Как ИИ трансформирует процессы найма и каковы его недостатки
ИИУправление подбором персонала
9 июня 2025 г. • By Olivier Safir
Table of Contents
Table of Contents
Искусственный интеллект (ИИ) быстро меняет способы привлечения и оценки талантов компаниями, в том числе на уровне руководителей высшего звена. Недавние исследования показывают, что более 80% компаний в настоящее время используют инструменты на основе ИИ для таких задач, как анализ резюме . Решения на основе ИИ оптимизируют автоматизацию рекрутинга и управление талантами, помогая организациям улучшить качество обслуживания кандидатов и повысить ключевые показатели найма. От автоматизации утомительной административной работы до анализа больших массивов кандидатов, автоматизация рекрутинга является ключевым преимуществом, обещая более быстрый, основанный на данных процесс рекрутинга, который многие лидеры считают необходимым для успеха.
Фактически, 91% бизнес-лидеров утверждают, что эффективное привлечение талантов имеет решающее значение для долгосрочного успеха, но только 28% считают, что сегодня они хорошо справляются с наймом. Развитие программного обеспечения для подбора персонала на основе ИИ оптимизирует привлечение талантов за счет автоматизации задач и повышения эффективности на протяжении всего процесса найма. Этот разрыв подогрел интерес к решениям на основе ИИ, поскольку фирмы (особенно те, которые расширяются на новые рынки, такие как США) ищут любые преимущества в создании высокоэффективных команд. Однако, прежде чем углубляться в эту тему, важно изучить не только преимущества ИИ и разумные рамки для его использования, но и ограничения — от «LinkedIn-изации» рекрутинга до алгоритмических предубеждений и культурных несоответствий. Цель состоит в том, чтобы понять, как руководители и HR-лидеры могут использовать ИИ при найме без того, чтобы стать жертвой его рисков.
Преимущества и возможности ИИ в сфере найма
Ведущие академические и деловые источники описывают ИИ в рекрутинге как мощный инструмент расширения возможностей — инструмент, который оптимизирует процессы и улучшает принятие решений, если его правильно использовать. Аналитический опрос Harvard Business Review, проведенный среди более чем 300 компаний, показал, что современные технологии привлечения талантов могут значительно улучшить результаты: компании с современными технологиями рекрутинга были значительно более удовлетворены каждым аспектом найма, чем те, которые использовали устаревшие методы. Особенно поразительны выигрыши в эффективности.
В организациях, которые автоматизировали этапы рекрутинга, 97% сообщили, что автоматизация была «ценной», устраняя рутинные ручные задачи, такие как планирование собеседований и анализ резюме. Это позволяет командам по найму
Еще одним преимуществом является скорость и масштаб в поиске талантов. Платформы на основе ИИ могут сканировать огромные базы данных, социальные сети (например, LinkedIn) и общедоступные данные для выявления потенциальных кандидатов с подходящим опытом. Эти платформы улучшают поиск кандидатов за счет автоматизации выявления и привлечения подходящих кандидатов, что делает процесс более быстрым и эффективным. Это значительно расширяет кадровый резерв по сравнению с тем, что любой отдельный рекрутер мог бы охватить вручную. Инструменты на основе ИИ могут отфильтровать и ранжировать тысячи резюме за считанные минуты, быстро выявляя тех, кто соответствует критериям роли, и оптимизируя процесс отбора.
ИИ также помогает рекрутерам эффективно управлять и оценивать большие объемы заявок на работу, обеспечивая выявление наиболее подходящих кандидатов. Примечательно, что
ИИ также вносит вклад в анализ данных и прогнозную аналитику при найме. Модели машинного обучения могут обрабатывать данные о том, как выглядят профили лучших специалистов, помогая прогнозировать, какие кандидаты могут добиться успеха на данной должности или даже соответствовать культуре компании. Фирмы по поиску руководителей сообщают, что аналитика на основе ИИ улучшает понимание тенденций рынка талантов, контрольных показателей компенсаций и доступности кандидатов. Эти данные позволяют принимать более обоснованные решения. Некоторые крупные работодатели даже использовали оценки ИИ (такие как геймифицированные тесты или аналитика видеоинтервью) для оценки мягких навыков и когнитивных способностей в масштабе. Например, инструменты анализа видео с помощью ИИ теперь могут оценивать выбор слов, тон и выражения лица кандидата в записанных интервью, чтобы оценить такие атрибуты, как коммуникативные навыки или уверенность. В отраслях, ориентированных на клиентов (гостеприимство, продажи и т. д.), такие инструменты помогают выявлять кандидатов с сильными навыками межличностного общения, анализируя невербальные сигналы.
Важно отметить, что сторонники утверждают, что ИИ может смягчить определенные человеческие предубеждения при найме — это важный аргумент в пользу продажи. Теория состоит в том, что алгоритмы, при тщательном обучении, могут сосредоточиться на объективных квалификациях и игнорировать субъективные или нерелевантные факторы. В отчете о поиске руководителей отмечалось, что «ожидается, что ИИ уменьшит неосознанную предвзятость, сосредоточившись на объективных данных о кандидатах, а не на субъективных факторах», что потенциально приведет к более разнообразным и инклюзивным приемам на работу. Есть свидетельства того, что когда компании намеренно внедряют справедливость в свой ИИ (например, используя прозрачные алгоритмы и проводя их аудит), они улучшают результаты в области разнообразия. В одном исследовании Harvard Business Review отмечалось, что фирмы, принявшие этические рамки ИИ, увидели 30-процентное улучшение эффективности найма и 20-процентное увеличение разнообразия при приеме на работу. Аналогичным образом, Unilever, как известно, развернула ИИ при найме на работу в начале карьеры (включая анонимный просмотр видеоинтервью) и сообщила не только о более быстром найме, но и о заметном увеличении разнообразия отобранных кандидатов. Эти случаи показывают, что при правильном управлении инструменты ИИ могут помочь расширить охват и оценивать кандидатов более справедливо по их достоинствам.
