Тридцать восемь процентов американских соискателей хотя бы раз выходили из процесса найма именно потому, что он включал интервью с ИИ. Ещё 12% говорят, что сделали бы это, будь такое интервью обязательным. Половина вашего пула кандидатов, по собственной трактовке отчёта, либо уже уходит, либо готова уйти (Greenhouse 2026 Candidate AI Interview Report).
Очевидный вывод — что кандидаты настроились против автоматизированного скрининга. Тот же набор данных это опровергает. На вопрос о том, чего они хотят дальше, лишь 19% американских кандидатов ответили, что хотят меньше ИИ, чем уже есть. Одна эта цифра меняет смысл показателя отказов — и стоимость его исправления.
Отказ — это не референдум об ИИ
Greenhouse опросила 2 950 активных соискателей в США, Великобритании, Ирландии, Германии и Австралии. Столкновение с технологией стало нормой, а не эксперимент: 63% американских кандидатов проходили интервью с ИИ за последние двенадцать месяцев — рост на 12 процентных пунктов за полгода.
Если бы отказы следовали за уровнем применения ИИ, самое сильное сопротивление было бы на рынках с наибольшим его использованием. Этого не наблюдается, по крайней мере однозначно. У Германии самый высокий международный уровень применения — 57% — и самая высокая доля отказов среди всех рынков, 42%. У Ирландии самый низкий уровень, 36%, — и главной причиной отказа там является отсутствие уведомления, что согласуется с тем, что лишь 9% ирландских кандидатов были заранее и чётко предупреждены об использовании ИИ.
Есть и второй тест, отделяющий неприятие машин от неприятия вашего процесса. Greenhouse спросила кандидатов, казалось ли им, что их оценивали иначе из-за личной характеристики — у ИИ и у интервьюеров-людей. Ответы почти совпадают: возраст отметили 36% в случае ИИ и 36% в случае людей, этническое происхождение — 27% в обоих случаях, пол — 24% против 26%. По внешности кандидаты сочли ИИ менее предвзятым, чем людей: 21% против 28%. Кандидаты не приписывают алгоритму какое-то особое предубеждение.
Посмотрите, чего американские кандидаты хотят вместо нынешнего устройства, и картина проясняется дальше: 22% хотят больше ИИ при более сильном человеческом контроле, 21% — того же уровня при большей прозрачности, 19% — меньше ИИ, и лишь 12% — больше ИИ на том основании, что он делает найм быстрее и справедливее. На всех пяти рынках последний вариант никогда не превышает 14%. Преобладающая позиция — не отступление. Это тот же объём машины, но с приставленным к нему человеком.
Кандидаты уходят от интервью с ИИ без человека, а не от автоматизации
Причины отказа в данных Greenhouse конкретны, и они не сводятся к «компания использовала ИИ».
Самая весомая из них — предварительно записанное видеоинтервью, оцениваемое ИИ без всякого присутствия человека: 33%. Далее: компании не раскрывают, как будет использован ИИ (27%), наблюдение средствами ИИ (26%), обязательное интервью под управлением ИИ (26%) и невозможность понять, говорят ли они с человеком или с машиной (20%).
Три из этих пяти причин — об отсутствии человека или об отсутствии объяснения. Лишь одна — обязательное интервью под управлением ИИ — об автоматизации как таковой.
Названные кандидатами способы исправить это точно совпадают. Главный запрос в США — возможность попросить вместо этого интервью с человеком (46%), затем предупреждение заранее об участии ИИ (44%), ясное объяснение того, что ИИ измеряет (39%), и уверенность, что человек проверяет оценку ИИ до решения (38%). Вариант с человеческим интервью — мера доверия номер один на каждом изученном рынке без исключения, от 41% в Германии до 49% в Ирландии. А 59% американских кандидатов хотят живого разговора с рекрутером-человеком в качестве первого контакта с компанией; 12% предпочитают живое интервью под управлением ИИ (Greenhouse, 2026).
Пустой стул — вот дефект продукта. Автоматизация — нет.
Контраргумент: заявленное предпочтение ничего не стоит
Разумный Head of Operations должен здесь возразить. Респонденты опросов говорят, что ценят человеческую проверку, потому что сказать это бесплатно. Фактическое поведение — другое дело, и «я бы вышел» не равно выходу.
Это возражение проверяли напрямую, и оно не выдерживает. Предрегистрированный conjoint-эксперимент поставил 1 919 американских соискателей перед восемью принудительными выборами каждого между системами ИИ-скрининга — всего 30 704 профиля — с независимой рандомизацией шести атрибутов: полномочие решения, уровень ошибок, объяснение, право отказа, апелляция и независимый аудит предвзятости (Wang, Sturgis & de Kadt, 2026).
Участие человека сдвинуло заявленный выбор на +0,272 по вероятности выбора профиля. Снижение доли ошибочных отказов системы с 30% до 10% сдвинуло его на +0,285. Разрыв между этими двумя величинами статистически неотличим от нуля. Прямо говоря: поставить человека в контур купило примерно столько же готовности кандидата, сколько троекратное повышение точности системы.
Для сравнения, процедурные гарантии, которыми козыряет большинство поставщиков, оказались существенно ниже: апелляция +0,156, право отказа +0,129, объяснение +0,128, независимый аудит предвзятости +0,068.
Более острый вывод авторов — тот, на котором стоит задержаться. Ценность, которую кандидаты придавали апелляции, праву отказа и аудиту предвзятости, не выросла по мере того, как ошибочные отказы становились чаще: каждая осталась внутри предрегистрированной границы эквивалентности. Процедуру ценят не как страховку от ошибки. Её ценят саму по себе, а значит, повышение точности вашей модели её не заменяет.
