ИИ в проверке кандидатов: возможности, риски и этика в 2026 году

Искусственный интеллект в проверке кандидатов — это набор алгоритмов, которые автоматизируют сбор и анализ данных о соискателе на этапе найма: от парсинга резюме до сверки с государственными реестрами. Тема стала рабочей реальностью для HR-служб и безопасников в компаниях с численностью от 50 человек, где ручная проверка физически не успевает за кадровым потоком. Ниже разберем, какие задачи ИИ закрывает, где он системно ошибается и какие требования 152-ФЗ и ТК РФ нужно учитывать при внедрении автоматизированных систем скрининга.

Автор статьи — Мария Ж, юрист со стажем более 20 лет, соучредитель сервиса КЭДО Добыто, спикер на конференциях по КЭДО и юриспруденции, судебный эксперт в сфере корпоративного и трудового права. Занимается наймом персонала более 13 лет. Автор более 1000 статей о цифровой подписи, трудовом праве, КЭДО и HR.

Автор статьи

Мария Ж.

Кофаундер сервиса электронного документооборота Добыто

Кофаундер сервиса электронного документооборота Добыто. Юрист с 20 летней практикой. В 2008 году получала красный диплом юриста по корпоративной практике. Руководитель HR-отдела. Спикер на конференциях по КЭДО и юриспруденции.

Что делает ИИ при проверке кандидатов на работу

Алгоритмы ИИ в скрининге кандидатов выполняют три базовых функции: сбор данных из открытых и закрытых источников, сопоставление собранной информации с заданными критериями и формирование структурированного отчета для принятия решения человеком. На практике это выглядит так: HR-специалист или безопасник вводит ФИО, дату рождения и паспортные данные кандидата в систему, а через 2-5 минут получает PDF-отчет с информацией по десяткам баз. Судимости, задолженности, банкротства, участие в юридических лицах, розыскные базы — все собирается в один документ без ручного перехода между реестрами.

В сервисе Добыто мы реализовали проверку кандидатов с интеграцией в кадровый процесс. Данные поступают из открытых государственных реестров, и система формирует отчет, который хранится в электронном деле сотрудника. Кадровику не нужно вручную заходить на сайт ФССП, потом на портал судов, потом в реестр банкротств — алгоритм делает это за секунды.

Мария Ж, соучредитель сервиса КЭДО Добыто:
«Мы закладываем проверку кандидата прямо в маршрут согласования при найме. Документы приходят, алгоритм прогоняет базы, безопасник видит отчет — и все это в одном окне, а не в пяти вкладках браузера. По опыту, это сокращает время проверки одного кандидата с 40-50 минут до 3-5.»

Второй блок задач — анализ резюме. ATS-системы с встроенным ИИ парсят анкету кандидата и сопоставляют навыки, опыт и образование с требованиями вакансии. Алгоритм присваивает каждому кандидату скоринговый балл — условно, от 0 до 100 — и сортирует базу по релевантности. Рекрутер видит сначала тех, кто формально подходит, а не листает 847 откликов вручную. По данным HR-платформ, это снижает время на первичный отбор на 60-80%.

Третий блок — OSINT-проверка. ИИ анализирует цифровой след кандидата: публикации в социальных сетях, упоминания в СМИ, участие в судебных делах через открытые базы. Некоторые системы умеют определять связи кандидата с конкурентами работодателя через граф связей — по общим контактам, совместным проектам, публичным мероприятиям. Тут и начинаются этические вопросы.

Какие задачи ИИ решает, а где промахивается

ИИ хорошо работает с формализованными данными. Проверить паспорт по базе МВД на действительность — задача для алгоритма. Сверить ИНН с реестром ФНС — тоже. Найти открытые исполнительные производства в базе ФССП — без проблем. Все, что сводится к запросу в базу данных и получению бинарного ответа (есть/нет), алгоритм делает быстрее и точнее человека.

Проблемы начинаются там, где нужна интерпретация. Пример из практики, который рассказывали безопасники: система выдала совпадение по ФИО и дате рождения с человеком из базы должников ФССП. Сумма задолженности — 340 тыс. руб. Кандидату отказали. Позже выяснилось — полный тезка, другой регион, другой паспорт. Безопасник, который работал бы вручную, скорее всего, сверил бы серию-номер паспорта. Алгоритм этого не сделал, потому что в базе ФССП паспортные данные не всегда доступны.