Наконец, ИИ может значительно улучшить качество обслуживания кандидатов, что является ключевым моментом при ухаживании за руководителями высшего звена. Чат-боты «помощники» и коммуникации на основе ИИ информируют кандидатов и вовлекают их в процесс — то, что рекрутерам-людям часто трудно сделать в масштабе. ИИ улучшает коммуникацию с кандидатами, делая взаимодействие более эффективным, своевременным и персонализированным на протяжении всего процесса найма. Старший руководитель отдела кадров в ServiceNow отметил, что ИИ устранил большую часть «трений, связанных с опытом кандидатов», например, предоставляя своевременные обновления и персонализированную обратную связь кандидатам, чтобы они не оставались «в неведении» после подачи заявления. Такая отзывчивость может укрепить впечатление кандидата о работодателе. Более того, ИИ может даже помочь соискателям напрямую: почти половина кандидатов на работу в одном опросе признались, что используют инструменты ИИ для улучшения своих резюме или практики прохождения собеседований. По сути, ИИ становится тренером по обе стороны уравнения найма.
Эти преимущества объясняют, почему компании с энтузиазмом внедряют ИИ в рекрутинг. К 2025 году примерно 82–83% работодателей, как ожидается, будут использовать ИИ для первоначального анализа резюме, и многие интегрируют ИИ в другие этапы, такие как вопросы и ответы кандидатов на основе чата или даже автоматизированные проверки рекомендаций. Инструменты ИИ также могут автоматически планировать собеседования, сокращая ручные усилия, необходимые для координации календарей и организации встреч. Сами рекрутеры в деле: 68% говорят, что инвестиции в новые технологии рекрутинга (такие как ИИ) являются их главной стратегией повышения производительности. Рентабельность инвестиций в ИИ очевидна в сэкономленном времени и более качественном найме. Фактически, одно исследование показало, что 97% организаций, автоматизировавших части найма, сочли это ценным, и 26% компаний, которые еще не внедрили современные инструменты рекрутинга на основе ИИ, планируют сделать это в ближайшее время. Существует четкий консенсус в отношении того, что ИИ — это не футуристическая приятная вещь, а быстро становится стандартным ингредиентом эффективного рекрутинга. Как отметил основатель HR-технологической фирмы, ИИ может обрабатывать «60–70% административных задач» в рекрутинге, позволяя профессионалам-людям сосредоточиться на работе более высокого уровня.
«LinkedIn-изация» рекрутинга и рост внутреннего привлечения талантов
Параллельно с внедрением ИИ мы наблюдаем то, что некоторые эксперты называют «LinkedIn-изацией» рекрутинга — сильную зависимость от LinkedIn и аналогичных платформ в качестве основных источников талантов. LinkedIn с его
Стоимость действительно является движущим фактором. Согласно исследованию Deloitte, компании, создавшие внутренний «центр передового опыта» в области рекрутинга, сократили свои расходы на рекрутинг на 40%. Избежание агентских сборов и использование технологий для автоматизации этапов сделали самостоятельный рекрутинг привлекательным. В одном анализе индустрии рекрутинга этот сдвиг сравнивался с тем, что происходит в сфере недвижимости: подобно тому, как продавцы пытаются выставлять дома без брокеров, чтобы сэкономить на комиссии, работодатели ставят под сомнение «высокую стоимость агентского рекрутинга» в пользу прямого найма с использованием технологий. И поскольку так много кандидатов доступны в Интернете (LinkedIn часто описывают как имеющий «изобилие запасов» кандидатов), компании чувствуют, что у них есть данные под рукой.
LinkedIn, в частности, изменил правила игры. Он предоставляет обширный, доступный для поиска кадровый резерв и такие инструменты, как LinkedIn Recruiter, который использует алгоритмические рекомендации для предложения кандидатов. В собственном отчете LinkedIn Global Recruiting Trends говорится, что инвестиции в технологии рекрутинга являются главным приоритетом для 68% рекрутеров, и подчеркивается роль платформы в обеспечении этого сдвига. Особенно для компаний, впервые выходящих на рынок США, LinkedIn предлагает немедленный доступ к миллионам американских специалистов и способ выявлять перспективы по местоположению, отрасли, навыкам и т. д., не имея налаженной местной сети. Инструменты поиска на основе ИИ теперь используют платформы социальных сетей, включая LinkedIn и другие, для выявления и оценки потенциальных кандидатов путем анализа их онлайн-профилей и активности. ИИ также может генерировать и настраивать объявления о вакансиях для различных сегментов кандидатов, оптимизируя процесс и уменьшая предвзятость при создании объявлений о работе. Он эффективно демократизировал поиск — любая внутренняя HR-команда может попытаться сделать то, что делают внешние рекрутеры, используя ту же базу данных.
