dumai
Экономика и менеджментOrganization Science (OpenAlex)

Фильтры в найме сокращают собеседования, но сильных кандидатов отсеивают чаще

0

Кратко

В случайном эксперименте на крупной онлайн-площадке фильтры сократили число собеседований на 3,4%. Собеседований с кандидатами низкого качества стало на 28,9% меньше, а с кандидатами высокого качества — на 36,9% меньше. У работодателей, которые активно пользовались фильтрами, предложения на 8,9% чаще отклоняли, а согласованные зарплаты были на 2,5% выше. Качество кандидатов оценивали косвенно — с помощью алгоритма, который делал такую оценку по данным о кандидатах.

Что это значит для вас

Фильтр не обязательно снижает общие издержки найма: на этой площадке экономия на поиске могла обернуться более трудными переговорами и более дорогими предложениями. Это предположение относится к работодателям, активно использовавшим фильтры, поэтому важно оценивать не только число собеседований, но и то, кого система отсеивает.

Разбор

Авторы проверяли не только, стало ли собеседований меньше, но и кого именно фильтры убирают из очереди. Для этого они провели случайный эксперимент на крупной онлайн-площадке труда: одним работодателям дали доступ к фильтрам, а другим — нет. Затем сравнили число собеседований, состав кандидатов и то, чем заканчивались предложения о работе. Качество кандидата, которое работодатель не мог напрямую увидеть, оценивал алгоритм машинного обучения по доступным данным о соискателе.

За этой проверкой стоит идея о переносе затрат. Фильтр упрощает первый этап — поиск и отбор, — но может оставить работодателю более сложный этап переговоров. Система ориентирует разные компании на похожие, легко заметные признаки «хорошего» кандидата. В итоге такие соискатели чаще оказываются нужны нескольким работодателям одновременно и получают больше возможностей торговаться по условиям.

Раньше эффективность фильтров было легко оценивать по одному показателю: сколько времени и собеседований они экономят. Эта работа добавляет к нему состав отобранных кандидатов и последствия на этапе предложения. Результаты показывают, что фильтр убирает не только слабых соискателей: доля сильных среди тех, кого приглашают на собеседование, тоже сокращается. А среди работодателей, которые действительно пользовались фильтрами, финальный этап найма проходил менее выгодно для компании — чаще возникал отказ от предложения и требовалась более высокая зарплата.

Ключевые цифры

3,4%В среднем фильтры убрали лишь небольшую часть собеседований — экономия на первом этапе оказалась ограниченной.
36,9%Сильных кандидатов приглашали заметно реже, поэтому фильтр мог особенно сильно сузить доступ к наиболее ценным соискателям.
8,9%У работодателей, активно применявших фильтры, предложения почти на десятую часть чаще отклоняли.
2,5%В тех же случаях согласованная зарплата была выше, то есть часть экономии на поиске могла исчезать во время найма.

Можно ли доверять

Это рецензируемая статья в журнале Organization Science, а выводы о влиянии фильтров опираются на случайный эксперимент в крупном онлайн-рынке труда. Но качество кандидатов оценивал алгоритм как косвенный показатель, а данные о более трудных переговорах относятся к работодателям, которые активно пользовались фильтрами, поэтому эту часть результата стоит трактовать осторожнее.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали
ЖурналOrganization Science
Дата публикации у нас21 августа 2026 г.
Дата источника19 августа 2026 г.
ОригиналОткрыть
АвторыMoshe Barach