惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Security Latest
Security Latest
Apple Machine Learning Research
Apple Machine Learning Research
D
Docker
美团技术团队
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
宝玉的分享
宝玉的分享
月光博客
月光博客
J
Java Code Geeks
V
V2EX
IT之家
IT之家
T
Troy Hunt's Blog
D
DataBreaches.Net
Cloudbric
Cloudbric
Blog — PlanetScale
Blog — PlanetScale
H
Hackread – Cybersecurity News, Data Breaches, AI and More
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
G
Google Developers Blog
MongoDB | Blog
MongoDB | Blog
The GitHub Blog
The GitHub Blog
Jina AI
Jina AI
Google DeepMind News
Google DeepMind News
Engineering at Meta
Engineering at Meta
博客园 - Franky
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
H
Help Net Security
Application and Cybersecurity Blog
Application and Cybersecurity Blog
S
Security @ Cisco Blogs
N
News and Events Feed by Topic
aimingoo的专栏
aimingoo的专栏
S
Security Affairs
Hugging Face - Blog
Hugging Face - Blog
Forbes - Security
Forbes - Security
AI
AI
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
腾讯CDC
H
Heimdal Security Blog
The Cloudflare Blog
S
SegmentFault 最新的问题
Google Online Security Blog
Google Online Security Blog
Webroot Blog
Webroot Blog
有赞技术团队
有赞技术团队
The Hacker News
The Hacker News
Microsoft Security Blog
Microsoft Security Blog
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
罗磊的独立博客
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
博客园 - 聂微东
Help Net Security
Help Net Security
T
The Exploit Database - CXSecurity.com

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
«Не используйте ИИ, чтобы попасть в ИИ‑компанию»
achekalin · 2026-05-08 · via Все публикации подряд на Хабре

В феврале 2025 года по техносфере разошлась маленькая, почти анекдотичная новость: Anthropic, компания, стоящая за Claude, просила кандидатов не использовать ИИ‑ассистентов при подаче заявки на работу. Не только инженеров. Маркетинг, финансы, продажи, коммуникации — почти все роли.

Ирония оказалась слишком удобной, чтобы пройти мимо. Компания делает один из лучших инструментов для письма и просит людей не пользоваться им, когда от них как раз требуется написать о себе. Но если остановиться на уровне «ха‑ха, ИИ‑компания запретила ИИ», мы пропустим главное. Это не история о лицемерии одной компании. Это история о том, что рынок найма сломал один из своих базовых механизмов: отклик перестал быть надежным сигналом.

Что произошло

Исходную формулировку заметила 404 Media в статье AI Company Asks Job Applicants Not to Use AI in Job Applications. В формах Anthropic был пункт «AI Policy for Application»: компания просила не использовать ИИ‑ассистентов при подаче заявки, потому что хотела увидеть личный интерес кандидата и его коммуникационные навыки без посредника.

На это первым обратил внимание Саймон Уиллисон. 404 Media добавила важную деталь: такой пункт был почти во всех тогдашних вакансиях Anthropic, примерно в 150 ролях: от инженерии до продаж и финансов.

Звучит смешно, но сама постановка вопроса понятна. Если кандидат присылает текст, написанный Claude или ChatGPT, работодатель уже не понимает, что именно он оценивает:

  • опыт кандидата;

  • способность кандидата ясно формулировать мысли;

  • умение кандидата пользоваться ИИ;

  • качество шаблона, который модель сгенерировала по вакансии;

  • или просто аккуратный синтетический текст, похожий на сотни других.

Для компании, которая нанимает людей в область ИИ, это особенно болезненно. Там нужен не человек, который нажал «улучши мое сопроводительное письмо», а человек, у которого есть собственная позиция, вкус, опыт, способность спорить с моделью и проверять ее.

Anthropic сама смягчила позицию

У этой истории есть важное продолжение, которое часто теряется в пересказах. Сейчас у Anthropic уже не просто «не используйте ИИ». В официальном гайде How to collaborate with Claude during our hiring process, обновленном 10 июля 2025 года, позиция стала тоньше.

Кандидатам предлагают писать первый черновик самим, а потом использовать Claude для улучшения формулировок, подготовки к интервью и исследования компании. При этом домашние тестовые задания нужно делать без Claude, если в задании явно не сказано обратное. Интервью в реальном времени тоже должны проходить без ИИ‑помощи, если Anthropic отдельно не разрешила ее использовать.

Это уже не запрет на инструмент. Это попытка провести границу между помощью и подменой. Можно попросить модель подсказать, какие эпизоды из опыта лучше подсветить. Нельзя просить ее придумать вашу мотивацию, ваш опыт и ваши ответы.

Самое интересное в том же документе — раздел о том, как Anthropic сама использует Claude в найме. Компания пишет, что применяет Claude для описаний вакансий, вопросов для интервью, коммуникаций с кандидатами, аналитики найма, транскрибации интервью и поиска кандидатов. При этом утверждает, что не использует данные кандидатов для обучения Claude и не дает Claude принимать решения о найме.

