У HR неправильные ответы на вопросы об ИИ, талантах и поиске сотрудников | Ben Eubanks

Ben Eubanks с юности мечтал работать в HR. После многих лет в профессии он перешёл в исследовательскую сферу, отслеживая тренды и авторствуя книги, которые лежат на полках у CHRO. Его первая книга, Artificial Intelligence for HR, стала самым цитируемым источником по этой теме. Вторая, Talent Scarcity, ответила на вопрос, который волновал каждого HR-руководителя: куда делись все работники?

В этом выпуске Xobin Talks #18 Guru задаёт самые острые вопросы. Он выясняет, почему HR-лидеры всё ещё осторожничают с ИИ, что на самом деле означает дефицит талантов с демографической точки зрения, реально ли добиться глобального равенства в оплате труда и что должны делать сорсеры до того, как их работу автоматизируют.

Готовы ли HR-лидеры инвестировать в ИИ или всё ещё сомневаются?

Guru начинает с вопроса, который часто слышит от клиентов Xobin: несмотря на все разговоры об ИИ, многие CHRO и HR-директора по-прежнему осторожничают. Насколько это оправдано?

Ben: «ИИ уже стал частью повседневного найма: компании используют его для поиска кандидатов, отбора резюме, сопоставления людей с вакансиями и оценки потенциальных сотрудников. Но есть и те, кто относится к этому с опаской. Особенно много вопросов возникает из-за правовых требований в разных странах, можно ли использовать ИИ для принятия решений о найме?»

Lighthouse Research ежегодно проводит масштабное исследование в области привлечения талантов. В этом году данные показали интересную тенденцию: часть работодателей заявила, что не будет использовать ИИ в найме. Причины были схожи.

Ben: «Первая причина: мы не хотим заменять людей. Мы хотим, чтобы человек участвовал в принятии решения. Вторая: мы не хотим навредить бренду работодателя, ИИ может сказать или сделать что-то непредсказуемое. Третья: мы не уверены, что ИИ готов справляться даже с базовыми задачами рекрутинга.»

Аналогия с младшим рекрутером

Здесь Ben делает замечание, которое меняет весь фокус обсуждения.

Ben: «Младший рекрутер, которого мы нанимаем в команду, несёт те же риски: он может ошибиться, написать что-то не то, опубликовать неуместный пост, запутаться в процессе или не справиться с задачей. Мы перекладываем все страхи на ИИ, хотя многие из них всегда были связаны с людьми. Мы почему-то требуем от ИИ идеальной работы с первого дня, и это проблема.»

Аналогия проста: ни одна компания не откажется от найма младших рекрутеров из-за риска ошибок. Терпимость к человеческим ошибкам и требование безупречности от алгоритмов, это не рациональная, а эмоциональная позиция. Ben подчёркивает: внедрение ИИ всё равно идёт полным ходом.

Ben: «Многие компании уже используют ИИ как конкурентное преимущество. Мы ожидаем, что разрыв между теми, кто внедряет ИИ, и теми, кто ждёт, будет только расти.»

Согласно отчёту SHRM Talent Trends 2024, три четверти HR-специалистов считают, что ИИ повысит ценность человеческого суждения в найме в ближайшие пять лет (SHRM). Для Ben сейчас важнее не вопрос готовности, а тот разрыв, который уже формируется между компаниями, использующими ИИ, и теми, кто ждёт.

Разные поколения по-разному принимают решения по ИИ?

Guru отмечает, что по данным Xobin большинство резюме, поступающих на платформу, теперь создаются или дорабатываются с помощью генеративного ИИ. Новое поколение кандидатов, «родные» пользователи ИИ, а вот решения о закупке технологий принимают люди, для которых это не так привычно.

Автоматическое предложение, которое шокировало HR-лидеров

Ben: «Когда я рассказываю о применении ИИ, привожу пример Amazon: кандидат подаёт заявку, система читает его образование и опыт, автоматически отправляет тест, кандидат проходит его, и получает предложение по рыночной ставке, без общения с рекрутером или руководителем. Когда я рассказываю это HR-лидерам, они буквально съёживаются от ужаса.»

Эта реакция, по мнению Ben, отражает реальность: для корпоративных позиций полностью автоматизированный отбор не нужен ни кандидатам, ни работодателям. Но она также показывает, что с приходом нового поколения, выросшего с ИИ, отношение к этому будет меняться.

Почему резюме больше не даёт достоверного сигнала

Ben: «Новое исследование показывает: около 70% выпускников вузов используют GPT и генеративные ИИ-инструменты для создания и адаптации резюме под вакансии. Это значит, что отличить кандидатов по резюме становится практически невозможно. Что с этим делать? Нужно менять подход к отбору.»

