Вы наверняка сталкивались с этой ситуацией. Искусственный интеллект присылает резюме, которые выглядят просто идеально. Опыт подходящий, навыки все на месте, образование впечатляющее. А потом человек приходит на интервью, и понимаешь: что-то пошло не так. Совсем не то, что ожидалось. И возникает закономерный вопрос: в чем проблема? Система плохо обучена или мы даем ей неправильные данные?
Начнем с очевидного. Резюме это просто набор фактов. Училась там-то, работала здесь, знает вот эти технологии. Все это легко оцифровать, разложить по категориям, сравнить с требованиями вакансии. Для алгоритма это рай: четкие данные, понятные критерии, простая математика.
Но собеседование это совсем другая история. Тут начинается магия человеческого общения, которую машине пока не дано понять. Как человек формулирует мысли. Насколько быстро реагирует на неожиданные вопросы. Может ли объяснить сложные вещи простым языком. Светятся ли глаза, когда говорит о своих проектах, или это дежурная отработка скрипта.
Вся эта информация остается за бортом автоматического отбора. И не потому, что система плохая. Просто эти вещи невозможно записать в строчку резюме.
Компании любят говорить про soft skills. Коммуникабельность, умение работать в команде, гибкость мышления, инициативность. Все это попадает в описание вакансии, но как алгоритм должен это проверить по CV? Человек написал «коммуникабельный» о себе? Отлично, галочка стоит.
Реальность намного сложнее. Один кандидат легко находит общий язык с любым типом людей, а другой замыкается, если в команде не его стиль общения. Кто-то включается в работу с полпинка, а кому-то нужна детальная инструкция к каждому шагу. И эти различия могут быть критичными для конкретной позиции.
ИИ обучают на том, что есть. А в данных есть только то, что можно измерить и записать. Поэтому система фокусируется на жестких навыках, которые легко посчитать: годы опыта, список технологий, названия должностей. Но именно мягкие навыки часто определяют, приживется человек в компании или нет.
Каждая организация имеет свою атмосферу. Где-то принято спорить и отстаивать свою точку зрения, а где-то ценится консенсус и дипломатия. В одних компаниях носятся с каждой инициативой, в других предпочитают проверенные решения. Кому-то нужны люди, готовые работать в режиме авралов, кому-то важна стабильность и предсказуемость.
Алгоритм не может это учесть, потому что культурный код не записывается в базу данных. Даже если HR попытается описать корпоративные ценности, это будут общие слова: динамичная среда, клиентоориентированность, командная работа. Такие формулировки есть у всех, но на практике они означают совершенно разные вещи.
Интервьюер за полчаса разговора чувствует, впишется ли кандидат в коллектив. Алгоритм может только сопоставить ключевые слова из резюме с текстом вакансии. Это не одно и то же.
Есть еще одна проблема, о которой не любят говорить. Резюме не всегда отражают реальность. Люди приукрашивают свой опыт, добавляют навыки, которыми владеют на базовом уровне, растягивают сроки работы над проектами.
Система принимает все написанное за чистую монету. Если в резюме указано «5 лет опыта руководства командой», алгоритм считает это фактом. А на собеседовании выясняется, что человек координировал двух стажеров в течение полугода. Формально не соврал, но и правды особо не сказал.
Живой рекрутер задаст уточняющие вопросы, покопается в деталях, попросит рассказать о конкретных ситуациях. ИИ работает с тем, что видит в тексте. И если текст написан красиво, система поставит кандидата в топ.
Машинное обучение строится на паттернах. Алгоритм анализирует успешных сотрудников, находит общие черты в их резюме и ищет похожих кандидатов. Звучит разумно, но тут есть подвох.
Успех на прошлой работе не гарантирует успех на новой. Человек мог показывать отличные результаты в стартапе, где все решалось на ходу, но потеряться в крупной корпорации с жесткими процессами. Или наоборот: отлично справлялся в структурированной среде, а в хаосе растущего бизнеса не находит себе места.
Контекст имеет значение. Причем огромное. Но контекст это как раз то, что сложнее всего формализовать и передать машине.
Опытные рекрутеры полагаются не только на факты из резюме. Есть внутреннее чутье, которое подсказывает: этот человек подойдет, а с тем будут проблемы. Откуда оно берется? Из тысяч проведенных интервью, из понимания, как работает бизнес, из знания команды, в которую ищут специалиста.
Эта интуиция не иррациональна. Просто она основана на таком количестве тонких сигналов, что их невозможно превратить в формулу. Интонация голоса, выбор слов, пауза перед ответом, энергетика в разговоре. Все это складывается в общую картину.
ИИ может обрабатывать миллионы данных, но он работает только с тем, что можно измерить. А человеческое взаимодействие состоит из деталей, которые в цифры не превращаются.
Так в чем же проблема? В данных или в логике алгоритма? Честный ответ: и в том, и в другом. Но главное в другом. Мы пытаемся решить человеческую задачу машинными методами.
Искусственный интеллект прекрасно справляется с первичной фильтрацией. Убрать резюме, которые явно не подходят по формальным критериям. Сократить стопку из трехсот кандидатов до двадцати. Освободить время рекрутера от рутинной работы.
Но финальное решение все равно остается за человеком. Потому что найм это не математическая задача. Это прогноз того, как человек поведет себя в реальных рабочих ситуациях, как встроится в команду, как будет расти и развиваться.
Ошибка не в технологии. Ошибка в ожиданиях. Когда мы думаем, что алгоритм может заменить человеческое суждение, мы обречены на разочарование. Когда используем его как умного помощника, который берет на себя рутину, получаем реальную пользу.
ИИ не плох. Он просто другой. И задача не в том, чтобы научить его думать как человек. А в том, чтобы понять, где его сила, а где начинаются ограничения.
