На Хабре опубликована статья IT-специалиста, который начал использовать ИИ для подготовки к собеседованиям и оценки ответов кандидатов. Ожидаемо инструмент помог разбирать резюме и тестовые задания, но неожиданно выявил системные ошибки в поведении самого интервьюера. Автор пришёл к выводу: если вопросы заданы некорректно, собеседование оценивает не столько кандидата, сколько его способность подстроиться под формулировку.
Как ИИ изменил процесс собеседования
Автор использовал ИИ на нескольких этапах. До встречи модель анализировала резюме и тестовое задание, выделяла спорные моменты и предлагала вопросы. После собеседования разбирала расшифровку: сначала оценивала ответы кандидата, затем поведение самого интервьюера.
Именно второй этап оказался наиболее полезным. ИИ замечал, когда автор сам подсказывал ответ формулировкой вопроса, задавал два-три вопроса одновременно, не выдерживал паузу или начинал обучать кандидата до завершения оценки.
Что показал разбор интервьюера
В статье приведён конкретный пример. На одном собеседовании автор спросил: «Если в релиз помещается не всё, как определить, что делать сначала, а что отложить? Какими инструментами вы бы воспользовались?» Кандидат ответил на первую часть про приоритеты, но не упомянул инструменты. Без расшифровки интервьюер мог бы записать: «про инструменты ответил только после уточнения». Однако анализ показал: составной вопрос содержал две мыслительные задачи в одной фразе. Пропуск второй части не обязательно говорит о недостатке знаний — возможно, кандидат просто выбрал одну из двух задач.
ИИ не решил эту неоднозначность за интервьюера, но обратил его внимание на привычку соединять несколько вопросов. Это наблюдение уже не о знаниях кандидата, а о качестве вопроса и надежности вывода из ответа.
Риск закрепления первоначального мнения
Автор отмечает ещё одну проблему: общий контекст проходит через весь цикл — от подготовки вопросов до трактовки ответов. Если модель получает одну и ту же историю кандидата (резюме, тестовое, записи предыдущих встреч с HR), исходное представление может задать направление вопросов, а затем повлиять на оценку неоднозначных ответов.
Чтобы проверить это, автор предлагает эксперимент: дать одной расшифровке три набора сведений — только расшифровку, расшифровку с резюме и полный контекст со всеми встречами. Если добавление контекста систематически сдвигает оценки, гипотеза о закреплении исходного мнения подтвердится.
Ключевые факты
| Что произошло | IT-специалист использовал ИИ для подготовки к собеседованиям и анализа расшифровок |
| Основной вывод | ИИ выявил системные ошибки интервьюера: наводящие вопросы, составные формулировки, недостаток пауз |
| Источник | Статья на Хабре, опубликована 28 июля 2026 года |
| Дополнительный контекст | Упомянуто исследование Invisible Filters: ИИ оценивал расшифровки 100 британских и 100 индийских соискателей; индийские получали более низкие оценки даже после обезличивания |
Что это значит для рынка найма
Для российских рекрутеров и hiring-менеджеров статья — напоминание: ИИ не даёт объективной истины. Он может как выявить привычку интервьюера влиять на ответы, так и закрепить исходное предубеждение, если контекст о кандидате передан модели до оценки.
Для соискателей — дополнительный аргумент записывать и переслушивать свои собеседования (там, где это разрешено). Если вопросы кажутся неудобными или сбивают с толку, возможно, проблема не в компетенциях, а в формулировке.
Исследование Invisible Filters, на которое ссылается автор, показывает, что даже обезличенная расшифровка не устраняет языковые особенности, способные влиять на оценку. Для российского найма это прямой риск: акцент, словарный запас и сложность предложений могут влиять на решение о найме, хотя не связаны с профессиональными навыками.
Что остаётся неясным
Автор не раскрывает, какую именно модель ИИ использовал и настраивал ли он промпты для анализа. Также неясно, проводилось ли описанное в статье систематическое тестирование с разными наборами контекста — пока это лишь предложенный эксперимент. Для российского рынка пока нет аналогичных исследований с участием местных моделей и русскоязычных расшифровок.
Источник: Статья «AI‑driven hiring: я хотел лучше оценивать кандидатов, а ИИ начал оценивать меня» на Хабре — https://habr.com/ru/articles/1064206/
Datos clave
| Punto | Detalle |
|---|---|
| Fuente | Хабр |
| Fecha | 2026-07-28T21:01:36+00:00 |
| Tema | AI‑driven hiring: я хотел лучше оценивать кандидатов, а ИИ начал оценивать меня |
