Массовая автоматизация первичного отбора
Согласно данным SHRM (Society for Human Resource Management), использование ИИ для задач HR и рекрутинга выросло с 26% в 2024 году до 43% в 2025-м, причём рекрутинг является ведущей областью применения среди всех HR-функций. Исследования также показывают, что к 2025 году 99% нанимающих менеджеров так или иначе используют ИИ в процессах подбора.
Ключевая функция ИИ в рекрутинге — автоматизированный скрининг резюме. Алгоритмы парсят CV, извлекают структурированные данные (навыки, должности, стаж, образование), а затем оценивают кандидата по сопоставлению с описанием вакансии. Большинство систем комбинируют извлечение ключевых слов, семантическое сопоставление и ранжирующие алгоритмы, обученные на исторических данных о найме. Лучшие платформы сегодня используют трансформерные NLP-модели, способные понимать контекст.
Однако эксперты отмечают, что наибольшую пользу ИИ приносит на ранних этапах воронки подбора — в сорсинге кандидатов, где задача высокообъёмна и терпима к некоторой неточности на первом проходе. ИИ эффективно парсит LinkedIn, базы CV и собственное ATS компании, находит похожих кандидатов и идентифицирует пассивных соискателей, которые ещё не откликнулись на вакансию. На этапе скрининга агентства сообщают об ускорении циклов рассмотрения кандидатов до 75%.
При этом эксперты SHRM подчёркивают, что 88% организаций пока не получили значительной бизнес-ценности от своих ИИ-инструментов, что объясняется скорее плохими практиками внедрения, нежели технологическими недостатками. Организации, которым удаётся получить реальную отдачу, начинают с одного высокообъёмного низкорискового этапа, доказывают ROI и только затем масштабируются.
Эффективность: сокращение времени и затрат
Цифры эффективности ИИ в подборе персонала впечатляют. По данным исследований на основе кейсов Deloitte, IBM и PwC, внедрение ИИ позволяет сократить время найма на 66–75%, снизить затраты на подбор на 70%, уменьшить текучесть кадров на 25% и сократить время на проведение performance-ревью на 80–85%. Другие источники называют схожие показатели: снижение времени найма на 70%, затрат — на 50–75%, а также повышение удержания сотрудников за счёт предиктивной аналитики.
Однако исследование SHRM Benchmarking Survey 2025 года указывает на парадокс: несмотря на широкое внедрение ИИ, средняя стоимость найма и время закрытия вакансии выросли за последние три года, что коррелирует с массовым использованием ИИ самими соискателями для генерации оптимизированных резюме. Соискатели также адаптируются к новой реальности.
ИИ на собеседованиях: от видеоинтервью к оценке содержания
Одним из пионеров в области AI-ассистированных собеседований является компания HireVue. Платформа позволяет кандидатам проходить интервью в асинхронном режиме, отвечая на заранее заданные вопросы, после чего система оценивает ответы и передаёт результаты рекрутеру. В феврале 2025 года компания запустила Assessment Builder — инструмент, который делает научно валидированные оценки доступными даже для низкообъёмных ролей.
Важным моментом в истории HireVue стал отказ от спорных технологий. В ранних версиях платформа анализировала мимику, движения глаз, тон голоса и язык тела, что вызвало обвинения в предвзятости и даже привело к судебным искам. Несколько штатов, включая Калифорнию и Техас, запретили использование таких AI-функций. В ответ компания полностью удалила эти функции, сосредоточившись исключительно на содержании ответов. Главный научный сотрудник HireVue Майк Хьюди объяснил, что эти функции были удалены не из-за обвинений в предвзятости, а потому что они не улучшали прогностическую точность модели. Сегодня система оценивает ответы строго на основе языкового содержания, привязанного к требуемым для должности компетенциям, и, по заявлениям компании, может быть даже более объективной, чем человек-интервьюер.
Исследования показывают, что индустриально-организационная психология, лежащая в основе таких оценок, предсказывает успех кандидата значительно точнее, чем традиционные резюме и неструктурированные интервью.
