В “Сетке” попалась инструкция для рекрутеров, как с помощью нейросети сократить время на просмотр резюме. Автор предлагает промпт для быстрого отбора кандидатов.

Схема нехитрая. Рекрутер задает критерии, загружает резюме, а нейросеть выставляет баллы, отмечает сильные стороны и риски, затем выносит вердикт: “Пригласить”, “Отказать” или “Сомнительно, уточнить на созвоне”. То есть ИИ поручают не просто обработку информации, а оценку профессиональной пригодности кандидатов.

Давайте посмотрим, как это работает.

Для оценки B2B-продавца предлагается всего два критерия: опыт переговоров с ЛПР и проведения встреч, а также владение CRM и ведение воронки продаж. Каждый оценивается по шкале от 0 до 5 баллов.

Если в резюме не упоминается CRM, нет описания клиентских встреч или результаты указаны без фактов, ИИ должен вывести предупреждение “Нет подтверждения реальных навыков”.

А теперь хотелось бы понять, по каким правилам выставляются баллы. За что кандидат получает два, а за что пять? Как учитываются сложность переговоров, уровень ЛПР, стоимость сделок, достигнутые результаты? В инструкции об этом ни слова. Не определены и условия, при которых ИИ должен рекомендовать отказ или приглашение. Возможно, нейросеть будет ставить пять баллов за нужное упоминание и ноль за его отсутствие. А возможно, придумает собственные правила для промежуточных оценок.

Допустим, кандидат описал крупные B2B-контракты, привел результаты продаж, но ничего не написал о клиентских встречах. Сколько баллов он получит за переговорные навыки? Отсутствие сведений в резюме еще не свидетельствует об отсутствии компетенции. Отметить, что информации недостаточно, вполне разумно. Но как это должно влиять на оценку и итоговый вердикт? Ответа нет.

Бесполезный эксперимент

Автор взяла резюме HR-директора, оценила его по требованиям к B2B-продавцу и получила низкий балл с рекомендацией отказать. Представляете, нейросеть обнаружила, что в резюме HR-директора нет необходимых подтверждений квалификации B2B-продавца! Правда, каким образом это подтверждает качество предложенной методики отбора, не очень понятно.

Для проверки стоило бы взять резюме специалистов с релевантным опытом, но разным уровнем квалификации и разным способом описания достижений. Затем сравнить выводы ИИ с результатами профессиональной оценки ручками. Сколько сильных кандидатов система ошибочно относит к слабым? Насколько устойчивы ее оценки при повторных проверках?

Персональные данные

Чтобы соблюсти 152-ФЗ, автор рекомендует удалить из резюме ФИО, телефон и email. Но персональные данные этим не ограничиваются. По сочетанию работодателей, должностей, периодов работы и профессиональных достижений человека иногда вполне можно идентифицировать. Удаление контактов само по себе не гарантирует обезличивания. А передача таких сведений стороннему ИИ-сервису требует проверки правовых оснований и условий обработки данных. Довольно смелый совет для инструкции, которую автор предлагает массово использовать рекрутерам.

Быстрее не значит лучше

Автор обещает ускорить подбор в разы. Допустим, сто резюме рекрутер обработает за минуты вместо часов. А сколько подходящих кандидатов он при этом потеряет? Кто это проверял? Ошибочно отклоненные специалисты даже не попадут на собеседование. Работодатель не узнает, что среди них могли быть люди, способные решить его задачи.

Такой промпт - это не методика профессиональной оценки. Такая десятибалльная шкала не становится объективной только потому, что баллы выставляет нейросеть.

Что особенно прискорбно: предлагающие подобные инструменты люди ежедневно принимают решения, влияющие на чужие карьеры, доходы и возможности трудоустройства.

И если рекрутер не понимает разницы между набором критериев и полноценной методикой оценки, но уже готов доверить нейросети рекомендацию об отказе, возникает вопрос к его собственной профессиональной квалификации.

Иероним Босх. «Извлечение камня глупости». Начало XVI века. Музей Прадо, Мадрид.

#рекрутинг #искусственныйинтеллект #подборперсонала #HR #рыноктруд