Почему резюме не доходит до рекрутера: джуны, мидлы и ИИ

Гораздо важнее, по каким критериям работодатель оценивает соискателей и насколько эти критерии соответствуют реальным задачам будущего сотрудника.

Например, при найме PR-менеджера могут быть принципиально важны опыт взаимодействия со СМИ, понимание работы редакций и умение находить интересные журналистам инфоповоды. Рекрутер в требованиях к кандидату может добавить еще и наличие профильного образования, опыт работы в журналистике и другие критерии. Так, сильный специалист может не пройти первый отбор и без использования ИИ. И это частая практика.

Дополнительная сложность связана с тем, что профессиональные навыки не всегда подкрепляются умением презентовать себя на рынке труда. Специалист может хорошо справляться с рабочими задачами, но испытывать трудности при составлении резюме или прохождении собеседований. В результате работодатель может не увидеть его реальный опыт и навыки. При автоматизированном отборе алгоритм также может не учесть релевантный опыт, если он описан другими словами или не соответствует заданным критериям.

Не советую соискателям пытаться обмануть алгоритмы большим количеством ключевых слов. Гораздо полезнее адаптировать резюме под конкретную вакансию: понятно описывать компетенции, использовать общепринятые профессиональные термины и подкреплять опыт измеримыми результатами. Например, PR-специалисту стоит указать не просто «занимался взаимодействием со СМИ», а рассказать, с какими изданиями работал, какие публикации организовал и каких результатов удалось добиться.

Автоматизированный отбор действительно может создавать дополнительные сложности для кандидатов с нестандартным опытом. И работодателям, на мой взгляд, важно не перекладывать ответственность за найм на технологии. Нейросеть может ускорить обработку откликов, но если компания неправильно определила требования к специалисту, автоматизация лишь позволит быстрее отсеять потенциально подходящих людей. Но и ошибки найма могут быть связаны не только с автоматизацией, иногда — лишь с человеческим фактором.

Да, но с оговорками. Нейросети могут применяться для некоторых ролей, однако исключительно как вспомогательный инструмент. Они не используются для оценки резюме как таковой, их задача — уточнить, задать вопрос в чате про необходимый опыт или конкретные инструменты, которые применялись в работе. В этом вопросе кандидат сам может дополнить своё резюме недостающей информацией. Итоговое решение всё равно принимаю я сама после ручного просмотра.

-насколько часто компании сегодня используют ИИ для первичного отбора кандидатов?
Мне кажется, сейчас это очень популярный инструмент у рекрутеров, особенно при отборе на массовые роли.
Но если говорить именно о моем опыте, первичной отбор с помощью нейросети происходит редко. Чаще всего в работе используются стандартные фильтры, которые уже есть на площадках поиска работы и далее личный отбор резюме.

-может ли сильный специалист не пройти первый этап из-за формулировок в резюме, отсутствия нужных ключевых слов или особенностей алгоритма?
Глобально — да, такое возможно. Нейросеть часто пропускает важные блоки или интерпретирует опыт кандидата не совсем верно. Здесь критически важны чётко сформулированные промты. Однако, благодаря тому, что я просматриваю все резюме вручную, даже те, что были отсортированы нейросетью, — этот риск снижается.

-кого такие системы отсеивают чаще всего — джунов, мидлов или кандидатов с нестандартным опытом?
Я бы не стала делить кандидатов по грейдам. Промт для обработки резюме обычно настраивается на основные требования по вакансии: наличие определённого опыта, владение обязательными инструментами. Затем прописывается критичное отсутствие опыта или инструментов — на основании этого происходит приоритезация резюме. Даже если у кандидата не хватает одного или нескольких навыков, но есть большинство из обязательного пула, это уже является причиной для рассмотрения. Поэтому главное — наличие опыта по основным требованиям роли, а не формальный уровень (джун/мидл).

-что соискателю изменить в резюме, чтобы повысить шансы пройти автоматический отбор?
Важно составлять резюме структурно и с чёткими формулировками своего опыта.
Обязательно указывать инструментарий, который использовался в работе, а при отклике на вакансию внимательно читайте требования к роли. Если требуемый опыт есть, но он не описан в резюме, — важно добавить его, указав корректную информацию о том, где и когда он был получен.

Да, влияние технологий на первичный отбор растет, но важно разделять классическую автоматизацию — ATS, фильтры, поиск по ключевым словам, скоринг — и непосредственно искусственный интеллект.

1. Используете ли вы возможности нейросетей при найме?

