Я много работаю в проектах по оценке компетенций руководителей и коммерческих служб. Обучалась классическому ассессменту, но тренды вносят свои корректировки и продукт ассессмент тоже меняется. Если бы лет пять назад кто-то сказал мне, что кандидата будет оценивать разговорчивый чат-бот с характером, я бы не поверила. А сегодня? Сегодня в сети пестрят посты про «AI-ассессмент за 15 минут», стартапы привлекают миллионы под идею «убить классические опросники», а консультанты спорят до хрипоты на конференциях. Решила поглубже разобраться в этой проблеме, действительно ли генеративный ИИ похоронит то, что психометристы строили сто лет, или мы в очередной раз переоцениваем хайп?
С чего всё начиналось, и почему классика до сих пор работает
Прежде чем хоронить опросники, давайте вспомним, откуда они вообще взялись. Первые серьёзные тесты способностей появились в начале XX века и за прошедшие десятилетия психометрика превратилась в строгую научную дисциплину со своими законами. Надёжность, валидность, стандартизация выборки, факторный анализ, нормы — это фундамент, на котором держится доверие к результату.
Когда HR получает отчёт по известным тестам, за каждой цифрой стоят тысячи респондентов, десятки исследований по критериальной валидности и годы калибровки. Подобно швейцарским часам: может, не так эффектно, как смартфон, но, если они показывают 12:00, значит действительно полдень.
И вот приходит ChatGPT. Приходит и говорит: «А давайте я за полчаса разговора скажу вам про кандидата больше, чем ваши сто вопросов». Заманчиво? Безусловно.
Что, собственно, умеет генеративный ИИ в оценке
Здесь важно не смешивать всё в одну кучу. Под «нейросетями в оценке» сегодня понимают как минимум три разных подхода:
· ИИ как интервьюер. Кандидат общается с языковой моделью в свободной форме, а та задаёт уточняющие вопросы, адаптируется под ответы и строит профиль на основе лингвистического анализа. Звучит футуристично, работает уже сейчас.
· ИИ как аналитик существующих данных. Сюда относится разбор видеоинтервью, анализ текстов кандидата (резюме, эссе, посты), оценка речи на предмет эмоционального интеллекта или стрессоустойчивости.
· Симуляции и кейсы. ИИ выступает «виртуальным клиентом» или «подчинённым», с которым кандидат решает рабочую задачу в реальном времени. Оценивается поведение, а не декларации.
Видите разницу? Классический тест — это всегда про стандартизированный стимул и нормированный ответ. А ИИ-оценка может быть чем угодно: от беседы по душам до жёсткого стресс-теста.
Сравниваем по-честному: где классика сильнее
У классических опросников есть вещи, которые нейросетям пока не снились.
Прогностическая валидность на длинной дистанции. Когда вы используете, скажем, тест когнитивных способностей GMA, вы опираетесь на мета-анализы Шмидта и Хантера, охватывающие десятилетия и сотни тысяч наблюдений. Мы знаем, насколько этот тест предсказывает производительность через год, три, пять. По генеративным ИИ-инструментам таких данных пока нет, технологии слишком молодые.
Воспроизводимость результатов. Если дадите один и тот же опросник человеку сегодня и через месяц, то получите близкие результаты (если, конечно, ничего экстраординарного не произошло). А теперь попробуйте дважды «поговорить» с языковой моделью об одном и том же кандидате. Температура сэмплирования, контекстное окно, обновление весов, и вуаля, результаты могут разойтись.
Защита от манипуляций. Классические тесты содержат шкалы лжи, парадоксальные вопросы, встроенные механизмы выявления социальной желательности. ИИ-интервьюер, каким бы умным он ни был, пока проигрывает человеческому умению «продавать себя». А уж когда кандидаты научатся использовать свой ИИ против корпоративного ИИ, то будет совсем весело.
Где нейросети сильнее классики
Но не думайте, что я пишу некролог ИИ. Совсем нет. У генеративных моделей есть козыри, которых у опросников нет и не будет.
