Несколько месяцев назад кандидат обратилась к автору через LinkedIn. У нее был одиннадцатилетний опыт работы и очень сильное резюме, но за четыре месяца она разослала более 200 заявок и получила всего три собеседования. Она спросила, что делает не так. Автор отвечает, что она ничего не делала не так; она играла в игру, правила которой давно изменились, используя стратегию, подходящую для процесса найма, который перестал работать много лет назад.
Автор провел 11 лет в сфере карьерного консультирования в Индии через Mentoria, работая с более чем 350 тысячами специалистов. Недавно он также занимался разработкой систем искусственного интеллекта со стороны рекрутеров, что позволило ему увидеть, что происходит с заявкой после ее отправки. Именно благодаря этому двойному взгляду автор больше не доверяет большинству советов по поиску работы.
Безработица среди выпускников часто преподносится как проблема навыков, однако данные указывают на более сложную картину. Согласно отчету Университета Азима Премджи, уровень безработицы среди выпускников в возрасте от 15 до 25 лет приближается к 40%, а среди 25–29-летних — около 20%. При этом лишь около 7% выпускников, сообщивших о безработице, находят постоянную работу с зарплатой в течение года.
Между 2004 и 2023 годами в Индии ежегодно появлялось около 5 миллионов выпускников, но только примерно 2,8 миллиона из них смогли найти работу за этот период. Вакансии существуют, но проблема кроется в процессе, который должен соединять квалифицированного человека с рекрутером, и этот процесс сейчас перестраивается с помощью ИИ с обеих сторон одновременно.
Автор опровергает распространенный миф о том, что 75% кандидатов не проходят отбор. Эта цифра связана с маркетинговым заявлением компании 2012 года, которая закрылась на следующий год, и не подтверждается достоверными опубликованными исследованиями. Исследование, проведенное в 2025 году среди 25 рекрутеров на основных платформах ATS, показало, что 92% не настраивают свои системы на автоматический отказ резюме из-за форматирования или отсутствия ключевых слов.
То, что автор наблюдал при разработке систем со стороны рекрутеров, оказалось более обыденным и, честно говоря, сложнее исправить с помощью шаблона резюме. Исследование показало, что 88% работодателей считают, что их собственная технология найма отсеивает квалифицированных людей просто потому, что кандидаты не использовали точные поисковые термины, которые ввел рекрутер. Автор работал с командами по подбору персонала, которые искали среди более чем 500 заявок на одну вакансию. Они делают это не для того, чтобы быть несправедливыми.
Они используют поиск по ключевым словам, поскольку это самый простой метод, который может масштабироваться до такого объема, а при таком объеме хорошие специалисты теряются. Он видел, как это произошло с кандидатом, которого они сопровождали через три смены работы: человек с идеальным опытом был отфильтрован, потому что в его резюме было указано «customer success», а поиск выполнялся по запросу «client success».
Карьерные консультанты годами советовали соискателям расширять круг поиска: подавать заявки на большее количество вакансий, увеличивая шансы на успех. Автор понимает эту потребность, поскольку усилие кажется более безопасным, чем признание того, что проблема в самой системе. Однако общая заявка на пятьдесят вакансий работает хуже в поиске по ключевым словам, чем целенаправленная заявка на пять, поскольку адаптированная версия содержит язык, который ищет система рекрутера. Автор наблюдал это на примере той самой кандидатки. Двести заявок, почти ни одна из которых была адаптирована, и три собеседования. Проблема никогда не заключалась в количестве; она заключалась в точности.
Здесь разговор становится сложнее, чем большинство готовы обсуждать. ИИ теперь позволяет легко генерировать и рассылать гораздо больше заявок, чем мог бы сделать человек вручную за день. Если объем уже был проигрышной стратегией против ручного фильтра по ключевым словам, то объем, ускоренный ИИ, не решает эту проблему. Он просто масштабирует ту же ошибку.
Почтовый ящик рекрутера не становится более избирательным, если вместо пятидесяти идеально подходящих заявок поступает пятьсот технически поданных, плохо соответствующих требованиям. Фактически важным здесь является не то, ручной ли процесс или автоматизированный, а то, оптимизирует ли инструмент точность или объем.
Более интересно, что происходит, когда рекрутеры начинают использовать ИИ. Это вопрос, который автор чаще всего обдумывает в своей работе. Кандидаты — не единственные, кто внедряет ИИ. Рекрутеры и платформы найма все чаще используют ИИ для скрининга резюме, ранжирования и раннего контакта. Таким образом, возникает две автоматизированные системы, одна с каждой стороны одной транзакции, и ни одна из них не была создана с учетом другой. Автор видел, как это выглядит со стороны рекрутера: приложение, составленное ИИ, встречает фильтр, управляемый ИИ, без какого-либо человеческого суждения в процессе, если только кто-то намеренно не спроектировал системы для приоритета реального соответствия над поверхностным совпадением по ключевым словам. Это принципиально другая проблема, нежели «как обойти фильтр», на чем по-прежнему застрял большинство материалов о карьере. Настоящий вопрос заключается в том, что произойдет с наймом, когда обе стороны передадут первый этап машине, а две машины не оптимизируют результат по одному и тому же критерию.
Автор не считает, что решение состоит в отказе от ИИ с какой-либо стороны. Старый процесс уже был слишком объемным и недостаточно соответствующим требованиям для исправления чисто ручным подходом задолго до появления ИИ. Однако автоматизированная гонка вооружений, которая просто производит больше несоответствующих заявок быстрее с обеих сторон, также не является прогрессом. Она просто масштабирует существующее несоответствие.
Кандидаты, которые преуспеют в ближайшие пару лет, будут не теми, кто отправит больше всего заявок — будь то написанных человеком или сгенерированных ИИ. Это будут те, кто будет избирательно использовать ИИ для улучшения соответствия: более точно соответствующие заявки, более прямой доступ к человеку, принимающему решение о найме, и больше времени, потраченного самим кандидатом на задачи, требующие участия человека, такие как подготовка к собеседованию, переговоры и выбор подходящего предложения. Та самая кандидатка, о которой говорилось ранее, изменила свой подход около шести недель назад. Меньше заявок, каждая из которых была построена вокруг роли, которая ей действительно подходила. За месяц она получила два предложения.
Ручной поиск работы испытывает трудности, потому что он был создан для процесса найма, которого больше не существует. Решение заключается не в большей автоматизации по той же сломанной метрике. Оно заключается в инструментах с обеих сторон стола, которые наконец оптимизируются под соответствие, а не под скорость.