Честные ограничения
Conjoint измеряет заявленный выбор в задаче с принудительным выбором, а не реально отправленные заявки. Сами авторы отмечают, что намерение подать заявку (3,24 по пятибалльной шкале) оказалось заметно выше воспринимаемой легитимности (2,85), и что 7,8% респондентов совмещали легитимность ниже середины шкалы с намерением подать заявку выше середины — люди подают заявки в процессы, которые считают нелегитимными. Поэтому объём заявок — плохой инструмент для измерения этого. Greenhouse — исследование вендора с коммерческим интересом в ответе, и американская подвыборка в нём не выделена. Оба источника указывают в одну сторону; ни один не является чистой причинной оценкой потерь в воронке.
Прозрачность ремонтирует сторону кандидата. Решение она не ремонтирует.
Именно здесь большинство реакций на эти данные ошибается. Интуитивное исправление — раскрыть, что оценивает ИИ, — работает, и работает ровно на одной стороне сделки.
Восемь исследований, опубликованных в Information Systems Research, включая два основных эксперимента и квазиполевую репликацию, показали, что алгоритмическая оценка односторонних видеоинтервью повышала стресс кандидатов и обманчивое управление впечатлением по сравнению с человеческой оценкой, и что объяснение кандидатам того, как алгоритм их оценивает, возвращало оба явления к уровню интервью с человеком (Lakhiwal, Liu, Bala & Suen, 2026).
Неудобен результат со стороны работодателя. В конфигурациях с ИИ-поддержкой — когда людям, принимающим решение, показывали оценку ИИ — оценщики якорились на этой оценке и обесценивали собственное суждение, хотя сама оценка не могла отличить честные ответы от обманчивых. Корректирующий эффект прозрачности на стороне оценщика оказался ограниченным.
Итак, раскрытие выкупает поведение кандидата, но не выкупает качество решения. Это два отдельных ремонта, требующих двух отдельных изменений, и объявление о первом ничего не делает для второго. (Полный текст платный, а опубликованная аннотация указывает направления, а не величины, — считайте это направлением эффекта, не количеством.)
Как потеря выглядит ниже по воронке
Доля отказов — видимая часть издержек. Более тихая — то, что происходит с кандидатами, которые остаются.
Из тех, кто прошёл интервью с ИИ, 51% не получили никакого результата: 38% не получили ответа вовсе, 13% всё ещё ждут. Дальше прошли лишь 28% (Greenhouse, 2026). Это не проблема ИИ — это процесс, которому никогда не выделяли ресурсов на закрытие цикла, а теперь он работает на машинной пропускной способности. Независимое исследование помещает ту же тенденцию на более длинную базу: доля соискателей, оценивающих свой опыт как отличный, упала до 11% в 2026 году с 18% в 2023-м — в период растущих вложений в технологии найма, при том что менее одного из десяти кандидатов никогда не оставались без ответа (PeopleScout, 2026).
Доверие оценивается соответственно. Лишь 21% американских кандидатов считают, что большинство работодателей применяют ИИ ответственно и прозрачно, а на всех пяти рынках от 63% до 70% так не считают. Пятьдесят семь процентов полагают, что компании должны быть юридически обязаны раскрывать использование ИИ при оценке кандидатов, — а такая группа в итоге обычно получает то, что требует (Greenhouse, 2026).
Эффект для бренда ближе, чем подсказывают заголовки, и это стратегически интересная часть: в США 38% кандидатов стали относиться к работодателю лучше после интервью с ИИ против 34%, у которых отношение ухудшилось, — сальдо +4. В Великобритании сальдо −20. Та же технология, другая конфигурация, противоположный результат. Разброс — во внедрении, а не в инструменте.
Что изменить в этом квартале
Если ваш этап интервью с ИИ обосновывался сэкономленными часами скрининга, бизнес-кейс нужно пересчитать против воронки, которая отсеивает себя сама уже на входе. Четыре шага, по возрастанию стоимости:
- Раскрывайте до этапа, а не во время него. Скажите прямо, в приглашении, что ИИ участвует и на что он смотрит. Это запрос 44%, это правка шаблона, и это же тот рычаг, который по данным работы в ISR снижает обманчивые ответы — то есть одновременно улучшает качество вашего сигнала.
- Предлагайте путь к человеческому интервью по запросу. Запрос 46% и мера номер один по рейтингу на всех пяти рынках. Вы предлагаете его не всем, а той доле, которая иначе уйдёт. Оцените его против стоимости замены этих кандидатов в пайплайне.
- Пусть проверяющие оценят запись до того, как увидят оценку ИИ. Эффект якорения работает только если число приходит первым. Это изменение последовательности в вашем рабочем процессе, а не решение о закупке, и это единственный из четырёх шагов, который защищает качество решения, а не опыт кандидата.
- Держите раскрытие и человеческое решение в записи. Если вы собираетесь утверждать, что человек проверил оценку, это утверждение должно быть проверяемым, а не просто заявленным: что система раскрывает, какой поставщик обрабатывал данные и человеческое решение, зафиксированное по каждому найму, — это то, что платформа либо публикует, либо нет. Те 57%, что требуют обязательного раскрытия, описывают направление ветра.
Обратите внимание, чего в этом списке нет: смены поставщика, сокращения автоматизации или возврата к ручному скринингу. Этого требуют лишь 19% ваших кандидатов.
Интервью с ИИ не стоило вам этих соискателей. Их стоил отсутствующий человек. Прежде чем утвердить ещё одну статью расходов на автоматизацию скрининга в этом квартале, выясните, какова ваша собственная доля отказов на этом этапе, — потому что сейчас она почти наверняка учитывается как отсутствие интереса.