Еще один нюанс. ИИ при скоринге резюме может систематически занижать балл кандидатам с нестандартным карьерным путем. Человек 5 лет работал на ГПХ, потом перешел в штат, потом ушел на фриланс и вернулся — алгоритм видит «рваную» трудовую и снижает рейтинг. А на практике это нормальный путь для IT-специалиста или проектного менеджера. В практике Добыто мы сталкиваемся с этим регулярно: алгоритм не понимает контекста, а кадровик — понимает.

Мария Ж, HR-эксперт с 13-летним стажем:
«ИИ структурирует данные, но не понимает контекст. Судимость 15-летней давности по статье, не связанной с должностными обязанностями — для алгоритма это стоп-фактор. Для опытного безопасника — повод задать вопрос, а не повод отказать. Финальное решение по кандидату принимает человек, и это не формальность, а необходимость.»

Этические границы использования ИИ при проверке кандидатов

Этика применения ИИ в скрининге кандидатов — не абстрактная философия, а конкретный набор ограничений, нарушение которых приводит к судебным искам и репутационным потерям. Ключевых этических проблем три: алгоритмическая предвзятость, непрозрачность решений и вторжение в частную жизнь.

Алгоритмическая предвзятость (bias) — ситуация, когда ИИ системно дискриминирует определенные группы кандидатов. Классический кейс: Amazon в 2018 году отказалась от ИИ-рекрутера, который занижал рейтинг резюме женщин. Алгоритм обучался на данных за 10 лет, в которых большинство нанятых сотрудников были мужчинами — и «выучил», что мужские резюме лучше. На российском рынке такие исследования пока единичные, но риск тот же: если база для обучения содержит перекос по полу, возрасту или региону — алгоритм воспроизведет этот перекос.

Непрозрачность решений — вторая проблема. Когда кандидат получает отказ после автоматизированной проверки, он имеет право знать причину. Ст. 64 ТК РФ обязывает работодателя по требованию кандидата предоставить письменный мотивированный отказ в течение 7 рабочих дней. Формулировка «не прошел автоматизированный скрининг» — не основание для отказа. Нужно указать конкретное несоответствие деловым качествам. А если алгоритм снизил скоринг по совокупности факторов, ни один из которых сам по себе не является основанием для отказа — работодатель оказывается в правовой ловушке.

Вторжение в частную жизнь — третья граница. OSINT-анализ социальных сетей кандидата может выявить его политические взгляды, религиозную принадлежность, семейное положение, состояние здоровья. Все эти данные относятся к специальным категориям персональных данных по ст. 10 152-ФЗ, и их обработка без явного письменного согласия субъекта запрещена. Да и с точки зрения ТК РФ — отказ по любому из этих оснований квалифицируется как дискриминация (ст. 3 ТК РФ).

Правовые требования к автоматизированной проверке кандидатов

В России на текущий момент нет отдельного закона об использовании ИИ в HR-процессах. Регулирование строится на трех нормативных актах: ТК РФ (ст. 3, 64, 65, 86-90), 152-ФЗ «О персональных данных» и 149-ФЗ «Об информации». Плюс Постановление Пленума Верховного Суда РФ №2 от 17.03.2004 — там прописано, что отказ в приеме на работу допускается только по основаниям, связанным с деловыми качествами работника.

Что это значит для работодателя, который использует ИИ при проверке кандидатов:

• Согласие кандидата на обработку персональных данных обязательно до начала проверки. В согласии нужно указать цель обработки — «проверка соответствия деловым качествам и квалификационным требованиям»
• Объем собираемых данных ограничивается целью. Нельзя «на всякий случай» проверить кредитную историю грузчика, если должность не предполагает материальной ответственности
• Срок хранения данных кандидата, которому отказали — 30 календарных дней с даты отказа. После этого персональные данные уничтожаются (или перемещаются в архив по архивным правилам)
• Кандидат имеет право запросить письменный мотивированный отказ, и работодатель обязан предоставить его в течение 7 рабочих дней
• Отказ по дискриминационным основаниям (пол, возраст, национальность, семейное положение, судимость родственников) — нарушение ст. 3 ТК РФ и ст. 5.62 КоАП с штрафом для юрлиц от 50 до 100 тыс. руб.

С конца 2024 года усилилось регулирование обработки персональных данных: штрафы по ст. 13.11 КоАП выросли кратно. Обработка данных без согласия субъекта — до 300 тыс. руб. для юрлиц. Повторное нарушение — до 500 тыс. руб. ИИ-система, которая автоматически собирает данные из социальных сетей кандидата без его согласия, создает для работодателя конкретный финансовый риск.

