiser — независимого эксперта с правом вето на любого кандидата. Маск, говоря про найм в Neuralink, прямо заявил: дайте человека, который решил сложную инженерную задачу, и мне всё равно, где он учился.
Российская развилка: февраль 2022 и всё, что после
Здесь нельзя писать в общем тренде, как будто в России в 2022 году ничего особенного не происходило. Происходило очень многое, и это перевернуло локальный рынок найма.
После февраля 2022 года из страны уехало, по разным оценкам РАЭК и Минцифры, от 50 до 100 тысяч IT-специалистов — это, ориентировочно, 10–15% от общей численности отрасли. Часть вернулась, часть остаётся в эмиграции и работает на российские компании удалённо, часть ушла в зарубежные команды окончательно. Для рынка это означало острый дефицит middle и senior разработчиков и резкий рост зарплат: по данным «Хабр Карьеры», медианные зарплаты в IT в 2022–2023 годах выросли на 20–40% в зависимости от грейда.
Государство ответило быстро, и это интересный кейс: IT-ипотека под 5%, отсрочка от мобилизации для специалистов аккредитованных IT-компаний, налоговые льготы (нулевой налог на прибыль для аккредитованных, пониженные страховые взносы). Это серьёзно поменяло мотивационный профиль кандидатов: бюджетник, который раньше ориентировался на стабильность через бюджетную работу, теперь видел стабильность через IT-аккредитацию.
Параллельно произошёл бум отечественных HR-tech решений. Поток (продукт Сбера) к 2024 году вырос в полноценную ATS с ИИ-модулями. GigaChat (Сбер) и YandexGPT (Яндекс) дали российским HR-инструментам собственные большие языковые модели, не завязанные на OpenAI. Хантфлоу прирастал клиентами. ChatGPT в России официально не работал, но VPN-доступ был массовым — соискатели использовали его без проблем, что создавало забавную асимметрию: западные модели у кандидатов, российские у работодателей.
Что из этого реально пробилось в массовый сегмент? Голосовые боты для первичного скрининга на массовых позициях (колл-центры, доставка, розница) — да, это уже стандарт. Анализ видеоинтервью — нет, это нишевая история. ИИ-детекторы — почти никто всерьёз не использует. А вот рост зарплат в IT и переток специалистов через границы ощутили все, кто конкурирует с IT-сектором за людей: банки, телеком, ритейл.
2025–2026: расколотая реальность
Сегодня российский рынок найма — это две параллельные вселенные, между которыми всё меньше общего языка.
Первая вселенная — авангард. Технологические компании, передовые финтехи, часть консалтинга и продуктовых стартапов. Здесь воронка выглядит так:
- Входящий поток — отклики, рекомендации, активный хедхантинг. Резюме — точка входа, не фильтр.
- Фильтр мышления — открытые вопросы или кейс-задача. Не «расскажите о себе», а «как примете решение в такой-то ситуации». Отсекает тех, кто не умеет думать без скрипта.
- Оплачиваемое тестовое или микро-проект — два-три дня реальной работы. Видно всё: как кандидат задаёт вопросы, как реагирует на неопределённость, как сдаёт результат, как принимает обратную связь.
- Интервью по ценностям и культурному совпадению — два-три встречи с разными ролями. Цель — посмотреть кандидата в разных контекстах разговора.
- Онбординг как продолжение отбора — первые 30, 60, 90 дней. Здесь становится видно, кто доучивается, а кто разочаровывает.
Первые метрики реальной эффективности снимаются к 90–120 дню. Раньше — шум перекрывает сигнал.
Вторая вселенная — массовый сегмент. Большинство производств, логистика, розница, ЖКХ, медицина, образование. Здесь воронка примерно такая:
- Объявление на hh.ru или Авито Работе.
- Звонок рекрутера, проверка формальных требований (опыт, образование, наличие документов).
- Очное собеседование (или Zoom-первичка плюс очное).
- Решение по принципу «нравится / не нравится» с минимумом инструментов.
- Оффер.
Это не плохой найм. Это найм, который работает в условиях ограниченного бюджета HR, большого потока кандидатов с примерно одинаковой квалификацией и операционной необходимости закрыть смену в понедельник.