Алгоритмическая предвзятость: от Amazon к системным проблемам
Наиболее громким примером проблем с ИИ в рекрутинге стал кейс Amazon. В 2015 году компания обнаружила, что её экспериментальный алгоритм подбора персонала, обученный на десятилетии резюме, преимущественно поданных мужчинами-инженерами, научился отдавать предпочтение мужчинам. Система штрафовала резюме, содержащие слово «женский» (например, «капитан женского шахматного клуба»), занижала выпускниц двух женских колледжей и отдавала предпочтение кандидатам, использующим такие глаголы, как «executed» и «captured», которые чаще встречались в резюме мужчин-инженеров. Amazon свернула проект, но проблема не исчезла — более половины американских компаний сегодня инвестируют в AI-инструменты для рекрутинга.
Исследование 2025 года, проведённое в рамках проекта FAIRE, выявило измеримое неравенство в воздействии (disparate impact) по расовым и гендерным признакам в нескольких коммерческих системах скрининга резюме. Предвзятость была не всегда драматичной, но достаточно последовательной, чтобы в масштабах влиять на состав шорт-листов. Другое исследование пяти ведущих LLM показало, что при оценке идентичных резюме ИИ систематически отдавал предпочтение женщинам перед кандидатами-мужчинами, принадлежащими к афроамериканскому населению, причём этот эффект сохранялся в разных типах должностей и географических контекстах.
Ещё более тревожные данные представило исследование Вашингтонского университета: когда участникам показывали рекомендации ИИ с умеренной предвзятостью, они копировали эти предпочтения в 80% случаев. В случаях с сильной предвзятостью люди следовали AI-рекомендациям примерно в 90% случаев. Исследователи назвали этот феномен «автоматизационной предвзятостью» (automation bias) — когнитивной тенденцией доверять AI-решениям больше, чем собственному суждению.
Проблема не ограничивается дискриминацией по полу или расе. Алгоритмы скрининга резюме с трудом распознают нетривиальные карьерные траектории — людей, меняющих профессию, международных кандидатов, нишевые специальности с малым объёмом данных для обучения. Как отмечается в аналитике, «проблема AI-скрининга не в том, что он ошибается в половине случаев. Проблема в том, что он ошибается систематическим образом — одни и те же категории кандидатов наказываются снова и снова, и вы этого не видите, пока не проведёте аудит».
Регулирование: от Нью-Йорка до Брюсселя
Самым значимым локальным законом об AI в найме остаётся нью-йоркский Local Law 144. Закон обязывает работодателей, использующих автоматизированные инструменты принятия решений (AEDT), проводить независимый ежегодный аудит на предмет предвзятости, публиковать краткое изложение результатов аудита на своём веб-сайте и уведомлять кандидатов за 10 рабочих дней об использовании такого инструмента с правом отказаться и запросить альтернативный процесс.
Однако декабрьский аудит 2025 года, проведённый Контролёром штата Нью-Йорк, показал, что система правоприменения работает неэффективно. 75% тестовых звонков на горячую линию 311 по вопросам AEDT были перенаправлены некорректно и никогда не достигали профильного департамента. Из 32 проверенных компаний только в одном случае было выявлено нарушение, в то время как собственная проверка аудиторов обнаружила по крайней мере 17 потенциальных случаев несоответствия.
На глобальном уровне наибольшее влияние окажет ЕС. Согласно EU AI Act, все AI-системы, используемые для найма, отбора, таргетированной рекламы вакансий и оценки кандидатов, классифицируются как высокорисковые. Полный набор обязательств для высокорисковых систем вступает в силу 2 августа 2026 года. Эти обязательства включают обязательную оценку рисков, техническую документацию, тестирование на предвзятость, человеческий надзор, раскрытие информации о прозрачности и непрерывный мониторинг. Работодатели обязаны информировать кандидатов о том, как будет функционировать AI-система и как будут приниматься решения, при этом кандидаты имеют право требовать разъяснения роли AI в принятии решений. Закон имеет экстерриториальное действие: если результат работы AI-системы используется в ЕС или затрагивает лиц на его территории, требования применяются независимо от местонахождения компании.
