Напишіть нам
Ми в Indigo – Tech Recruiters 20 років займаємося рекрутингом для технологічного бізнесу. Достатньо довго, щоб побачити не одну хвилю «найгарячіших навичок»: бум iOS-розробників на початку 2010-х, Java-розробників у 2015-му, Blockchain і Web3 у 2017-му, фронтенд-щиків у 2020-му, Embedded-інженерів та робототехніків із 2024-го.
Тому коли останні кілька років усі заговорили про AI-грамотність, як нову обов’язкову навичку, хочеться згадати мем: «Це ж було вже!».
Бо ми бачили, як нова технологія спочатку стає конкурентною перевагою, потім окремим рядком у резюме, а згодом настільки звичною частиною роботи, що цей рядок просто зникає.
Для ілюстрації ми дістали з архіву Indigo резюме кандидатки на позицію рекрутерки 2007 року. У розділі про комп’ютерну грамотність вона писала: «Впевнений користувач програм Word, Excel, Internet, Outlook, Powerpoint, email, etc.» Тоді так писала більшість.
Тепер ми бачимо в резюме ту саму конструкцію, тільки про штучний інтелект: «впевнено працюю з AI-інструментами», «використовую нейромережі для аналітики», «маю досвід роботи з ChatGPT, Gemini, Claude, Midjourney». Змінилися слова, конструкція залишилася.
Що станеться з навичками роботи зі штучним інтелектом далі
Найімовірніше, історія повториться: у якийсь момент «працюю з AI» зникне з резюме, бо перестане будь-кого вирізняти. Але між «так пишуть усі» і «так уже не пише ніхто» є кілька років переходу, і саме в них ми зараз шукаємо роботу та наймаємо.
Головна різниця ось у чому. Раніше людина виходила на роботу, і за кілька днів ставало зрозуміло, чи справді вона вміє працювати в Excel. Збрехати можна було приблизно з понеділка до середи. Тепер перевірити навичку складніше, бо тим самим інструментом можна створити дуже переконливе резюме, супровідний лист, тестове завдання чи презентацію. Результат виглядає професійно, навіть якщо реальний рівень людини нижчий.
Це вже видно в даних. За дослідженням LinkedIn, оприлюдненим у січні 2026 року, дві третини рекрутерів кажуть, що знайти якісного кандидата стало важче. При цьому в США кількість відгуків на одну відкриту вакансію подвоїлася порівняно з весною 2022 року: відгуків більше, а відрізнити досвідченого кандидата складніше.
Паралельно ManpowerGroup у глобальному дослідженні 2026 року опитала понад 39 тисяч роботодавців у 41 країні. Уперше AI-навички стали найдефіцитнішими у світі, випередивши інженерні та ІТ-компетенції. AI-навички стають дедалі потрібнішими і водночас усе складнішими для перевірки.
Що таке AI-грамотність: п’ять складників
AI-грамотність (ШІ-грамотність, англ. AI literacy) – це здатність розуміти, як працюють AI-інструменти, доречно їх застосовувати, оцінювати отриманий результат і знати межі використання.
За основу ми взяли рамку AI-грамотності Міністерства праці США, оприлюднену 13 лютого 2026 року. Це рекомендація, а не стандарт чи сертифікація. Але схожий поділ є і в інших підходах: у дослідженнях AI literacy, рамці компетенцій UNESCO та європейській AILit від OECD і Єврокомісії. Вони по-різному називають складники, але сходяться в головному: недостатньо просто вміти користуватися інструментом. Треба розуміти його, правильно застосовувати, оцінювати результат і знати межі.
Єдиного бала AI-грамотності немає, і це важливо. Людина може чудово ставити задачі й майже не перевіряти результат. Або добре розуміти ризики й використовувати інструмент лише для найпростішого. Тому корисніше дивитися на п’ять складників окремо.
1. Розуміти, як AI працює
Знати архітектуру моделі чи вміти її тренувати не потрібно. Важливіше розрізняти, звідки взялася відповідь: зі знань самої моделі, з файлу, який ви їй дали, чи з пошуку в мережі. Це три різні джерела з різними ризиками, хоча відповідь у всіх трьох випадках може звучати однаково впевнено.
