Инна Орещенкова навела меня на мысль, которая собственно и стала предисловием к статье.    Внедрение искусственного интеллекта в сферу подбора персонала обещает эффективность и объективность. Однако, наряду с очевидными преимуществами, ИИ таит скрытые риски и ошибки, уже подтвержденные практикой и профессиональными публикациями.

Алгоритмическая предвзятость: уроки Amazon

Самая известная ошибка — алгоритмическая предвзятость. Показательный пример — рекрутинговая система Amazon, которую обучили на данных за 10 лет. Поскольку в этих данных преобладали резюме мужчин, ИИ «решил», что они более подходящие кандидаты. В итоге система начала дискриминировать женщин, автоматически отклоняя их анкеты. Amazon отказалась от платформы, но этот кейс стал доказательством: алгоритмы не могут быть объективными, если данные уже содержат предубеждения.

Непрозрачность и скрытый отсев

Еще одна серьезная проблема — непрозрачность решений ИИ. Когда алгоритм отклоняет резюме, ни кандидат, ни работодатель не понимают истинную причину. В этой «слепой зоне» могут скрываться автоматические фильтры, отсеивающие кандидатов по спорным признакам: возрасту, полу или месту жительства. Такой отсев усиливает предубеждения и снижает качество подбора, а ошибки алгоритма остаются незамеченными. К этому добавляется проблема плохого качества исходных данных. Если база резюме устарела, ИИ будет давать ошибочные рекомендации, что подрывает доверие к процессу найма.

Этика и потеря человеческого фактора

Использование ИИ несет этические и юридические риски. Технологии вроде видеоанализа, оценивающие мимику или жесты, вызывают споры о нарушении права на приватность, как в случае с HireVue. Более того, излишняя автоматизация может привести к потере человеческого фактора. Полный отказ от «живых» собеседований не позволяет оценить мягкие навыки и мотивацию кандидата, что влияет на качество найма. Недостаточно хорошо настроенный ИИ усиливает корпоративные предубеждения и снижает разнообразие в коллективе.

Отложенные угрозы и долгосрочные последствия

Описанные проблемы не ограничиваются единичными ошибками. Их реальная угроза — отложенное действие, когда последствия накапливаются со временем. Предвзятые алгоритмы могут привести к формированию однородного, менее инновационного коллектива. Компания, нанимающая только по цифровым метрикам, рискует потерять креативность, что в долгосрочной перспективе приводит к стагнации. Слепая вера в «объективность» ИИ в итоге оборачивается субъективной и вредной для бизнеса реальностью.   Источники:  Нейросети в подборе персонала: опасения, ошибки и … https://xn--b1akda1aagn5c3eg.xn--p1ai/nejronomika/2025/nejroseti-v-podbore-personala-opasenija-oshibki-i-novye-podhody/  Проблемный AI https://techrec.pro/tpost/dx56ocbhg1-problemnii-ai  Искусственный интеллект в HR: светлая и тёмная сторона … https://hr-consulting.online/iskusstvennyj-intellekt-hr-svetlaya-temnaya-storona/  Amazon scraps secret AI recruiting tool that showed bias … https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/  5 Most Common AI Recruitment Mistakes (+ How to Fix … https://juicebox.ai/blog/ai-recruitment-mistakes  Искусственный интеллект в HR: где можно и где нельзя https://www.ecopsy.ru/insights/iskusstvennyy-intellekt-v-hr-gde-mozhno-i-gde-nelzya/?sphrase_id=1314113  AI Recruitment Mistakes: Top Pitfalls and How to Avoid Them https://www.goco.io/blog/common-ai-recruitment-pitfalls-to-avoid  The Most Common AI Recruitment Mistakes and How to … https://canxglobal.com/the-most-common-ai-recruitment-mistakes-and-how-to-avoid-them/