Мария Ж, судебный эксперт по трудовому праву:
«Суды при рассмотрении споров об отказе в трудоустройстве смотрят на две вещи: было ли основание для отказа связано с деловыми качествами и была ли вакансия закрыта на момент отказа. Если вакансия открыта, а кандидату отказали ‘по результатам автоматизированной проверки’ — это повод для иска. Работодатели, которые используют ИИ, обязаны оформлять заключение о соответствии деловым качествам как отдельный документ с конкретными критериями.»

Образцы документов для организации проверки кандидатов

Как ИИ работает на каждом этапе проверки: от анкеты до заключения

Процесс автоматизированной проверки кандидата разбивается на четыре этапа. Первый — сбор данных. Кандидат заполняет анкету (в электронном виде через HR-портал или мобильное приложение), прикладывает фото документов. Система с OCR-модулем распознает паспорт, СНИЛС, ИНН. По нашей практике в сервисе Добыто, распознавание паспорта работает корректно в 93-95% случаев, если фото сделано при нормальном освещении и без пальцев на странице.

Второй этап — верификация личности. Некоторые системы используют liveness-тест: кандидат снимает короткое видео, алгоритм сравнивает лицо с фотографией в паспорте. Это исключает ситуацию, когда анкету заполняет не тот человек. Технология не идеальна — при пластических операциях, большой разнице в возрасте между фото в паспорте и текущей внешностью могут быть ложные срабатывания.

Третий этап — проверка по базам. Алгоритм формирует API-запросы к государственным реестрам и агрегаторам данных. Что проверяется: действительность паспорта (база МВД), наличие исполнительных производств (ФССП), банкротство (ЕФРСБ), участие в юрлицах и ИП (ФНС), розыск, судебные дела. Все ответы парсятся и складываются в структурированный отчет.

Четвертый этап — формирование заключения. ИИ присваивает кандидату итоговый статус: «рекомендован», «требует дополнительной проверки», «не рекомендован». На этом этапе принципиально, чтобы финальное решение принимал человек — безопасник или HR-руководитель. Автоматический отказ на основании алгоритмического скоринга без участия человека создает юридический риск.

Как подключить автоматизированную проверку кандидатов: пошаговая инструкция

Ошибки при внедрении ИИ в проверку кандидатов

Первая ошибка — делегирование финального решения алгоритму. Компании настраивают автоматический отказ кандидатам с рейтингом ниже порогового значения. Результат: потеря релевантных кандидатов из-за ложных срабатываний и юридические риски при отказе без мотивированного обоснования. Цена ошибки: стоимость упущенного кандидата (3-9 окладов по совокупности затрат на повторный найм) плюс потенциальный иск по ст. 64 ТК РФ.

Вторая ошибка — проверка всех кандидатов по максимальному набору критериев. Грузчику не нужно проверять кредитную историю, а стажеру — связи с конкурентами. Избыточный скрининг тратит ресурсы, замедляет найм и повышает риск нарушения принципа минимизации данных по 152-ФЗ.

Третья ошибка — отсутствие согласия на обработку персональных данных перед проверкой. Некоторые HR-службы запускают автоматическую проверку по ФИО сразу после получения отклика на вакансию, до контакта с кандидатом. Формально это обработка ПД без согласия субъекта — штраф до 300 тыс. руб.

Четвертая ошибка — использование данных из социальных сетей без правовых оснований. Публикация в открытом аккаунте не означает согласие на обработку этих данных в целях трудоустройства. Ст. 10.1 152-ФЗ регулирует обработку данных, сделанных общедоступными самим субъектом, но цель обработки должна соответствовать цели, для которой данные были опубликованы.

Мария Ж, специалист по цифровой подписи и КЭДО:
«При внедрении автоматизированной проверки первое, что мы делаем — настраиваем электронное согласие на обработку ПД через КЭДО. Кандидат подписывает его ПЭП прямо в мобильном приложении, и оно сразу попадает в электронный архив с юридической силой. Без этого шага запускать любую проверку — прямой путь к штрафу Роскомнадзора.»

Стоимость автоматизации проверки кандидатов через КЭДО

Стоимость автоматизации проверки зависит от нескольких факторов: численность штата, объем найма, выбранный тариф сервиса КЭДО и необходимость интеграции с существующими системами (1С, ATS, HR-порталы). Ниже — тарифы сервиса Добыто, которые включают весь комплект кадрового электронного документооборота, включая модуль проверки кандидатов.

