Сегодня Наблюдаемый размышляет о том, почему функция найма в большинстве компаний работает на уровне подбрасывания монеты. Это одно из объяснений, почему Наблюдаемый удалил из резюме все места работы. Система отбирает по формальным признакам, которые не имеют отношения к реальной эффективности. Эффективность решений среднестатистического HR в найме составляет примерно 50%. Это не метафора — это математика, подтверждённая десятилетиями исследований. IBM изучила 33 000 наймов в 18 отраслях 26 стран: в 39% случаев решение было бы другим. Leadership IQ проследила 20 000 случаев в 300 компаниях: 46% новых сотрудников провалились в первые 18 месяцев. Метаанализы 2016 и 2023 годов подтверждают: точность рекрутера растёт первые 3-5 лет, затем выходит на плато. Опыт не спасает. Те самые критерии, которые рекрутеры считают важными, не работают. Многие работодатели ищут сотрудников строго в одной отрасли. Это «корпоративный инбридинг», ведущий к «отраслевой близорукости». Круговорот сотрудников — обмен деревенскими дураками в рамках одной экосистемы. Свежий взгляд и нестандартные решения отсекаются фильтром «опыт в отрасли от N лет». Опыт считается важным, но не является релевантным. Десять лет одного и того же опыта — это один год опыта, повторённый десять раз. Но рекрутер смотрит на цифру и ставит галочку. Профильное образование не важно. Диплом не предсказывает производительность, но это базовый фильтр, без которого резюме не доходит до следующего этапа. Отбор менеджеров сломан сильнее. Gallup и Harvard Business Review: 82% нанимаемых руководителей не обладают необходимыми навыками управления. И 82% менеджеров признались, что видели тревожные сигналы ещё на собеседовании, но проигнорировали их. Отбор директоров сломан полностью. 50% директоров проваливаются в первые 18 месяцев. Исследование "Performance for pay?" показало: 10% CEO с самыми высокими зарплатами дали результаты на 12-13% ниже рынка. Театр впечатлений поднимает на вершину идиотов. И вот в эту сломанную систему приходит ИИ, обещая всё исправить. Но реальность показывает обратное. Robert Half (март 2026): 67% HR признают, что AI-generated applications замедляют найм, 84% сообщают об увеличенной рабочей нагрузке. ResumeBuilder (октябрь 2025): 62% работодателей уволили сотрудников, нанятых на основе AI-inflated resumes. Мусор на входе — мусор на выходе. 83-99% компаний используют ATS для первичного отбора. Но ATS отсекают 40-50% кандидатов из-за ошибок настройки. В лучшем случае система извлекает 58% точных данных из резюме. Когда Нью-Йорк потребовал аудит предвзятости ATS, только 5% компаний смогли его пройти. Исследование 2024 года показало: LLM рекомендует резюме с типичными для "белых мужчин" именами, отклоняя идентичные резюме с другими именами. ИИ учится на том, кого отсекают рекрутеры, и усиливает их ошибки. Современные ИИ не исправляют проблему — они её масштабируют. Возникает парадокс самооценки: 75% сотрудников говорят о HR негативно, но 65-70% компаний оценивают рекрутеров позитивно. Система не видит собственной неэффективности, потому что метрики показывают активность, а не результат. Но если посмотреть на эту конструкцию целиком, становится очевидным главное. Мы имеем дело с системой самовоспроизводящейся деградации. Рекрутеры, отобранные по формальным признакам, нанимают таких же людей по нерелевантным критериям. Эти люди, став менеджерами, с вероятностью 82% не обладают навыками управления, но игнорируют тревожные сигналы. Затем они нанимают следующих, используя ИИ, обученный на их же прошлых ошибках. Мусор на входе порождает мусор на выходе, который становится новым эталоном для следующего цикла. Когда решения принимаются с эффективностью подбрасывания монеты, а система обучается на результатах этого подбрасывания, вопрос «зачем платить человеку за то, что делает случайный выбор» теряет смысл. Случайный выбор хотя бы не обладает иллюзией собственной компетентности.