Рубрика: Слепые зоны алгоритмов · Блок: AI-код управления

ИИ и отбор резюме: кого алгоритм отсеивает зря

ИИ в отборе резюме — это автоматическая сортировка откликов, которая решает, кого рекрутер увидит первым, а кого не увидит вовсе. Она нужна, когда откликов больше, чем можно прочитать. Но у неё есть цена: компания никогда не узнает, кого потеряла, потому что отказ, который выдал алгоритм, обычно никто не проверяет.

Решение: Подбор и адаптация

Зачем компании отбирать резюме с помощью ИИ

Причина понятная. Размещать вакансии стало просто, откликаться ещё проще, а с появлением нейросетей написать сопроводительное письмо и переделать резюме под вакансию можно за минуту. Рекрутер физически не успевает внимательно прочитать весь поток, и автоматическая сортировка выглядит единственным выходом.

Выгода реальна: быстрее закрывается вакансия, у рекрутера остаётся время на разговоры с людьми. Вопрос в том, что компания платит за это и видит ли она эту цену.

Как устроены риски ИИ в подборе в целом, разобрано на странице «ИИ в оценке персонала». Здесь нас интересует одна конкретная вещь: отсев на входе.

Чем ошибка на входе отличается от других

У ошибок подбора есть две стороны, и видна из них только одна. Если взяли неподходящего человека, это заметят все через несколько месяцев. Если отсеяли подходящего, этого не заметит никто: он просто устроится в другую компанию.

Поэтому автоматический отбор легко признать успешным: скорость и стоимость закрытия вакансии улучшаются, а потери ни в какой отчёт не попадают.

Кого алгоритм отсеивает чаще всего

Масштаб описан в исследовании Гарвардской школы бизнеса и Accenture. По его данным, 88% опрошенных работодателей согласны, что их системы отсеивают подходящих кандидатов с высокой квалификацией, если те не совпадают с описанием вакансии в точности (Fuller и соавторы, 2021). Опрос охватил 2 275 руководителей и 8 720 работников в США, Великобритании и Германии. Людей, которые хотят работать, но не проходят такие фильтры, авторы назвали скрытыми работниками и оценили их число в США более чем в 27 миллионов.

Отсеиваются чаще всего те, чей путь не похож на прямую линию:

• люди с перерывом в работе, в том числе из-за ухода за детьми или болезни;
• специалисты, которые сменили отрасль и описывают опыт другими словами;
• кандидаты без формального признака, например диплома, при наличии нужного опыта;
• те, кто просто не умеет оформлять резюме по шаблону.

Заметим, что многие из них могли бы как раз быть сильными сотрудниками: нестандартный путь часто требует самостоятельности и способности адаптироваться.

Что новые языковые модели добавили к проблеме

С нейросетями появился новый вид ошибки, и он усиливает старые. Кроме предвзятости в отношении имён и групп, обнаружился необычный эффект. В большом эксперименте с резюме оказалось, что языковые модели предпочитают тексты, написанные ими самими. По расчётам авторов, кандидаты, которые использовали ту же модель, что и работодатель, на 23–60% чаще попадали в короткий список, чем равные им кандидаты с резюме, написанным человеком (Xu и соавторы, 2025).

Получается странная ситуация: машина выбирает не лучшего кандидата, а лучше всего совпавшего с машиной. Компания считает, что отбирает людей, а фактически отбирает тех, кто пользуется определённым инструментом.

Что уже решали суды

Автоматический отбор уже становился предметом судебных разбирательств, правда, пока в США.

В 2023 году Комиссия по равным возможностям в сфере занятости заключила первое подобное соглашение с iTutorGroup. Компания согласилась выплатить 365 тысяч долларов более чем двум сотням кандидатов: комиссия утверждала, что её программа автоматически отклоняла женщин от 55 лет и мужчин от 60 лет. Компания обвинения отрицала.

В 2025 году по делу Mobley против Workday суд предварительно разрешил коллективный иск кандидатов старше 40 лет, которых, как они утверждают, отсеивали инструменты поставщика. Дело ещё не решено, и выводы делать рано, но важен сам подход: ответственность может распространяться и на поставщика системы, и на работодателя.

