Генеративный ИИ решил одну из старых проблем соискателя: теперь практически любой кандидат может за несколько минут адаптировать резюме под вакансию, аккуратно описать опыт, подобрать профессиональную лексику и подготовить убедительное сопроводительное письмо.
Для кандидатов это полезный инструмент. Для работодателей — новая проблема. Когда тысячи соискателей получают доступ к одним и тем же способам улучшения самопрезентации, качество резюме всё хуже помогает понять, кто действительно лучше подходит на работу.
Резюме из отбора не исчезает. Но его роль меняется: из инструмента оценки кандидата оно постепенно превращается в способ проверить базовое соответствие требованиям и решить, кого допустить к следующим этапам.
World Economic Forum в сентябре 2026 года обратил внимание на парадокс, который возникает на рынке труда по мере распространения генеративного ИИ. Технология упростила создание качественного отклика, но одновременно сделала отклики гораздо менее различимыми.
По данным, которые приводит WEF, кандидаты сегодня отправляют почти в три раза больше заявок на одну вакансию, чем в 2021 году. При этом 78% соискателей используют ИИ для адаптации своих откликов.
Кандидат автоматизирует поиск вакансий, редактирование резюме и подготовку сопроводительных писем. Работодатель автоматизирует первичный отбор и обработку растущего потока кандидатов. Обе стороны экономят время, но это ещё не означает, что кадровое решение становится качественнее.
Хорошо написанное резюме становится слабее как сигнал о качестве кандидата
Резюме никогда не было объективной фотографией профессиональной ценности человека. Оно показывало опыт кандидата через его способность этот опыт представить: выбрать значимые достижения, объяснить переходы между ролями, расставить акценты и говорить на языке работодателя.
Поэтому качество документа само по себе давало рекрутеру дополнительную информацию. Два специалиста с похожим опытом могли описать его совершенно по-разному, и эта разница иногда позволяла сделать предварительный вывод о структурности мышления, коммуникации и понимании собственной работы.
Генеративный ИИ резко снизил стоимость создания такого сигнала. Он способен убрать слабые формулировки, превратить обязанности в достижения, подобрать лексику из вакансии, структурировать карьерную историю и отредактировать текст до профессионального уровня.
Для руководителя рекрутмента это важное различие. Проблема не в том, что кандидаты используют ИИ. Использовать современный инструмент для подготовки отклика вполне рационально.
Проблема появляется, когда компания продолжает придавать качеству текста тот же диагностический вес, который резюме имело до массового распространения генеративных инструментов.
Текст, подготовленный с помощью ИИ, перестаёт быть исключением
Свежие данные показывают, насколько быстро эта практика становится нормальной. В сентябре 2026 года Cadient опубликовала очередную часть Authenticity Report на основе анализа тысяч резюме в нескольких отраслях.
Эти показатели нельзя читать как точную долю «резюме, написанных нейросетью». Системы определения ИИ-контента могут ошибаться, и сама Cadient предупреждает, что такой анализ не должен использоваться как самостоятельное основание для кадрового решения.
Но для рекрутмента важна не точность отдельного детектора, а направление изменения. Использование генеративного ИИ при подготовке резюме становится массовой практикой, а значит, прежнее предположение «текст резюме отражает способ мышления кандидата» становится всё менее надёжным.
Один ИИ пишет резюме. Другой начинает его оценивать
Есть и менее очевидный риск. В июне 2026 года исследователи University of Maryland описали эффект самопредпочтения модели при алгоритмическом найме.
В контролируемом эксперименте использовались более 2 200 резюме и несколько ведущих языковых моделей. Исследователи обнаружили, что при сравнении кандидатов модели могут систематически выше оценивать тексты, созданные той же моделью.
Это не доказывает, что корпоративные системы подбора сегодня массово выбирают «резюме своего ИИ». Эксперимент проходил в контролируемой среде, и переносить результаты напрямую на любую систему автоматического отбора нельзя.
Но исследование показывает методологическую проблему. Если создание информации и её оценка автоматизируются одновременно, между двумя системами могут появляться закономерности, которые мало связаны с реальным качеством человека.
Рекрутинг сталкивается с инфляцией сигналов
Раньше хорошо составленное резюме помогало выделиться. Теперь возможность создать такой документ доступна практически любому кандидату.
Персонализированное сопроводительное письмо могло говорить о высокой мотивации. Теперь его можно подготовить за минуту.
Большое количество качественных откликов требовало значительных усилий. ИИ постепенно снижает и эту стоимость.
Чем дешевле становится создание убедительного сигнала, тем меньше информации о реальном качестве кандидата этот сигнал передаёт работодателю.
