Позвольте начать с неудобной правды: 90% постов об "успешном найме" в LinkedIn — это постфактум рационализация.

Мы берём случайный успех, придумываем красивую историю, добавляем модные слова (ИИ! Революция! Инновации!) и продаём это как "методологию".

Я могла бы сделать то же самое с этой историей про нагрузочное тестирование. Но не буду. Потому что скептицизм — это единственный честный способ говорить о найме в 2026 году. The Setup (или "Как мы создаём собственные проблемы") Факт: роль "Руководитель Performance Testing" для компании была открыта 90+ дней. Факт: стенды падали под нагрузкой. Клиенты жаловались. Факт: стандартный подход не работал. Вопрос, который никто не задавал: почему мы три месяца повторяли один и тот же провальный подход? Ответ, наверное, такой: потому что мы верили, что делаем "правильно". Job description выглядел профессионально. Каналы поиска были "проверенными". Процесс был "best practice". Но вера без evidence — это просто удобная ложь. The Pivot (или "Что на самом деле сработало") Я не хочу продавать вам красивую историю про "AI-инструменты" или "персонализацию". Эти слова ничего не значат без контекста. Что реально изменилось: 1. Мы перестали искать "идеального кандидата" Стандартный JD был списком требований — 5 лет опыта, знание tools X, Y, Z, опыт с Cloud... Проблема: такого человека либо нет, либо он уже зарабатывает больше, чем мы предлагаем. Решение: мы спросили себя: "Что этому человеку нужно уметь делать через 90 дней?" Ответ: запустить функцию нагрузочного тестирования с нуля. Всё остальное — опционально.

2. Мы перестали говорить про "возможности" "У нас отличная команда, интересные задачи, competitive salary..." Проблема: это звучит как каждая вторая вакансия. Generic bullshit. Решение: мы сказали правду: "Продукт падает. Нам нужен человек, который это починит. Если тебе нравится ownership и impact — это твоя история." 3. Мы использовали AI не как "magic solution", а как tool Ассистент помог проанализировать профили быстрее. Но решение, кому писать и что говорить, принимали мы. Почему важно: потому что AI без критического мышления = garbage in, garbage out. The Result (без украшательств) TTH: 14 дней вместо 90+ Cost per hire: ~0₽ (без агентств) Функция запущена: да, работает НО (и это критично): я не знаю, сколько из этого было skill, а сколько — luck. Может, мы просто попали на правильного человека в правильный момент. Может, рынок был другим в тот день. Может, кандидат просто устал от текущей работы. Sample size of one — это не methodology. **What Would Hitchens Ask? (вопросы, которые разрушают удобные нарративы)** 1. "Вы говорите, что персонализация сработала. Но как вы знаете, что дело именно в ней?" Честный ответ: не знаем наверняка. У нас нет контрольной группы. Мы не A/B тестировали персонализацию vs стандартные сообщения на достаточной выборке. Но: у нас есть prior experience — 90 дней стандартного подхода дали 0 результатов. Изменение подхода дало результат за 14 дней. Correlation? Yes. Causation? Probably, но не guaranteed.

2. "AI-инструменты — это просто buzzword или реальная ценность?" Честный ответ: и то, и то. Ассистент ускорил анализ профилей в ~3 раза. Это полезно. Но называть это "AI-революцией в рекрутинге" — это intellectual dishonesty. 3. "Что, если ваш успех — это просто reversion to the mean?" Честный ответ: возможно. 90 дней провала — это outlier. Может, мы просто вернулись к норме, а не создали что-то exceptional. Защита: мы с техлидами изменили системный подход (формулировка задачи + таргетинг + коммуникация), а не просто "попробовали ещё раз". The Uncomfortable Truth About HR Posts Большинство success stories в HR — это survivorship bias в чистом виде: - Мы постим только о том, что сработало - Игнорируем десятки других кейсов, где те же подходы провалились - Придумываем причинно-следственные связи там, где их может не быть "That which can be asserted without evidence can be dismissed without evidence." Мой ответ: я не утверждаю, что это универсальная методология. Я утверждаю, что questioning assumptions и iterating based on feedback — это лучше, чем слепо следовать "best practices". So What's The Point? (если всё так скептично) Вот что я знаю точно: 1. Большинство "best practices" — это cargo cult Мы копируем, что делают другие, не понимая, почему это работало у них. Context matters. Your mileage will vary. 2. Questioning > Believing Если ваш подход не работает 90 дней — перестаньте верить, что он правильный. Спросите: "Какое assumption я делаю, которое может быть неправильным?" 3. Sample size matters Один успех — это не доказательство. Но это signal, что стоит исследовать дальше. 4. Honesty > Storytelling Я могла бы написать пост в стиле "5 шагов к успешному найму с AI!" Но это была бы ложь. Реальность сложнее, мессивнее и полна uncertainty. The Question I'm Actually Asking You Не "хотите ли вы узнать мой секрет успеха?" (потому что никакого секрета нет). А это: Сколько раз вы повторяли провальный подход, потому что это был "правильный процесс"? Когда в последний раз вы подвергли сомнению свои assumptions? Готовы ли вы признать, что большая часть того, что мы называем "expertise" в HR — это просто рационализация случайных успехов? Если ответ "да" — добро пожаловать в клуб скептиков. Мы не обещаем лёгких ответов. Но хотя бы не врём. Если ответ "нет" — наслаждайтесь вашими LinkedIn-постами с "5 proven strategies" и "game-changing approaches". Рынок таких любит. "The only true wisdom is in knowing you know nothing." Я не знаю, почему этот кейс сработал с такой точностью. Но я знаю, что questioning > assuming. И это единственное честное, что можно сказать о найме в 2026 году.