Однако ведущие эксперты предупреждают, что чрезмерная зависимость от LinkedIn и аналогичных инструментов имеет серьезные ограничения, особенно для руководителей высшего звена и критически важных сотрудников. В одной проницательной статье фирмы по поиску руководителей прямо говорится: «Компании редко полагаются на рекрутинг в LinkedIn для найма руководителей C-уровня. Большинство экспертов в области поиска руководителей высшего звена не рекомендуют полагаться на LinkedIn Recruiter для важных наймов руководителей высшего звена». LinkedIn изначально был создан как платформа для социальных сетей, а не специализированный инструмент для рекрутинга — и это видно по качеству информации на ней. Профили являются самоотчетами и часто не проверены, с данными, которые могут быть устаревшими или приукрашенными. Согласно тому же источнику, краудсорсинговые одобрения и рекомендации LinkedIn «не являются надежными, пока не будут проверены» и не заменяют тщательные проверки рекомендаций или оценки. Другими словами, отшлифованный профиль LinkedIn не гарантирует истинные возможности или соответствие кандидата, и алгоритмы, которые отдают приоритет ключевым словам, могут быть обмануты кандидатами, которые просто SEO-оптимизируют свои профили.
Более того, природа LinkedIn как социальной сети создает пробелы в охвате талантов. Многие топ-менеджеры (особенно старшие, очень успешные) неактивны в LinkedIn или не активно ищут работу, поэтому внутренняя команда, которая ищет только в LinkedIn, может легко пропустить этих «скрытых» кандидатов. Даже те, кто есть в LinkedIn, могут не сигнализировать о своей открытости к новым ролям. Опытные хедхантеры часто полагаются на личные сети, рекомендации и прямой поиск за пределами LinkedIn, чтобы охватить пассивных кандидатов. Они знают, что лучшие кандидаты — лидеры «топ-1%» — обычно не выставляют свои резюме в Интернете. В дополнение к рекомендациям профессиональные сети предоставляют доступ к отраслевым знаниям и ценным связям с кандидатами, которые выходят за рамки того, что может предложить один только LinkedIn. Чрезмерный акцент на LinkedIn может, таким образом, сузить поле до обычных подозреваемых, потенциально «упуская ценные навыки и опыт», которые не соответствуют поисковым фильтрам платформы.
Существует также риск стадного поведения на рынке, управляемом LinkedIn. Если каждая компания ловит рыбу в одном и том же пруду с одними и теми же инструментами ИИ, они будут склонны сосредотачиваться на аналогичных профилях (тех, у кого наиболее оптимизированные по ключевым словам резюме или больше всего связей). Это может привести к войнам за таланты за небольшой пул «видимых» кандидатов, в то время как столь же сильные или более подходящие люди (возможно, из другой отрасли, географии или демографии) игнорируются, потому что они не всплывают в алгоритме. Фактически, один анализ LinkedIn показал, что около 50% наймов происходят от «внутренних или рекомендованных» кандидатов, а не от тех, кто был найден с помощью массовой рассылки, что подразумевает, что личные сети и человеческое суждение по-прежнему играют огромную роль за пределами того, что предоставляет открытый рынок LinkedIn.
Крайне важно, что для межкультурного и исполнительного найма человеческий опыт остается первостепенным. Платформа LinkedIn не может легко оценить такие тонкости, как культурное соответствие, стиль руководства или нюансы опыта работы на нескольких рынках. Как выразился один рекрутер руководителей высшего звена,
Все это не отменяет ценность внутреннего привлечения талантов, дополненного ИИ/LinkedIn. Это может отлично работать для многих ролей (особенно для найма на должности среднего уровня или для большого объема найма). И это правда, что технологии заставили традиционных рекрутеров повысить свою квалификацию. Но лучшей практикой является гибридный подход: внутренние команды занимаются тем, что могут, с помощью проактивных каналов, в то время как эксперты-рекрутеры привлекаются стратегически для найма на руководящие, специализированные или трансграничные должности. Компании теперь используют ИИ для эффективного поиска талантов, расширяя кадровый резерв и быстрее, чем раньше, заполняя пробелы в навыках. Внешние рекрутеры могут выступать в качестве ценных партнеров для внутренних команд TA, а не заменять их. Они привносят анализ рынка и глубокие сети, которые дополняют данные из LinkedIn. Для компаний, нанимающих персонал в США, партнерство с местными экспертами по поиску руководителей может помочь сориентироваться в культурных нюансах и избежать ошибок самостоятельного подхода.
Проблемы и риски: предвзятость, «ложные срабатывания/отрицательные результаты» и культурное несоответствие
Хотя ИИ предлагает много преимуществ, он также создает серьезные риски, которыми предприятия, особенно те, которые не знакомы с местными нормами, должны управлять. Эти недостатки варьируются от скрытых предубеждений в алгоритмах до упущения из виду соответствия культуре и опасности автоматизации личного подхода, который так важен при найме руководителей. Как лаконично предупреждают исследователи MIT Sloan: «ИИ нарушил процесс найма, но есть подвох». Чрезмерная зависимость без контроля со стороны человека может «избежать предвзятости и неэффективности» в теории, но на практике часто создает новые неэффективности или слепые зоны при наивном использовании. ИИ теперь играет важную роль в процессе принятия решений, влияя на все, от отбора резюме до окончательного выбора, что делает контроль со стороны человека еще более важным.
