Как меняется найм: от собеседований к системам оценки

Разбираемся, как развитие технологий меняет профессиональные роли и как бизнес перестраивает процессы подбора

Недавно hh.ru провёл митап для руководителей ИТ-команд. Участники обсудили, как меняется рынок найма под влиянием ИИ, почему привычные сигналы — резюме, образование, стаж, названия должностей — всё хуже помогают принимать решения по кандидатам и какие практики уже используют компании.

За последний год рынок ИТ-найма стал парадоксальным: соискателей много, но за идеально составленными откликами сложно разглядеть реальный уровень специалиста.

По словам руководителя маркетинга направления «Навыки и карьера» в hh.ru Алеси Задворновой, традиционный найм по должностям, дипломам и прошлому опыту теряет эффективность. ИИ помогает кандидатам писать резюме, решать тестовые и готовиться к интервью, обесценивая формальные фильтры.

Резюме перестаёт быть гарантией знаний и превращается в точку входа в воронку подбора.

Эта мысль звучала сразу у нескольких участников. Компании меняют подход к оценке и делают упор на проверку заявленных компетенций:

По оценкам экспертов, значительная часть рабочих мест сильно изменится в ближайшие годы. 85% профессий, которые будут востребованы в 2030 году, еще не изобретены, следует из прогноза Института будущего.

ИИ не способен полностью заменить ИТ-специалистов, но существенно изменяет сами профессии. Чтобы понять, как это происходит, следует смотреть через микроуровень, то есть призму навыков. Тогда оказывается, что фактически в профессии может меняться всего несколько навыков (но каждый из них меняется кардинально). Тем не менее такой взгляд через навыки делает адаптацию специалистов к изменениям более управляемой, поскольку проще освоить пару новых навыков, чем заново учиться профессии.

Логика найма по должностям больше не работает, так как роли требуют регулярного пересмотра.

Платформы и сайты для поиска работы постепенно превращаются из витрины вакансий в поставщиков сигналов о кандидатах. В частности, hh.ru разработал дополнительную систему сигналов о кандидатах. Например:

Развиваются на платформе и ИИ-инструменты для работы с этими сигналами: помощь в разборе откликов, уточнении информации у кандидатов, проведении первичных интервью.

Если смотреть на рынок труда через призму навыков, то возникает критическая необходимость уметь их выделять, называть и описывать. Как отмечают в своих докладах участники митапа, отказ от привычных названий должностей (например, абстрактного «разработчик») в пользу чёткого описания вакансии через реальные задачи и навыки — это уже залог быстрого и точного найма.

Однако на практике этот переход часто упирается в отсутствие единого языка внутри компании. Без понимания, как описывать и оценивать уровень владения навыком, рекрутер и технические специалисты вкладывают разный смысл в одни и те же термины. Оценка становится фрагментарной: один проверяет знание стека, другой опирается на личные впечатления. Сопоставить такие сигналы невозможно.

Ещё одна причина затяжного найма — попытка упаковать в одну вакансию слишком много. Сочетание стека, экспертизы и лидерских качеств не встречается в нужном объёме.

В Navio рассказали, что в какой-то момент отказались от поиска абстрактного идеального системного инженера в сфере беспилотного автомобилестроения, поскольку таких специалистов во всём мире не больше 1000, а в России их, по сути, нет. Вместо этого в компании сфокусировались на навыках кандидата, а специфике индустрии решили доучить. В результате за полгода компания смогла нанять восемь системных инженеров.

Переход к найму по навыкам диктует новые правила: если мы смотрим на реальные умения кандидатов, нам необходима грамотная и прозрачная система их оценки. Только единые стандартизированные критерии позволяют объективно сравнивать специалистов между собой и принимать точные решения.

Пока компания маленькая, найм часто держится на нескольких сильных руководителях, которые умеют быстро считывать людей и принимать решения на основе собственного опыта. Но по мере роста бизнеса этого становится недостаточно.

