AI в рекрутинге: как искусственный интеллект меняет найм

Года полтора назад мне продавали ИИ-платформу для подбора. Менеджер уверенно листал слайды, где робот сам находит, оценивает и ранжирует кандидатов, а рекрутёр только жмёт «нанять». Я слушала и параллельно загрузила туда десять резюме своих текущих сотрудников, которые уже работают и работают хорошо. Двоих из них система задвинула в самый низ списка. Один из этих двоих через полгода стал моим лучшим человеком в отделе. Вот с этого момента я и начала относиться к теме AI в рекрутинге спокойно: без ужаса, но и без веры в кнопку.

Пишет Ольга, HR-партнёр в Aski, в подборе лет восемь. Тема сейчас звонкая, и вокруг неё много и восторга, и паники. Хочу разложить трезво: где искусственный интеллект в подборе уже реально работает, где у него стенка, и что вся эта история меняет для обычного рекрутёра, который завтра выйдет разгребать отклики. Без слайдов про робота, который всё решит.

Где AI в рекрутинге уже реально пролез в найм

Начну с цифры, потому что она отрезвляет. По опросу SHRM за 2025 год, ИИ в HR-задачах используют уже 43% организаций, годом раньше было 26% (SHRM, ссылка в «Источниках»). Рост почти вдвое за год. То есть это не «скоро придёт», это уже пришло и стоит в дверях у половины компаний.

Но «используют ИИ» звучит красиво и ничего не значит. Куда конкретно он залез, вот что интересно. По тому же опросу картина такая: чаще всего им пишут тексты вакансий, следом идёт разбор резюме, потом автопоиск кандидатов и переписка с откликнувшимися. Ровно те места, где рекрутёр тонет в объёме и однообразии.

Разберу по кускам, где я это вижу вживую.

Парсинг и разбор резюме. Самое старое и самое рабочее применение. ИИ вытаскивает из резюме структуру: опыт, навыки, города, зарплатные ожидания, и раскладывает по полочкам, чтобы ты не читал двести PDF глазами. Тут искусственный интеллект в подборе экономит буквально часы. По данным того же исследования, разбор резюме, это второе по частоте применение ИИ в найме после написания вакансий.

Первичный скрининг. Отсев по формальным критериям: подходит ли город, есть ли нужный опыт, готов ли к графику. Раньше это был обзвон или чтение сопроводительных, теперь часть можно отдать. Про то, как устроен нормальный первичный отбор и скрининг кандидатов, я подробно писала отдельно, тут не повторяюсь. Важно одно: скрининг это фильтр, а не решение о найме, и вот это различие ИИ пока путать нельзя.

Первичные интервью с аватаром. Более свежая штука. Кандидат разговаривает не с ботом-анкетой, а с фотореалистичным аватаром, который задаёт вопросы голосом, слушает ответ и уточняет по ходу. Не «выберите вариант из четырёх», а живой диалог. На массовых потоках это снимает с рекрутёра ту самую пятнадцатиминутную телефонную рутину, которая съедает недели. Как это выглядит в найме, я разбирала в статье про AI-собеседование с кандидатом.

Аналитика воронки. Тихая, но полезная часть. ИИ видит, на каком этапе отваливаются люди, где вакансия висит дольше нормы, какой источник даёт кандидатов, которые доходят до выхода в смену. Раньше это считали руками в таблице по пятницам, если вообще считали.

Заметьте, во всех четырёх пунктах ИИ делает не работу рекрутёра, а работу вокруг неё. Подготовку, сортировку, механику. Решает по-прежнему человек. Пока.

Где границы: три места, где ИИ спотыкается

Тут начинается часть, которую продавцы платформ проговаривают шёпотом или не проговаривают вовсе. А без неё вся картинка кривая.

Первое и самое неприятное, предвзятость алгоритма. Классический пример всем известен, но его правда стоит держать в голове. Amazon несколько лет пилила свой инструмент для оценки резюме, обучила его на резюме за десять лет, а резюме эти были в основном от мужчин, потому что инженеров-мужчин исторически больше. Модель сделала вывод, который её не просили делать: мужчина лучше. Резюме, где встречалось слово «женский» (например, «капитан женской шахматной команды»), она занижала. Инструмент в итоге закрыли, потому что починить это не вышло (Reuters, через разбор ACLU, ссылка в «Источниках»).

Мораль не в том, что Amazon криворукие. Мораль в том, что ИИ учится на прошлом, а прошлое в найме бывает несправедливым. И тогда машина не исправляет перекос, а зашивает его в код и масштабирует. По свежему опросу SHRM, 19% организаций, применяющих автоматизацию в найме, признали, что их инструменты отсеивали или пропускали подходящих кандидатов. Каждая пятая. Это те двое из моего теста, которых система задвинула вниз.

