Почему ИИ-резюме обречено на провал? Крик души: кандидаты пишут резюме для алгоритмов, а компании нанимают по совпадению ключевых слов

Автор: Валентина Пастухова, HR-эксперт и карьерный стратег для руководителей

Массовое использование ИИ соискателями приводит к тому, что отклики становятся слишком похожими друг на друга. Формально такие резюме выглядят сильными: аккуратная структура, правильные формулировки, уверенный тон. Но именно эта «идеальность» и убивает живой сигнал о человеке.

Отполированные тексты с шаблонными фразами лишают кандидатов индивидуальности, из-за чего резюме перестает быть фактором, отличающим сильного специалиста от слабого. В результате рекрутер всё чаще читает не реальный опыт, а будто бы хорошо собранный текстовый конструктор.

На рынке возник парадокс: соискатели используют ИИ для генерации безупречных откликов, а работодатели применяют алгоритмы для их автоматического отсева. В итоге система начинает работать не на качество найма, а на совпадение по формальным признакам.

Проблема в том, что машинные фильтры плохо оценивают мотивацию, потенциал, системное мышление и гибкие навыки. Они лучше справляются с поиском ключевых слов, чем с распознаванием реальной профессиональной ценности человека.

Рекрутеры всё быстрее распознают тексты, написанные или сильно «дополированные» нейросетями. Такие резюме часто звучат грамотно, но слишком обобщенно: в них много правильных слов и мало живых деталей, которые показывают, как именно человек решал задачи, ошибался, принимал решения и рос в профессии.

Из-за этого снижается доверие не только к конкретному отклику, но и к самому формату резюме. Если на интервью кандидат не может подтвердить то, что красиво описано в документе, доверие разрушается окончательно.

Проблема не теоретическая: крупные компании уже сталкивались с тем, что автоматизированный отбор либо отсекал сильных кандидатов, либо заставлял пересматривать саму логику найма. Это особенно заметно там, где система опирается на исторические данные и формальные критерии, а не на реальный потенциал человека.

Самый известный кейс — Amazon. В 2018 году компания тестировала рекрутинговый алгоритм, который оказался предвзят к женщинам, потому что обучался на прошлых наймах, где в технических ролях преобладали мужчины. По данным BBC, система занижала оценку резюме с маркерами вроде слова «женский», и в итоге от инструмента отказались.

Есть и более глубокая проблема. Исследование Harvard Business School и Accenture показало, что миллионы так называемых «скрытых работников» отсеиваются алгоритмами, хотя по сути могли бы подойти компаниям после дообучения или при более гибком взгляде на опыт. На этом фоне IBM пересматривала миллионы прошлых заявок, а Amazon тоже возвращалась к старым откликам, чтобы найти кандидатов, которых жесткие фильтры могли не заметить.

Резюме, целиком собранное нейросетью, проигрывает не потому, что ИИ плохо пишет, а потому, что усиливает главную болезнь современного найма: подменяет человека набором правильных формулировок.

Компаниям важно найти и оценить потенциал, не упустить талант. Но чем больше кандидаты и компании безоглядно полагаются на автоматизацию, тем слабее становится сам сигнал, на котором держится качественный подбор. В такой модели выигрывает не самый сильный и достойный, а тот, кто лучше адаптировал текст под фильтр (таких примеров полно в ИТ-индустрии, когда в проигрыше в итоге оказывался сам работодатель, когда недостоверная информация в резюме, в квалификации нового сотрудника вскрывалась по прошествии полугода).

И именно поэтому будущее — не за «идеальным ИИ-резюме», а за более живой, доказательной и человеческой самопрезентацией: видеть проблему работодателя на этапе чтения вакансии и сбора данных о компании, приоритезировать свой опыт в резюме, опираться на результаты, свои сильные стороны и мотивацию.

Если вам откликается такой подход к карьере — подписывайтесь на мой Telegram-канал. Там я разбираю реальные кейсы с рынка труда, показываю, как мыслят рекрутеры и нанимающие менеджеры, и помогаю выстраивать карьеру так, чтобы вас замечали, приглашали и выбирали.