С этим, в частности, столкнулись и в Selectel, и в «Островке». Когда вакансий становится больше, команд — тоже. Оценки в духе «мне показалось» или «кандидат не понравился» создают в системе «узкие» места. Это замедляет старт найма, мешает обучать интервьюеров и усложняет принятие решений.

В Selectel переход к системной оценке стал ответом не на избыток ресурсов, а наоборот, на дефицит времени и людей. По словам руководителя разработки и сопровождения ИИ-платформы Selectel Ильи Шлыкова, триггером послужила вполне прикладная «боль» команд: рынок менялся, качество интуитивного найма перестало быть конкурентным, а нагрузка по фильтрации «шума» росла.

Индикатор — это конкретное действие или ответ кандидата, которые доказывают наличие навыка. На собеседовании интервьюер больше не полагается на личные впечатления, а просто фиксирует эти факты.

Такой подход убирает субъективность и делает найм прозрачным. В результате запуск вакансий ускорился с 1–2 недель до 1–2 дней, а число внутренних интервьюеров выросло с 2–3 до 20–30 человек. Это кратно ускорило весь процесс найма.

Вместо поиска «сильного человека в целом» компании всё чаще описывают конкретный профиль роли: какие навыки обязательны, какие желательны, какие можно дорастить уже внутри команды.

В «Островке» для этого используют матрицы компетенций и автоматизированные чек-листы для рекрутеров и нанимающих менеджеров. Это помогает убрать разрывы между стартом и финалом воронки, когда в начале смотрят на одно, а ближе к оферу обнаруживают, что важный критерий вообще не проверили.

Этот тезис на митапе звучал практически у всех спикеров. ИИ помогает ускорить рутину, структурировать информацию, подсветить риски и собрать дополнительный массив данных. Но финальное решение остаётся за человеком.

Один из самых интересных вопросов дискуссии касался границы между реальным навыком и навыком, усиленным инструментом. Может ли начинающий специалист с ИИ закрывать задачи уровня более опытного сотрудника? И как вообще оценивать человека, если часть работы он почти наверняка будет делать с помощью цифровых помощников?

В Яндексе считают, что уже сейчас джун при использовании ИИ способен выдавать результат на уровне мидла. Но вместе с тем растёт и базовая планка: то, что ещё вчера считалось сильным результатом, завтра станет нормой.

В «Островке» ИИ используют для транскрибации интервью, суммаризации фидбэка и предварительного скоринга по компетенциям. В Яндексе пошли ещё дальше и сделали инструмент, который анализирует транскрипты интервью и оценивает софт-скилы.

Для бизнеса в этом есть очевидная ценность: отдельный этап ради оценки мягких навыков замедляет найм и ухудшает показатели воронки. Если же часть информации можно извлечь из уже состоявшихся интервью, компания получает дополнительный сигнал без усложнения процесса.

Главный вывод митапа — рынок больше не может опираться только на резюме и стаж кандидата. Отсюда возникает острая потребность строить внутреннюю систему оценки — как альтернативу интуитивному найму. Благодаря ей подбор становится быстрее, точнее и дешевле.

Переход к полноценной инфраструктуре оценки перестаёт быть корпоративной роскошью и становится необходимостью в тот момент, когда:

Вместо опоры на интуицию компании переходят к зрелой модели: описывают роли через навыки, формализуют критерии, обучают нанимающих менеджеров и подключают ИИ для экономии времени

Единой идеальной модели оценки, которая подошла бы всем ролям одинаково, не существует. По словам Анастасии Тучи, Recruitment Team Lead, Backend, DS & Product в «Островке», на практике работает единый фреймворк с гибкой настройкой под каждую конкретную задачу.

Универсальными остаются не сами шкалы оценок, а фундаментальная логика:

В конечном итоге именно способность выстроить прозрачную инфраструктуру оценки внутри компании становится главным ключом к предсказуемому, быстрому и экономически эффективному найму в новых реалиях рынка.