Решение, не в том, чтобы выявлять и отсеивать ИИ-резюме, а в том, чтобы перестать считать резюме главным источником информации о кандидате. Ben сравнивает это с университетами: они больше не дают задания на дом, ожидая оригинальной работы. Рекрутёры сталкиваются с тем же: если сигнал изменился, должен измениться и способ отбора.

Если большинство резюме теперь создаются ИИ, что это значит для отбора?

Guru задаёт этот вопрос особенно остро, ведь именно для этого существует Xobin. Ответ Ben основан на исследованиях не только работодателей, но и кандидатов.

Ben: «Когда мы спрашиваем кандидатов, они говорят, что предпочитают: просто отправить резюме или отправить резюме и пройти короткий тест по работе? Большинство выбирает второй вариант. Это даёт им понять, что важно для компании, узнать больше о работе и показать свои реальные навыки, а не только умение красиво оформить резюме.»

Это меняет весь разговор об оценке кандидатов. Тесты до найма часто воспринимаются как инструмент для компаний: эффективность, снижение предвзятости, более точный сигнал. Но Ben отмечает: сами кандидаты этого хотят, ведь если все резюме одинаковы, хорошие кандидаты не могут выделиться. Тест по работе даёт им такую возможность.

Почему скорость вывода продукта, не то же самое, что доверие

Для Guru это подтверждает подход Xobin: анализировать резюме, строить целевой тест, проверять, может ли кандидат реально выполнять работу.

Ben: «Я недавно рассказывал этот пример: компания из сферы HR-технологий создала инструмент для автоматической генерации описаний вакансий. На это ушли годы и сотни тысяч долларов. А сейчас любой может сделать то же самое в ChatGPT бесплатно. Всё быстро становится массовым.»

Скорость появления новых решений, реальность, и Guru это ощущает. Ben подчёркивает: быть первым на рынке, не то же самое, что заслужить доверие. Покупатель HR-технологий скорее выберет компанию с репутацией, как у Xobin, чем стартап, появившийся два месяца назад. Конкурентное преимущество, не в новизне, а в доказанной пользе и готовности реагировать на новые задачи.

Что на самом деле вызывает дефицит талантов? Это реальность или просто очередной цикл?

Далее разговор переходит к книге. Guru признаёт: на дефицит талантов нет простого ответа, но ему важна тенденция.

Ben: «Демографы по всему миру говорят: чтобы население сохранялось, нужно примерно 2,3 ребёнка на семью. В последний раз в США этот показатель был 50 лет назад. Сейчас людей просто не хватает, чтобы занять все рабочие места. Пока что решением была иммиграция, но это временно. В какой-то момент другие страны перестанут отдавать своих людей, они понадобятся им самим.»

Данные после записи разговора

С момента записи ситуация только ухудшилась. В 2025 году коэффициент рождаемости в США составил 1,6 ребёнка на женщину (CBO), что значительно ниже порога в 2,1, необходимого для устойчивости рабочей силы. Участие в рабочей силе держалось на уровне 62,4%-62,7% в течение 2025 года и снизилось ещё больше в 2026. Чистая миграция резко упала до примерно 515 000 человек в 2025 году против 2,2 млн в 2024 (Federal Reserve Bank of San Francisco).

Ben: «В Индии сейчас около двух детей на семью, это ниже порога. Да, выше, чем в большинстве развитых стран, но тренд тот же: если показатель падает, он продолжает снижаться.»

Это не циклическая проблема, которая решится с очередным экономическим ростом. Это структурный демографический сдвиг. Автоматизация может компенсировать лишь часть дефицита, меняя количество и типы рабочих мест, но не создавая новых работников.

Когда людей становится меньше, что реально могут делать работодатели?

Ben выделяет два рычага и отмечает, что большинство компаний используют только один из них.

Умнее нанимать или лучше удерживать

Ben: «У нас есть два рычага: мы можем умнее нанимать, тщательнее искать, расширять воронку кандидатов. Или можем удерживать тех, кто уже есть: сохранять сильных сотрудников с нужными знаниями и опытом. И по данным исследований, универсальные подходы не работают ни для найма, ни для удержания.»

Главный вывод Ben: универсальные решения неэффективны ни для рекрутинга, ни для удержания. Но индивидуальный подход требует учитывать множество факторов, что невозможно для одного менеджера. Именно здесь ИИ может помочь, не заменяя суждение, а предоставляя нужную информацию в нужный момент.

Как ИИ выявляет риск ухода сотрудников заранее

Ben: «Одна компания, с которой мы работали, использует алгоритм для прогнозирования увольнений. Он анализирует более сотни сигналов. Если появляются тревожные признаки, система выделяет конкретные факторы: Ben три месяца не встречался с руководителем, последний раз зарплату повышали четыре года назад, последняя оценка эффективности снизилась. Всё это, признаки, что Ben может уйти.»

