автордың кітабынан сөз тіркестері HR нового уровня: ИИ, прозрачный скоринг и сильные команды
Что не нужно собирать
Одна из самых опасных зон — сбор данных «на всякий случай». Личные обстоятельства, семейное положение, здоровье, политические взгляды, психологические характеристики, не имеющие прямого отношения к работе, не должны попадать в систему оценки. Даже если они случайно всплывают в разговоре, задача рекрутера — не превращать их в фактор решения.
Нейросети особенно чувствительны к таким данным. Они могут неявно использовать их как сигналы, усиливая предвзятость. Поэтому принцип «лучше не загружать, чем потом объяснять» в работе с ИИ становится критически важным.
Типичная ошибка: хранить всё подряд
Во многих компаниях карточка кандидата со временем превращается в архив: старые версии резюме, несвязанные комментарии, эмоциональные заметки интервьюеров. В момент принятия решения этот объём информации мешает, а не помогает.
Качественная система данных предполагает структуру и актуальность. Если информация больше не используется для оценки или принятия решений, ей не место в активной карточке кандидата. Это снижает когнитивную нагрузку и упрощает работу нейросетей.
Данные кандидата: что собирать, чтобы не нарушить границы
Рекрутинг всё чаще напоминает работу аналитика. Мы принимаем решения не только на основе личных встреч, но и на основе массивов информации: резюме, анкет, тестовых заданий, заметок интервьюеров. С появлением нейросетей соблазн «собрать всё и сразу» стал особенно сильным. Кажется, чем больше данных, тем точнее выводы. На практике происходит обратное: избыток информации ухудшает качество оценки, усиливает шум и повышает риск ошибок.
Грамотная работа с данными кандидата начинается не с вопроса «что мы можем собрать», а с вопроса «что нам действительно нужно, чтобы принять решение по этой роли». Всё остальное — лишнее.
Компетентностная матрица на одну страницу
Идеальный итог работы — компактный профиль роли, который умещается на одну страницу. В нём чётко описаны ключевые hard и soft skills, приоритеты, контекст и ожидания по уровню. Такой документ удобен и для рекрутера, и для менеджера, и для настройки ИИ-ассистента.
Рекрутер отвечает за интерпретацию данных, за вопросы, за контакт с кандидатом. Нанимающий менеджер — за бизнес-контекст и финальное решение. HRBP — за соответствие процессов целям компании. Нейросеть в этой системе — ассистент, который ускоряет работу с информацией, но не несёт ответственности за решения.
Хороший признак — когда разные рекрутеры, используя ИИ-помощника, приходят к схожим выводам по одному кандидату. Это означает, что инструмент помогает стандартизировать мышление, а не подменяет его.
Ключевой критерий пользы нейросетей в рекрутинге — измеримый результат. Если после внедрения ИИ время на первичный скрининг заметно сократилось, а качество найма осталось на прежнем уровне или улучшилось, инструмент работает. Если скорость выросла, но увеличилось число неудачных выходов или провалов на испытательном сроке, значит, ИИ используется неправильно.
Частая ошибка — воспринимать скоринг, выданный ИИ, как объективную оценку. Цифра создаёт иллюзию точности, особенно для менеджеров. Но если не понятно, за что именно начислены баллы, скоринг превращается в чёрный ящик. В результате решения принимаются быстрее, но не обязательно лучше.
нейросети полезны при сравнении кандидатов в shortlist. Они помогают собрать аргументы «за» и «против», подсветить совпадения и пробелы относительно профиля роли. Важно, что в корректной настройке ИИ не говорит «этот кандидат лучше», а показывает, где и по каким критериям есть соответствие или расхождения.
Ещё одна сильная зона — теги компетенций. ИИ хорошо справляется с нормализацией названий навыков, технологий и ролей, особенно в ситуациях, когда рынок использует десятки вариантов одного и того же понятия. Это позволяет сравнивать кандидатов между собой не на уровне ощущений, а на уровне структуры данных.
Где нейросети действительно полезны
Наиболее сильная сторона ИИ — работа с текстом и структурой. Резюме, сопроводительные письма, анкеты, заметки интервьюера — всё это разрозненные куски информации, которые сложно удерживать в голове, особенно когда в воронке десятки кандидатов. Нейросеть здесь может выполнять роль аналитического ассистента.
Она помогает быстро делать сводки резюме, выделяя релевантный опыт под конкретную вакансию. Не переписывая документ, а сжимая его до понятной картины: чем человек занимался, на каком уровне, с каким масштабом задач. Это экономит часы первичного скрининга и снижает усталость рекрутера.