На этом фоне рекомендации снова становятся ценнее
Именно с ростом информационного шума World Economic Forum связывает возможное возвращение роли рекомендаций при найме.
Если резюме сообщает работодателю прежде всего то, что кандидат решил рассказать о себе, рекомендация добавляет другой тип информации. Кто-то, уже имеющий профессиональную репутацию, связывает её с этим человеком.
Это не доказательство компетентности. Рекомендованный кандидат не должен автоматически получать преимущество при окончательном решении.
Но рекомендация даёт работодателю дополнительный источник информации, который создаётся не самим кандидатом и поэтому сложнее масштабируется с помощью генеративного ИИ.
Но делать рекомендации главным фильтром — значит заменить одну проблему другой
У рекомендаций есть очевидное ограничение: профессиональные связи распределены неравномерно.
Доступ к сильной сети зависит от предыдущих работодателей, университета, региона, отрасли, профессионального сообщества и накопленного социального капитала.
Если рекомендация превращается из дополнительной информации в фактический пропуск к рассмотрению, компания делает рынок кандидатов более закрытым.
Для опытных специалистов это ограничение заметно меньше. Для выпускников, начинающих специалистов и людей, меняющих профессию или отрасль, оно становится существенно важнее.
Более устойчивый ответ — проверять не описание навыка, а сам навык
Если текст о профессиональном опыте становится менее информативным, работодателю приходится двигаться ближе к самой работе.
Это усиливает переход к подбору по навыкам. Вместо вопроса «насколько убедительно кандидат описал свой опыт» компания должна чаще проверять, способен ли человек выполнять задачи, ради которых его нанимают.
Формат зависит от профессии. Это может быть образец выполнения рабочей задачи, разбор реального кейса, техническое задание, портфолио, моделирование рабочей ситуации, структурированное интервью или стандартизированная оценка навыков.
Смысл не в том, чтобы добавить в воронку ещё один тест. Оценка должна проверять именно те компетенции, которые связаны с результативностью в конкретной роли.
LinkedIn Skills on the Rise 2026: какие навыки становятся самыми востребованными
Почему название должности, диплом и прежний карьерный путь всё хуже объясняют, что специалист действительно умеет, и как компании переходят к найму и управлению талантами через навыки.
При этом ИИ не обязательно нужно убирать из отбора
Проблема резюме, подготовленных с помощью ИИ, легко подталкивает к слишком простому выводу: если алгоритмы создают дополнительный шум, значит, искусственный интеллект нужно меньше использовать в рекрутинге.
Но гораздо важнее различать, какую именно задачу автоматизирует технология.
Один сценарий — поручить модели самой определить, кто из кандидатов «лучше». Другой — использовать ИИ для более последовательного сбора информации, а кадровое решение оставить человеку.
Полевой эксперимент Brian Jabarian и Luca Henkel хорошо показывает эту разницу. Исследователи сравнили результаты человеческих и голосовых ИИ-интервью на десятках тысяч реальных заявок.
При этом измеряемая производительность нанятых сотрудников не ухудшилась.
Особенно важна архитектура эксперимента: ИИ не принимал окончательное решение о найме. Он проводил стандартизированное интервью и собирал информацию, после чего решение принимали люди.
ИИ-интервью увеличили выход кандидатов на работу на 18%: эксперимент на 70 тысячах соискателей
Почему преимущество ИИ оказалось связано не с попыткой «понять человека лучше рекрутера», а со стандартизацией интервью, снижением вариативности и более последовательным сбором информации.
В результате меняется не один этап найма, а архитектура всей воронки
Если компания раньше строила отбор вокруг привычной последовательности «резюме — первичный разговор — интервью», теперь каждый из этих этапов приходится заново оценивать с точки зрения его диагностической ценности.
Вопрос уже не в том, какие инструменты исторически использует рекрутинг. Вопрос в том, какую независимую информацию о будущем сотруднике даёт каждый элемент отбора.
| Элемент отбора | Что меняется | Какую функцию стоит оставлять |
|---|---|---|
| Резюме | ИИ позволяет быстро создавать качественные и персонализированные документы | Проверка базового соответствия требованиям, а не глубокая оценка потенциала кандидата |
| Рекомендация | Становится ценнее на фоне информационного шума | Дополнительный независимый сигнал, но не замена объективной оценке |
| Оценка навыков | Значение возрастает | Проверка способности действительно выполнять работу |
| Интервью | Может частично стандартизироваться с помощью ИИ | Получение сопоставимой информации о поведении, мышлении и компетенциях |
| Рекрутер | Меньше ценности создаёт механическая обработка потока | Интерпретация данных, качество оценки, работа с нанимающим руководителем и проектирование системы отбора |
Для руководителя рекрутмента главный вопрос теперь — не как быстрее обработать резюме
На протяжении многих лет эффективность подбора во многом обсуждалась через пропускную способность воронки: сколько кандидатов нашли, сколько откликов обработали, сколько времени занимает закрытие вакансии.
