Человеческая предвзятость или ИИ-предвзятость в найме: что опаснее? | Deepali Jain

Deepali Jain, не апологет ИИ в найме, а гораздо более полезный эксперт: профессионал по привлечению талантов с 15-летним опытом, который искренне не уверен в одном из главных вопросов отрасли, что наносит больший ущерб в процессе найма: человеческая или ИИ-предвзятость. Она открыто говорит о внутреннем конфликте, что встречается гораздо реже, чем должно бы быть.

Её опыт охватывает три континента, четыре ведущие консалтинговые компании и широкий спектр организаций, от глобальных корпораций до семейного бизнеса. Сейчас она входит в консультативный совет Harvard Business Review и помогает руководителям ориентироваться на стыке технологий и человеческого суждения.

В выпуске #25 Xobin Talks ведущий Aman Kumar Tiwari задаёт ей вопросы, которые HR-специалисты чаще обсуждают не публично: что на самом деле означает «умный наём», как управлять ИИ-предвзятостью, которую невозможно полностью увидеть, и как изменится привлечение талантов в ближайшие пять лет.

Как выглядит умный наём в современных компаниях?

Ответ Deepali прозвучал сразу и не начался с технологий.

Deepali: «Наш подход может полностью изменить результат. Технологии и инструменты будут постоянно развиваться, но и нам нужно меняться вместе с ними. Мы должны быть готовы смотреть на вещи по-новому и менять свои методы работы и реакции.»

ИИ как освобождение времени, а не замена людей

Её определение умного найма конкретно: использовать ИИ, чтобы высвободить время, а затем тратить его на задачи, требующие человеческого участия.

Deepali: «Тратьте меньше времени на рутинные задачи и больше, на построение реальных отношений с кандидатами. Я бы предпочла использовать это время, чтобы выстраивать отношения, слушать клиентов и команду, понимать их потребности и помогать решать их задачи. ИИ может нас поддерживать, но, на мой взгляд, ему ещё далеко до того, чтобы заменить человеческую сторону этих взаимодействий.»

Внедрение ИИ среди HR-специалистов выросло с 58% в 2024 году до 72% в 2025 (SQ Magazine), а 93% рекрутеров планируют увеличить использование ИИ в 2026. Темпы внедрения высоки, но Deepali подчёркивает: если использовать ИИ без осознанности, получится только эффективность без улучшения. Важно не просто внедрять ИИ, а понимать, где он приносит пользу и что нужно защищать.

ИИ-предвзятость в найме, лучше или хуже человеческой?

Это центральный вопрос выпуска, и Deepali отвечает на него максимально честно.

Deepali: «Для меня это личный конфликт, и, если честно, я всё ещё ищу ответ. Нам хочется верить, что мы принимаем решения о найме объективно, но на практике это почти никогда не так. Предвзятость может появиться на любом этапе: при написании описания вакансии, поиске кандидатов, отборе резюме, проведении интервью и даже при финальном выборе.»

Человеческая предвзятость всегда была частью найма

Главный исходный тезис: наём всегда был подвержён предвзятости. Формулировка вакансии отражает взгляды автора, отбор, того, кто строил процесс, а интервью, личные установки интервьюера. Это не ново.

Deepali: «С человеческой предвзятостью и так сложно справиться. ИИ иногда может усугубить проблему. По мере того как всё больше компаний внедряют ИИ-инструменты для найма, важно понимать, как эти инструменты создавались и обучались. Данные и алгоритмы, лежащие в основе ИИ, могут влиять на формулировки вакансий и вносить скрытую предвзятость. Та же предвзятость может проявиться при анализе резюме, поиске кандидатов или даже в интервью.»

Более 75% HR-лидеров сегодня считают демографическую предвзятость одной из главных проблем при внедрении новых ИИ-инструментов для привлечения талантов (TechRT). Лишь 26% кандидатов доверяют ИИ в вопросах справедливой оценки, согласно опросу Greenhouse 2026 года среди почти 3 000 соискателей из пяти стран (Greenhouse, 2026).

Проблема прозрачности

Deepali называет главную проблему управления: большинство компаний не понимают, как работают их ИИ-инструменты для найма, а значит, не могут управлять их предвзятостью.

Deepali: «Я не думаю, что эти инструменты показывают нам, как они реально работают. Мы не знаем, на чём они обучались и есть ли в них предвзятость. Поэтому я склонна считать, что у ИИ тоже могут быть свои предубеждения. И тут всё становится сложно. Человеческая предвзятость хуже, чем ИИ, или наоборот? Честно, я не знаю.»

ИИ-инструмент Amazon проявил гендерную предвзятость из-за исторических паттернов найма, а «чёрный ящик» многих алгоритмов не позволяет кандидатам и HR-специалистам понять или оспорить решения. Честность Deepali отражает нерешённую проблему всей отрасли.

Как HR-командам использовать ИИ-инструменты для найма справедливо?

Поскольку ИИ-предвзятость, это спектр, а прозрачность ограничена, Deepali предлагает два практических направления.

Задавайте провайдеру неудобные вопросы

Deepali: «Требуйте от поставщика чётких ответов: какие данные собирает инструмент, как он их использует и что с ними происходит. На каких данных обучался инструмент? Как он реально работает? Это первые фильтры. Даже если выяснится, что инструмент не свободен от предвзятости, это уже важно. Знать, что инструмент предвзят на 80% или на 20%, огромная разница.»

