Бум ИИ запускает обратный эйджизм. Почему работодателям стало выгодно нанимать «доцифровых» сотрудников

Парадокс обратного эйджизма

Новое поколение соискателей приходит на рынок труда уже с привычкой постоянно использовать ИИ для решения своих задач. Можно не перечитывать отчет, а попросить бота сделать выжимку. Не думать над формулировкой письма, а скопировать предложенное ИИ. Не разбираться в теме, а довериться сгенерированному ответу.

В одном исследовании с участием нескольких сотен человек частое использование ИИ-инструментов оказалось связано со снижением способностей к анализу и самостоятельному принятию решений — за счет так называемого когнитивного офлоадинга. То есть делегирования мышления, когда мы передаем мысли машине и перестаем напрягать голову сами.

В образовании замечен похожий эффект: студенты, которые системно «делегируют» ИИ поиск информации и черновую работу, в среднем хуже справляются с заданиями на аргументацию и глубокое понимание темы.

При этом там, где ИИ встроен в продуманную учебную или рабочую среду — как инструмент, а не замена головы, — он, наоборот, помогает развивать сложные формы критического мышления. Но по умолчанию большинство людей используют нейросети как быстрый ответ, а не как тренажер.

Важно оговориться: это еще не приговор поколению, а статистика по отдельным группам. Есть молодые, которые прекрасно умеют сомневаться и проверять, и есть люди в возрасте, которые с радостью «отдают мозг на аутсорс» любому сервису и инструменту, обещающему снять с них непосильную когнитивную нагрузку. Но в среднем картина выглядит так: чем раньше человек получил доступ к удобным ИИ, тем выше риск, что он будет на них опираться, а не развивать собственные аналитические способности.

На этом фоне растет интерес к сотрудникам, которые привыкли жить без постоянных цифровых костылей. И чаще это люди постарше. Они охотнее сверяют выводы ИИ с реальностью, лучше чувствуют, когда что-то не бьется, и в критических ситуациях готовы взять ответственность за решения на себя.

Не случайно в опросах работодателей аналитическое и критическое мышление, а также способность к обучению называют ключевыми навыками ближайших лет — наравне с умением работать с данными и ИИ.

И вот тут возникает окно возможностей для людей в возрасте 30–50 лет и старше. Если есть желание и гибкость мышления позволяет осваивать новые навыки (а делать это можно в любом возрасте), научиться работать с нейросетями — дело нескольких недель в лучшем случае. Многие вещи понятны интуитивно, многие могут объяснить сами нейросети, как только научишься задавать им правильные вопросы.

А вот выработать в себе привычку к критическому мышлению, анализу, творчеству, запоминанию больших объемов информации — задача куда более нетривиальная. И если основы не заложены в юном возрасте, а мировоззрение уже сформировалось как «ИИ знает ответы на все вопросы, зачем напрягаться», с освоением этих базовых навыков мышления могут возникнуть большие проблемы.

Парадокс в том, что по мере повсеместного внедрения ИИ часть «цифрово продвинутой» молодежи рискует быстро утратить свое преимущество в виде знания нейросетей с пеленок. И будет выглядеть менее самостоятельной и надежной, чем опытные коллеги, которые научились использовать нейросети как инструмент, а не костыль.

Если сложить эти две истории — потенциальное ослабление критического мышления у части «детей нейросетей» и готовность опытных специалистов использовать ИИ, нетрудно представить сценарий, когда цениться будут не те, кто быстрее всего жмет на кнопку «сгенерировать», а те, кто способен усомниться в результате и взять ответственность на себя.

Где опыт становится преимуществом

Больше всего тренд на обратный эйджизм может выстрелить там, где ошибка дорого стоит и ИИ нельзя доверять без проверки.

• Профессии с высокой регуляторной нагрузкой — комплаенс, риск-менеджмент, аудит, банковский и страховой контроль. Здесь ИИ уже помогает находить аномалии, но финальное решение часто остается за людьми с опытом пережитых кризисов и проверок.
• Отрасли с высокой ценой ошибки — энергетика, транспорт, промышленная безопасность, медицина. Алгоритмы отлично вылавливают паттерны, но именно специалисты, помнящие, как «железо» ведет себя в реальности, принимают решение, когда вывод модели противоречит интуиции и регламентам.
• Профессии «второй линии мышления» — редакторы, аналитики, продуктовые менеджеры, консультанты. Здесь ИИ уже генерирует текст и презентации, но от человека ждут другой работы: отсеять штампованные идеи, увидеть скрытые риски, соотнести красивые графики со стратегией компании.

То есть везде, где ценится не столько владение цифровыми инструментами, сколько способность комбинировать технологии с контекстом задачи и ответственностью за принятые решения.

Алгоритм, который помнит прошлое

При этом старый добрый эйджизм никуда не делся. Большинство ИИ-моделей, использующихся в системах подбора персонала, учатся на истории о том, кого компания брала и кому отказывала раньше. Если годами работодатели предпочитали «молодых и гибких», модель честно повторит этот паттерн и будет реже пропускать кандидатов 45+.

В США первый громкий кейс на эту тему связан с онлайн-школой iTutorGroup: расследование показало, что ее программа автоматически отклоняла заявки женщин 55+ и мужчин 60+, за что компании пришлось заплатить компенсацию и переписать систему.

Похожий коллективный иск подали и против компании Workday — там ИИ-система для найма, по версии истцов, фильтровала кандидатов по возрасту еще до того, как их увидел живой рекрутер.

Исследования показывают: модели легко понимают скрытые маркеры возраста: год окончания вуза, длительные паузы в стаже, опыт работы с устаревшими технологиями — и используют их как негативный сигнал про кандидата.

Российская специфика: закон против эйджизма, алгоритм — за

На российском рынке к этим общим трендам добавляется собственный сюжет. С одной стороны, закон прямо запрещает дискриминацию по возрасту и наказывает за вакансии с возрастными ограничениями.

С другой — опросы рынка труда показывают, что зрелые кандидаты сильно недоиспользуются, а их резюме реже попадают хотя бы на первый разговор с работодателем. Поэтому не указывать в резюме возраст уже стало стратегией: так выше шансы, что его хотя бы рассмотрят.

Параллельно растет рынок HR-технологий: по оценкам профильных исследований, почти половина российских компаний уже применяет ИИ в HR-процессах, а часть — именно в подборе персонала. И если алгоритмы обучают на существующей практике найма, велик риск, что они просто зашьют невидимую возрастную планку в код.

Регуляторы в ЕС уже признали ИИ-системы для найма и управления персоналом «высокорисковыми» и устанавливают к ним жесткие требования по прозрачности и недискриминации.

Но в России подобный режим пока только обсуждается. А значит, многое зависит от осознанности самих работодателей.

Что делать в новой реальности

Молодым соискателям

Главный риск — вырасти вместе с ИИ и не заметить, как он забрал у вас основной навык, за который пока еще платят деньги живым людям: способность думать.

Это значит, что как можно раньше надо начинать сознательно тренировать критическое мышление: разбирать чужие тексты и решения, искать ошибки в ответах ИИ, пробовать решать задачу «с нуля», а уже потом сравнивать с тем, что выдал бот. Исследования показывают, что именно сочетание ИИ и традиционных форм обучения дает наилучший эффект для развития аналитики, а не ее подмены.

Соискателям в возрасте

Ваше конкурентное преимущество — опыт и развитое чувство интуиции, которого еще нет у 21-летнего выпускника вуза. И эти вещи все еще ценятся на рынке труда.

Но если к этому не добавляется базовая цифровая грамотность и умение работать с ИИ-инструментами, то в глазах работодателя вы легко превращаетесь в «еще одного консервативного скептика». С учетом, что ажиотаж вокруг ИИ вряд ли схлынет скоро, быть техноконсерватором на рынке труда становится рискованной стратегией.

Поэтому ключевая стратегия — демонстрировать не только опыт, но и способность учиться: пройти курсы по аналитике с ИИ, показать в резюме конкретные кейсы, где вы использовали модели для ускорения своей работы, а не заменяли ею мышление.

Работодателям

Ваша практика найма в итоге и решит, победит ли классический эйджизм, обратный эйджизм или что-то более разумное.

Если дать алгоритму полную власть и не смотреть, кого он отсекает на ранних этапах, он просто умножит существующие перекосы — по возрасту, полу, образованию. С учетом дефицита кадров на рынке труда, это может стоить вам месяцев бесплодных поисков «идеальных» кандидатов на открытые вакансии.

Если относиться к ИИ как к инструменту и объекту аудита, эффект может быть противоположным: анализ воронки с разбивкой по возрасту покажет, что вы системно недобираете либо молодых, либо старших кандидатов, и заставит пересмотреть критерии.

Западные юристы и регуляторы уже предлагают компаниям внедрять процедуры проверки HR-алгоритмов на дискриминацию и документировать метрики справедливости, чтобы не оказаться в центре следующего иска.

В идеале именно работодатель задает правила. Не «нам нужны только миллениалы/зумеры, которые на "ты" с ИИ» и не «только опытные, которые все видели», а как запрос на команды, где рядом с нейросетями работают люди разных возрастов — и умеют спорить и с машиной, и друг с другом.

Тогда повсеместное внедрение ИИ в найме станет не автоматизацией эйджизма, а лакмусовой бумажкой, которая показывает, насколько компания вообще готова замечать собственные слепые зоны.