ИИ-резюме для рекрутеров стали проблемой заметнее, чем дефицит квалифицированных кандидатов: 33% специалистов по найму назвали чрезмерно отполированные нейросетями анкеты главным источником рабочего стресса. Для российских IT-команд это знакомый сигнал: генеративный ИИ ускоряет подготовку откликов, но одновременно делает резюме хуже пригодными для оценки реального опыта.
Такие данные приводит компания Employ в отчёте Recruiter Nation Report 2026, о котором сообщает ZDNet. Employ владеет HR-платформами Lever, Jobvite и JazzHR; исследование Zogby Analytics по её заказу провело в августе 2026 года. По словам гендиректора Employ Джерри Джао, кандидаты всё лучше формулируют запросы к ИИ, а итоговые документы становятся настолько вылизанными и похожими, что рекрутеру трудно понять, где заканчивается опыт человека и начинается работа языковой модели.
Это заметный разворот для индустрии. Почти 19 лет в исследованиях Recruiter Nation главной болью рекрутеров считалась нехватка подходящих соискателей. Теперь кандидатов стало проще привлекать и проще подаваться на вакансии: достаточно адаптировать профиль, сгенерировать сопроводительное письмо и отправить отклик. В результате воронка наполняется не обязательно более сильными специалистами, а более аккуратно упакованными профилями.
В первую очередь страдают вакансии, где опыт трудно проверить по формальным признакам: разработка, аналитика, продуктовые роли, инженерный менеджмент. Резюме может убедительно перечислять Kubernetes, LLM, A/B-тесты и запуск продуктов, но не объяснять, какую архитектурную проблему человек решал, почему выбрал конкретный компромисс и что произошло после релиза. Для hiring manager это означает больше интервью и технических проверок на одну закрытую позицию, а не обещанную ИИ экономию времени.
Меньше рутины, больше проверки
Парадокс в том, что сами HR-команды активно используют ИИ. По данным отчёта, 68% рекрутеров применяют нейросетевые функции вместе с системами подбора, а 66% считают, что технологии облегчили их работу. Автоматизация помогает с повторяющимися задачами: сортировкой заявок, подготовкой коммуникаций, поиском по базе кандидатов и организационными деталями процесса.
Общий уровень напряжения у рекрутеров действительно снижается второй год подряд. В 2026 году 36% опрошенных сказали, что их работа стала стрессовее, чем годом ранее; год назад так ответили 45%, а в 2024-м — 54%. Но это не означает, что ИИ освободил HR от сложной работы. Менее 20% респондентов сообщили, что больше половины их времени действительно переместилось от административных задач к задачам с более высокой ценностью.
Причина проста: освобождённые часы съедает верификация. Чем легче соискателю создать десятки адаптированных откликов, тем дороже становится ручная оценка мотивации, опыта и уровня владения инструментами. Джао формулирует это без особой магии: ИИ способен снять часть однообразной работы, но думать за людей не начал. ИИ-резюме для рекрутеров превращаются в фильтр, который сам требует дополнительного фильтра.
Отдельная зона риска — откровенный обман. О подтверждённом мошенничестве со стороны кандидатов с применением ИИ сообщили 27% организаций против 23% в 2025 году. Среди команд, столкнувшихся с подтверждёнными или предполагаемыми случаями, половина оценила число подозрительных заявок более чем в 50. Речь может идти не только о выдуманном опыте: нейросети позволяют правдоподобно достраивать проекты, усиливать уровень ответственности и маскировать слабое владение языком или предметной областью.
Что меняется в IT-найме
Компании не отказываются от автоматизации, а перестраивают её применение. Среди организаций, которые увеличивают расходы на технологии рекрутинга, 40% ставят в приоритет инструменты для анализа и оценки интервью, 33% — скрининг, 31% — оценку кандидатов и аналитику по ним. Это логичная реакция на поток однотипных заявок: ценность смещается от красивого документа к данным из разговора, практического задания и проверки реальных кейсов.
Для работодателей это аргумент не слепо ужесточать фильтры по ключевым словам. Иначе ATS и генеративный ИИ начнут соревноваться друг с другом за идеально подобранные формулировки, а сильный инженер с неблестящим резюме останется за бортом. Полезнее заранее определить несколько проверяемых сигналов для каждой роли: вклад кандидата в конкретный релиз, ограничения проекта, метрики до и после изменений, способность разобрать собственное решение и спокойно признать неудачу.
Кандидатам, в свою очередь, не стоит воспринимать нейросеть как автора биографии. ИИ может помочь убрать повторы, привести опыт к требованиям вакансии и заметить неясные формулировки. Но придуманные цифры, чужие технологии и универсальные сопроводительные письма обычно выявляются на первом содержательном разговоре. Хорошее резюме в 2026 году — не самое гладкое, а то, после которого можно уверенно и предметно рассказать о каждой строке.
Ещё один признак возврата к личной проверке — онбординг. 43% компаний рассчитывают оформлять большинство новых сотрудников полностью очно, тогда как годом ранее таких было 36%. Доля гибридного онбординга, напротив, снизилась с 55% до 40%. Это не отменяет удалённый найм, но показывает желание работодателей раньше удостовериться, что перед ними именно тот специалист, которого они оценивали в процессе.
Следующий этап гонки будет не про запрет генеративных инструментов, а про доверие к сигналам в найме. Компании, которые научатся сочетать автоматизацию с короткими, содержательными проверками навыков, выиграют у тех, кто просто добавит ещё один фильтр в ATS. Полные результаты исследования и комментарий Джерри Джао можно сверить в материале .