Алгоритмическая предвзятость, пожалуй, самый широко освещаемый риск. Системы ИИ настолько хороши, насколько хороши данные и правила, используемые для их создания. Если прошлые данные о найме или решения людей были предвзятыми, ИИ может изучить и усилить эти предубеждения, что приведет к дискриминационным результатам. Сейчас печально известен случай с экспериментальным механизмом найма на основе ИИ Amazon, от которого компания отказалась после того, как он «научился тому, что кандидаты-мужчины предпочтительнее». Инструмент был обучен на основе 10-летних резюме, большинство из которых были от мужчин (что отражает гендерный дисбаланс в технологиях), и он начал понижать рейтинг резюме, содержащих слово «женский» (как в «женский шахматный клуб») или поступивших из женских колледжей. Даже после того, как инженеры попытались исправить это, они не могли быть уверены, что ИИ не разработает новые предвзятые прокси, поэтому проект был остановлен. Это тематическое исследование обнажает ограничения машинного обучения: без контроля оно может систематически дискриминировать способами, которые рекрутеры могут даже не заметить на первый взгляд. Это также подчеркивает юридический и этический кошмар — Amazon избежал развертывания этого инструмента, но другая компания этого не сделала и попала в беду. В одном иске 2022 года Комиссия США по обеспечению равных возможностей при трудоустройстве (EEOC) заявила, что скрининг на основе ИИ в репетиторской компании автоматически отклонял пожилых кандидатов по замыслу, «отклоняя более 200 кандидатов исключительно на основании возраста», что является незаконной возрастной дискриминацией. В соответствии с новыми законами инструменты найма на основе ИИ считаются «системами высокого риска». Предстоящий Закон об ИИ в Европе прямо классифицирует алгоритмы найма как системы высокого риска и потребует строгих стандартов прозрачности, подотчетности и недискриминации при их использовании.
Даже благонамеренные алгоритмы могут выдавать «ложные отрицательные результаты», то есть отфильтровывать отличных кандидатов по неправильным причинам. ИИ, который полагается на жесткие критерии или ключевые слова, может не распознать нетрадиционные карьерные пути или разнообразный опыт, которые могли бы быть ценными. Резюме иностранного руководителя может не соответствовать тем же требованиям (должности, компании, модные словечки), которые ожидает алгоритм, обученный в США, что приведет к его несправедливому отклонению. «Существует опасность быть непреднамеренно отфильтрованным из-за жестких алгоритмов, которые могут не распознать нетрадиционные карьерные пути или разнообразный опыт», — отмечает Рабеа Атая, генеральный директор крупной ближневосточной платформы по трудоустройству. Например, предприниматель или человек, выбравший нелинейный путь, может быть отсеян, потому что ИИ не видит обычной корпоративной лестницы — потенциально огромная упущенная возможность для компании, стремящейся к инновационному лидерству. Точно так же мультикультурные кандидаты или те, кто не вписывается в типичную модель отрасли, могут быть ошибочно пропущены, если алгоритм имеет узкое представление о «соответствии».
И наоборот, инструменты ИИ могут создавать «ложные положительные результаты» — кандидатов, которые хорошо выглядят для алгоритма, но на самом деле не подходят. Сегодня соискатели могут обмануть систему, наполнив свои резюме нужными ключевыми словами (иногда даже используя сервисы ИИ для оптимизации своих профилей в LinkedIn или сопроводительных писем). Это может обмануть алгоритмы отбора резюме, заставив их думать, что кто-то идеально подходит на бумаге. Также растет число кандидатов, использующих генеративный ИИ для написания гладких ответов или даже дипфейков в видеоинтервью. Как предостерег один консультант по вопросам карьеры, «техническим экспертам не так уж и сложно манипулировать алгоритмами, чтобы гарантировать, что они окажутся лучшим кандидатом». Другими словами, кто-то может обмануть оценку ИИ или чрезмерно отшлифовать свое заявление таким образом, что реальная проверка человеком выявила бы это. Это может привести к найму кандидата, который «хорошо» прошел собеседование с помощью автоматизированных средств, но не соответствует требованиям реальной работы. Некоторые менеджеры по найму сообщали о встречах с кандидатами, которые, оказавшись на живом собеседовании, явно не соответствовали красноречию или уровню квалификации, предложенным их заявлением, подготовленным с помощью ИИ, — вопиющее несоответствие.
Другой более тонкий вопрос — культурное несоответствие. ИИ принципиально плохо оценивает «мягкие» черты, такие как соответствие культуре, стиль руководства, адаптивность и другие человеческие нюансы, которые имеют решающее значение для руководящих должностей. Эти качества являются «глубоко личными и зависят от контекста», как подчеркивает Атая, и оценки ИИ «не должны заменять человеческое суждение» именно по этой причине. Для иностранных компаний, нанимающих руководителей в США (или наоборот), соответствие культуре имеет первостепенное значение: новый лидер должен ориентироваться не только во внутренней культуре компании, но и соединять культуру страны происхождения с нормами рынка США. Алгоритмы не имеют культурной интуиции — они могут отдавать предпочтение кандидатам, чей стиль общения или происхождение отражают то, что данные обучения определили как «хорошее», что может поставить в невыгодное положение тех, кто происходит из разных культурных контекстов. Например, ИИ, анализирующий речевые модели, может неверно истолковать паузы или тон не носителя английского языка как отсутствие уверенности, в то время как это просто культурное различие в общении. Или алгоритм оценки может недооценивать международный опыт (если он обучен в основном на результатах отечественных кандидатов). Это способы, которыми ИИ может непреднамеренно создать культурное несоответствие при найме.