Российский контекст: осторожное внедрение и готовность кандидатов
В России ситуация развивается более сдержанно. По состоянию на 2025 год только 5% компаний системно используют ИИ при подборе персонала, интегрируя нейросети в ключевые бизнес-процессы. Однако намерения более амбициозны: 46% работодателей планируют применять ИИ-инструменты для поиска и оценки кандидатов. Автоматизация подбора уже позволила бизнесу сократить объём рутинных задач HR-специалистов на 80%, уменьшить количество ошибок и время найма в два раза, а затраты на подбор — почти на треть.
При этом соискатели демонстрируют высокую степень готовности к взаимодействию с ИИ. Согласно исследованию «Юнион» и «Зарплата.ру» (1710 респондентов), 75% готовы проходить первичное собеседование с чат-ботом, причём треть — без каких-либо сомнений. Почти половина (47%) поддерживает участие ИИ, если окончательное решение остаётся за человеком, 15% не видят проблем в полной автоматизации, и только 12% категорически против.
Ключевым преимуществом ИИ соискатели называют объективность: 87% верят, что алгоритмы могут быть непредвзятыми при правильной настройке и сочетании с человеческим контролем. 46% считают, что ИИ меньше подвержен стереотипам и эмоциям, 45% ценят оценку всех кандидатов по одинаковым критериям. При этом кандидаты осознают и риски: 54% опасаются, что алгоритмы могут игнорировать нестандартные навыки, 53% — что ИИ не способен учитывать индивидуальные обстоятельства, 40% указывают на риск предвзятости при обучении на необъективных данных.
Одновременно соискатели активно используют ИИ для поиска работы: за последний год треть трудоустроенных россиян (33%) проходили собеседования, и 29% из них столкнулись с ИИ во время отбора, чаще всего среди молодёжи 18–24 лет (36%). Сервис «Авито Работа» позволяет соискателям создавать резюме с помощью нейросетей за 30–40 секунд. По оценкам экспертов, ИИ автоматизирует до 70% рутинных задач рекрутера — от сортировки резюме до планирования интервью — и помогает сократить время закрытия вакансий в среднем на 30%.
Заключение
ИИ в подборе персонала демонстрирует ярко выраженную двойственность. С одной стороны, алгоритмы кратно ускоряют и удешевляют процесс найма, сокращая время закрытия вакансий на 70% и снижая затраты. С другой — они могут систематически воспроизводить и даже усиливать существующую предвзятость, дискриминируя определённые группы кандидатов. Кейс Amazon и исследования Вашингтонского университета показывают, что проблема не в злом умысле, а в самой логике машинного обучения: алгоритмы настолько же объективны, насколько объективны данные, на которых они обучены, а люди, получая AI-рекомендации, склонны доверять им даже тогда, когда ошибаются.
Регуляторы по всему миру, от Нью-Йорка до Брюсселя, пытаются наверстать упущенное: требование ежегодных аудитов на предвзятость, человеческого надзора и обязательного раскрытия факта использования AI становится новым стандартом. Однако аудит 2025 года показал, что даже в Нью-Йорке правоприменение остаётся крайне неэффективным.
Очевидно одно: ИИ не заменит рекрутера полностью. Как показывают российские данные, и работодатели, и соискатели сходятся в том, что окончательное решение должно оставаться за человеком. ИИ становится мощным усилителем человеческих возможностей, но не заменой. Вопрос в том, научимся ли мы использовать этот усилитель так, чтобы он делал процесс найма не только быстрее и дешевле, но и действительно справедливее.
Статья основана на данных SHRM (Society for Human Resource Management), Deloitte, IBM, PwC, исследований Вашингтонского университета, материалов о кейсе Amazon, текстах NYC Local Law 144, EU AI Act, а также российских исследований Фонда «Сколково», «Юнион» и «Зарплата.ру», «Авито Работы» и публикаций в CNews, «Известиях», «Компьютерре» за 2025–2026 годы.