Справедливо ли было раньше

Ручной отбор тоже не эталон. Исследование на данных 15 компаний и 131 подразделения в сфере обслуживания показало, что руководители, которые чаще отступали от рекомендаций теста, в итоге нанимали работников хуже: те меньше работали в компании (Hoffman, Kahn и Li, 2018). Хороший инструмент может быть надёжнее интуиции.

Здесь важно различать. В этом исследовании речь идёт о проверенном тесте и об измеримых результатах работы, а не о разборе текста резюме. Разница между этими подходами принципиальна. Резюме рассказывает о том, как человек описывает себя, причём теперь часто с помощью нейросети. Оно плохо говорит о том, как он будет вести себя на работе.

Как к этому относятся кандидаты

В российских опросах настроения однозначны. По данным Superjob за сентябрь 2026 года, только 7% экономически активных россиян предпочли бы, чтобы подбором занимался ИИ, а 83% выбрали бы рекрутера. Доля противников собеседований с ИИ за год выросла с 42% до 50%. Для компании, которая борется за специалистов на дефицитном рынке, это прямой риск для репутации работодателя. Подробнее о цене недоверия рассказывает статья «Почему сотрудники не доверяют ИИ».

Почему компания считает, что отбор работает

У автоматического отбора есть особенность, из-за которой его трудно оценить объективно. Обычно о его качестве судят по тем, кто прошёл: хорошо ли они работают, долго ли остаются. Но сравнивать их не с кем, потому что те, кого отсеяли, не работали в компании ни дня.

Получается, что почти любой фильтр будет выглядеть успешным. Если среди прошедших много хороших людей, это записывают в заслугу системе, хотя такие же люди могли быть и среди отвергнутых. Руководитель видит сильного кандидата и не знает, что рядом с ним не показали ещё пятерых.

Эта слепота дорого обходится именно в дефиците кадров. Компания жалуется, что на рынке нет людей, закрывает вакансию месяцами и повышает зарплату, а подходящие кандидаты в это время уже откликнулись и получили автоматический отказ. Исследователи Гарвардской школы бизнеса обращают внимание именно на этот разрыв: работодатели одновременно говорят о нехватке людей и отсеивают тех, кто мог бы подойти.

Есть и ещё одно следствие. Хорошие кандидаты, получив несколько автоматических отказов, учатся обходить фильтры: подгоняют текст, вставляют ключевые слова, используют нейросети. Система всё лучше находит тех, кто умеет проходить систему, а связь между резюме и реальной работой ослабевает.

Для бизнеса это означает простую вещь: скорость закрытия вакансии не равна качеству отбора. Первое видно в отчёте сразу, второе становится заметным через месяцы и лишь для тех, кого взяли. Поэтому разговор о выгоде автоматического отбора неполон, пока компания знает только о тех, кто прошёл.

На что опереться в отборе, кроме резюме?

Автоматика в подборе полезна, если компания заранее понимает, чего именно ищет. Отправная точка здесь не в инструменте отбора, а в ясном описании того, что требует роль: какое поведение, какие мотивы, какие компетенции. Когда есть такой профиль должности, становится видно, какие признаки в резюме действительно важны, а какие лишь отсекают нестандартных кандидатов.

Вторая опора — данные о самом человеке, а не о том, как он описал себя в резюме. Подробнее об этом подходе — на странице «Подбор и адаптация персонала».

Частые вопросы

Может ли ИИ отбирать резюме лучше человека?

Быстрее может. Лучше или нет, зависит от того, по какому критерию он отбирает. В исследовании Гарвардской школы бизнеса 88% работодателей согласились, что их системы отсеивают подходящих кандидатов с высокой квалификацией (Fuller и соавторы, 2021).

Кого автоматический отбор отсеивает зря?

Чаще всего людей с нестандартным путём: с перерывом в работе, сменивших отрасль, без формального признака вроде диплома, а также тех, кто не умеет оформлять резюме по шаблону.

Почему нельзя просто проверять отказы выборочно?

Выборочно можно, но это редко делают: у проверки нет заказчика, а потери не видны в отчётах. Если её нет, компания не знает, сколько хороших кандидатов потеряла, и считает систему успешной.

Как кандидаты относятся к ИИ при подборе?

Настороженно. По данным Superjob за сентябрь 2026 года, только 7% экономически активных россиян предпочли бы, чтобы подбором занимался ИИ, а 83% выбрали бы рекрутера.