Разрыв между двумя вселенными — главный вызов российского HR-сообщества на ближайшие пять лет. Передовые практики надо переупаковывать в форматы, которые применимы за пределами IT и крупных корпораций.
Что действительно ценится в авангарде в 2026 году
- Learning velocity — скорость освоения нового. Hard skills устаревают за 2–3 года, это банальность. Способность переучиваться — ключевой актив.
- Адекватность — умение признавать ошибки, держать рамки, не саботировать процессы.
- Мотивационный профиль — денежник, результатник, статусник, романтик, бюджетник. Каждому нужна своя среда, и хорошие рекрутеры это учитывают уже на этапе формулировки вакансии.
Стройка: подробный разбор с российской спецификой
Я выделяю стройку в отдельный большой блок не для красоты. В России стройка — это около 7% ВВП и 6 миллионов занятых, и эволюция найма в ней идёт по совершенно другой траектории, чем в IT.
Что реально изменилось.
С июля 2022 года вступило в силу Постановление Правительства РФ № 614, которое сделало применение технологий информационного моделирования (ТИМ, российский аналог BIM) обязательным для объектов с государственным финансированием. Это институциональный сдвиг: до 2022 года BIM был «барской причудой», после 2022 года — нормативное требование. Соответственно, рынок труда отреагировал: спрос на ТИМ-координаторов, инженеров-моделировщиков, специалистов по программам Renga, NanoCAD, отечественные аналоги Revit — вырос кратно. В крупных регионах появились программы переподготовки старых проектировщиков под ТИМ.
Параллельно растёт автоматизация на самой стройплощадке, но тут важно не передёргивать. Hadrian X в Австралии кладёт до тысячи кирпичей в час — это правда, но в России таких машин нет, и в ближайшие пять лет массово не будет. Пилоты роботизированной кладки в РФ есть, они штучные. 3D-печать домов — да, ярославское АО «СПЕЦАВИА» делает это коммерчески, есть проекты в Подмосковье, в Татарстане, в Краснодарском крае. Но это всё ещё ниша: малоэтажное строительство, частные дома, нестандартные объекты. Массовое многоэтажное жильё по-прежнему строится бригадами рабочих.
Дроны для облёта стройплощадок и контроля прогресса — это реально, у крупных застройщиков (ПИК, Самолёт, Эталон) такие системы внедрены. Машинное зрение для контроля наличия СИЗ — пилоты идут.
Главная проблема стройки в России — кадровая. Средний возраст линейных ИТР (прорабов, мастеров) приближается к 50 годам. НОСТРОЙ регулярно публикует данные о дефиците: к 2030 году в отрасли будет не хватать около 400 тысяч человек. Зависимость от мигрантов из Средней Азии в массовых регионах остаётся высокой, но точные цифры — болезненный вопрос. НИУ ВШЭ, НОСТРОЙ, Минтруд и МВД дают разные оценки, отчасти из-за теневой занятости, отчасти из-за того, что эта тема политически чувствительная. Корректнее говорить так: на крупных объектах Москвы и Подмосковья доля мигрантов в линейных рабочих специальностях значительная, в отдельных бригадах — подавляющая. Конкретный процент будет зависеть от источника и года.
Найм в этих условиях — это не выбор лучших, это закрытие зияющих дыр. Какие практики там реально работают:
- Прямой обзвон по базам отраслевых ассоциаций. НОСТРОЙ, СРО, региональные союзы.
- Реферальные программы для бригад. Бригадир приводит свою бригаду — получает бонус.
- Стажировки для выпускников строительных колледжей и техникумов. Это медленное, но единственное надёжное решение для воспитания смены.
- Агрегаторы для ремонта. Профи, YouDo, Яндекс.Услуги — здесь рынок ремонта квартир ушёл вперёд: мастера получают репутацию через отзывы и видео-портфолио, найм бригады стал ближе к фриланс-аутсорсу, чем к классическому найму 2016 года.