Фактически, чрезмерная зависимость от ИИ может непреднамеренно привести к однородности, что прямо противоположно разнообразию, к которому стремятся многие фирмы. Если ИИ настроен на выбор статистически «оптимального» профиля кандидата на основе прошлых успехов в найме, он может начать создавать похожих друг на друга сотрудников. «Для работодателей чрезмерная зависимость от ИИ может привести к созданию однородных команд, которым не хватает разнообразия мышления и опыта», — предупреждает Атая. Это происходит, когда тонкие предубеждения в алгоритмах отдают предпочтение определенному профилю — скажем, экстравертным личностям в видеоинтервью или кандидатам из нескольких элитных университетов, которые доминируют в представлении алгоритма о высокоэффективных сотрудниках. Без проверок со стороны человека компания может непреднамеренно отфильтровать то самое разнообразие мышления, культуры и опыта, которое часто стимулирует инновации. Хотя ИИ может выполнять такие задачи, как отбор, оценка и ранжирование кандидатов, он по-прежнему требует проверок со стороны человека для обеспечения справедливости и предотвращения усиления предвзятости.
Ложное чувство безопасности — еще один риск — идея о том, что ИИ должен быть объективным и точным, поэтому рекрутеры могут слишком доверять ему. Это может привести к меньшему контролю над кандидатами или игнорированию тревожных сигналов, которые не зафиксированы в данных. Это также может ухудшить впечатление кандидата, если зайти слишком далеко. Многие кандидаты считают чрезмерно автоматизированные процессы найма безличными. Как отметил один эксперт по персоналу, «люди по-прежнему хотят чувствовать человеческое прикосновение в процессе собеседования, и достаточно рано в процессе, чтобы это задало тон тому, каково будет работать в организации». Это особенно верно для найма руководителей: кандидат на руководящую должность ожидает высококлассный, высокочувствительный процесс, а не последовательность электронных писем от роботов и односторонних видеоинтервью. Чисто управляемый ИИ подход может оттолкнуть тех самых людей, которых вы пытаетесь привлечь.
Наконец, существует риск соблюдения правовых и этических норм. Нормативно-правовая база вокруг ИИ в сфере найма ужесточается. В США EEOC отметила ИИ в сфере занятости как приоритетное направление правоприменения, отметив, что до 83% работодателей в настоящее время используют ту или иную форму автоматизированного инструмента при найме, и предупредив, что законы о борьбе с дискриминацией применяются к этим инструментам так же, как и к решениям людей. Несколько юрисдикций (Нью-Йорк, Калифорния, GDPR Европы и т. д.) теперь требуют аудита предвзятости, уведомлений кандидатов или согласия при использовании ИИ при найме. Иностранные компании, нанимающие сотрудников в США, должны знать об этих правилах — незнание не является оправданием. Если алгоритм, который они развертывают, непреднамеренно отсеивает, скажем, всех пожилых кандидатов или всех женщин, они могут столкнуться с судебными исками и репутационным ущербом. Вот почему прозрачность и надзор имеют решающее значение. Лидерам HR все чаще настоятельно рекомендуется регулярно проверять свои инструменты ИИ и держать людей «в курсе», чтобы выявлять любые аномалии. В технических терминах это означает мониторинг рекомендаций и результатов ИИ, а также наличие человека, который перепроверяет критические этапы принятия решений.
Несмотря на свои ограничения, современные системы ИИ разработаны с человеческим интеллектом, что позволяет им выполнять задачи, требующие человеческого познания, такие как принятие решений, решение проблем и понимание естественного языка. Однако эти возможности не являются заменой человеческому суждению, особенно в сложных или нюансированных сценариях найма.
Последствия для компаний, выходящих на рынок США
Для руководителей и предпринимателей, расширяющих свой бизнес в Соединенных Штатах, эти тенденции имеют особое значение. Наем вашей команды лидеров в США — одна из самых важных и деликатных задач: люди, которых вы выберете, будут определять ваш успех на новом рынке. ИИ может быть огромным активом в этом начинании, помогая вам быстро изучить кадровый ландшафт, выявлять кандидатов и даже оценивать навыки на разных языках и в разных регионах. Но он также может иметь неприятные последствия, если не будет адаптирован к местным нормам и тщательно контролироваться на предмет предвзятости. Определение четких целей найма необходимо для обеспечения соответствия ваших усилий по набору персонала потребностям организации и целям разнообразия, а также для эффективного использования ИИ в контексте США.
Одним из ключевых соображений является культурный контекст. Алгоритм или оценка найма, которые хорошо работали в вашей стране, могут не идеально подходить для кадрового резерва США. Например, инструменты ИИ, обученные на данных европейских кандидатов, могут недооценивать аспекты, которые работодатели в США считают важными (или наоборот). Существуют различия в системах образования, форматах резюме, стилях общения и правовых ограничениях. Если французская компания, расширяющаяся в США, использует инструмент отбора на основе ИИ, не переобучив его на данных кандидатов из США, она может непреднамеренно отфильтровать отличных кандидатов из США просто потому, что их резюме или способы описания достижений отличаются от того, что алгоритм «научился» распознавать. Локализация ваших инструментов ИИ — обеспечение учета данных и модели контекста США — поэтому жизненно важна. Во многих случаях это означает привлечение экспертов или консультантов по персоналу, базирующихся в США, которые могут откалибровать инструмент и интерпретировать его результаты с пониманием американских норм.