Да. В OPEN Group мы используем ИИ в том числе в массовом подборе. Он помогает работать с большим объемом резюме, проводить первичный скрининг, сопоставлять кандидатов с требованиями вакансий, автоматизировать часть рутинных операций.

Но для нас принципиально важно, что ИИ — помощник рекрутера, а не тот, кто принимает окончательное решение о найме. Чем сложнее позиция и чем выше уровень специалиста, тем меньше я бы полагалась исключительно на автоматический отбор.

2. Насколько часто компании сегодня используют ИИ для первичного отбора кандидатов?

Такие инструменты используются все активнее, особенно в крупных компаниях и там, где речь идет о большом количестве откликов. По данным hh.ru, в 2025 году 38% компаний использовали генеративный ИИ для скрининга резюме. При этом автоматизация рекрутмента распространена значительно шире.

Есть еще один важный показатель: 66% работодателей периодически используют фильтры по навыкам при поиске кандидатов. Поэтому даже если компания сама не внедряла отдельную нейросеть, кандидат все равно взаимодействует с алгоритмами уже на уровне работного сайта или ATS.

3. Может ли сильный специалист не пройти первый этап из-за формулировок в резюме, отсутствия ключевых слов или особенностей алгоритма?

Да, такой риск существует. Любая автоматизация работает на основании тех критериев, которые в нее заложены.

Например, человек фактически выполнял функции руководителя проекта, но его должность называлась иначе и соответствующие компетенции нигде явно не указаны. Человек понимает контекст, а алгоритм может просто не увидеть совпадение.

Но здесь я бы не перекладывала всю ответственность на ИИ. Рекрутер при большом количестве откликов делает примерно то же самое: сначала за несколько секунд ищет в резюме признаки соответствия вакансии. Поэтому умение кандидата понятно описать свой опыт было важно и до появления нейросетей.

4. Кого такие системы отсеивают чаще всего — джунов, мидлов или кандидатов с нестандартным опытом?

Наиболее уязвимы, на мой взгляд, кандидаты с нестандартной карьерной траекторией.

Например, человек переходил между индустриями, совмещал несколько функций, вырос внутри компании без изменения названия должности или обладает нужными навыками, но получил их не там, где алгоритм ожидает их увидеть.

У джунов другая проблема: у них просто меньше доказательств профессионального опыта. У мидлов — часто обратная: опыт уже большой, но резюме становится настолько общим, что из него сложно быстро понять конкретную экспертизу человека.

Поэтому проблема скорее не в уровне junior или middle как таковом, а в том, насколько легко опыт кандидата можно корректно «прочитать».

5. Что соискателю изменить в резюме, чтобы повысить вероятность пройти автоматический отбор?

Прежде всего — перестать писать одно универсальное резюме на двадцать разных вакансий.

Я бы советовала посмотреть на требования конкретной позиции и убедиться, что ключевые компетенции, которыми кандидат действительно обладает, прямо отражены в резюме. Не нужно заниматься механическим набиванием ключевых слов — нужно говорить с работодателем на одном профессиональном языке.

Название желаемой позиции должно быть понятным, ключевые навыки — заметными, а опыт лучше описывать через конкретные задачи и результаты: что сделал, в каком масштабе и к какому результату это привело.

И я по-прежнему против резюме, состоящих из «коммуникабельный, ответственный, стрессоустойчивый». Алгоритму это практически ничего не говорит, хорошему рекрутеру — тоже.

6. Есть ли риск, что из-за автоматизации рекрутер вообще не увидит часть подходящих кандидатов?

Безусловно. Это один из главных рисков чрезмерной автоматизации.

У любого алгоритма могут быть ошибки — кандидаты, которых система сочла нерелевантными, хотя при живом рассмотрении они подошли бы компании. Особенно это опасно при слишком жестких критериях отбора.

Поэтому я бы никогда не строила модель, в которой алгоритм окончательно решает судьбу кандидата. Нужно регулярно проверять качество его работы, выборочно смотреть тех, кого система отсеяла, сравнивать машинный и ручной отбор и оставлять рекрутеру возможность изменить решение.

Автоматизация должна сокращать путь рекрутера к сильному кандидату, а не становиться стеной между ними.

И в целом я бы не объясняла сегодняшние сложности джунов и мидлов только развитием ИИ. Нейросети действительно изменили механику поиска работы, но они скорее усилили уже существующую проблему: при огромном количестве откликов и кандидат, и работодатель должны быстрее доказать друг другу свою релевантность. Поэтому сегодня выигрывает не тот, кто научился «обманывать алгоритм», а тот, кто умеет максимально ясно показать свою ценность.