Як виглядає вузьке місце: людина просить порахувати щось за своєю таблицею, отримує натомість загальну ринкову оцінку й не помічає підміни. Одне з найкорисніших питань до будь-якої відповіді AI звучить так: звідки саме система знає те, що зараз стверджує?
2. Знати, де AI варто застосовувати
Тут перевіряється вже не стільки знання інструмента, скільки розуміння власної роботи.
Слабший рівень – брати AI для очевидних задач: попросити написати першу версію тексту або скоротити документ. Досвідченіший – бачити задачі, де виграш справді великий: розібрати сотні відгуків клієнтів, структурувати тригодинну розшифровку зустрічі, зіставити п’ять версій документа з правками різних людей, знайти закономірності у великому масиві даних.
Сюди ж належить уміння побачити, де AI краще не використовувати взагалі. Рамка не виносить це в окремий складник, хоча сама логіка в ній присутня, у питаннях ризику, людського судження і меж застосування. На практиці це варто перевіряти окремо: зріле користування починається не тільки з питання «що тут можна віддати AI?», а й з протилежного – чи варто тут використовувати його взагалі.
3. Уміти поставити задачу
Контекст, мета, обмеження і критерій готовності мають значення. Але справжня різниця між рівнями стає видимою після першої невдалої відповіді.
Результат може відповідати не на те питання, бути правильним загалом, але не для вашої ситуації, містити твердження, які неможливо перевірити, або лишатися надто загальним там, де потрібне конкретне рішення. На початковому рівні той самий запит переписується іншими словами. На вищому змінюється сама постановка задачі: додається контекст, звужується питання, уточнюються критерії або стає зрозуміло, яких даних моделі бракує.
4. Уміти оцінити результат
Перевіряти потрібно не лише очевидні фактичні помилки. Важливо помічати, чи повна відповідь, чи немає логічних стрибків, чи не переплутані кореляція і причина, чи справді джерело говорить те, що йому приписано. Найнебезпечніший результат не той, що очевидно неправильний, а той, що майже правильний. Саме його найважче помітити.
Тому важлива не абстрактна звичка «все перевіряти», а розуміння, що саме в цій задачі потребує перевірки і яким способом. Якщо перевірка випадкова, вона мало допомагає: найчастіше ми й так перевіряємо те, що вже здалося підозрілим.
З AI-агентами ця логіка змінюється. Якщо асистент сам надсилає листи від вашого імені, змінює дані в CRM, редагує файли чи бронює зустрічі, його результат – уже виконана дія. Тому частина перевірки переноситься на крок раніше: у постановку задачі, обсяг наданих прав і підтвердження критичних дій.
5. Знати межі
Чи можна завантажити в AI резюме кандидата? Клієнтський контракт? Фінансові результати? Медичні дані? Комерційну таємницю?
Досвідчений користувач знає не тільки, що AI може зробити, а й де проходять межі: які дані йому можна передавати, які рішення залишаються за людиною і які дії потребують окремого підтвердження. І тут є правило, яке варте багатьох інших: делегувати можна роботу, але не відповідальність за результат. Якщо клієнт отримав неправильну цифру, факт, що її порахував AI, нічого не змінює.
З агентами це питання стає ще ширшим. Ідеться вже не тільки про те, які дані ми вводимо, а й про те, які дії інструмент може виконувати від нашого імені і з якими доступами.
Як перевірити AI-грамотність кандидата: п’ять сигналів
Про AI-грамотність легко говорити правильними словами. На практиці іноді більше інформації дають ситуації, де щось не сходиться.
- Людина не може пояснити власний результат. У документі є цифра або висновок, а на питання «звідки це?» відповідь звучить як «зараз уточню».
- Делегує не задачу, а судження. Між «запропонуй три варіанти з аргументами» і «скажи, який обрати» є суттєва різниця. У другому випадку рішення фактично приймає інструмент, хоча відповідальність залишається на людині.
- Не може пригадати жодної помилки AI. Якщо людина користується ним щодня і не називає жодного випадку, коли система помилилася, не зрозуміла задачу або дала слабку відповідь, це радше привід поставити додаткові питання, ніж доказ бездоганної роботи інструмента.
- Показує лише фінальний результат. Готовий файл сьогодні говорить про навичку менше, ніж раніше. Значно цікавіше побачити, з чого людина почала, що змінила після першої відповіді, що перевіряла і що вирішила доробити сама.