Что точно поменяется в стройке к 2030 году. Не массовая роботизация — это слишком оптимистично. Скорее, рост значимости ТИМ-компетенций (нормативное давление никуда не денется), осторожное расширение 3D-печати в малоэтажке, продвижение машинного зрения и дронов на крупных объектах. Найм при этом останется гибридным: классическая бригада плюс растущий пласт «цифровых» инженеров рядом.
Тёмная сторона: алгоритмическая дискриминация, surveillance и этика данных
В первой версии текста я отделался одним абзацем. Это было нечестно. Тема серьёзная, и без неё разговор не закрыт.
Алгоритмические смещения. ИИ-фильтры в найме обучаются на исторических данных. Если в данных за последние десять лет на технические позиции в основном брали мужчин — алгоритм научится отдавать предпочтение мужчинам. Знаменитый кейс Amazon, который в 2018 году свернул внутренний ИИ-рекрутер, потому что тот систематически занижал оценки женщинам, — это не аномалия, это закономерность. Технология воспроизводит и легитимизирует историческое неравенство, маскируя его под «объективность алгоритма».
В России эта тема обсуждается мало. Антидискриминационное регулирование в найме у нас слабее, чем в США или ЕС, а аудит алгоритмов на смещения — пока экзотика. Это означает, что компания, внедряющая ИИ-скрининг без человеческого контроля, рискует получить результат, который никто не отследит.
Дам конкретный сценарий, чтобы это перестало звучать абстрактно. Представьте, что в начале 2025 года вы внедрили ИИ-скрининг резюме на все позиции. Полгода всё работает гладко: HR-отдел разгружен, время до оффера сократилось, метрики улучшились. Только в декабре, готовя годовой отчёт, кто-то замечает странное: средний возраст принятых на работу сотрудников упал с 34 до 28 лет, при этом доля кандидатов старше 45 лет в общем потоке откликов осталась прежней. Что произошло? Алгоритм обучался на исторических данных компании, где на похожие позиции систематически брали более молодых, и научился воспроизводить этот паттерн. Никто не давал ему инструкции дискриминировать. Доказать дискриминацию формально невозможно — финальные решения принимали HR-ы по итогам интервью. Но интервью назначались только тем, кого ранжировал алгоритм. И вы узнаёте об этом только тогда, когда искажение уже системно проникло в кадровый состав. Это не пугалка из учебника по этике ИИ. Это рабочий сценарий, который уже воспроизводился в открытых корпоративных кейсах.
Surveillance в найме и на работе. Анализ видеоинтервью — это, по сути, скрытая биометрия. Кандидат отвечает на вопрос, а система оценивает его мимику, паузы, движение зрачков. Где граница между «оценкой коммуникативных навыков» и нарушением приватности? В российском законодательстве это серая зона. ФЗ-152 «О персональных данных» регулирует общие принципы, но конкретные кейсы найм-ИИ под него подведены слабо.
Зависимость от вендора. Компания, передавшая весь скрининг в чёрный ящик внешнего ИИ-провайдера, теряет понимание, почему отказали конкретному кандидату. Это создаёт две проблемы: правовую (можно ли обосновать отказ?) и стратегическую (что если провайдер закроется, его купят конкуренты, изменит политику?).
Что с этим делать. Минимум — держать человека в цепи принятия решения (human in the loop). Не делегировать ИИ финальный отказ, использовать его только для ранжирования и подсветки. Аудит логики алгоритма хотя бы раз в полгода. Прозрачные критерии отказа. И ясное согласие кандидата на обработку видео и аудио-данных, с правом отозвать в любой момент.
Это не модный этический трепет. Это рабочая гигиена, которая в перспективе пяти-семи лет станет регуляторным требованием — в ЕС уже принят AI Act, в России похожее регулирование обсуждается.
Футурология: где грань между прогнозом и сценарием
Самая лёгкая часть статьи и самая опасная. Лёгкая — потому что футурология не требует проверки фактов сегодня. Опасная — потому что под этим предлогом обычно несут чушь.
Я попробую разделить то, что уже происходит в пилотах и переходит в массовое применение, от того, что остаётся сценарием на горизонте десяти-двадцати лет.
