AI-интервью увеличили выход кандидатов на работу на 18%: что показал эксперимент на 70 тысячах соискателей

Искусственный интеллект в рекрутменте чаще всего обсуждают как инструмент экономии времени. AI может анализировать резюме, проводить первичный скрининг, отвечать кандидатам, назначать встречи и готовить краткое резюме интервью. Но крупный полевой эксперимент Brian Jabarian из University of Chicago Booth School of Business и Luca Henkel из Erasmus University Rotterdam показывает более интересный эффект: AI способен влиять не только на скорость подбора, но и на результат всей воронки найма.

В исследовании Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews авторы изучили десятки тысяч реальных заявок на вакансии и сравнили результаты интервью, которые проводили рекрутеры и голосовой AI-агент. В группе AI вероятность получения оффера оказалась на 12% выше, вероятность фактического выхода на работу — на 18% выше, а 30-дневное удержание — примерно на 17% выше. При этом исследователи не обнаружили ухудшения измеряемой производительности нанятых сотрудников.

Однако наиболее важный результат исследования заключается не в тезисе «AI проводит интервью лучше рекрутера». Авторы показывают другой механизм: AI уменьшает вариативность интервью, делает сбор информации более последовательным и помогает получать более сопоставимые сигналы о кандидатах.

Это не опрос HR, а эксперимент внутри реального процесса найма

Исследование особенно интересно своим дизайном. Это не опрос руководителей о готовности применять AI и не лабораторная симуляция собеседования. Авторы провели natural field experiment (естественный полевой эксперимент) в реальном процессе найма.

В эксперименте участвовали десятки тысяч кандидатов на позиции начального уровня в клиентском сервисе на Филиппинах. После предварительного отбора соискателей случайным образом распределяли между несколькими сценариями: интервью с человеком, интервью с голосовым AI-агентом или условием, при котором кандидат мог выбрать интервьюера.

Ключевая деталь эксперимента: AI не принимал окончательного решения о найме. Вне зависимости от того, кто проводил интервью, результаты оценивали рекрутеры-люди. При принятии решения они использовали информацию из интервью и результаты стандартизированного тестирования.

Таким образом, исследователи автоматизировали не кадровое решение целиком, а конкретную часть процесса — сбор информации о кандидате. Это существенно для интерпретации результатов: эксперимент скорее сравнивает два способа проведения интервью, чем человека-рекрутера с полностью автономной системой найма.

После AI-интервью кандидаты чаще получали оффер и выходили на работу

Результаты эксперимента показали преимущество AI не только на одном этапе воронки. Эффект сохранялся от оффера до фактического выхода и дальнейшего удержания сотрудника.

Особенно показателен переход от оффера к реальному выходу. Если бы AI просто позволял компании выдавать больше предложений слабым кандидатам, эффект мог бы исчезнуть на следующих этапах. Однако преимущество сохранялось и после оффера.

Авторы также анализировали более длительное удержание. Положительный эффект сохранялся в последующие месяцы, хотя его размер несколько менялся. Это позволяет говорить не только об увеличении верхней части воронки найма, но и о том, что дополнительные наймы не исчезали сразу после выхода сотрудников.

Больше нанятых сотрудников — но не хуже качество работы

Рост количества офферов и выходов сам по себе ещё не означает улучшения подбора. Компания может просто снизить порог отбора, получить больше сотрудников и затем столкнуться с ухудшением производительности или быстрыми увольнениями.

Поэтому авторы проверили показатели уже нанятых работников. Среди анализируемых метрик были время обработки клиентских обращений, показатели качества и удовлетворённость клиентов. Статистически значимого ухудшения производительности сотрудников, прошедших AI-интервью, исследователи не обнаружили.

Это делает результат значительно интереснее. AI не просто увеличил количество людей, прошедших через воронку. Исследование указывает на возможность того, что более стандартизированный сбор информации позволил рекрутерам принимать решения на основе более сопоставимых данных.

Главное преимущество AI оказалось не в «интеллекте», а в снижении вариативности

Одна из самых сильных частей исследования — объяснение механизма полученного эффекта. Человеческое интервью трудно полностью стандартизировать даже при наличии единого гайда. Один рекрутер подробнее исследует предыдущий опыт кандидата, другой уделяет больше внимания мотивации, третий чаще задаёт уточняющие вопросы, а четвёртый быстрее переходит к следующей теме.