Второе, потеря человеческого контакта. Найм это не только фильтрация, это ещё и продажа компании кандидату. Хороший специалист выбирает не меньше, чем выбирают его. И вот тут холодный автоматический конвейер отпугивает. Pew Research нашёл, что 66% американцев не хотели бы откликаться на вакансию, где решение о найме помогает принимать ИИ (Pew Research Center, ссылка в «Источниках»). Две трети. Российских цифр под рукой нет, врать не буду, но осадок узнаваемый: когда с человеком с первого касания разговаривает робот, часть хороших людей просто разворачивается.

Третье, финал нельзя отдавать машине. Совсем. Решение «берём этого» это ответственность, юридическая и человеческая. ИИ может отсортировать, подсветить, сэкономить время на верхе воронки. Но подписать оффер, посмотреть человеку в глаза, взвесить то, что не влезло ни в одно поле резюме, это остаётся за живым рекрутёром и нанимающим руководителем. Тот, кто отдаёт финальное решение алгоритму, однажды объясняет юристу, почему система отказала кандидату по признаку, который трогать было нельзя.

Скажу честно, тут я сама не до конца определилась в деталях. Регулирование этой темы только складывается, в разных странах по-разному, и что будет нормой через пару лет, никто уверенно не скажет. Но базовый принцип для меня железный: машина советует, человек решает.

Что ИИ берёт на себя, а что нет

Свела то, что выше, в одну табличку. Так виднее, где проходит линия.

• Написать текст вакансии — Кому отдавать: ИИ с правкой человека — Почему так: Черновик за минуту, но тон и точность проверяет рекрутёр
• Разобрать и структурировать резюме — Кому отдавать: ИИ — Почему так: Механика, экономит часы, ошибок мало
• Первичный скрининг по формальным критериям — Кому отдавать: ИИ, но как фильтр, не как приговор — Почему так: Быстро, но пороги настраивает и проверяет человек
• Первичное интервью на массовом потоке — Кому отдавать: ИИ-аватар — Почему так: Снимает рутину телефонных скринингов
• Оценка софт-скиллов, мотивации, «наш ли человек» — Кому отдавать: Человек — Почему так: ИИ не считывает то, что между строк
• Финальное решение о найме — Кому отдавать: Только человек — Почему так: Ответственность и то, что не влезло в поля
• Отказ кандидату по чувствительным признакам — Кому отдавать: Никому, это риск — Почему так: Предвзятость алгоритма плюс юридическая мина

Табличка не догма, у каждого своя специфика. Но если сомневаетесь, куда отнести задачу, спросите себя: это про скорость и объём или про суждение о человеке? Первое можно доверить машине, второе нет.

Что всё это меняет для рекрутёра

Тут обычно начинается паника уровня «нас всех заменят». Не заменят. Но работа поменяется, и я это уже на себе чувствую.

Меньше рутины. Реально меньше. Те самые часы на чтение резюме, на первые обзвоны «а вы точно из нашего города», на ручной подсчёт воронки, это уходит в машину. По опросу SHRM, 89% HR-специалистов говорят, что ИИ экономит время или повышает эффективность. Цифра высокая, и мой опыт её подтверждает: механики стало меньше.

А вот времени на людей стало больше. И это, на мой взгляд, главное. Когда с тебя снимают конвейер, ты успеваешь нормально поговорить с финалистами, а не проскакать по ним галопом между двумя сотнями откликов. Успеваешь подумать про кандидата, а не просто протащить его по этапам. Рекрутёр смещается от оператора воронки к тому, кто принимает решения и выстраивает отношения. Профессия не умирает, она поднимается на уровень выше.

Но появляется и новая обязанность, о которой мало говорят. Теперь рекрутёр отвечает ещё и за то, что делает его ИИ. Проверять, кого система задвинула вниз и почему. Ловить, где алгоритм несправедлив. Не верить рейтингу вслепую. Это новый навык, и ему ещё предстоит научиться целой профессии.

Меня, если честно, эта часть тревожит больше всего. Легко расслабиться и начать доверять цифре, которую выдала машина, просто потому что она выглядит объективной. А она ровно настолько объективна, насколько чисты данные, на которых её учили. Я про это забываю сама, потом ловлю себя за руку.

Как это выглядит на практике: пример Aski

Чтобы не рассуждать в воздухе, покажу на том, что делаем мы, благо я внутри и вижу швы.

Aski это сервис, где фотореалистичный аватар сам проводит голосовое видео-интервью. В найме это работает так: рекрутёр ставит цель первичного отсева, помощник помогает собрать вопросы, вы выбираете лицо и голос аватара. Дальше кандидату уходит ссылка, он открывает её в браузере без регистрации и установок и разговаривает с аватаром голосом, как на обычном созвоне. Каждый разговор расшифровывается на лету, а по серии кандидатов собирается отчёт с ответами и выводами. Несколько интервью идут параллельно, аватар доступен круглосуточно, кандидат проходит первичное интервью хоть в одиннадцать вечера.

Что это закрывает. Ту самую боль с верха воронки: когда на вакансию падает четыреста откликов, и физически некому провести четыреста пятнадцатиминутных скринингов. Машина берёт первый разговор и рутину вокруг него, рекрутёру остаётся живая часть, финалисты и решение.

