Ще кілька років тому якість резюме, тестового завдання та відповідей на співбесіді досить багато говорила про рівень кандидата. Сьогодні ці сигнали стали менш надійними.
AI може адаптувати резюме під вакансію, підготувати кандидата до типових запитань, допомогти з тестовим завданням і сформулювати переконливе пояснення майже будь-якого рішення. У результаті люди дедалі краще проходять відбір, але це не завжди означає, що вони краще готові до реальної роботи.
Резюме може бути бездоганним. Тестове завдання — добре структурованим. Відповіді — впевненими й професійними. Проблеми починаються тоді, коли кандидату ставлять несподіване уточнювальне запитання, змінюють одну умову або просять пояснити, чому він обрав саме такий підхід. Саме в цей момент стає помітною різниця між людиною, яка використала AI як інструмент, і людиною, яка фактично передала йому відповідальність за результат.
Проблема не в самому використанні AI. Сильні спеціалісти також активно ним користуються. Але сильний кандидат перевіряє отриману відповідь, бачить її обмеження та може захистити власне рішення. Слабший часто приймає переконливо сформульований результат за правильний.
Тому головне питання сучасного відбору звучить уже не так: «Чи виконав кандидат завдання самостійно?». Важливіше запитати: «Чи розуміє кандидат результат настільки добре, щоб відповідати за нього після виходу на роботу?»
AI покращив тестові завдання, але не обов’язково кандидатів
Забороняти AI під час тестового завдання дедалі менш логічно. Після найму людина все одно використовуватиме ChatGPT, Copilot або інші інструменти, якщо компанія це дозволяє.
За результатами Stack Overflow Developer Survey 2025, 84% опитаних розробників уже використовують AI-інструменти або планують почати. Понад половина професійних розробників застосовує їх щодня.
Тому використання AI саме по собі вже майже нічого не говорить про рівень кандидата.
Проблема в іншому: завдяки AI люди з дуже різним досвідом можуть принести зовні схожі результати. І junior, і senior здатні підготувати акуратне тестове завдання з документацією, поясненнями та презентацією.
Різниця проявляється не в тому, наскільки красиво оформлений результат, а в тому, що відбувається після його презентації.
- Чи може кандидат назвати слабкі місця власного рішення?
- Чи бачить він сценарії, які не були враховані?
- Чи може пояснити свої рішення простими словами?
- Чи розуміє, що потрібно буде змінити, якщо умови завдання стануть іншими?
Людина, яка справді розуміє свою роботу, бачить не лише готовий результат, а й залежності, ризики та можливі наслідки. Кандидат, який переважно покладався на AI, часто губиться навіть після невеликої зміни умов. Для рекрутера це означає, що сам факт виконання тестового завдання вже не може бути основним критерієм оцінювання. Набагато важливішою стає розмова про те, як кандидат мислив, що перевіряв, у чому сумнівався і які рішення свідомо відхилив.
Швидкість більше не дорівнює професійній зрілості
AI створює відчуття дуже швидкого прогресу. За кілька хвилин з’являється готовий текст, аналіз, презентація або фрагмент продукту. Через це і кандидат, і роботодавець можуть переоцінити реальну продуктивність.
Деякі дослідження справді показують значне прискорення на чітких і відносно простих завданнях. Наприклад, в експерименті GitHub учасники, які використовували Copilot, завершували типове завдання приблизно на 55% швидше.
Однак у складнішій реальній роботі результат може бути іншим. У дослідженні METR досвідчені розробники виконували завдання у проектах, які добре знали. Вони очікували, що AI прискорить їхню роботу, але фактично витратили на 19% більше часу. Частину часу забрали перевірка, виправлення та адаптація згенерованих рішень.
Це важливий сигнал і для рекрутингу. Швидко виконане тестове завдання не завжди демонструє високу продуктивність. Іноді воно показує лише те, що кандидат вміє швидко отримати правдоподібний результат.
AI може прискорити підготовку результату. Але він не замінює відповідальність, досвід і професійне судження.
Завдання рекрутера — не викрити AI, а перевірити цілісність досвіду
Для рекрутера використання AI створює окрему складність. На першому етапі відбору ми зазвичай не оцінюємо якість коду або технічну архітектуру. Ми намагаємося зрозуміти, наскільки досвід, мотивація та спосіб мислення кандидата відповідають ролі.
Тому важливо не намагатися визначити, які саме фрази кандидат сформулював самостійно. Значно корисніше перевіряти, наскільки його розповідь залишається послідовною, коли розмова виходить за межі підготовленого сценарію.
Наприклад, замість загального запитання «Розкажіть про складний проєкт» можна уточнити:
- Хто саме був залучений у ситуацію?
- Якою була особиста зона відповідальності кандидата?
- Яке рішення він запропонував сам?
- Що не спрацювало з першого разу?
- Який зворотний зв’язок він отримав?
- Що зробив би інакше зараз?
AI може допомогти підготувати красиву історію за методикою STAR. Але значно складніше підтримувати її логіку в деталях, якщо за нею немає реального досвіду.
Водночас надто відрепетирована відповідь не обов’язково означає, що кандидат щось приховує. AI може допомогти сильному спеціалісту краще структурувати думки, перекласти резюме, підготуватися до співбесіди іншою мовою або впевненіше розповісти про власні досягнення. Для людей, яким складно продавати себе, це може зробити відбір справедливішим.
Саме тому рекрутеру важливо не оцінювати кандидата за принципом «звучить природно — значить чесно» або «звучить надто ідеально — значить використовував AI». Впевнена мова не дорівнює компетентності, так само як паузи, хвилювання або неідеальні формулювання не свідчать про її відсутність.
Найкращий орієнтир — не стиль відповіді, а її конкретність, внутрішня логіка та зв’язок із реальним досвідом кандидата.