Отбор кандидатов в эпоху AI и лейткода

AI и LeetCode сменили правила игры — и российские рекрутеры, CTO и HR теперь вынуждены перестраивать процесс отбора. Ниже — сжатый, но полный разбор: что реально поменялось, какие риски появились, какие практики работают в 2025 году в России и какие шаги нужно сделать уже сегодня.

Короткий пул фактов 

AI-ассистенты резко увеличили случаи списывания на код-тестах и поставили под сомнение смысл «чистых» LeetCode-проверок. Это фиксируют международные издания и рекрутинговые расследования — работодатели видят рост мошенничества и одновременно — рост спроса на умение работать с AI-инструментами.

Экспериментальные исследования и отраслевые обзоры показывают смешанные результаты по продуктивности с AI: в реальной работе улучшения часто сопровождаются дополнительной проверкой и валидацией, что меняет экономику найма.

В России HR-сферы активно внедряют AI в sourcing и скрининг, но адаптация интервьюируемых к новым форматам идёт неравномерно — локальный рынок требует гибридных подходов.

Почему LeetCode-ориентированный отбор устарел

LeetCode хорошо измеряет алгоритмическую скорость и голую логику, но теперь:

• ИИ решает большое количество алгоритмических задач автоматически (боты/ассистенты), повышая риск «фальшивой» оценки.
• Реальная инженерная работа часто требует интеграции, архитектурного мышления, работы с legacy, общения с бизнесом — навыков, которые LeetCode отбирает плохо.

Итог: LeetCode ещё полезен как одно из звеньев оценки, но как основной фильтр он теряет ценность — особенно в условиях, когда кандидаты могут использовать AI в тестах. (См. дискуссии сообществ и аналитические статьи.)

AI в интервью — два подхода на рынке и их последствия

Некоторые компании (например, Meta) уже экспериментируют с допуском AI в интервью, чтобы симулировать реальную рабочую среду; другие запрещают его ровно для того, чтобы сохранить честность теста. Оба подхода имеют смысл, но требуют разной организации:

• AI-позитивный интервью-процесс: кандидат может использовать ассистента, но обязан объяснить решение и пройти валидацию вручную — проверяется умение «работать с AI». Это снижает проблему «cheating», если интервью настроено на объяснение намерений.
• AI-запрещённый процесс: в очных/прокторируемых сессиях или в задачах, где проверяется ход мышления, а не только результат. Это хорошо для оценки базовых навыков и честности, но дороже в организации и не отражает реальной эксплуатации инструментов.

Чего именно боятся работодатели?

Работодатели теряют сигналы: когда результат кода можно получить «за кадром», важно увидеть процесс — как кандидат думает, какие компромиссы выбирает, как пишет тесты и объясняет дизайн. Кандидаты теряют время и мотивацию, если проходят через многоэтапную, устаревшую систему, где ценится не реальный рабочий навык, а умение «готовиться к олимпиадам».

Практическая схема отбора (на наш взгляд)

Разместите
тендер бесплатно

Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.

Заполнить заявку 13201 тендер
проведено за восемь лет работы нашего сайта.

Эта схема сочетает честность, скорость и отражение реальной работы:

1. Краткий автоматический pre-screen (10–20 минут, асинхрон, автопроверка) — базовая грамотность, минимальный порог.
2. Live-сессия 30–45 минут с интервьюером (видеозвонок, screen sharing) по одному практическому сценарию: кандидат пишет, объясняет, отвечает на уточнения. Важен фокус на процессе, не только на готовом коде. (Прокторинг нужен, если запрещён AI.)
3. Портфолио / take-home кейс, но короткий (макс 3–6 часов) и чётко связанный с реальной задачей проекта; обязательно обсуждается с интервьюером: как принимались решения, почему определённые trade-offs.
4. Культура proof-of-work: попросите мини-ревью кода, PR, open-source contribution или запись walkthrough по реальному фичерелизу — это сильный сигнал.
5. Проверка AI-умений как отдельного навыка: если в роли предполагается работа с AI-инструментами, делайте отдельную задачу по prompt-engineering / валидации вывода модели.

Эти шаги минимизируют эффект cheating, одновременно давая шанс показать реальные навыки.

Технические и организационные меры против AI-cheating

• Используйте live coding с объяснением шагов и вопросов «почему» — это сразу выявляет, когда кандидат механически вводит код из AI.
• Прокторинг и ограничение внешних вкладок/доступа на онлайн-тестах (важно там, где невозможно live-interview).
• Задачи на систему/архитектуру и code-review: попросите кандидата разбирать чужой код — это сложнее отдать на AI без понимания.
• Интеграция задач, где ответ зависит от контекста компании (internal API/схема данных) — менее пригодно для общего AI-решения.
• Фиксация «процесса» (запись сессии, лог правок) — важна для доказательства честности.

Что менять в HR-процессах и грейдах

• Обновите матрицы компетенций: включите в грейды умение работать с AI-инструментами, проверять их вывод и объяснять решения.
• Упростите и ускорьте pipeline: кандидаты не любят многоступенчатую тетрадку из тестов, особенно при рынке с высокой мобильностью.
• Внедрите «trial projects» с оплатой (1–2 недели): платный пилот лучше выявляет fit, безопаснее и справедливее.
• Обучайте интервьюеров: научите оценивать объяснения и процесс, а не только результат.

KPI для оценки нового процесса

• Time-to-offer — уменьшите задержки, чтобы не терять кандидатов.
• Conversion (phone → onsite → offer → accepted) — отслеживайте влияние изменений.
• Quality of hire (6–12 мес. performance) — сравнивайте с историей, чтобы понять, работают ли новые форматы.
• Cheating incidents — количество зафиксированных случаев/сессий с подозрениями.
• Candidate NPS — чтобы контролировать бренд работодателя.

Краткий прогноз

LeetCode не умрёт мгновенно, но перестанет быть универсальным фильтром: его место займут гибридные сценарии, где оценивается процесс, архитектурное мышление и умение работать с AI. 

В РФ это усилится из-за локальных реалий (разница в доступе к инструментам, потребность в безопасности и сертификации, конкуренция за региональные кадры). 

Компании, которые перестроят подбор так, чтобы тестировать не только «что умеет сделать кандидат», но и «как он делает» и «как он взаимодействует с инструментами» — будут выигрывать и по качеству найма, и по скорости.