Попросил нейросеть оценить кандидата. Почему отчёт получился красивым, но бесполезным

ИИ действительно может помочь HR после интервью. Но если просто загрузить резюме и написать “оцени кандидата”, можно получить не аналитику, а уверенный пересказ хаоса.

Многие уже пробуют использовать нейросети в подборе: переписать вакансию, составить вопросы для интервью, быстро разобрать резюме, собрать вывод по кандидату.

И в целом это нормально.

Проблема начинается в момент, когда ИИ превращается из помощника в судью.

Например, после интервью вы загружаете резюме, добавляете пару заметок и пишете:

Оцени кандидата. Стоит ли его брать?

Через несколько секунд получаете аккуратный отчёт. Там есть сильные стороны, риски, общий вывод, даже рекомендация. Выглядит солидно. Почти как документ, который можно отправить руководителю.

А потом читаешь внимательнее и понимаешь: часть текста просто пересказывает резюме, часть слишком уверенно достраивает то, чего кандидат не говорил, а сомнения интервьюера куда-то растворились.

Был хаос после интервью.Стал красивый хаос с подзаголовками.

Нейросеть умеет писать уверенно. Это её сильная и одновременно опасная сторона.

Если дать ей резюме, пару фраз из интервью и просьбу “сделай вывод”, она действительно сделает вывод. Даже если данных мало. Даже если в заметках смешаны факты, эмоции и смутное “вроде норм, но что-то смущает”.

ИИ не знает кандидата. Он знает только то, что вы ему дали.

Типичный запрос выглядит примерно так:

Вот резюме кандидата и мои заметки после интервью. Оцени, подходит ли он на позицию руководителя продаж.

На первый взгляд всё логично. Есть резюме. Есть интервью. Есть роль. Что ещё надо?

Но в таком запросе часто не хватает главного: структуры оценки.

Неясно:

Без этого нейросеть начинает делать то, что она делает очень хорошо: писать связный убедительный текст.

А связный убедительный текст — это ещё не хороший вывод.

Ещё одна проблема простого AI-разбора в том, что он часто смотрит на кандидата слишком плоско.

Обычно в нейросеть загружают резюме и пару заметок. Но резюме — это не кандидат. Это текст о кандидате.

Причём всё чаще текст, который человек писал не один, а вместе с нейросетью, карьерным консультантом или шаблоном из серии “как выглядеть сильнее за 15 минут”.

Само по себе это не плохо. Все хотят выглядеть лучше. Просто важно не путать красивую упаковку с реальным профессиональным сигналом.

После интервью у нас обычно есть три разных слоя информации.

Как он объясняет опыт, держит структуру, реагирует на уточнения, признаёт ошибки, уходит от неудобных вопросов или спокойно раскрывает детали.

Это не психологический портрет, а наблюдения за поведением в рабочем диалоге.

Резюме, CV, портфолио, профиль.

Там видны роли, компании, проекты, достижения, длительность опыта. Но это всё равно самопрезентация.

Иногда сильная, иногда слабая, иногда очень аккуратно отполированная нейросетью.

Какие примеры привёл.Где показал причинную связь “задача → действие → результат”.Где смог углубиться.А где остался на общих словах.

И вот самое интересное начинается не в каждом слое отдельно, а между ними.

Резюме выглядит как у руководителя, а в разговоре человек рассказывает только про личный вклад.

На интервью кандидат звучит уверенно, но не может раскрыть детали ключевого достижения.

Документ скромный, зато в разговоре появляются сильные конкретные кейсы.

Впечатление хорошее, но фактов для решения всё ещё мало.

Вот это уже материал для нормального вывода.

Не “кандидат хороший” и не “кандидат плохой”, а:

Что подтверждается несколькими источниками, что держится только на самопрезентации, где есть противоречия и что нужно проверить до решения.

Именно поэтому хороший AI-разбор не должен просто пересказывать резюме. Он должен сопоставлять источники.

Иначе мы получим не оценку кандидата, а красивый пересказ того, как кандидат сам себя описал.

Перед тем как просить ИИ помочь с оценкой кандидата, полезно сначала разложить материал самому.

Не идеально. Не академически. Но хотя бы по базовой структуре.

Один и тот же кандидат может быть сильным исполнителем, но слабым руководителем.

Или хорошим экспертом, но неподходящим для роли с большим количеством коммуникации.

“Брать или не брать” — слишком грубо.

Лучше:

Не “говорил уверенно”, а:

Привёл пример задачи, своих действий и результата.

“Я умею строить команды” — это заявление.

“Я нанял 6 человек, перестроил воронку и вывел отдел на план за 4 месяца” — уже материал для анализа.

Например, в резюме человек выглядит как руководитель, а на интервью рассказывает только про личные задачи.

Или наоборот: документ скромный, но в разговоре появляются сильные конкретные кейсы.