Иностранные компании также должны остерегаться эффекта «LinkedIn-изации», усиленного расстоянием. Если вы физически не присутствуете или не имеете глубоких связей в США, возникает соблазн полностью полагаться на LinkedIn и порталы вакансий для поиска кандидатов. Но, как обсуждалось, это может быть ограничивающим фактором. Лучшие американские руководители могут не взаимодействовать через холодные обращения в LinkedIn или могут лучше реагировать на кого-то, кто может говорить с ними с доверием о роли. Именно здесь использование экспертов-рекрутеров (или, по крайней мере, консультантов) в США может окупиться. Они могут обеспечить человеческий подход и культурные нюансы, которых может не хватать алгоритму или удаленной команде HR. Например, при найме в США часто уделяется особое внимание определенным мягким навыкам или стилям руководства (таким как совместный подход, комфорт с неопределенностью и т. д.), которые могут цениться по-разному в других местах. Опытный рекрутер может выявить эти нюансы в разговорах; инструмент ИИ может этого не сделать.
Другой вопрос — соответствие законодательству США о занятости и ожиданиям в отношении разнообразия. США очень бдительны (в законе и общественном мнении) в отношении равных возможностей трудоустройства. Некоторые критерии, которые обычно фильтруются в других местах (возраст, семейное положение и т. д.), являются юридически деликатными в Штатах. Если ваш ИИ или ваша стратегия поиска в LinkedIn непреднамеренно отсеивает кандидатов таким образом, что это слишком тесно связано с охраняемой характеристикой (например, предпочтение определенной возрастной группы или исключение опыта работы не в США, что может косвенно поставить в невыгодное положение иммигрантов), вы можете столкнуться с пристальным вниманием. Стоит отметить, что Общество управления человеческими ресурсами обнаружило, что 1 из 4 специалистов по персоналу в США в настоящее время использует ИИ в той или иной степени, и среди них 64% используют его для набора и найма персонала. Таким образом, использование ИИ является основным, но оно находится под микроскопом. Например, Нью-Йорк в настоящее время требует, чтобы компании проводили аудит своих инструментов найма на основе ИИ на предмет предвзятости и сообщали кандидатам, когда используется ИИ. Иностранная компания может не знать о таких требованиях — партнерство с местными экспертами по персоналу или юрисконсультами является разумным шагом для обеспечения соответствия.
При этом фирмы также могут использовать сильные стороны ИИ в своих интересах при трансграничном найме. ИИ не имеет присущих ему национальных предубеждений — при правильной настройке он может оценивать кандидата из США и иностранного кандидата на равных условиях, уделяя особое внимание навыкам и производительности. Это может помочь выявить таланты, которые могли бы преуспеть в межкультурной среде. Например, ИИ может выявить кандидата из США, который говорит на языке иностранной компании или имеет опыт работы за границей, которому местный рекрутер, возможно, не уделил бы приоритетного внимания. ИИ также можно использовать для оценки знания языка, проведения моделирования межкультурных сценариев или прогнозирования способности кандидата к адаптации — новые направления, которые изучают некоторые инновационные компании. Ключ в том, чтобы использовать ИИ вдумчиво и под контролем, рассматривая его результаты как входные данные для принятия целостного решения, а не как само решение.
Баланс между ИИ и человеческим пониманием в процессе найма
По всем этим темам вырисовывается один всеобъемлющий урок: наилучшие результаты достигаются путем сочетания мощи ИИ с человеческим суждением. ИИ и автоматизация превосходны для повышения эффективности, расширения воронки и предоставления данных, но люди по-прежнему не имеют себе равных в понимании других людей, особенно когда речь идет о руководящих должностях и соответствии культуре. Исследование Harvard Business Review подчеркивает, что для получения максимальной отдачи от ИИ в сфере найма организации должны следовать структурированным рамкам и поддерживать подход «человек в цикле». Это означает стратегический подход к тому, где применять ИИ, обучать алгоритмы на непредвзятых данных и всегда привлекать квалифицированных рекрутеров или менеджеров по найму для интерпретации и проверки рекомендаций ИИ.
Ведущие компании уже вводят систему сдержек и противовесов. Многие проводят регулярные аудиты предвзятости своих алгоритмов найма, как это пропагандируется IEEE и другими организациями. Они проверяют, например, включает ли выборка ИИ для собеседований репрезентативное сочетание полов и этнических групп; если нет, они перекалибруют или ограничивают алгоритм. Некоторые фирмы используют методы «слепого найма» на начальном этапе (удаляя имена, пол и т. д.) и позволяют ИИ отбирать исключительно по навыкам, а затем повторно вводят проверку человеком, чтобы добавить целостное представление. Также существует стремление к прозрачности — информирование кандидатов о том, что использовался ИИ, и даже предоставление им возможности запросить проверку человеком. Такие шаги укрепляют доверие и подотчетность.
Эксперты также подчеркивают важность обучения и управления изменениями при внедрении ИИ. Дорожная карта из семи шагов, предложенная аналитиками HBR, включает в себя: прислушиваться к опасениям заинтересованных сторон, использовать данные для обоснования, оценивать готовность организации, расставлять приоритеты для наиболее эффективных вариантов использования, выбирать правильных технологических партнеров, сосредотачиваться на желаемых результатах и определять, кто владеет новыми инструментами. На практике это означает, что HR-руководители должны четко определить, чего они хотят достичь с помощью ИИ (например, сократить время найма на 30% или увеличить разнообразие в списках финалистов), и постоянно держать эти цели в центре внимания. Они также должны убедиться, что их команда обучена работе с ИИ – повышение квалификации в области грамотности в данных и «грамотности в ИИ» становится все более важной частью развития HR.
