Новый способ проверки кандидатов
Современные руководители и HR-специалисты всё чаще используют возможности искусственного интеллекта для оценки соискателей. Вместо того чтобы ограничиваться изучением присланного резюме, они задают нейросетям вопросы вроде: «Чем на самом деле занимался этот человек и какие у него есть реальные результаты?»
В ИТ-индустрии такая проверка становится привычной. Это не всегда связано с недоверием к кандидату. Часто это продиктовано дефицитом времени и высокой ценой ошибки: руководителю нужно быстро понять, подтверждается ли заявленный опыт реальными проектами и публикациями в цифровой среде.
Проблема «невидимых» профессионалов
Существует риск, что даже высококлассный специалист может оказаться «невидимым» для ИИ. Если результаты работы остались внутри корпоративных систем, а проекты завершились много лет назад, нейросеть не сможет выстроить связную картину. В открытом доступе могут остаться лишь разрозненные фрагменты: старая конференция или упоминание должности на сайте компании.
Обратная ситуация также встречается часто: человек может мастерски создавать привлекательный цифровой образ, который выглядит значительно сильнее, чем его реальные профессиональные компетенции. ИИ пытается связать разрозненные фрагменты в единую историю, но если связи между ними не очевидны, машина не сможет дать точный ответ.
Почему названия должностей больше не работают
Резюме хорошо описывает формальные данные: образование, последовательность мест работы и даты. Однако оно плохо справляется с задачей оценки реальных способностей. Одинаковые названия должностей могут скрывать совершенно разные задачи. Например, бизнес-аналитик в одном проекте может просто собирать требования, а в другом — выполнять функции архитектора.
Профессиональная сила человека часто заключается не в названии роли, а в способности решать специфические задачи, которые повторяются из проекта в проект. Если убрать из резюме названия компаний и должностей, часто оказывается, что за формальными маркерами не стоит понятной истории о том, что именно человек делал лично и какой результат принес.
От цифрового следа к доказательной карте
Для понимания профессионала важно различать три понятия: цифровой след, профиль и репутацию. Цифровой след — это разрозненные факты (статья, выступление, отзыв). Профиль — это набор сведений на конкретной площадке, который показывает человека через призму задач этой платформы. Репутация же строится на оценках и готовности других людей снова работать с этим специалистом.
Для полноценной оценки не хватает связующего звена — системы, которая объединяет разрозненные факты в единую структуру. Речь идет о создании «доказательной цифровой профессиональной карты» (MAP — Multidimensional Augmented Persona). Это не просто расширенное резюме, а система связей между действиями, результатами и их подтверждениями.
Что это значит
Вместо попыток создать идеальный маркетинговый образ, специалисту необходимо формировать переносимую основу знаний. Такая карта должна четко разграничивать публично доступные данные, материалы для конкретных заказчиков и факты, которые невозможно раскрыть полностью. Это позволяет ИИ и человеку видеть не просто список должностей, а реальную профессиональную историю с подтвержденными результатами.