AI в рекрутинге: где он помогает, где ошибается и как его пробовать

Про AI в рекрутинге обычно пишут либо восторженно, либо тревожно. Нам интереснее практический вопрос: на каком этапе найма он экономит время, где уже ошибался и как проверить его на своей вакансии, не рискуя ни кандидатами, ни репутацией.

Где AI применяют в найме

Если пройти по воронке от вакансии до выхода на работу, AI встречается почти на каждом шаге. Но польза на этих шагах разная.

• Текст вакансии. Языковая модель быстро делает черновик. Польза есть, но черновик надо править: модели любят общие слова, а кандидату нужна конкретика. О том, что должно быть в вакансии, мы писали в пошаговом разборе.
• Разбор резюме. Извлечь из резюме опыт, город, ожидания по доходу и разложить по полям — задача, с которой AI справляется хорошо. Отсеивать по этим полям автоматически — уже другая, рискованная задача.
• Переписка и расписание. Приглашения, напоминания, перенос встреч. Здесь выигрыш почти без рисков: шаблон утверждает человек.
• Первичное интервью. Разговор по заданным темам с уточняющими вопросами и оценка по критериям работодателя. Так устроен, например, Отбор.
• Аналитика воронки. Где теряются кандидаты, сколько дней уходит на каждый этап. Тут AI помогает считать, но выводы всё равно делает человек.

Чем однотипнее работа и чем проще проверить результат, тем спокойнее её можно отдать AI. Чем ближе задача к решению о конкретном человеке, тем больше нужен контроль. Где проходит эта граница и какие нормы закона её касаются, разобрано в отдельном материале.

Отдельно стоит сказать про поиск кандидатов в базах резюме. Инструменты, которые подбирают «похожих» на ваших лучших сотрудников, звучат заманчиво, но здесь та же ловушка, что и в истории ниже: похожесть на прошлых сотрудников легко превращается в повторение прошлых перекосов.

Где AI уже ошибался

Самый известный случай — экспериментальная система оценки резюме в Amazon. Reuters в 2018 году писал, что модель обучили на резюме, присланных в компанию за десять лет, в основном мужских, и она стала занижать оценку резюме со словом «women’s». Проект закрыли.

Модель не придумала перекос сама: она воспроизвела то, что было в данных, то есть прошлые решения компании. Если вы учите систему на «как мы нанимали раньше», она повторит и удачные решения, и перекосы.

Второй тип ошибки тише. Система отсекает кандидатов по формальному признаку: перерыв в стаже, нет ключевого слова, резюме в три строки. Никто не видит, кого отсеяли, поэтому никто и не замечает потерь. Как не отсеять хороших людей на формальностях, мы разбирали в статье о скрининге кандидатов.

Как к этому относятся кандидаты

Осторожно. Опрос Pew Research Center (США, декабрь 2022 года, 11 004 взрослых) показал: 66% не хотели бы откликаться на вакансию компании, где AI участвует в решениях о найме, а против того, чтобы AI принимал финальное решение, высказались 71% при 7% «за».

Российских данных такого же качества мы не нашли, и переносить американские цифры напрямую не стоит. Но одно из них видно и без пересчёта: больше всего люди против того, чтобы финальное решение о найме принимал AI.

Отсюда два практических правила. Говорите кандидату, где в процессе AI, до того как он с ним столкнётся. И оставляйте решение человеку, который может объяснить его словами.

Как запустить пилот на одной вакансии

Внедрять AI сразу везде не нужно. Лучше взять одну вакансию с заметным потоком откликов и за месяц понять, есть ли польза.

1. Запишите, как вакансия закрывается сейчас: сколько откликов, сколько первичных разговоров, сколько дней от отклика до первого контакта и до встречи с руководителем.
2. Выберите одну задачу для AI, а не пять. Например, первичное интервью.
3. Сформулируйте критерии оценки до запуска, конкретно и проверяемо.
4. Первые недели сверяйте оценку системы со своей на нескольких расшифровках с обоих краёв шкалы.
5. Сравните цифры с исходными. Проценты считайте от того же основания, что и до пилота; как не запутаться, разобрано в статье о воронке найма.

Если через месяц вы видите, что людей до встречи доходит не меньше, а времени уходит меньше, — пилот удался. Если оценка системы постоянно расходится с вашей, проблема чаще в критериях, чем в инструменте, но проверить стоит обе версии.

Что считать в пилоте

Для первого и последнего шага пилота хватит пяти показателей:

• дни от отклика до первого контакта с кандидатом;
• дни от отклика до встречи с руководителем;
• доля откликнувшихся, кто дошёл до первичного интервью;
• доля прошедших интервью, кого вы позвали на встречу;
• часы команды на первичный отбор за месяц.

Условный пример, чтобы было понятно, как читать результат. До пилота от отклика до первого контакта проходило четыре дня, после — один. До встречи доходили примерно те же люди, но решение руководитель принимал быстрее, потому что получал оценку с цитатами, а не пересказ. Это иллюстрация хода рассуждений, а не данные: ваши цифры могут сложиться иначе, и это тоже результат.

Ещё одна вещь, которую стоит отслеживать вручную, — отказы кандидатов от формата. Если заметная часть людей не хочет проходить интервью с AI, это сигнал пересмотреть, как вы о нём предупреждаете, или оставить альтернативу.

Что остаётся рекрутеру

Однотипных звонков становится меньше. Остаётся работа, где нужен человек: разговор с финалистами, переговоры об условиях, работа с руководителем над профилем должности, адаптация новичка. Появляется и новая обязанность — следить, как работает сам инструмент: читать выборку расшифровок, проверять, не начал ли он отсекать какую-то группу людей.

И ещё одно изменение, которое легко недооценить: требования к формулировкам. Чтобы инструмент оценивал кандидатов разумно, критерии нужно записать словами, а не держать в голове. Для многих команд это первый раз, когда «хороший менеджер» описан конкретно. Это полезно само по себе: руководитель и рекрутер сверяют, кого ищут, ещё до запуска.

Отбор можно взять как раз для такого пилота: ассистент ведёт первичные интервью, а вы по цитатам и записи проверяете, совпадает ли его оценка с вашей. Автоматического отказа по баллу нет. Для пилота подойдёт одна вакансия — её можно создать здесь.