Массовое использование генеративного ИИ для составления вакансий привело к резкому увеличению их объема. Рекрутеры все чаще делегируют написание текстов нейросетям, что создает избыточные, перегруженные деталями описания. Этот тренд усложняет процесс поиска работы для кандидатов, вынуждая их тратить больше времени на фильтрацию релевантной информации среди сгенерированного «шума» и шаблонных требований.
Автоматизация процесса создания вакансий привела к тому, что компании начали включать в описания максимально широкий спектр навыков и обязанностей, даже если они не являются критически важными для роли. Использование ИИ позволяет HR-отделам генерировать длинные списки требований за секунды, однако это негативно сказывается на качестве коммуникации с соискателями. Кандидаты сталкиваются с «информационной перегрузкой», где за обилием текста скрываются размытые требования и нечеткие ожидания от будущих сотрудников.
Эксперты отмечают, что этот феномен отражает общую проблему внедрения ИИ в бизнес-процессы: стремление к эффективности через автоматизацию часто приводит к снижению качества контента. Вместо того чтобы фокусироваться на ключевых компетенциях, компании создают «бесконечные» документы, которые затрудняют оценку реальных задач. В результате рынок труда сталкивается с парадоксом, когда технологии, призванные упростить найм, делают его более запутанным и трудоемким для обеих сторон.
Ключевые факты
- Объем типичных описаний вакансий увеличился в несколько раз из-за повсеместного внедрения генеративных моделей в HR-департаментах.
- Избыточность текстов приводит к тому, что соискатели тратят значительно больше времени на анализ требований, многие из которых являются шаблонными или неактуальными.
- Использование ИИ для генерации вакансий позволяет компаниям быстро создавать объемные документы, но снижает их читабельность и фокус на конкретных бизнес-задачах.
- Рост длины описаний стал заметным трендом, который эксперты связывают с бесконтрольным использованием LLM для автоматизации рутинных задач в рекрутинге.