Недавно я наткнулся на историю Оскара Ланского, который решил проверить, насколько внимательно сегодня читают резюме.
Он составил CV дата-аналитика, только вместо нормального опыта добавил туда чесание пузиков капибар и анализ их дневного сна. Затем отправил 100 откликов и, по его словам, за неделю получил 40 приглашений.
Сначала я подумал, что это просто удачный байт для соцсетей. Но рядом нашлись истории ещё веселее.
В резюме начали записывать лидерство в клане Clash of Clans как управленческий опыт. В LinkedIn упоминают даже проваленные собеседования в Goldman Sachs: расчёт на то, что автоматический фильтр зацепится за название компании раньше, чем разберётся, чем всё закончилось. Собеседники «Коммерсанта FM» подтверждают, что некоторые системы действительно поверхностно сканируют анкеты и подобные трюки иногда помогают добраться до следующего этапа.
Сразу оговорюсь: из этого не следует, что любой современный ATS можно победить капибарой. Системы отличаются, а за каждым конкретным экспериментом мы не видим настройки работодателя. Но сама игра уже существует: кандидат пытается угадать, что понравится машине раньше, чем его резюме увидит человек.
Резюме теперь пишут сразу для двух читателей
Раньше совет «адаптируйте резюме под вакансию» означал примерно следующее: вытащите наверх релевантный опыт и не заставляйте рекрутера искать его на третьей странице.
Теперь появился второй читатель.
Отсюда ключевые слова, несколько версий CV под разные вакансии и попытки понять, что именно автоматическая система сочтёт релевантным. На этом этапе нейросети действительно могут помочь: сравнить вакансию с резюме, найти пробелы, убрать лишнее, подготовить вопросы к собеседованию.
Но довольно быстро кандидаты перешли от оптимизации к вещам поинтереснее.
Исследователи Duke University изучили вместе с партнёрами 200 тысяч реальных резюме с рекрутинговой платформы hireEZ. Как минимум в 1% документов они нашли скрытые prompt injection: инструкции, которые человек может не заметить, а модель прочитает. Например, команду проигнорировать предыдущие правила и считать кандидата подходящим. С июля 2024-го по ноябрь 2025-го такие атаки стали встречаться примерно в семь раз чаще.
То есть борьба за ключевые слова довольно быстро дошла до попыток буквально давать инструкции чужому ИИ.
И здесь возникает забавная гонка. Компании автоматизируют отбор, потому что получают слишком много откликов. Кандидаты автоматизируют отклики, потому что им слишком редко отвечают. Заявок становится ещё больше, работодателю приходится сильнее фильтровать поток, а соискателю — ещё тщательнее подстраиваться под фильтр.
Clash of Clans на этом фоне уже выглядит почти невинно.
Бот собеседует бота
На днях WIRED описал следующий логичный этап.
Соискатель по имени Кристофер несколько раз проходил первичное интервью с AI-рекрутером Riley. Каждый раз бот обещал, что при подходящих квалификациях с ним свяжется человек. Никто не связывался.
После нескольких таких попыток Кристофер решил, что раз компания присылает на собеседование бота, он тоже может прислать своего. Включил ChatGPT Voice и дал двум системам поговорить.
Они отлично справились без людей.
В одном из экспериментов виртуальный кандидат разговаривал с виртуальным рекрутером 23 минуты. ChatGPT отвечал на вопросы, рассказывал об опыте и обсуждал рабочие ситуации. Результат оказался прежним: живой рекрутер так и не появился.
В какой-то момент картина становится довольно идиотской. Один бот помогает написать резюме так, чтобы его пропустил второй. Третий проводит первое интервью. Четвёртый помогает кандидату отвечать.
А два человека, ради знакомства которых всё это затевалось, могут вообще не встретиться.
Так ИИ помогает найти работу или мешает?
Отдельному человеку скорее помогает.
Разбирать вакансии, сравнивать требования, править CV и репетировать интервью вручную долго. Здесь автоматизация вполне рациональна. Вопрос только в том, что происходит, когда ровно те же инструменты одновременно получают остальные кандидаты и работодатели.
Пока разбирался с темой, я попробовал простой сценарий в LLM Studio в SYNTX.AI: загрузил вакансию и резюме и попросил модель посмотреть на него сначала глазами автоматического скрининга, потом глазами рекрутера. Мне такой вариант нравится больше стандартного «улучши резюме», потому что модель приходится заставить объяснить каждую правку.
Промпт можно взять такой:
Проанализируй вакансию и моё резюме. Сначала оцени соответствие требованиям с точки зрения автоматического скрининга: навыки, терминология, релевантный опыт и возможные пробелы. Затем оцени резюме как рекрутер: что выглядит убедительно, что вызывает вопросы и что стоит переписать. Не добавляй навыки и опыт, которых у меня нет.
Для читателей Хабра в SYNTX.AI действует промокод CTRL AI: скидка 20% на любой тариф.
А история с наймом, кажется, хорошо показывает странную особенность нынешней автоматизации. Каждый участник по отдельности экономит себе время, но вместе они постепенно строят процесс, который приходится всё усерднее обходить.
И если резюме написал один бот, отобрал второй, а первое собеседование провели третий с четвёртым, хочется всё-таки спросить: кого мы в этот момент нанимаем?
Загрузка...
