Работодатели и учебные заведения проверяют использование ИИ через прокторинг (наблюдение за экзаменуемым через камеру и экран), поведенческие маркеры на видеозвонках — паузы, монотонное чтение, отказ показать комнату — и текстовые детекторы, которые ищут статистические следы генерации. Ни один из методов не даёт стопроцентной гарантии, поэтому компании обычно комбинируют несколько подходов сразу.
Почему это вообще стало проблемой
Ещё три года назад видеозвонок с рекрутером считался удобной и достаточной формой проверки. Кандидат подключался, рассказывал о себе, отвечал на вопросы — и на этом всё заканчивалось. Сейчас этого мало.
По данным опроса сервиса Checkr среди 3 тысяч HR-менеджеров, 59% респондентов заявили, что подозревают кандидатов в искажении информации о себе или использовании ИИ во время собеседований. Проблема не ограничивается подсказками во время разговора: работодатели всё чаще сталкиваются с резюме, созданными с помощью ИИ, и даже с цифровыми аватарами, имитирующими присутствие человека.
Цифры по отдельным рынкам ещё жёстче. В Гонконге, по данным исследования Robert Walters, две трети соискателей активно используют ИИ-инструменты для создания резюме, автоматизации откликов на вакансии и получения подсказок во время видеоинтервью. В ответ на это 67% компаний в регионе уже перешли на очные встречи. Похожая динамика видна и на других рынках: доля работодателей, запрашивающих личные собеседования вместо видеозвонков, выросла до 30% в 2025 году против 5% годом ранее.
Отдельная головная боль — не просто подсказки, а полноценные дипфейки. По данным Gartner, 6% из 3000 опрошенных соискателей признались, что мошенничали на собеседованиях, а к 2028 году каждый четвёртый профиль кандидата в мире может оказаться поддельным.
Какие признаки выдают кандидата на видеозвонке
Первый сигнал для рекрутера — не содержание ответа, а то, как он звучит. Речь становится ровной, без пауз на раздумье, будто человек зачитывает готовый текст. Рекрутеры сообщают о случаях, когда люди буквально читали ответы с экрана, повторяя текст, сгенерированный языковой моделью.
Показательный случай попал в соцсети в 2025 году: видео с ИИ-рекрутером, который 14 раз подряд повторил фразу «vertical bar pilates», запинаясь и заикаясь, стало вирусным — соискательница проходила отбор на платформе, о которой компания предупредила её заранее. История любопытна тем, что показывает обратную сторону тренда: ИИ теперь может сидеть по обе стороны звонка, и рекрутер, и кандидат.
Типичные поведенческие маркеры, на которые обращают внимание при живом наблюдении:
- взгляд смещается в сторону — к другому монитору или устройству, а не в камеру;
- ответ звучит гладко и структурированно, но человек теряется при уточняющем вопросе;
- заметная задержка перед ответом на простой вопрос, будто идёт ожидание генерации текста;
- голос и мимика не совпадают по эмоции — человек читает текст с нейтральным выражением лица.
Что конкретно делают компании для проверки
Часть работодателей пошла дальше наблюдения и ввела прямые технические проверки. Например, клиенты рекрутинговой компании Quantum могут попросить кандидата поднять руки во время интервью, чтобы показать, что он не ищет ответ на другом устройстве. В стартапе Passion.io соискателя могут попросить продемонстрировать экран, а в компании Somos кандидатов просят убрать виртуальный фон в Zoom и повернуть камеру так, чтобы было видно комнату.
Отдельный приём — жест рукой перед лицом. Его используют в том числе потому, что ИИ-аватары пока не всегда способны корректно его воспроизвести. Somos также начала проверять IP-адреса участников звонка, чтобы отсечь случаи, когда кандидат подключается не из того региона, который указан в резюме.
| Метод проверки | Что он помогает выявить |
| Демонстрация экрана | Подсказки от нейросети или шпаргалку во второй вкладке |
| Поворот камеры / отключение виртуального фона | Постороннего человека или второе устройство в комнате |
| Жест рукой перед лицом | Использование ИИ-аватара вместо живого видео |
| Проверка IP-адреса | Несовпадение реального местоположения с заявленным |
| Слежение за переключением вкладок | Обращение к чат-боту или поисковику во время разговора |
Как отмечают в отдельных обзорах рынка труда, некоторые работодатели дополнительно проверяют IP-адрес, просят включить демонстрацию экрана и следят за переключением вкладок, а другие переносят тестовые задания из дома в офис или проводят их прямо во время видеозвонка. Отдельно от рекрутеров этой темой занимаются и исследователи рынка труда: профессор экономики Стэнфордского университета Ник Блум отмечает, что ИИ негативно влияет на достоверность виртуальных тестов по программированию и собеседований по видеосвязи, из-за чего часть технологических компаний вернула очный формат именно для технических интервью.