ИИ резко увеличивает эту пропускную способность с обеих сторон рынка. Кандидат способен откликаться чаще. Работодатель способен быстрее фильтровать поток.
Но если обе стороны просто автоматизируют старый процесс, компания рискует получить более быструю версию прежней воронки с ещё большим количеством информационного шума.
Поэтому задача руководителя рекрутмента меняется. Нужно понимать, какие сигналы действительно связаны с результатами сотрудника после найма, а какие продолжают использоваться только потому, что рекрутинг исторически привык на них смотреть.
Для молодых специалистов новая система может оказаться особенно жёсткой
Возвращение значимости профессиональных рекомендаций создаёт отдельную проблему для начинающих специалистов.
Сильная сеть обычно появляется вместе с опытом. У выпускника или начинающего специалиста её может просто не быть.
Одновременно компании автоматизируют часть типичных задач начального уровня и повышают требования к тем, кого всё-таки нанимают.
Получается замкнутый круг. Чтобы получить первую работу, человеку всё чаще нужен опыт. Чтобы выделиться из потока, полезны профессиональные связи. Но и опыт, и профессиональные связи появляются именно в процессе работы.
ИИ забирает работу у новичков. Кто станет руководителем через 10 лет?
Почему автоматизация задач начального уровня создаёт проблему не только для молодых специалистов, но и для компаний, которым через несколько лет понадобятся эксперты и руководители с накопленным опытом.
Что стоит проверить в системе отбора уже сейчас
Изменение ценности резюме не требует немедленно демонтировать привычную воронку. Но для HRD и руководителя рекрутмента это хороший повод провести её аудит.
- Определить, какие решения компания сегодня принимает почти исключительно на основании резюме и действительно ли для них достаточно такого сигнала.
- Проверить, какие требования вакансии связаны с реальной результативностью сотрудника, а какие просто воспроизводят привычный профиль предыдущих успешных кандидатов.
- Для критичных навыков использовать оценку, в которой кандидат должен продемонстрировать компетенцию, а не только написать о ней.
- Не превращать рекомендацию сотрудника в скрытое обязательное условие доступа к вакансии.
- Разделять ИИ, который собирает и структурирует информацию, и ИИ, которому делегируется кадровое решение.
- Проверять автоматический первичный отбор: какие данные получает система, что именно она ранжирует и может ли команда объяснить результат.
- Сравнивать каналы и методы отбора не только по скорости закрытия вакансии и стоимости найма, но и по прохождению испытательного срока, результативности и удержанию нанятых сотрудников.
Рекрутинг движется от отбора документов к архитектуре доказательств
Возможно, это и есть главный эффект, который генеративный ИИ оказывает на систему найма.
Раньше значительная часть воронки строилась вокруг информации, которую кандидат сообщал о себе: резюме, сопроводительного письма, перечисления навыков и описания достижений.
Чем легче становится создать убедительное описание, тем больше работодателю нужны способы независимо проверить содержащиеся в нём сигналы.
Поэтому сильная система отбора постепенно собирается из нескольких разных источников: профессиональной истории кандидата, рекомендаций, подтверждённых навыков, результатов рабочих заданий, структурированных интервью и профессионального суждения рекрутера и нанимающего руководителя.
Задача уже не в том, чтобы найти один идеальный метод оценки. Задача — собрать несколько независимых сигналов, ограничения которых не совпадают друг с другом.
ИИ не уничтожил резюме. Он заставляет работодателя точнее понимать, что именно тот пытается по нему оценить
Кандидаты не перестанут использовать ИИ для подготовки откликов. Более того, во многих профессиях способность работать с такими инструментами сама становится частью нормальной профессиональной практики.
Поэтому задача работодателя — не выяснять, кто написал каждую формулировку самостоятельно, а кто обратился к нейросети.
Важнее определить, какие сведения из резюме действительно можно считать надёжным сигналом о будущем результате сотрудника и где этот сигнал необходимо подтверждать другими способами.
Рекомендации дают дополнительный источник доверия. Оценка навыков переносит внимание с описания опыта на способность выполнить работу. Структурированное интервью делает данные о кандидатах более сопоставимыми. ИИ может помогать собирать и обрабатывать эту информацию.
Ни один метод по отдельности не решает проблему качества найма.
Но вместе они показывают, куда движется рекрутинг: ценность функции постепенно смещается от способности обработать большой поток откликов к способности отличить убедительную самопрезентацию от доказательств того, что человек действительно сможет выполнять работу.