Хороший вывод не всегда заканчивается “брать” или “отказать”.

Иногда честный вывод звучит так:

Можно рассматривать, но только после проверки управленческих кейсов.

Вот после такой подготовки ИИ уже получает не кашу из впечатлений, а нормальный материал для разбора.

Он подозрителен, если:

Особенно опасны отчёты, которые звучат слишком гладко.

В найме гладкость не всегда плюс.

Иногда самый полезный вывод как раз неприятный:

По текущим данным мы не можем подтвердить ключевой критерий роли.

Да, звучит менее красиво.

Зато помогает не принять дорогое решение на слабом основании.

Допустим, кандидат претендует на позицию руководителя отдела продаж.

На интервью он уверенно говорит про стратегию, рост выручки и “выстраивание команды”.

В резюме — сильные личные продажи, работа с крупными клиентами, участие в планёрках, помощь новичкам.

Звучит хорошо.

Но нет прямых подтверждений, что он реально управлял отделом:

В резюме он выглядит как будущий руководитель. На встрече производит впечатление лидера.

Но содержательно пока подтверждает в основном личные продажи.

И если смотреть только на первые два слоя, решение кажется почти готовым.

А если добавить третий — становится понятно, что главный критерий роли ещё не доказан.

Поверхностный AI-вывод может выглядеть так:

Кандидат выглядит сильным претендентом на руководящую позицию. У него есть опыт продаж, уверенная коммуникация, понимание бизнес-задач и признаки лидерского потенциала. Можно рекомендовать к найму, особенно если компании нужен активный и мотивированный руководитель.

На первый взгляд звучит нормально. Даже приятно.

Но проблема в том, что такой вывод подменяет управленческий опыт лидерским впечатлением.

И именно так можно нанять сильного продавца на роль руководителя, а потом обнаружить, что отделом он никогда не управлял.

Более полезный вывод звучал бы иначе:

По текущим данным кандидат сильнее подтверждён как продавец или старший специалист, чем как руководитель отдела продаж. Его уверенная коммуникация и опыт личных продаж — плюс, но они не доказывают управленческий масштаб.

Перед наймом на руководящую роль нужно отдельно проверить: управлял ли он людьми напрямую, отвечал ли за план команды, нанимал ли и развивал сотрудников, принимал ли непопулярные решения, работал ли с воронкой и регулярным контролем.

Без этой проверки решение “брать руководителем” рискованно. Более безопасный вариант — дополнительное интервью по управленческим кейсам или условное решение с чёткими точками контроля в первые 1–3 месяца.

Разница между этими двумя выводами не в стиле текста.

Первый приятно читать. Второй помогает не ошибиться.

Плохой отчёт отвечает на вопрос:

Как красиво описать кандидата?

Хороший разбор отвечает на другой вопрос:

Что мы реально знаем, чего не знаем и какое решение будет безопасным?

Конечно, продвинутый пользователь может собрать себе промт, таблицу критериев, шаблон отчёта и правила проверки.

Это нормальный путь.

Но у него есть цена.

Нужно каждый раз самому держать в голове структуру: какие данные собрать, как отделить факт от впечатления, как не дать модели фантазировать, как не перепутать красивое резюме с реальным опытом, как формулировать риски без психологических диагнозов.

И это ещё до вопроса, что делать с результатом дальше.

Потому что хороший отчёт по кандидату — это не просто текст.

Это управленческий документ. Он должен помогать принять решение, объяснить его и понять, что проверять после найма.

Именно из этой логики я и собираю Clarivio. Внутри сервиса я специально развёл эти слои: отдельно вводные по роли, отдельно наблюдения с интервью, отдельно профессиональный документ, отдельно содержательные ответы по управленческим критериям.

Мне важно, чтобы AI не просто прочитал резюме и написал “кандидат перспективный”, а сопоставил разные источники:

Clarivio не задуман как “AI, который знает кандидата лучше HR”.

Скорее наоборот: это попытка не дать ИИ стать самоуверенным рассказчиком и заставить его работать в нормальной рамке.

Главная идея простая: если решение всё равно остаётся за человеком, то человеку нужно дать не красивый пересказ, а структуру для решения.

Не заменить HR. Не угадать человека. Не выдать уверенное “берите”.

А помочь честно разложить уже собранные данные:

Нейросеть может быть полезна в оценке кандидатов.

Но не стоит путать хороший текст с хорошим решением.

Если дать AI хаос, он вернёт хаос — просто более уверенным языком.

А в найме уверенность особенно опасна, когда она появляется раньше фактов.

Поэтому вопрос не в том, можно ли использовать ИИ после интервью. Можно.

Вопрос в другом: помогает ли он увидеть основания решения или просто красиво оформляет первое впечатление.

После интервью всё часто кажется понятным.

Ровно до момента, когда нужно объяснить, почему понятно.