Как вузы и образовательные платформы ловят нарушения на экзаменах
Здесь основным инструментом остаётся прокторинг — система наблюдения за экзаменуемым через веб-камеру, микрофон и экран во время тестирования. Технология появилась ещё до массового распространения генеративного ИИ, но сейчас её функциональность заточена в том числе под новый тип нарушений.
Система прокторинга обычно отслеживает несколько параллельных метрик: детекцию голоса, смену активного окна и подключение второго экрана. По совокупности этих сигналов рассчитывается итоговый показатель. На основе зафиксированных нарушений по формуле вычисляется рейтинг достоверности результатов экзамена, а оценка доверия строится на всех отслеживаемых метриках и весовых коэффициентах, подобранных опытным путём. По итогам сессии формируется протокол — обычно в формате PDF, который может просмотреть либо алгоритм, либо живой наблюдатель.
Практика различает три модели контроля:
- Автоматический прокторинг — систему просматривает только алгоритм, без участия человека.
- Асинхронный прокторинг — запись анализируется после экзамена, часто с расчётом вероятности нарушения.
- Синхронный прокторинг — специалист следит за процессом в реальном времени.
Живое наблюдение по-прежнему остаётся эффективным способом поймать нестандартные уловки. Участник, который не отводит взгляд от экрана, тоже может жульничать — некоторые размещают шпаргалки прямо перед монитором или прикрепляют их на сам экран так, чтобы это не было видно в камеру, и распознать подобные хитрости под силу только опытному наблюдателю. Похожая логика применяется и к помощи со стороны: она может выглядеть по-разному — от звонка другу через наушник до подсказок постороннего человека в помещении, и здесь снова решает внимательность проктора, а не только автоматика.
Как проверяют письменные ответы и эссе на ИИ-генерацию
Отдельная задача — не поведение человека во время использования ИИ на экзамене, а сам текст, который он сдал. Здесь работают текстовые детекторы, обученные отличать сгенерированный текст от написанного человеком.
Детектор ИИ-текста — алгоритм, который анализирует статистические особенности текста (предсказуемость слов, длину предложений, повторы) и на этой основе относит его к машинному или человеческому. Такие детекторы встроены, например, в системы проверки на плагиат в вузах.
Сервис «Антиплагиат» (их много, выбирайте любой) выполняет задачу классификации текстов на искусственные и естественные, а сам инструмент представили в мае 2023 года и включили в стандартную лицензию проверки на заимствования. Один из характерных признаков, на который опирается система, в компании называют «эффектом рыбки Дори»: стоит насторожиться, если в тексте есть частые повторы одного и того же смысла или противоречащие друг другу выводы, будто автор неожиданно поменял точку зрения.
Почему ни один способ не даёт стопроцентной гарантии
Формально задача выглядит решаемой: обучить классификатор, зафиксировать паттерны, сравнить с эталоном. На практике всё сложнее, и дело не в качестве конкретного алгоритма.
Речь идёт о непрерывной технологической гонке между генераторами текста и детекторами: каждая сторона подстраивается под изменения другой, теряет преимущество и снова пытается его вернуть, и у этой гонки нет финальной точки, где одна из сторон побеждает окончательно. Практическое следствие — детектор, который отлично ловил тексты полгода назад, может давать сбои на новой версии модели. И наоборот: живой, но нестандартно написанный текст человека иногда попадает под подозрение как машинный — это называют ложным срабатыванием, и с ростом точности генераторов таких случаев становится больше, а не меньше.
То же самое верно для поведенческих проверок на собеседованиях. Жест рукой, поворот камеры или проверка IP снижают число простых случаев обмана, но не закрывают вопрос полностью — технологии на обеих сторонах развиваются параллельно, и то, что сегодня надёжно отличает живого кандидата от аватара, через год может перестать работать.