Глубина и контекст.Опросник задаёт вопрос «Я легко нахожу общий язык с новыми людьми» — полностью согласен / скорее согласен / и так далее. А ИИ может спросить: «Расскажите о ситуации, когда вам пришлось быстро влиться в новую команду. Что было самым сложным?», и дальше копать вглубь, реагируя на конкретные слова. А это уже не измерение, это исследование.
Вовлечённость кандидата. Вы когда-нибудь проходили 240-вопросный личностный опросник до конца с полной концентрацией? Я — нет. После сотого вопроса начинается что-то среднее между медитацией и автопилотом. Разговор с ИИ совсем другое дело. Там хотя бы интересно.
Адаптивность под роль. Классический тест — универсальный молоток. Он одинаково бьёт и программистов, и продавцов, и топ-менеджеров (с поправкой на нормы, конечно). ИИ можно настроить на конкретную вакансию, конкретную корпоративную культуру, конкретные компетенции. Это принципиально другой уровень кастомизации.
Мультимодальность. Современные модели анализируют текст, голос, мимику, паузы, микровыражения одновременно. Классический опросник видит только галочки в квадратиках. Разница как между чёрно-белой фотографией и 3D-сканированием.
Ачто мы вообще измеряем?
Споры «тест или ИИ» часто идут мимо главного вопроса: а что именно нам нужно оценить? Потому что если стоит цель, замерить чистый интеллект в лабораторных условиях, это одна история. А если предсказать, справится ли человек с реальной работой, совсем другая.
Классические тесты отлично работают на уровне абстракций: интеллект, экстраверсия, добросовестность. Но работодатель покупает не абстракции, а поведение. Ему нужно знать, как человек поведёт себя на совещании с токсичным заказчиком, в дедлайне, в конфликте с коллегой. И вот тут ИИ-симуляции внезапно выигрывают, потому что они работают не с декларациями о себе, а с наблюдаемым поведением в моделируемой ситуации.
Получается парадокс: классика точнее меряет конструкты, ИИ точнее предсказывает поведение. По крайней мере потенциально.
Этика, приватность и тот самый «чёрный ящик»
Нельзя обойти эту тему стороной.
Россия с законом о защите персональных данных, Евросоюз с AI Act, американские регуляторы с законами о прозрачности найма — все движутся в одном направлении: ИИ-решения в оценке людей должны быть объяснимыми. А с генеративными моделями объяснимость — это проблема.
Так заменит или нет?
Думаю, что не заменит. По крайней мере, не в обозримой перспективе и не целиком.
Реальность, скорее всего, будет такой: гибридные системы, где каждый инструмент делает то, что умеет лучше. Психометрические тесты останутся золотым стандартом для измерения базовых конструктов — интеллекта, личностных черт, мотивационного профиля.
А ИИ возьмёт на себя то, что у опросников получалось плохо: поведенческие симуляции, глубинные интервью, анализ коммуникативных паттернов, оценку в контексте конкретной роли.
Лучшие ассессмент-центры будущего, думаю, будут выглядеть так: короткий надёжный психометрический срез плюс ИИ-симуляция рабочих ситуаций плюс финальное человеческое интервью, подготовленное на основе первых двух этапов. Технологии освободят асессора от рутины и позволят сосредоточиться на том, что машина всё ещё не умеет: на интуиции, эмпатии, на считывании того самого «что-то в нём не так», которое потом оказывается правдой.
Знаете, история оценки персонала — это история маятника. То мы уверены, что всё решают цифры и тесты. То возвращаемся к «человек человека видит». Сейчас маятник качнулся в сторону ИИ, и это нормально, технология действительно прорывная и экономит массу времени. Но через несколько лет, когда схлынет хайп и появятся первые лонгитюдные исследования, мы увидим реальную картину: не «ИИ и тесты», а «ИИ плюс тесты плюс человек».
Профессия асессора меняется у нас на глазах. Те, кто научится сочетать классические инструменты с новыми, окажутся на коне. Те, кто выберет лагерь и закроет глаза на остальное, — останутся в прошлом.
А вы — в каком лагере? Или, может, уже строите мост между ними?
Отправляя данные вы подтверждаете пользовательское соглашение