ИИ не заменяет разговор менеджера с сотрудником. Он помогает вовремя получить нужную информацию, чтобы этот разговор состоялся до того, как станет поздно. Отличные менеджеры делают это интуитивно для тех, на кого обращают внимание. ИИ расширяет эту возможность на всех, кто может тихо «отвалиться» незаметно.

Должны ли таланты получать одинаковую оплату вне зависимости от страны проживания?

Guru задаёт вопрос на основе данных Xobin: почему инженер в Сан-Франциско зарабатывает в пять раз больше, чем такой же инженер в Индии, выполняя ту же работу? И сокращается ли этот разрыв?

Ben: «Равная оплата за равный труд, это важно. Если у вас есть команда в США и, например, на Филиппинах или в Сингапуре, и у них одинаковые навыки и задачи, а платите вы им в разы по-разному, это вызывает вопросы.»

Реальный пример: оплата глобальных сотрудников по местным ставкам

Ben приводит личный пример: в Lighthouse Research администратор из Филиппин Jessa получает зарплату на уровне американских коллег, чтобы она ставила их задачи в приоритет и не уходила к другим.

Ben: «Мы уже применяем такой подход. Но для многих компаний это сложно. Даже в США, когда все ушли на удалёнку, возник вопрос: платить ли меньше тем, кто живёт в регионах с низким уровнем зарплат? Многие решили: нет, пусть будет единая ставка для удалёнки, а где жить, выбор сотрудника. Но почему так не делают для зарубежных команд?»

Однозначного ответа нет, и Ben честно это признаёт. Но Guru подчёркивает: языковые барьеры стираются благодаря LLM, удалёнка стала нормой, а такие платформы, как Xobin, оценивают навыки одинаково вне зависимости от географии. Технически аргументов против равной оплаты всё меньше, но компании пока не спешат менять подход.

Что делать сорсерам и HR-специалистам в начале карьеры до автоматизации их ролей?

Guru отмечает: этот вопрос Ben ещё никто так прямо не задавал. Он даже записывает его перед ответом.

Ben: «Самые ценные навыки, те, которые сложно автоматизировать. Это не только для HR. Сострадание, креативность, критическое мышление, всё это трудно запрограммировать.»

Ben описывает матрицу: одна ось, от работы с людьми к процессам, вторая, от рутинных задач к новым и непредсказуемым. Самые защищённые от автоматизации, задачи на стыке человеческого и непредсказуемого, а самые уязвимые, рутинные процессы.

Строить связи, которые не под силу алгоритму

Ben: «Если ваша сильная сторона, анализ данных и поиск трендов, стоит срочно развивать другие навыки: ИИ уже лучше нас в этом. А вот строить отношения, находить детали в резюме, чтобы начать разговор, это то, что отличает человека от алгоритма, который просто рассылает шаблонные сообщения.»

Он понял это ещё в начале карьеры, когда нанимал инструкторов по вертолётам Blackhawk.

Ben: «Я быстро понял: если разослать однотипное письмо 20 людям, не ответит никто. Нужно персонализировать: 'Mark, увидел, что вы пилотируете воздушный шар, расскажите, это интересно!' или 'Jamie, вы служили в том же подразделении, что и мой знакомый, вы его знаете?' Такие связи алгоритм не построит.»

Почему непредсказуемость, настоящая защита от автоматизации

Ben отмечает и структурную особенность человеческой работы, которую часто недооценивают исследователи ИИ: непредсказуемость.

Ben: «Алгоритмы работают только в структурированных средах: ограниченное число переменных, чёткие правила, понятный результат. А большинство из нас трудится в так называемой 'жёсткой обучающей среде', где обратная связь минимальна, цикл обратной связи может длиться месяцами, и каждая ситуация уникальна. Алгоритм не справится с такой средой.»

Для специалистов на старте или в середине HR-карьеры вывод прост: двигайтесь к непредсказуемому, к человеческому. Ищите ту часть работы, где нужно читать атмосферу, строить отношения, работать с неопределённостью или принимать решения при нехватке информации. Это зона, куда автоматизация ещё долго не проникнет.

О Ben Eubanks

Ben Eubanks, Chief Research Officer в Lighthouse Research and Advisory, исследовательской и консалтинговой компании в сфере управления человеческим капиталом, поддерживающей HR, специалистов по талантам и обучению по всему миру. Он автор Artificial Intelligence for HR, самого цитируемого источника по ИИ в найме, развитии и опыте сотрудников. Его вторая книга, Talent Scarcity: How to Hire and Retain a Shrinking Workforce, посвящена проблеме дефицита рабочей силы.

Ben более десяти лет работал как HR- и рекрутинговый руководитель, а также как исследователь рынка труда. Он ведёт подкаст We're Only Human и выступал перед десятками тысяч HR-специалистов по всему миру. В 2009 году основал HR-сообщество upstartHR, которое помогло более миллиону читателей.

Связаться с Ben через LinkedIn | Организация: Lighthouse Research and Advisory