Почему «сильные кандидаты» в ИТ — это миф, и как мы перестали их искать
Привет, Хабр! Я Анастасия Туча, Recruitment Team Lead в Островке. Часто в ИТ-рекрутинге вижу формулировку: «сильный кандидат». Звучит понятно, почти универсально. На практике эта фраза часто скрывает главный вопрос: сильный для какой именно задачи? Для какой команды? Для какой стадии продукта? Для какого уровня автономности? Для какой роли в системе принятия решений?
В Островке мы используем skill-based подход, чтобы уйти от подобной размытости: оценивать не человека «в целом», а конкретный набор навыков, который нужен конкретной роли.
Вот как это устроено у нас
Skill-based подход начинается не с формулировок в вакансии, а сильно раньше — с декомпозиции роли. Мы определяем, какие задачи человек будет решать, какие решения принимать, с кем коммуницировать и какие навыки для этого действительно критичны.
Если команде нужен разработчик, который будет много взаимодействовать с продуктом, недостаточно проверить стек и алгоритмы. Важно понять, умеет ли человек:
формулировать вопросы к задаче
видеть ограничения
спорить с гипотезой, а не просто брать тикет
В другой команде это может быть не критично — там важнее, чтобы сотрудник уверенно работал с нагрузкой, понимал, как ведёт себя система под деградацией, и принимал решения, которые не ломают прод.
В какой-то момент мы зафиксировали это в виде скилл-сетов под роли — как рабочий инструмент, на который опираемся в процессе найма.
А дальше начинаются нюансы
Когда ты утвердил скилл-сеты, становится невозможно проводить интервью «как раньше». Нужно проектировать вопросы под конкретные навыки, договариваться о критериях оценки, учиться не путать уверенность с компетентностью.
Поэтому мы создали внутреннюю «школу интервьюеров», где обучаем нюансам собеседований в контексте skill based. «Выпускниками» стали уже более 70 технических спецов — в основном middle, senior-разработчики и, конечно, тимлиды.
Параллельно с развитием школы используем ИИ как вспомогательный инструмент. Его задача — помогать интервьюерам и рекрутерам работать с уже заданной рамкой: скилл-сетами, критериями оценки и фидбеком после интервью.
ИИ может помочь собрать скоркард по итогам разговора, структурировать заметки интервьюера, подсветить, по каким навыкам есть достаточно сигналов, а где оценка пока держится скорее на общем впечатлении.
Это не отменяет человеческое решение, но делает его более проверяемым: если мы говорим «кандидат хорошо подходит», становится проще увидеть, на каких конкретных наблюдениях это основано. А если в фидбеке появляется формулировка вроде «не почувствовали seniority», её приходится разложить: что именно не хватило — самостоятельности, глубины технических решений, работы с неопределённостью, умения объяснять trade-off’ы?
На практике мы убедились в профитах, которые даёт skill-based подход:
Рекрутерам — больше опоры в новом рынке, где старые сигналы становятся всё менее показательными. Резюме сегодня можно собрать с ИИ, ответы на типовые вопросы — отрепетировать, опыт — красиво упаковать. Skill-based подход помогает быстрее отделять релевантный опыт от хорошо проданного.
Нанимающим техспециалистам — общий язык для обсуждения кандидата. Вместо «сильный / не сильный» появляется разбор по навыкам: что подтверждено на интервью, где не хватило сигналов, какие риски критичны для команды, а какие можно закрыть онбордингом.
Инженерам — более прозрачный процесс. Понятнее, почему проверяют именно эти вещи, как они связаны с будущей работой и что будет важно после выхода. Это снижает ощущение случайности и помогает попадать в более релевантные роли.
Подробности о нашем skill-based подходе можно узнать из записи митапа hh.ru.
***
И два вопроса к читателям.
Если вы нанимаете — что чаще перевешивает: формализованная оценка по навыкам или «химия» с кандидатом?
Если проходите интервью — вам обычно понятно, какие именно навыки у вас проверяют и как это связано с реальной работой?