В результате два кандидата на одну должность могут фактически проходить разные интервью, хотя формально компания использует одну методику.

AI уменьшает эту вариативность. Анализ транскриптов показал, что AI-интервью были более структурированными и последовательными. В одной из используемых авторами метрик AI покрывал около 45% предусмотренных тем против примерно 38% у интервьюеров-людей. При этом AI не просто воспроизводил полностью фиксированный опросник: система могла реагировать на ответы конкретного кандидата и адаптировать продолжение разговора.

Авторы описывают этот эффект как controlled variance (контролируемая вариативность): интервью становится более стандартизированным и сопоставимым, но не превращается в механическое чтение одинакового списка вопросов.

Для крупных компаний это особенно существенно. Если подбор ведут десятки или сотни рекрутеров, небольшие различия в том, как каждый из них проводит интервью, масштабируются на тысячи кандидатов. Компания может считать, что использует единый процесс оценки, хотя фактически существует множество его индивидуальных версий.

AI потенциально позволяет сделать эту часть процесса более воспроизводимой. Но здесь есть и обратная сторона: технология способна одинаково хорошо масштабировать как качественный, так и плохо спроектированный сценарий. Если вопросы не связаны с успешностью в роли или критерии отбора ошибочны, стандартизация лишь сделает ошибку системной.

Когда кандидатам дали выбор, 78% предпочли AI

Ещё один неожиданный результат касается candidate experience (опыта кандидата). Когда участникам экспериментальной группы разрешили самостоятельно выбрать формат собеседования, около 78% выбрали AI-интервью.

Это не означает, что кандидаты в целом предпочитают общение с машиной рекрутеру. В исследовании обнаружился важный эффект самоотбора: соискатели с более низкими результатами стандартизированных тестов несколько чаще выбирали AI. Поэтому возможность выбора интервьюера сама по себе создаёт дополнительный сигнал о кандидате и усложняет интерпретацию результата.

Кроме того, автоматизация не была беспроблемной. Исследование фиксирует случаи технических сбоев и кандидатов, которые прекращали AI-интервью. По данным авторов, около 7% AI-интервью столкнулись с техническими проблемами, а примерно 5% кандидатов отказались продолжать разговор с AI.

Это хороший пример того, почему высокий средний эффект технологии не отменяет необходимости проектировать альтернативный сценарий. Если AI становится обязательной точкой входа, компании необходимо понимать, что произойдёт с кандидатом при технической ошибке, невозможности использовать голосовой интерфейс или нежелании взаимодействовать с системой.

Исследование не доказывает, что AI лучше рекрутера на любых вакансиях

Результаты выглядят впечатляюще, но переносить их на весь рынок найма было бы неправильно. Эксперимент проходил на Филиппинах и был связан преимущественно с массовым наймом на entry-level customer service roles (начальные позиции в клиентском сервисе). Это среда, где требования относительно стандартизированы, поток кандидатов велик, а интервью легче привести к единому протоколу.

Мы не можем автоматически предполагать, что такой же эффект возникнет при подборе топ-менеджеров, редких технических специалистов, исследователей, руководителей функций или других ролей, где интервью сильнее зависит от контекста, глубины экспертизы и профессионального суждения интервьюера.

Есть и ещё одно принципиальное ограничение: AI в эксперименте не принимал решение о найме самостоятельно. Поэтому исследование нельзя использовать как доказательство эффективности полностью автономного AI-рекрутера.

Что это означает для HR: искать стоит не только дорогие процессы, но и процессы с высокой вариативностью

Компании часто выбирают задачи для AI по объёму трудозатрат: где сотрудники проводят больше всего времени, там и появляется первый кандидат на автоматизацию. Исследование Jabarian и Henkel предлагает ещё один критерий — вариативность выполнения процесса разными людьми.

Таких процессов в HR достаточно много. Разные рекрутеры по-разному проводят первичные интервью, менеджеры неодинаково оценивают компетенции кандидатов, руководители используют разные подходы к performance review (оценке результативности), а HRBP могут собирать совершенно разный объём информации перед одним и тем же кадровым решением.

