На портале «Российская общественная инициатива» появилась заявка №52Ф148061: запретить ИИ-системам автоматически отсеивать резюме, ранжировать кандидатов и принимать решение об их допуске к собеседованию. Авторы метят прямо в Трудовой кодекс РФ — хотят внести поправку, которая закрепит за живым рекрутером финальное слово. На момент публикации за инициативу проголосовали 258 человек, до порога обязательного рассмотрения — 99 742 голоса.
Контекст
Автоматизированный HR-скрининг — не новинка: крупные платформы вроде hh.ru, SuperJob и корпоративные ATS-системы давно используют ранжирование резюме по ключевым словам, а часть из них — и LLM-оценку. В 2024–2025 годах эта функциональность стала стандартом для компаний с потоком входящих заявок свыше нескольких сотен в месяц.
Авторы инициативы называют три системных дефекта. Первый — алгоритмическая предвзятость: модели обучены на исторических данных найма, где уже зашиты предпочтения по возрасту, полу, географии. Второй — «чёрный ящик»: соискатель получает отказ без объяснений и не имеет механизма оспорить машинное решение. Третий — этический: допуск к собеседованию влияет на доход и карьеру человека, такое решение нельзя полностью делегировать автоматике.
Параллельно на том же портале идёт смежная инициатива — обязать компании раскрывать факт использования ИИ и давать человеческое обоснование для решений, затрагивающих права граждан. Она набрала 1039 голосов — заметно больше, что говорит о более широком запросе на прозрачность, а не только на запрет.
Аналитика
Инициатива пока далека от порога в 100 000 голосов и, вероятно, не дойдёт до законодательного рассмотрения в текущем виде. Но сам факт её появления — сигнал о нарастающей регуляторной волне вокруг «высокорискового» применения ИИ. В ЕС Акт об ИИ уже классифицирует автоматизированный отбор сотрудников как высокорисковое применение, требующее аудита и права на обжалование. Россия движется в том же направлении, просто с задержкой и через публичные инициативы, а не через технократические директивы.
Для HR-tech компаний это предупреждение: строить продукт, где алгоритм окончательно решает судьбу кандидата без человека в цепочке — рискованная архитектура. Регуляторы СНГ смотрят на европейский опыт и копируют логику, пусть и медленно. Кроме того, сам рынок труда реагирует: соискатели всё чаще жалуются на «резюме в никуда» — когда заявка уходит, автоматически отклоняется, и нет ни обратной связи, ни контакта с живым человеком.
Содержательная проблема в другом: полный запрет ИИ-скрининга может перенести боль с соискателей на рекрутеров, которые физически не справятся с потоком. Продуктивнее — требование аудируемости и права на пересмотр, а не тотального запрета. Именно этот подход закрепляет вторая инициатива про раскрытие ИИ, и он выглядит жизнеспособнее.
Кейсы применения в бизнесе
B2B-SaaS стартап, 20–50 человек. При найме разработчика или PM-а поток резюме редко превышает 150–200 заявок. Внедрить LLM-ассистента для структурирования данных кандидата (опыт, стек, gap-анализ) и генерации вопросов для интервью — разумно. Но финальный shortlist из 5–8 человек рекрутер составляет сам, просматривая карточки. Это и юридически безопаснее, и качественнее: стартапы чаще нанимают на культурный fit, который алгоритм не считает.
Корпорация с legacy HR-процессом, 500+ сотрудников. Здесь поток заявок — тысячи в месяц, ручной скрининг нереален. Рабочий сценарий: ИИ делает первичную кластеризацию и отмечает «явно нерелевантные» заявки, но рекрутер подтверждает каждый отказ одним кликом с возможностью открыть карточку. Это соответствует логике обеих инициатив и снижает регуляторный риск. Добавить автоматическую обратную связь соискателю («ваша заявка проверена человеком, решение — X») — уже конкурентное преимущество.
SMB и локальный бизнес в КР/СНГ. Небольшие компании в Бишкеке, Алмате, Ташкенте, как правило, не используют ATS вообще — резюме приходят в Telegram или на почту. Здесь ИИ полезен иначе: автоматически собрать все заявки в одну таблицу, выделить ключевые параметры, напомнить о кандидатах, с которыми не связались. Никакого запрета это не нарушает, зато сильно сокращает потери кандидатов в хаосе входящих.
Кейсы в личной жизни
Разработчик или дизайнер в поиске работы. Понимать, как работает ATS-скрининг — уже навык выживания. Попросить Claude или GPT проанализировать своё резюме на соответствие конкретной вакансии, выявить «слепые пятна» в формулировках, адаптировать под ключевые слова — это не обман алгоритма, это оптимизация коммуникации. Эффект: резюме чаще проходит первый фильтр.
Рекрутер или HR-менеджер. Использовать LLM не для отсева, а для подготовки к интервью: попросить модель сгенерировать вопросы по резюме конкретного кандидата, подсветить противоречия в опыте, сформулировать сценарии поведенческих кейсов. Это ускоряет подготовку в 3–5 раз и не подпадает ни под один из обсуждаемых запретов.
Студент или джун без опыта. Именно эта категория страдает от автоматического скрининга больше всего — в резюме нет ключевых слов, которые «знает» алгоритм. Попросить ИИ переформулировать учебные проекты и стажировки в язык реальных достижений («участвовал в разработке» → «реализовал модуль X, снизивший время отклика на Y%») — законно, полезно, работает.
Как применить сегодня
- Если вы нанимаете: добавьте в процесс явный шаг «человек подтверждает отказ» — это снижает регуляторный риск и улучшает репутацию работодателя.
- Если вы ищете работу: используйте Claude или GPT для анализа своего резюме под конкретную вакансию — запрос «найди несоответствия между моим резюме и этой вакансией» даёт конкретные правки.
- HR-продукт или ATS: начните фиксировать, какие решения принимает алгоритм, а какие — человек. Аудит-лог с указанием роли ИИ — это то, чего потребует любое регулирование.
- Следите за смежной инициативой про раскрытие ИИ (1039 голосов) — она жизнеспособнее и ближе к тому, что реально примут в виде закона.
- Если вы в КР или Казахстане: регуляторные нормы России имеют тенденцию мигрировать в СНГ с задержкой 1–2 года. Строить HR-процессы с человеком в петле решения — разумная инвестиция уже сейчас.