Около 67% организаций уже внедрили аудит справедливости и оценку рисков предвзятости в свои процессы разработки ИИ, а почти три четверти компаний из Fortune 500 используют многосторонние советы по управлению ИИ с участием юристов, технических и этических специалистов (TechRT). Инфраструктура подотчётности развивается, но требовать прозрачности от поставщиков, по-прежнему ключевой шаг, который многие HR-команды упускают.

Используйте оба подхода, но не одинаково для всех

Deepali: «Мы всё ещё учимся, кто принимает более справедливые решения, люди или ИИ. Использование обоих подходов помогает находить баланс. Но это не универсальное решение. Для одних ролей можно минимизировать или исключить вмешательство, для других, наоборот, усилить человеческий фактор, даже если используется инструмент. Нужно выбирать, где применять ИИ, а где, человеческое участие.»

Её подход учитывает тип роли, влияние на бизнес и корпоративную культуру: один и тот же ИИ-инструмент не стоит применять одинаково для найма VP по инженерии и массового подбора специалистов поддержки. Ошибка в найме стоит по-разному, как и объём доступных данных и необходимое человеческое суждение.

Какие навыки понадобятся HR-лидерам для успеха в будущем?

Deepali ссылается на известные исследования WEF о навыках будущего: коммуникация, креативность, адаптивность, но выделяет более специфический вызов для HR.

Deepali: «HR-команды должны использовать ИИ, чтобы упростить ежедневные задачи и повысить эффективность. Вместо страха потерять работу из-за ИИ, стоит смотреть, как он помогает работать умнее и делать больше. Дайте сотрудникам нужные навыки и уверенность в работе с ИИ. Когда люди понимают, как с ним работать, они воспринимают ИИ как помощника, а не угрозу.»

Личный пример лидера

Её совет HR-лидерам прямолинеен: демонстрируйте поведение, которого ждёте от команды.

Deepali: «Делайте это сами. Показывайте пример. Вовлекайте команду. Используйте время, высвобождённое благодаря ИИ, на то, что HR умеет лучше всего: строить отношения, слушать заинтересованных лиц, понимать контекст проблем и решать их совместно и по-человечески.»

Согласно опросу Resume.org 2025 года, примерно треть американских компаний считает, что к концу 2026 года ИИ будет управлять всем процессом найма, а среди тех, кто уже планирует расширять использование ИИ, этот показатель достигает 62% (Resume.org, 2025). Даже если цифры изменятся, ясно одно: ИИ уже берёт на себя рутинные и административные задачи, которые раньше выполняли HR-команды. Остаётся работа по выстраиванию отношений, принятию решений и стратегии, именно туда, по мнению Deepali, стоит вкладываться людям.

Как изменится привлечение талантов в ближайшие пять лет?

Deepali сначала доводит логику до крайности, а затем отходит от неё.

Deepali: «ИИ может взять на себя до 80% задач, которые выполняют рекрутеры в процессе найма. Его можно использовать для написания вакансий, анализа откликов, отбора кандидатов и даже проведения интервью. Технически можно сделать процесс полностью без участия человека, если проявить креативность. Но будет ли это правильным решением? Лично я так не считаю.»

Модель сильных сторон

Её альтернатива не в ностальгии, а в структуре: понять, что лучше всего делает ИИ, а что, человек, и строить процесс, используя сильные стороны каждого.

Deepali: «Мы помогаем людям понять свои сильные стороны и находить роли, где они могут их реализовать. С ИИ то же самое: определяем, что он делает лучше, и отдаём ему эти этапы процесса. А там, где важны человеческий опыт и суждение, подключаем людей. Вместе это делает процесс сильнее, люди и ИИ работают бок о бок, а не вместо друг друга.»

Практически это вопрос проектирования процесса: поэтапно разложить воронку найма, определить, где ИИ даёт надёжные сигналы, а где незаменимо человеческое суждение, и строить рабочий процесс соответственно, корректируя его по мере роста возможностей ИИ и понимания в компании.

Один совет для организаций, начинающих путь к умному найму

Deepali: «Не ждите, начните использовать ИИ уже сегодня.»

Совет однозначен, и отставание уже накапливается. Риски предвзятости и непрозрачности реальны, но те, кто вовлекает ИИ в найм, даже с ошибками, постепенно учатся использовать его лучше. А те, кто остаётся в стороне, этого опыта не получают.

О Deepali Jain

Deepali Jain, член консультативного совета Harvard Business Review, сертифицированный коуч ICF ACC и ментор стартапов с 15-летним опытом в управленческом консалтинге по вопросам человеческого капитала.

Она работала в PwC, Deloitte, Accenture и IBM на трёх континентах и более чем в десяти странах, консультируя крупные компании, малый и средний бизнес и семейные предприятия по вопросам HR-технологий, талантов, лидерства, культуры и организационных трансформаций. Последние пять лет в консалтинге она провела в Deco Group, где занимала позиции Chief of Staff, P&L Leader и руководителя офиса трансформаций.

К ИИ в HR она относится не как сторонник или скептик, а как человек, который 15 лет наблюдает, как отрасль делает предположения об объективности, которые данные постоянно опровергают.

Связаться с Deepali через LinkedIn