Команды найма любят свои рубрики интервью. Мало кто знает, действительно ли они предсказывают, кто преуспеет. Честный ответ для большинства команд: нет. Отраслевые бенчмарки ставят корреляцию неструктурированных интервью с performance в r = 0.20 — едва выше случайности.
Структурированный AI-скоринг интервью — другая категория. На нашей когорте из 2 400 наймов с верифицированными 6-месячными performance reviews корреляция Пирсона = 0.74. Это сильная predictive validity — сравнима с тестами cognitive ability, золотым стандартом I/O-психологии.
На интервью AI скорит каждого кандидата по компетенциям: коммуникация, технический уровень, problem-solving, мотивация, cultural fit (настраивается). Решение о найме и условия оффера логируются.
Через 3 месяца руководитель нового сотрудника оценивает фактическую производительность. Через 6 месяцев — снова. Система сопоставляет эти оценки с исходными AI-скорами и считает per-competency корреляцию. Сильные корреляции — сигнал был реальным; слабые — эта часть рубрика не предиктивна, выбрасывайте.
Глобальный бенчмарк r = 0.74 — стартовая точка. Per-customer fine-tuning после ~50 закрытых наймов на семейство ролей поднимает predictive accuracy ещё на 12–18% на конкретных ролях этой команды.
Через три-четыре цикла найма модель откалибрована под вашу планку — она знает, как выглядит «отличный backend-инженер» именно у вас. Новые кандидаты скорятся против этой калибровки. Найм перестаёт быть интуицией и становится измеримой системой.