Крайне важно, чтобы человеческий контроль был предохранительным клапаном, который нельзя убирать ни в коем случае. Как было сказано в одной статье MIT Sloan, организации должны «всегда держать людей в курсе». ИИ может рекомендовать или отмечать кандидатов, но окончательные решения о приеме на работу должны принимать люди. Во время собеседований и оценок ИИ может предоставлять оценочные данные, но комиссии по найму должны обсуждать и проверять эти результаты на основе своих собственных наблюдений. Эта гибридная модель гарантирует, что эмпатия, этика и личная интуиция остаются в центре внимания. «ИИ не идеален… ему часто не хватает нюансов, которые дает человеческая интуиция», – отмечает один профессор, и поэтому мы должны использовать скорость и точность ИИ «не теряя эмпатии и человеческого понимания, которые необходимы в процессе найма». Другими словами, пусть ИИ выполняет тяжелую работу по объему и анализу, а люди делают то, что у них получается лучше всего – понимают других людей.
В качестве примера рассмотрим оценку соответствия культуре и стиля руководства: ИИ может проанализировать личностный опросник или расшифровку интервью и дать оценку таким чертам, как «адаптивность» или «ориентация на команду». Это полезные данные, но их не следует воспринимать как истину в последней инстанции. Интервьюер, который знает культуру компании и тонкости роли, может интерпретировать эти результаты в контексте. Возможно, ИИ отметил кандидата как имеющего более низкий балл по «сотрудничеству», потому что он часто использовал «я» вместо «мы» при описании достижений. Человек может углубиться в это и обнаружить, что в прежней культуре кандидата подчеркивается индивидуальная ответственность, и это на самом деле не указывает на то, что он не может работать в команде. Такие интерпретации являются ключевыми, и они предотвращают необоснованное исключение отличных кандидатов или, наоборот, выявляют проблемы, которые могли быть упущены из виду при простой оценке.
В заключение, ИИ, несомненно, трансформирует рекрутинг — делая его более эффективным, основанным на данных и даже более глобальным по охвату. Компании, выходящие на новые рынки, такие как США, могут получить огромные выгоды, используя ИИ для выявления талантов и оптимизации найма. Но, как мы видели, существует тонкая грань между использованием ИИ в качестве полезного помощника и превращением его в неконтролируемого привратника. «LinkedIn-изация» рекрутинга и стремление к интернализации найма с помощью инструментов ИИ несут в себе как обещания, так и опасности. Фирмы должны быть особенно осторожны, чтобы избегать универсальных подходов и уважать человеческие и культурные факторы, которые играют роль. Самая успешная стратегия — это сбалансированная стратегия: использовать ИИ для того, что он делает лучше всего — скорость, масштаб и понимание, — но также инвестировать в человеческие элементы рекрутинга. Это означает экспертную оценку, построение отношений и надзор для обеспечения справедливости и соответствия.
По мере развития процессов найма одно остается неизменным: рекрутинг, по своей сути, – это люди. Алгоритмы могут помочь в поиске, но
Если вы — бизнес, выходящий на рынок Соединенных Штатов или расширяющийся на нем, вам нужен самый практичный партнер, который понимает ваш мир и обеспечивает реальные результаты. Это то, чем мы занимаемся в Pact & Partners.
“Продолжайте расти, продолжайте мечтать, и давайте вместе добьемся больших побед.”
Оливье И. Сафир
Генеральный директор Pact & Partners, LLC
*Не бот. Настоящий генеральный директор и команда. Потрясающие клиенты. Реальные результаты.
Источники:
- Harvard Business Review – Lyons, M.: «Как устроиться на работу, когда ИИ проводит отбор». (Февраль 2025 г.) hbr.org
- UNLEASH – Nawrat, A.: «HBR предупреждает о «слабой эффективности», когда только 28% хорошо справляются с рекрутингом». (Август 2023 г.) unleash.ai
- Hunt Scanlon Media – Iglesias, J.: «Влияние искусственного интеллекта на поиск руководителей». (Краткое изложение отчета ExeQfind, август 2024 г.) huntscanlon.com
- Nature (HSS Communications) – Chen, Z.: «Этика и дискриминация в практике найма с использованием ИИ». (Сентябрь 2023 г.) nature.com
- Reuters – Dastin, J.: «Amazon отказалась от секретного инструмента ИИ для рекрутинга, который показал предвзятость по отношению к женщинам». (Октябрь 2018 г.) reuters.com
- «Борьба с глобальной предвзятостью при найме с помощью ИИ: США, ЕС и Китай». (Ноябрь 2023 г.) techpolicy.press
- MIT Sloan Management Review (Middle East) – Uy, H.: «ИИ нарушил процесс найма. Но есть подвох». (Январь 2025 г.) mitsloanme.com
- Intellerati (Блог по поиску руководителей) – West, K.: «Не используйте LinkedIn для поиска руководителей высшего звена». (2023 г.) intellerati.com
- IAPP – Andrews, C.: «Как США справляются с практикой найма на основе ИИ». (Ноябрь 2023 г.) iapp.org
- Блог Psico-Smart – «Этические последствия ИИ в рекрутинге». (2023 г.) psico-smart.com
- Дополнительные данные из отчетов SHRM, Deloitte, LinkedIn Global Trends и HBR Analytic Services, как указано выше.
