🙅‍♂️ AI в найме: кто окажется за бортом?

30% компаний в Австралии и 42% по миру уже используют AI в рекрутинге.
Красиво звучит: экономия времени, лучшие кандидаты, приятный опыт для соискателя.

Но есть нюанс.
Алгоритмы учатся не на вакууме, а на данных - и вот тут начинаются проблемы.

Недавнее исследование Натали Ширд из Мельбурнского университета в Австралии, показало тревожные тенденции:

🔵Eсли в модель загружают данные только о “звёздных сотрудниках”, то она просто воспроизводит старые предвзятости: женщины, люди с акцентом, кандидаты с инвалидностью получают минус ещё до старта.

🔵Даже без явных “запрещённых” полей, система угадывает их через косвенные признаки:
– пробелы в резюме = женщины после декрета или пожилые кандидаты,
– скорость теста = физические возможности,
– университет или район = социальный класс.

Если компании хотят, чтобы AI работал за них, а не против людей, нужно:
🟠требовать прозрачности: на каких данных обучена система, как она принимает решения,
🟠проверять системы на акцент, возраст, инвалидность и другие чувствительные параметры,
🟠регулирование, обязательный human oversight, обратная связь кандидатам.

✅ Вывод
AI в рекрутинге — это не просто «новая кнопка» в HR-инструментах, а системное изменение логики отбора кандидатов. Его внедрение может ускорить процессы, повысить точность и улучшить опыт соискателей, но при этом несёт риск масштабировать и закреплять старые предвзятости.

Для HR-экспертов важно понимать: алгоритмы не нейтральны. Они воспроизводят ту реальность, на которой обучаются. Если в данных исторически меньше женщин на руководящих позициях или есть культурные перекосы в сторону определённых университетов, AI лишь усилит этот эффект и «законсервирует» его.

Поэтому ключевая задача HR сегодня — балансировать технологичность и этичность:
🟢требовать прозрачности от провайдеров решений,
🟢внедрять механизмы проверки на bias,
🟢сохранять за человеком право финального решения.