Происходит сейчас: ИИ-агенты как часть команды. Уже в 2026 году разработчик работает с Copilot или его аналогом, аналитик — с ИИ-ассистентом по данным, дизайнер — с Midjourney и Stable Diffusion. К 2030 году граница «штат / не штат» размоется. Когда вы нанимаете инженера, вы фактически нанимаете команду из человека и двух-трёх ИИ-агентов, которыми он умеет управлять. Ключевая компетенция — оркестрация, не индивидуальное исполнение. И это уже надо проверять на собеседованиях.
Происходит сейчас: ИИ как соавтор оффера. ИИ генерирует первичные офферы, варианты компенсационных пакетов под профиль кандидата, прогнозирует вероятность принятия. Это рутина для крупных IT-компаний.
Остаётся сценарием: Нейроинтерфейсы для найма. Neuralink имплантирует чипы людям, но это пока чисто медицинские применения — помощь парализованным управлять курсором мыши силой мысли. Маск говорит о следующих стадиях, но переход к массовому потребительскому применению — это десятилетия регуляторных, этических, технологических барьеров. Сценарий, в котором к 2035 году вы «загружаете» в кандидата корпоративные знания за неделю, — это литература, а не план на пятилетку.
Остаётся сценарием: Технологическая сингулярность к 2045 году (Курцвейл). Это эсхатологический прогноз, которому можно верить, можно не верить — на найм в ближайшие десять лет он не влияет.
Остаётся гипотезой: «Бесполезный класс» (Харари). Идея о том, что автоматизация создаст массу людей, чей труд просто не нужен экономике, — это интересная философская конструкция, но в России она пока обратная: проблема не в избытке людей, а в дефиците. Демографическая яма 90-х аукается прямо сейчас.
Если нужна русскоязычная рамка для разговора о будущем труда — у Стругацких есть редкое для футурологии свойство: они предсказывали не технологию, а психологию людей рядом с ней. В этом смысле «Понедельник начинается в субботу» — точнее многих современных HR-руководств про мотивацию интеллектуальной работы. Этого упоминания, пожалуй, достаточно.
Что со всем этим делать: три рабочих фреймворка
До этого момента всё было аналитикой и диагнозом. Теперь — конкретные инструменты, которые можно унести и попробовать на следующей же вакансии. Без них любая статья про «эволюцию найма» — упражнение в красноречии.
Фреймворк 1. Трёхступенчатая замена резюме
Если у вас передовой сегмент и вы хотите снизить зависимость от резюме как фильтра — вводите три ступени:
- Открытый вопрос на отклике. В форме вакансии добавьте 2–3 коротких вопроса: «Опишите задачу, которой вы гордитесь, и какое решение приняли вы лично», «Что бы вы изменили в нашем продукте после первого взгляда?», «На что обращаете внимание, выбирая нового работодателя?». Это не отсев, это разогрев. Сразу видно, кто прислал шаблон с ChatGPT, а кто подумал.
- Кейс-задача на 30 минут. Не часовое тестовое, не двухдневный проект. Короткая ситуация из вашей реальной работы, с разбором по итогам. Цель — посмотреть мышление, а не результат.
- Оплачиваемый микро-проект, если позиция критичная. Два-три дня, ставка пропорционально, реальный кусок работы. Это инвестиция, и она окупается через год хорошим наймом.
Фреймворк 2. Матрица оценки learning velocity
Hard skills устаревают, способность учиться — нет. Как её проверить:
- Вопрос про последнее освоенное. «Что вы выучили за последние полгода такого, чего раньше не умели? Как именно? Сколько времени заняло?». Тут хорошо видно, кто учится в потоке работы, а кто только в отпуске на курсах.
- Вопрос про провал в обучении. «Чему вы пытались научиться и бросили? Почему?». Самый ценный ответ — конкретный, с признанием ошибки. Кто говорит «я всё всегда довожу до конца» — врёт или не пробовал ничего сложного.
- Имитация изменения контекста. «У нас через год может смениться основной стек / методология / клиентский сегмент. Как вы будете адаптироваться?». Здесь видно, есть ли у человека привычка думать наперёд.