И про границы я в своём же рекламном абзаце не совру. Финальное собеседование Aski за вас не проведёт и оффер не подпишет, и не должен. Оценить, «наш ли это человек», по-прежнему живому эйчару. Про массовый поток и его узкие места у меня есть отдельный разбор, автоматизация массового найма, там подробнее, где именно рвётся процесс.

Самое честное тут: можно не верить мне на слово, а прогнать пару первичных интервью на своей вакансии и посмотреть отчёт. Стартовые интервью идут без оплаты, карту привязывать не надо. Попробовали, глянули, сами решили, ваше это или нет: запустить первое интервью в Aski.

Коротко

AI в рекрутинге уже не будущее, а половина компаний прямо сейчас. Реально он помогает на верхе воронки: парсит резюме, скринит по формальным критериям, проводит первичные интервью аватаром, считает аналитику. Границы там, где начинается суждение о человеке: предвзятость алгоритма, отпугнутый холодным конвейером кандидат, финальное решение, которое нельзя отдавать машине. Для рекрутёра это меньше рутины и больше времени на людей, плюс новая обязанность приглядывать за собственным ИИ. Машина советует, человек решает. Пока эта линия держится, всё на своих местах.

FAQ

Заменит ли ИИ рекрутёров? Нет, но поменяет профессию. Рутину (разбор резюме, первичные обзвоны, подсчёт воронки) ИИ снимает уже сейчас. А вот суждение о человеке, оценка мотивации и финальное решение остаются за людьми. Плюс появляется новая работа: контролировать, что алгоритм не отсеивает подходящих и не тащит в код старую несправедливость. Так что рекрутёр не исчезает, он смещается от оператора конвейера к тому, кто решает.

Где искусственный интеллект в подборе даёт больше всего пользы? На верху воронки и на объёме. Чем больше однотипных откликов и чем формальнее первый отсев, тем сильнее заходит. Массовый найм, линейный персонал, потоковые вакансии, где важна скорость. На штучном подборе редкого специалиста эффект меньше: там каждое решение слишком тонкое, чтобы доверять его машине.

Правда ли, что нейросети в найме бывают предвзятыми? Да, и это не гипотеза. ИИ учится на прошлых данных, а если в прошлом найм был перекошенным, модель этот перекос впитывает и масштабирует. Известный случай: Amazon свернула свой инструмент оценки резюме, потому что тот занижал кандидаток. По опросу SHRM, 19% компаний, применяющих автоматизацию, признали, что их инструменты отсеивали подходящих людей. Поэтому за рейтингом машины нужно приглядывать, а не верить ему вслепую.

Что из найма нельзя отдавать ИИ? Финальное решение о найме, оценку софт-скиллов и мотивации, отказ по чувствительным признакам. Всё, что про суждение о человеке, а не про скорость и объём. ИИ может отсортировать и подсветить, но подписывать оффер и брать ответственность должен живой человек. Это и юридический риск, и просто здравый смысл.

Не отпугнёт ли кандидатов автоматизация рекрутинга? Может отпугнуть, если переборщить. Pew Research нашёл, что две трети опрошенных американцев не хотели бы откликаться туда, где решение принимает ИИ. Лечится это балансом: машине отдаём рутину и первичный отсев, а живой контакт с финалистами и продажу компании оставляем людям. Полностью автоматический конвейер без единого живого касания отпугивает хороших кандидатов.

С чего начать внедрять ИИ в найм? С одного узкого места, а не со всего сразу. Найдите этап, где вы тонете в объёме: чаще это разбор резюме или первичные скрининги на потоке. Автоматизируйте только его, поживите месяц, посмотрите, кого система пропускает мимо. И держите за собой контроль: любой отсев, сделанный машиной, должен быть проверяемым. Начинать с автоматизации финального решения, худшее, что можно придумать.

Источники

• SHRM (Society for Human Resource Management), исследование о применении ИИ в HR, 2025: доля организаций, использующих ИИ в HR-задачах (43% против 26% годом ранее), частота применений (тексты вакансий, разбор резюме, скрининг), 89% отмечают экономию времени, 19% признали отсев подходящих кандидатов. https://www.shrm.org/topics-tools/research/2025-talent-trends/ai-in-hr
• ACLU (American Civil Liberties Union), разбор случая Amazon: почему автоматический инструмент подбора занижал резюме женщин и был закрыт. Первоисточник репортажа Reuters. https://www.aclu.org/news/womens-rights/why-amazons-automated-hiring-tool-discriminated-against
• Pew Research Center, опрос об отношении к ИИ в найме: 66% американцев не хотели бы откликаться на вакансию, где решение помогает принимать ИИ. https://www.pewresearch.org/internet/2023/04/20/ai-in-hiring-and-evaluating-workers-what-americans-think/
• Aski, продуктовая логика платформы (aski.pro): модель работы аватара, первичные интервью в найме, отчёт по серии кандидатов. Внутренние данные продукта.