AI не поможет с наймом. Если его неправильно использовать.

Последний месяц я довольно много времени провёл в LinkedIn. Изучал, как компании нанимают руководителей в продукт, технологии и AI.

Вакансии стали длиннее, к процессу прикрутили алгоритмы, но сам найм до сих пор устроен примитивно.

Компания ищет человека, который должен определить стратегию, собрать команду, перестроить процессы и отвечать за результат. При этом из вакансии часто невозможно понять, кому он будет подчиняться, чем сможет распоряжаться самостоятельно, есть ли у него бюджет и кто вправе отменять его решения. Иногда не называют даже саму компанию.

От кандидата сразу хотят резюме, телефон, зарплатные ожидания и подробную историю работы. То есть кандидат должен раскрыться ещё до того, как сможет понять, существует ли в компании та работа, которую ему предлагают.

И дело не только в том, что это невежливо. Без описания полномочий сама вакансия толком ничего не означает. Один Head of AI получает бюджет, команду и право выбирать, что строить. Другой ходит по департаментам, собирает пожелания и отвечает за внедрение решений, которые не может ни выбрать, ни остановить. Название должности одинаковое, а работа совершенно разная.

Когда содержание роли туманно, найм превращается в трату времени обеих сторон.

О, вы работали в Google DeepMind? Отлично, нам как раз нужен VP of Applied AI.

Камон.

Человек пять лет оптимизировал исполнение кода для обучения моделей на специфичной облачной инфраструктуре. Это серьёзная инженерная работа. Возможно, выдающаяся. Но она ничего не говорит о том, умеет ли он находить применение AI в бизнесе, считать экономический эффект, менять существующие процессы, работать с пользователями, compliance и legacy. И уж тем более из неё не следует, что он сможет собрать applied AI-команду, которая будет выпускать работающие продукты, а не технические документы.

Нанимать его руководить прикладным AI только из-за DeepMind — примерно то же самое, что поручить инженеру Formula 1 управление городской службой такси. Он действительно разбирается в автомобилях. Просто перед ним будет совсем другая задача.

Модель прочитает тысячу резюме, найдёт знакомые названия компаний, сопоставит термины и объяснит, почему один кандидат подходит лучше другого. Если ей поручили искать биографию, похожую на заранее выбранный образец, она честно найдёт самую похожую.

Но она не спросит, правильно ли описана роль. Почему человек отвечает за adoption, не управляя бюджетом? Почему результат Head of Product зависит от нескольких департаментов, которые ему не подчиняются? Почему работа в исследовательской лаборатории считается доказательством способности построить коммерческий продукт?

Эти вопросы должен был задать тот, кто создавал вакансию и процесс отбора. Если он этого не сделал, AI ничего не исправит. Ошибки останутся прежними — просто совершать их теперь можно быстрее.

Сначала всё-таки придётся нормально описать работу. После этого модели действительно пригодятся: они смогут исследовать опыт кандидатов, проверять факты и замечать связи, которые человек мог пропустить.

Рекрутеры, которые это понимают, ищут не через размещение вакансии, а сарафаном и охотой за головами.