То есть новая позиция Anthropic примерно такая: ИИ в найме неизбежен, но он должен быть видимым, ограниченным и не должен притворяться человеком.

Почему резюме и сопроводительное письмо стали плохим сигналом

Раньше отклик на вакансию был дорогим действием. Нужно было прочитать описание роли, поправить резюме, написать письмо, объяснить, почему вы подходите. Это не гарантировало качество кандидата, но хотя бы показывало минимальное усилие и понимание контекста.

Теперь это действие резко подешевело. ИИ может за минуту:

  • переписать резюме под конкретную вакансию;

  • добавить нужные ключевые слова;

  • сделать сопроводительное письмо «энергичным, но профессиональным»;

  • сгенерировать ответы на отборочные вопросы;

  • подготовить несколько вариантов под разные компании.

Само по себе это не зло. Плохо написанное резюме не должно ломать карьеру хорошему инженеру, особенно если человек пишет не на родном языке. Но когда стоимость отклика падает почти до нуля, рынок быстро превращается в гонку объемов.

Semafor в 2025 году писал, что заявки через LinkedIn выросли на 45%, а платформа фиксировала около 11 000 заявок в минуту. WIRED еще в 2024 году описывал, как рекрутеры уходят в более «аналоговые» способы отбора: одна вакансия data scientist в американской медтех‑компании собрала более 3000 откликов, и часть кандидатов, прошедших письменное задание, потом не могла объяснить свои решения на интервью.

Так возникает петля:

  1. Кандидаты шлют больше откликов, потому что ИИ удешевил подачу.

  2. Работодатели тонут в потоке похожих резюме.

  3. Работодатели ставят больше фильтров, тестов и автоматизации.

  4. Кандидаты еще активнее используют ИИ, чтобы проходить фильтры.

  5. Доверия становится меньше с обеих сторон.

Это не «кандидаты испортились» и не «рекрутеры обнаглели». Это нормальная реакция людей на систему, где внимание стало самым дефицитным ресурсом.

Другая сторона тоже не белая и пушистая

Было бы удобно сказать: кандидаты используют ИИ, значит, они виноваты. Но работодатели пришли туда раньше.

LinkedIn, Indeed, Greenhouse, Workday и другие HR‑инструменты давно автоматизируют части воронки: поиск кандидатов, ранжирование, парсинг резюме, подсказки рекрутерам, письма, тесты, а иногда и анализ видеоинтервью. WIRED в той же статье пишет, что LinkedIn и Indeed встраивают генеративный ИИ и для соискателей, и для рекрутеров. LinkedIn, например, давал рекрутерам ИИ‑инструменты для поиска кандидатов и генерации сообщений.

С точки зрения компании это рационально: входящий поток большой, людей в команде найма мало, бизнес хочет быстрее. Но со стороны кандидата это выглядит иначе: компания может использовать ИИ, чтобы фильтровать меня, а я не могу использовать ИИ, чтобы аккуратно объяснить, почему я подхожу?

Отсюда и главный конфликт. Запрет «не используйте ИИ» воспринимается честно только тогда, когда работодатель сам прозрачно говорит:

  • где в процессе используется ИИ;

  • какие данные кандидата туда попадают;

  • принимает ли ИИ решения или только помогает людям;

  • можно ли запросить альтернативный способ оценки;

  • что считается допустимой помощью кандидату.

Anthropic в новой версии правил хотя бы пытается это проговорить. Многие компании пока нет.

Детекторы ИИ не решают проблему

Самый плохой ответ на ИИ‑резюме — купить «детектор ИИ‑текста» и начать банить кандидатов по проценту вероятности.

У этой идеи две проблемы. Первая — техническая. OpenAI еще в 2023 году закрыла собственный классификатор ИИ‑текста, указав на низкую точность. Исследователи Stanford HAI показывали, что GPT‑детекторы могут быть предвзяты против людей, для которых английский не родной: в одном эксперименте больше половины TOEFL‑эссе не‑носителей английского были ошибочно классифицированы как созданные ИИ.

Вторая проблема — продуктовая. Даже идеальный детектор отвечает не на тот вопрос. Работодателю важно не «использовал ли кандидат ИИ», а «может ли кандидат выполнять работу, понимать последствия решений, объяснять ход мысли и отвечать за результат».

Если кандидат попросил Claude сделать письмо менее корявым, это не равно мошенничеству. Если кандидат сгенерировал выдуманный опыт, подделал тестовое или читает ответы с экрана на интервью — это уже другая история. Детектор текста плохо различает эти случаи, а иногда вообще не различает.

Где начинается реальный риск

Большая часть ИИ‑откликов — просто шум. Неприятный, дорогой для обработки, но не катастрофический. Реальный риск начинается там, где ИИ помогает не полировать форму, а подменять личность или компетенцию.

Gartner в 2025 году писал, что только 26% кандидатов доверяют ИИ как справедливому оценщику. Там же есть более тревожная часть: 39% кандидатов использовали ИИ в процессе подачи заявки, 29% — для ответов на вопросы в ассессментах, 6% признались в мошенничестве на интервью, а Gartner прогнозирует, что к 2028 году каждый четвертый профиль кандидата в мире может быть фейковым.