Фреймворк 3. Чек-лист для собеседования по мотивационному профилю
Не нанимайте «хорошего человека», нанимайте подходящего под среду. Пять простых вопросов:
- «За что вы готовы работать сверх нормы — за деньги, за результат, за признание, за миссию, за безопасность?» (Денежник, результатник, статусник, романтик, бюджетник — все ответят разное.)
- «Опишите идеальный понедельник в новой роли через три месяца после старта.» (Структура ответа выдаёт ожидания.)
- «Что вас демотивирует быстрее всего?» (Часто отвечают честнее, чем на прямой вопрос про мотивацию.)
- «Какой проект из прошлого считаете самым важным? Почему?» (Раскрывает, что человек считает успехом.)
- «Кого вы считаете для себя ориентиром в профессии и почему?» (Показывает референсы.)
Эти три фреймворка применимы и в передовом сегменте, и (в адаптированном виде) в массовом найме. В производстве и стройке формат тот же — меняется сложность кейс-задачи и форма проверки. Каменщику не дают онлайн-тест, его сажают за реальную стену и смотрят два часа.
Что остаётся человеческим
Я долго думал, чем заканчивать. Пришёл к простой мысли: за все эти годы — от ATS 2016-го до пилотов нейроинтерфейсов 2026-го — изменилось всё, кроме одного.
Главный вопрос найма не «что человек умеет», а «можно ли с ним работать». На него не отвечает резюме. Не отвечает ИИ. Отвечает только живой разговор и совместная работа на коротком отрезке.
Профессия рекрутера и HR не умрёт — но переформатируется. Из «фильтра по ключевым словам» она превратится в дизайн среды отбора. Из «закрывателя вакансий» — в архитектора команд. Из человека, который читает резюме, в человека, который понимает людей и умеет проверить это понимание через инструменты, многие из которых ещё не изобретены.
И ещё одно. В мире, где ИИ умеет почти всё, цена человеческого суждения растёт, а не падает. Это парадоксально, но это так. Мы платим не за то, что человек умеет делать. Мы платим за то, что он умеет решать.
Эпилог для коллег
Если вы дочитали — спасибо. Этот текст я писал не как методичку и не как прогноз, а как честный разговор с теми, кто варится в профессии вместе со мной.
Вот что я бы хотел, чтобы мы держали в голове:
— Резюме не фильтр качества, а точка входа. Не тратьте на него больше внимания, чем оно заслуживает. Но и не выбрасывайте — в массовом сегменте оно всё ещё работает.
— Авангард и массовый сегмент — две разных вселенных. Не переносите практики из одной в другую без адаптации.
— ИИ — не угроза и не панацея. Он отлично снимает рутину и катастрофически плохо принимает решения о людях. Не делегируйте ему то, за что отвечаете вы.
— Цифровизация в стройке идёт, но не так быстро, как в IT. Не ведитесь на хайп про роботизированную кладку — реальность скромнее. Зато ТИМ — это уже норматив, и без неё в госстройке делать нечего.
— Главный навык будущего — не Python и не Revit. Это умение учиться быстрее, чем устаревает то, что вы уже знаете.
— И самое важное. В мире, где ИИ умеет почти всё, цена человеческого суждения растёт. Парадоксально, но это так.
С 2016 года изменилось всё. Кроме главного: мы по-прежнему нанимаем людей. Просто теперь мы наконец начинаем понимать, кого именно ищем — и в каких границах.
И последнее. Если вам интересен не только мой разбор, но и опыт коллег — у меня к вам прямой вопрос. Какой этап найма в вашей компании сломался первым? Резюме перестало работать? Интервью превратились в обмен заготовками? Онбординг не удерживает людей дольше трёх месяцев? Тестовые задания решает ChatGPT? Напишите в комментариях — самые показательные кейсы я хотел бы собрать в следующий материал, уже с разбором конкретных решений. Анонимность — по запросу.
Если статья откликнулась — поделитесь с коллегами. Если в чём-то не согласны — буду рад аргументированному спору. Этот текст не претендует на истину, он претендует на честность и на пользу.