Дополнительная информация: новая эра рекрутинга на основе ИИ
Мир рекрутинга вступает в новую эру, движимую быстрым внедрением искусственного интеллекта (ИИ) в процессы найма. Современные инструменты рекрутинга на основе ИИ преобразуют способы поиска, оценки и привлечения талантов организациями, делая процесс найма более эффективным и основанным на данных, чем когда-либо прежде. Автоматизируя повторяющиеся задачи, такие как отбор резюме и планирование собеседований, инструменты рекрутинга освобождают команды по найму, позволяя им сосредоточиться на самом важном: построении отношений с лучшими кандидатами и улучшении опыта кандидатов. По мере того, как технология ИИ продолжает развиваться, она меняет усилия по рекрутингу, позволяя компаниям охватить более широкий круг талантов и принимать более разумные и быстрые решения. Однако, чтобы по-настоящему использовать преимущества рекрутинга на основе ИИ, командам по найму крайне важно понимать как потенциал, так и ограничения этих инструментов, гарантируя, что технология улучшает, а не заменяет человеческий фактор, лежащий в основе успешного найма.
Основные технологии, лежащие в основе инструментов рекрутинга на основе ИИ
В основе наиболее эффективных современных инструментов рекрутинга на основе ИИ лежат три основные технологии: обработка естественного языка (NLP), машинное обучение (ML) и прогнозная аналитика. NLP позволяет системам ИИ интерпретировать и анализировать человеческий язык, что позволяет анализировать описания вакансий, сканировать резюме и даже понимать коммуникации кандидатов с замечательной точностью. Машинное обучение позволяет этим инструментам ИИ учиться на огромных объемах данных, постоянно улучшая свою способность ранжировать кандидатов на основе квалификации, опыта и соответствия конкретным ролям. Прогнозная аналитика идет еще дальше, используя исторические данные и данные в реальном времени для прогнозирования поведения кандидатов и выявления лучших талантов раньше конкурентов. Объединяя эти передовые технологии, инструменты рекрутинга могут обеспечить более персонализированный и эффективный опыт найма, помогая организациям не только находить подходящие таланты, но и оптимизировать каждый этап процесса найма.
Опыт кандидатов и агенты ИИ
Агенты ИИ переопределяют опыт кандидатов, делая процесс найма более персонализированным, отзывчивым и эффективным. Благодаря использованию чат-ботов и виртуальных помощников, работающих на основе обработки естественного языка и машинного обучения, кандидаты получают мгновенные ответы на свои вопросы, своевременные обновления о статусе своих заявок и индивидуальные рекомендации по работе, соответствующие их навыкам и интересам. Эти инструменты на основе ИИ автоматизируют административные задачи, такие как планирование собеседований и отправка напоминаний, что не только сокращает время найма, но и обеспечивает более плавный и увлекательный путь для каждого кандидата. Для рекрутеров агенты ИИ освобождают ценное время, позволяя им сосредоточиться на стратегическом привлечении талантов и построении отношений с лучшими талантами. В конечном счете, интеграция агентов ИИ в усилия по рекрутингу приводит к более удовлетворительному опыту найма как для кандидатов, так и для команд по найму, помогая организациям привлекать и удерживать лучшие таланты на конкурентном рынке.
ИИ в рекрутинге и данные о кандидатах
Эффективность инструментов рекрутинга на основе ИИ зависит от их способности ответственно анализировать и интерпретировать данные о кандидатах. Используя информацию из резюме, профилей в социальных сетях и результатов собеседований, системы ИИ могут выявлять лучших талантов и предоставлять персонализированные рекомендации, которые соответствуют как требованиям к работе, так и культуре компании. Эти инструменты на основе ИИ помогают оптимизировать процесс найма, сократить время найма и гарантировать, что наиболее квалифицированные кандидаты будут представлены для рассмотрения. Важно отметить, что при продуманном проектировании ИИ в рекрутинге также может помочь свести к минимуму предвзятость, сосредоточившись на объективных критериях и обеспечивая более справедливый опыт для кандидатов. Однако организациям важно бережно обращаться с данными о кандидатах, соблюдая правила конфиденциальности и поддерживая прозрачность на протяжении всего процесса рекрутинга. Поступая таким образом, компании могут использовать весь потенциал рекрутинга на основе ИИ, укрепляя доверие с потенциальными сотрудниками и обеспечивая справедливый, основанный на данных подход к найму лучших талантов.
Влияние ИИ на показатели найма
Внедрение ИИ в рекрутинг оказывает глубокое влияние на ключевые показатели найма, коренным образом меняя то, как организации измеряют успех в своем процессе найма. Инструменты на основе ИИ автоматизируют повторяющиеся задачи, значительно сокращая время найма и позволяя командам по найму сосредоточиться на стратегических инициативах, которые приводят к лучшим результатам. Персонализированные рекомендации по работе и оптимизированная коммуникация повышают удовлетворенность кандидатов, делая процесс найма более увлекательным и эффективным. Используя прогнозную аналитику и основанные на данных идеи, компании могут улучшить качество найма, выявляя лучших талантов с большей точностью и прогнозируя, какие кандидаты с наибольшей вероятностью добьются успеха. Кроме того, технология ИИ может помочь уменьшить предвзятость в процессе найма, поддерживая усилия по созданию более разнообразной и инклюзивной рабочей силы. По мере того, как инструменты рекрутинга на основе ИИ продолжают развиваться, командам по найму крайне важно регулярно оценивать их влияние на показатели найма и совершенствовать свои стратегии, чтобы гарантировать, что они привлекают, вовлекают и удерживают лучшие таланты на рынке.