- Не може пояснити межу між своєю роботою і роботою AI. Досвідчений користувач зазвичай може чітко сказати: це я делегував, це перевірив, це залишив за собою, а тут вирішив інструмент не використовувати.
Жоден із цих сигналів окремо не доводить слабкої AI-грамотності. Але якщо під час розмови вони повторюються, варто переходити від загальних питань до конкретного прикладу.
Як описати AI-навички в резюме
Тут могли б бути кілька вдалих формулювань, які можна скопіювати в розділ навичок. Ми їх не даємо навмисно.
Будь-яка влучна фраза швидко розходиться і перестає щось доводити – рівно так, як сталося з рядком про Word. Тому надійніше працює не формулювання, а конкретний досвід: яку задачу ви віддали AI, що перевірили, де змінили підхід і що залишили за собою. Саме це варто показувати в резюме й обговорювати на інтерв’ю.
AI-грамотність – це не тільки знання конкретних інструментів, а якість судження під час роботи з ними. Моделі змінюються швидко. Уміння поставити задачу, помітити слабкий результат, перевірити твердження і залишити остаточне рішення за собою застаріває значно повільніше.
Часті питання про AI-грамотність
Кандидат виконав тестове завдання за допомогою AI. Це порушення?
Якщо ви не заборонили це заздалегідь – ні. У багатьох професіях забороняти AI під час тестового взагалі немає сенсу: якщо в реальній роботі людина матиме доступ до інструмента, штучно забирати його під час оцінювання означає перевіряти не ту ситуацію. Краще змінити критерій: не «чи використовував кандидат AI», а «чи може він пояснити власні рішення, показати, як прийшов до результату, і захистити його без допомоги інструмента».
Чи варто вимагати сертифікати з AI?
Як доказ компетентності – навряд чи. Сертифікат показує, що людина пройшла певну програму, і майже нічого не говорить про те, як вона поводиться з реальною задачею, неправильною відповіддю або конфіденційними даними. Практичне завдання і конкретні приклади з роботи скажуть більше.
Чи варто просити кандидата показати свої промти до AI?
Іноді так, але сам по собі промт – слабкий доказ. Його можна підготувати заздалегідь, відредагувати після виконання задачі або показати лише найвдалішу частину. Корисніше попросити відтворити логіку роботи: з чого людина почала, що отримала у першій відповіді, що її не влаштувало, що змінила, як перевіряла результат і де вирішила більше не покладатися на інструмент.
Що ми радимо компаніям зробити вже зараз
1. Зафіксувати базові правила використання AI. Для старту достатньо однієї сторінки. Вона має відповідати на шість питань: які інструменти дозволені; які дані не можна передавати AI; хто відповідає за результат; де обов’язкова людська перевірка; які дії AI-агентів потребують підтвердження; куди звертатися у спірних випадках.
Політика (AI policy) має бути настільки короткою, щоб нею реально користувалися, а не просто ознайомилися з нею одного разу.
2. Не плутати правила з компетентністю. Політика визначає, що можна і чого не можна робити. Але вона не показує, чи вміє людина добре працювати з AI. Тому оцінювати варто не знання правил і не список інструментів, а поведінку: як людина ставить задачу, перевіряє результат, працює з помилками і розуміє межі делегування.
3. Визначити потрібний рівень AI-грамотності для кожної ролі. Універсального стандарту AI-грамотності сьогодні немає, та й однаковий рівень потрібен не всім. Рекрутерам, аналітикам, маркетологам і керівникам потрібні різні сценарії використання AI і різна глибина перевірки.
Тому ми розклали п’ять складників AI-грамотності на три рівні й описали їх через поведінку. Наприклад, для оцінювання результату:
- Basic: розуміє, що результат потрібно перевіряти, і знає, коли попросити допомогу;
- Intermediate: перевіряє самостійно і знає типові ризики AI у своїй сфері;
- Advanced: задає стандарти перевірки для інших і систематизує типові помилки.
У повній матриці – п’ять складників на трьох рівнях, питання для інтерв’ю, практичні завдання, бланк оцінювання і шаблон профілю ролі.
Не потрібно оцінювати AI-грамотність «взагалі». Потрібно визначити, яка саме AI-грамотність потрібна для конкретної роботи, і перевіряти її на реальних задачах.
📩Отримайте методологію оцінювання AI грамотності під час співбесід:
