Влаштування на роботу під наглядом алгоритмів ШІ: як соцмережі працюють проти кандидата на посаду
Ринок праці дедалі тісніше пов’язується з цифровою поведінкою кандидата на посаду, оскільки роботодавців зараз цікавлять не лише його досвід, освіта й професійні навички, але й цифрова поведінка в соцмережах. У такій логіці співбесіда перестає бути єдиною точкою оцінки, бо частина рішень може формуватися ще до розмови з кандидатом, на основі його публічних висловлювань, звичок і персональних ознак, які алгоритми перетворюють на придатні для роботодавця сигнали.
Фінансовий аналітик Павло Дукач звертає увагу на те, що великі компанії почали використовувати штучний інтелект для зчитування поведінкових особливостей людей, які претендують на роботу. У такому підході з’явився навіть окремий термін “surveillance wages” — “зарплати під наглядом”. Це система, за якої розмір оплати залежить вже не стільки від кваліфікації, досвіду чи середньої ринкової ставки, скільки від цифрового профілю людини, який дає змогу вирахувати, на яку мінімальну суму вона погодиться.
На думку Дукача, така система працює через аналіз великого масиву особистих даних, де важливими стають фінансові вразливості людини. В розрахунок можуть брати кредити, мікропозики, борги та інші ознаки матеріального тиску, які дають змогу зрозуміти, наскільки сильно кандидат залежить від роботи і наскільки охоче прийме менш вигідну пропозицію. У його викладі проблема полягає ще й у тому, що значну частину такої інформації люди публікують самі, часто навіть не замислюючись, як вона може бути прочитана зовсім в іншому контексті.
Окремо він зосереджується на соцмережах, де, за його спостереженням, користувачі регулярно розповідають про речі, здатні вплинути на оцінку з боку роботодавця. Скарги на роботу, повідомлення про низькі доходи, розмови про подорожчання життя, згадки про вагітність чи інші події, що змінюють фінансову ситуацію, у такій системі перестають бути просто емоційними дописами. Це виглядає як набір сигналів, за якими алгоритм може визначати, наскільки людина вразлива і як далеко вона готова поступитися під час обговорення зарплати.
Ще одну важливу деталь аналітик бачить у накопиченому досвіді HR-систем і фахівців із найму, які вже вміють фіксувати повторювані моделі поведінки. У його версії для роботодавця має значення, як швидко кандидат погоджується на офер, які суми приймав у минулому і чи часто йшов на поступки. Якщо алгоритм зчитує фінансову скруту або звичку приймати нижчі ставки, пропозиція може виявитися нижчою за ринок. Якщо ж людина виглядає стабільнішою, їй можуть дати трохи більше, проте в межах тієї суми, яка все одно лишається вигідною передусім роботодавцю.
Крім того, Павло Дукач описує і технічний бік цього підходу. HR-системи, за його словами, завантажують дані про кандидата, після чого алгоритм порівнює ринкову вилку з тим, що він називає “профілем відчаю”, і формує персоналізовану пропозицію. З цієї логіки випливає, що двоє людей з близькими навичками можуть отримати різні умови, бо система враховує не однакову цінність роботи, а різну готовність погодитися на нижчу оплату.
Дукач також переносить цю тему за межі співбесіди і вважає, що подібні інструменти працюють вже під час самої роботи. Роботодавці використовують системи моніторингу продуктивності, поведінки, а подекуди навіть аудіо- чи відеоспостереження, щоб коригувати бонуси, премії і підвищення. У такому описі зарплата і додаткові виплати залежать від постійного цифрового спостереження, де будь-який показник може бути використаний для індивідуального налаштування умов праці.
Той самий принцип, за його словами, простежується і в роботі цифрових платформ, де діє динамічне ціноутворення. На прикладі сервісів на кшталт Uber чи Lyft він показує, що оплата зміни або поїздки може підлаштовуватися під попередню поведінку виконавця, тобто під те, наскільки швидко і за яку суму людина погоджувалася працювати раніше. Через це, як він підкреслює, однакова робота вже не гарантує однакової оплати, бо вирішальним фактором стає поведінкова історія конкретної людини.
“HR-системи завантажують дані про кандидата. Алгоритм порівнює ринкову вилку з вашим “профілем відчаю” та видає персоналізовану пропозицію. На поточній роботі роботодавці застосовують інструменти моніторингу (продуктивність, поведінка, навіть аудіо/відео в деяких випадках), які допомагають настроювати бонуси та підвищення.
Навіть у фрілансі, де є динамічне ціноутворення (Uber, Lyft), підлаштовують оплату зміни чи поїздки під те, наскільки швидко і скільки ви погоджувалися раніше. Двоє людей можуть виконувати однакову роботу, але отримувати різну суму, просто тому, що один “звик” до меншого”, – наголошує аналітик.
Щоб показати масштаб цього явища, Дукач посилається на аудит 500 компаній, які працюють із системами штучного інтелекту для управління персоналом. За наведеними ним даними, станом на серпень 2025 року такі інструменти активно пропонували в охороні здоров’я, логістиці, ритейлі та клієнтському сервісі. Він також згадує серед клієнтів подібних рішень великі корпорації, зокрема Intuit, Salesforce і Colgate-Palmolive, додаючи, що самі компанії заперечували використання моделі “surveillance wages” у такому вигляді.
У підсумку його думка зводиться до того, що публічність у мережі перестала бути другорядним тлом повсякденного життя і починає впливати на дуже конкретні речі — суму оферу, умови роботи, бонуси і шанси на працевлаштування. У такому баченні пост у соцмережі, випадкова скарга на нестачу грошей чи звичка швидко погоджуватися на нижчу оплату перетворюються на дані, з яких система робить висновок про те, яку зарплату можна запропонувати кандидату на посаду.