Итоговая сумма зависит от численности персонала, выбранного тарифа и объема подключаемых модулей — актуальные тарифы сервиса Добыто помогут сориентироваться точнее. При штате от 100 человек экономия на отказе от бумажного документооборота составляет от 2000 руб. в год на каждого сотрудника.

Где проходит граница между автоматизацией и дискриминацией

Граница проходит по одному критерию: решение об отказе принимается на основании деловых качеств или на основании характеристик, не связанных с работой? Если алгоритм отсеивает кандидата, потому что у того 3 кредита и нет высшего образования, а должность — курьер без материальной ответственности — это дискриминация. Если алгоритм помечает кандидата на позицию главбуха с непогашенной судимостью за экономическое преступление — это обоснованная проверка деловых качеств.

Проблема в том, что ИИ не умеет проводить эту границу. Он работает с корреляциями, а не с причинно-следственными связями. Если в обучающей выборке кандидаты с долгами чаще увольнялись в первые 3 месяца, алгоритм начнет системно снижать рейтинг всех должников — независимо от позиции, суммы долга и обстоятельств.

В сервисах проверки кандидатов Добыто мы намеренно не используем автоматический скоринг с порогом отсечения. Система собирает данные и формирует отчет, а решение принимает безопасник или HR-руководитель. Это дольше на 5-10 минут, но исключает ситуации, когда алгоритм отказывает кандидату по формальным признакам, не имеющим отношения к должности.

Мария Ж, юрист со стажем более 20 лет:
«В судебной практике по ст. 3 ТК РФ суды все чаще обращают внимание на автоматизированные системы отбора. Если работодатель не может объяснить, почему конкретному кандидату отказано, ссылаясь на ‘результат алгоритма’ — суд с высокой вероятностью встанет на сторону кандидата. Заключение по результатам проверки обязательно содержит конкретные критерии несоответствия, а не общий скоринговый балл.»

Будущее ИИ в проверке кандидатов: что изменится в ближайшие годы

По данным HR-платформ, в 2026 году более 60% крупных российских компаний используют хотя бы один автоматизированный инструмент при скрининге кандидатов. Через 2-3 года этот показатель вырастет до 80-85%.

Интеграция с Госуслугами и СМЭВ — следующий шаг. Обсуждается возможность подтягивать анкету кандидата из Госуслуг по согласию пользователя. Данные будут верифицированы, что исключает необходимость ручной проверки документов.

Появление специализированного законодательства об ИИ в HR — вопрос времени. Евросоюз уже принял AI Act, в котором ИИ-системы для найма отнесены к категории высокого риска с обязательным аудитом и сертификацией. Россия движется в том же направлении: проект закона «Об искусственном интеллекте» обсуждается с 2024 года.

Профайлинг и анализ видеоинтервью — технологии, которые тестируются. Алгоритмы анализируют мимику, тембр голоса, выбор слов и формируют заключение о психологическом профиле кандидата. Этическая оценка неоднозначна: точность алгоритмов зависит от культурного контекста, а российская выборка для обучения моделей ограничена.

Выводы: ИИ в проверке кандидатов при найме

Искусственный интеллект в проверке кандидатов — инструмент, который закрывает рутинные задачи скрининга за минуты вместо часов. Автоматизированный сбор данных из государственных реестров, распознавание документов, формирование структурированных отчетов — все это снижает нагрузку на HR и безопасников. При этом правовой каркас остается жестким: 152-ФЗ требует согласия на обработку ПД, ТК РФ запрещает отказ по дискриминационным основаниям, а суды все чаще проверяют обоснованность автоматизированных решений.

Главная рекомендация для работодателей: используйте ИИ для сбора и структурирования данных, но оставляйте финальное решение за человеком. Оформляйте согласие на обработку ПД до начала проверки. Настраивайте критерии скрининга под категории должностей. Храните заключения по результатам проверки как отдельный документ с конкретными критериями. Регулярно аудируйте алгоритмы на предмет предвзятости — это защита от штрафов и судебных исков.

Регулирование ИИ в HR будет ужесточаться. Компании, которые уже сейчас выстраивают процессы проверки с соблюдением этических и правовых стандартов, получат преимущество перед регулятором.

Часто задаваемые вопросы