В подобных процессах AI способен создавать ценность не только через сокращение трудозатрат, но и через стандартизацию входящих данных. Если десять интервьюеров собирают информацию одинаково качественно и в сопоставимом формате, у следующего участника процесса появляется более надёжная база для решения.

Это хорошо сочетается с более широкой трансформацией HR-функции. В материале «HR 2030: как AI-агенты изменят работу HR» мы разбирали сценарий, при котором AI постепенно перестаёт быть отдельным помощником и становится полноценным участником рабочих процессов.

Но для этого компаниям необходимо проектировать не только технологию, но и границы ответственности. Где AI может действовать самостоятельно? Где его вывод должен проверять человек? Кто отвечает за качество сценария интервью? Как регулярно проверять, что система не создаёт систематических ошибок?

Именно поэтому подготовка компании к AI-трансформации начинается не с покупки лицензий. В отдельном материале HR-КУХНИ мы собрали практическую рамку подготовки компании к AI-трансформации: от определения процессов и навыков до изменения роли руководителей и HR.

Роль рекрутера может смещаться от проведения интервью к проектированию интервью

На первый взгляд эксперимент можно прочитать как очередное свидетельство автоматизации профессии рекрутера. Но результаты показывают более сложную модель разделения труда между человеком и AI.

AI хорошо масштабирует структурированную часть процесса: последовательно задаёт вопросы, реагирует на ответы кандидата, фиксирует информацию и обеспечивает большую сопоставимость интервью. Человеку остаётся другая задача — определить, какую информацию вообще необходимо собирать, какие вопросы связаны с успешностью сотрудника, где находятся ограничения системы и как интерпретировать результаты в контексте конкретной роли.

Поэтому автоматизация интервью не обязательно уменьшает требования к профессионализму рекрутера. Она может изменить сам характер этой экспертизы. Рекрутеру становится важнее уметь проектировать структуру интервью, определять критерии оценки, проверять качество работы AI и понимать, в каких случаях стандартизированный процесс перестаёт быть достаточным.

Это уже не просто автоматизация административной нагрузки. Это изменение operating model (операционной модели) HR-функции — того, какие задачи выполняет человек, какие передаются AI и где должна проходить граница обязательного человеческого контроля.

Главный вопрос — не «AI или рекрутер», а как правильно разделить работу между ними

Эксперимент на десятках тысяч кандидатов показывает, что одно из наиболее интересных преимуществ AI в рекрутменте может находиться не там, где его обычно ищут. AI не обязательно должен «понимать человека лучше рекрутера» или полностью принимать решение вместо него, чтобы создавать измеримый эффект для бизнеса.

В исследовании преимущество возникло на более фундаментальном уровне: AI сделал процесс сбора информации более последовательным и стандартизированным. Это снизило вариативность интервью и дало рекрутерам более сопоставимую информацию для последующего решения.

При этом человек из процесса не исчез. Именно рекрутеры оценивали результаты и принимали окончательные решения о найме. Поэтому исследование фактически показывает один из наиболее реалистичных сценариев развития AI в HR: не полную замену специалиста, а новое разделение труда между человеком и машиной.

AI получает задачи, где особенно важны масштабируемость, скорость и воспроизводимость процесса. Человек сохраняет профессиональное суждение, работу с исключениями, проектирование критериев и ответственность за кадровое решение.

Именно этот переход — от внедрения отдельных AI-инструментов к перепроектированию самой работы — постепенно становится центральной задачей HR-трансформации.

Источники

Материал подготовлен на основе исследования Brian Jabarian и Luca Henkel Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews. При интерпретации результатов важно учитывать контекст исследования: полевой эксперимент проводился преимущественно в массовом найме специалистов клиентского сервиса на Филиппинах.

Важно. Результаты исследования относятся к конкретному контексту массового найма и не означают, что AI-интервью будут давать аналогичный эффект для любых профессий, стран и типов отбора. Кроме того, в эксперименте окончательные решения о найме принимали люди: AI автоматизировал проведение интервью и сбор информации, а не весь процесс кадрового решения.