Это уже не история про красивое резюме. Речь заходит про личность кандидата, что выливается в вопросы безопасности и доступа к внутренним системам.

FBI отдельно предупреждало о схеме с северокорейскими удаленными IT‑работниками: тысячи специалистов под чужими или вымышленными личностями пытаются устраиваться в компании по всему миру, чтобы зарабатывать деньги для режима и получать доступ к инфраструктуре. DOJ в 2025 году тоже описывал схемы, где используются украденные личности, фальшивые сайты, аккаунты на сайтах вакансий, прокси‑компьютеры и посредники.

То есть «ИИ в найме» — это не только вопрос этики сопроводительного письма. Это еще и вопрос того, как компания проверяет личность, как выдает доступы, как проводит проверки биографии и насколько доверяет удаленному интервью.

Закон тоже догоняет

Регуляторы уже поняли, что автоматизированный найм — не безобидная «внутренняя оптимизация».

В Нью‑Йорке Local Law 144 требует, чтобы automated employment decision tools, автоматизированные инструменты принятия решений о найме, проходили аудит на смещение, а работодатели раскрывали информацию о таком аудите и уведомляли кандидатов. В ЕС AI Act относит ИИ‑системы для найма, управления работниками и доступа к самозанятости к высокорисковым: такие системы могут влиять на карьеру, средства к существованию и права работников.

Американская EEOC еще в 2023 году напоминала, что работодатель не снимает с себя ответственность, если купил ИИ‑инструмент у вендора. Если инструмент непропорционально бьет по защищенной группе, это проблема работодателя, а не только поставщика.

Это важный момент для компаний: нельзя спрятаться за «так решил алгоритм». И для кандидатов тоже: нельзя всю ответственность переложить на «так написал ChatGPT».

Нормальная граница проходит не там, где кажется

Запретить ИИ полностью почти невозможно. Проверить такой запрет надежно тоже почти невозможно. А главное — полный запрет часто бессмысленен.

Если человек использует ИИ как редактора, переводчика, тренажер процесса интервью или как инструмент самопроверки, это выглядит ближе к нормальной профессиональной грамотности. Особенно в IT, где умение работать с инструментами уже часть работы.

Проблема начинается в других местах:

  • ИИ придумывает опыт, которого не было;

  • ИИ пишет ответы, которые кандидат не понимает;

  • ИИ проходит тестовое за кандидата;

  • ИИ подсказывает на интервью в реальном времени там, где это запрещено;

  • кандидат скрывает использование ИИ там, где правила требуют прозрачности;

  • компания использует ИИ для фильтрации кандидатов, но не говорит об этом.

То есть правильный вопрос не «использовал ли ты ИИ?». Правильный вопрос: «Что именно ты сделал сам, где тебе помог инструмент, и можешь ли ты отвечать за итог?»

Для работодателя это означает, что нужно проектировать процесс найма не вокруг детекции ИИ, а вокруг проверки мышления:

  • просить кандидата объяснить решения голосом или на парном разборе;

  • давать небольшие задания с обсуждением компромиссов, а не гигантские домашние проекты;

  • явно писать, где ИИ разрешен, где запрещен, а где нужно раскрыть его использование;

  • проверять не только результат, но и способность кандидата менять решение при новых вводных;

  • не использовать ИИ‑фильтры без прозрачности, аудита и человеческой ответственности.

Для кандидата вывод тоже неприятный, но полезный: ИИ может помочь лучше написать фразы в резюме, но не должен убирать самого человека из уравнения; если после «улучшения» письма из него исчез ваш голос, конкретные детали и шероховатая правда опыта, вы не улучшили отклик. Вы сделали его похожим на остальные.

Так кто в итоге прав?

Anthropic в феврале 2025 выглядела смешно: компания продает ИИ для написания текстов и просит не использовать ИИ в письме о найме. Июльская версия правил выглядит куда реалистичнее: используйте ИИ как партнера, не подменяйте себя моделью, будьте готовы показать собственное мышление.

На мой взгляд, это и есть нормальная позиция. Не «запретить ИИ», не «разрешить все», а вернуть в процесс найма проверяемый сигнал.

Резюме больше не доказывает, что человек умеет писать. Сопроводительное письмо больше не доказывает, что человек действительно заинтересован. Тестовое больше не доказывает, что человек сам писал код. Видеоинтервью уже не всегда доказывает, что перед вами тот самый человек.

Значит, найм придется менять, строя его вокруг того, что сложнее подделать: объяснение решений, совместная работа, проверка контекста, репутация, реальные артефакты, способность признавать ограничения и отвечать за результат.

И вот здесь вопрос уже не к Anthropic, а ко всем нам. Где проходит честная граница между «я использовал инструмент» и «инструмент выступил вместо меня»? Можно ли считать резюме, отредактированное ИИ, личным текстом? Должны ли компании раскрывать свой ИИ в найме так же явно, как требуют этого от кандидатов? И если обе стороны уже «автоматизируют друг друга», не пора ли признать, что старая форма отклика просто умерла?