75% резюме отсеиваются ИИ до рекрутера из-за ATS-алгоритмов

Примерно 75% резюме кандидатов отсеиваются автоматизированными системами еще до того, как они попадают на рассмотрение к рекрутеру. Основная причина такого высокого показателя отказов кроется в особенностях работы алгоритмов Applicant Tracking System (ATS), которые не всегда способны корректно интерпретировать данные в документах соискателей.

Природа автоматических отказов

Проблема заключается не только в отсутствии ключевых слов или использовании устаревших форматов подачи информации. Системы найма на базе ИИ опираются на строгие правила парсинга — процесса извлечения и структурирования данных из текста. Технически это выглядит как жесткая привязка к определенным шаблонам ввода: если данные кандидата не попадают в заданную структуру или представлены нестандартно, алгоритм просто «не видит» значимый опыт.

Проще говоря, программное обеспечение для отслеживания соискателей работает как фильтр с узким диапазоном настроек. Если пользователь применяет нетипичную терминологию для описания профессиональных навыков или выбирает нестандартную структуру документа, система может классифицировать его как неподходящего специалиста, даже при реальном соответствии требованиям вакансии.

Технические барьеры и интерпретация контекста

Основную сложность вызывает то, как именно ИИ парсит и категоризирует информацию. Эти системы регулярно допускают ошибки при попытке обработать контекст, особенно когда речь заходит о достижениях или описании зоны ответственности, не укладывающихся в стандартные категории. Например, описание управленческого опыта или специфических проектных задач может быть проигнорировано алгоритмом, если в резюме отсутствуют строго предопределенные «маркеры», которые система ожидает встретить согласно заданной логике.

Если коротко, ATS-системы ориентированы на поиск точных соответствий. Любое расхождение в формулировках между текстом вакансии и содержанием резюме — даже если по смыслу они идентичны — может привести к автоматической дисквалификации. На практике это значит, что даже высококвалифицированный специалист рискует получить отказ из-за мелких огрехов в верстке или из-за использования синонимов, которые не прописаны в базе правил алгоритма.

Адаптация под алгоритмы

Чтобы повысить вероятность прохождения через автоматический фильтр, соискателям рекомендуется придерживаться стратегии максимальной унификации контента. Это включает использование общепринятых профессиональных формулировок, четкое соответствие ключевым словам, указанным в описании вакансии, и отказ от сложного визуального оформления. Различные графические элементы, таблицы и сложные макеты часто вызывают сбои при автоматическом парсинге, что делает документ «нечитаемым» для системы.

Хотя внедрение ИИ в HR-процессы направлено на ускорение обработки тысяч заявок, это создает дополнительные барьеры для кандидатов. Теперь для успешного прохождения первичного отбора профессионалы вынуждены адаптировать свои достижения под жесткие технические требования, балансируя между качественным описанием опыта для человека и алгоритмической «понятностью» для системы отбора.