Вакансии есть, соискатели есть. Почему компании и люди больше не находят друг друга
Представьте рынок труда, на котором одновременно происходят две вещи.
Человек отправляет 50 резюме и говорит: «Работы нет».
Работодатель третий месяц держит вакансию открытой и говорит: «Нормальных кандидатов нет».
Кажется, хотя бы один из них должен ошибаться.
Но свежие данные из Сингапура показывают, что вполне возможно другое: вакансии и люди существуют одновременно, просто система всё хуже умеет соединять одних с другими.
ManpowerGroup опросил 651 работодателя в Сингапуре перед четвёртым кварталом 2026 года. 33% компаний говорят, что теперь закрывают вакансии дольше, чем год назад. Среди тех, у кого процесс действительно замедлился, 43% винят несоответствие кандидатов требованиям работы, 35% — недостаток нужных навыков, 29% — нехватку квалифицированных людей на местном рынке.
Одновременно сами компании явно не спешат нанимать кого попало. 47% собираются просто сохранить нынешнюю численность, увеличить штат планируют 32%, сократить — 19%. Индекс ожиданий найма составляет +13% — это самый осторожный прогноз для Сингапура с четвёртого квартала 2021 года и заметно ниже текущего регионального показателя +33%.
То есть фраза «компании не могут найти сотрудников» немного обманчива.
Во многих случаях они не ищут просто сотрудника.
Они ищут человека, который достаточно точно попадёт в всё более узкий набор требований — и готовы ждать.
И это уже не сингапурская странность.
В январе LinkedIn опубликовал практически идеальные глобальные данные для описания того же парадокса. 65% людей сказали, что искать работу за последний год стало сложнее. Одновременно 66% рекрутеров заявили, что им стало сложнее находить качественных кандидатов. Число заявок на одну открытую позицию в США при этом удвоилось по сравнению с весной 2022 года.
Больше людей подаются.
Больше рекрутеров жалуются, что подходящих людей нет.
На первый взгляд это экономический абсурд. На практике — проблема сопоставления.
Работодатель ищет человека, которого сам не очень умеет описать
Одна из лучших иллюстраций этого разрыва появилась летом в исследовании Indeed и YouGov.
75% соискателей считают, что их навыки соответствуют требованиям современных вакансий. Среди работодателей только 56% считают, что получают заявки от людей с нужными навыками.
Одна сторона смотрит на объявление и думает:
«Я умею это делать».
Другая открывает то же резюме:
«Не подходит».
Indeed называет одну из причин ghost skills — навыки и ожидания, которые компания считает важными, но плохо формулирует в самой вакансии. В результате объявление может подробно перечислять программы, годы опыта и формальные требования, хотя на деле менеджеру нужен, например, человек, который быстро работает в неопределённости, самостоятельно принимает решения или умеет взаимодействовать с конкретным типом клиентов.
Кандидат оптимизируется под написанный список.
Работодатель оценивает по ненаписанному.
А потом обе стороны уверены, что другая сторона «не соответствует ожиданиям».
К этому добавился ещё один процесс: вакансии стали сложнее.
Компания может хотеть джуна, который уже умеет пользоваться AI, знает аналитику, пишет тексты, делает презентации, разбирается в нескольких сервисах и желательно уже два года выполнял примерно ту же работу.
Особенно быстро меняются требования вокруг искусственного интеллекта. LinkedIn сообщает, что в США число вакансий, требующих AI literacy — способности нормально работать с AI-инструментами, — выросло за год примерно на 70%. При этом речь уже не только о программистах: такие требования появляются в самых разных офисных функциях.
Свежие данные iCIMS показывают вторую половину проблемы. 47% американских соискателей за последние полгода специально развивали AI-навыки, но корпоративное обучение почти не растёт: доля людей, которые учатся пользоваться AI самостоятельно, за год поднялась с 22% до 30%, тогда как обучение от работодателей остаётся примерно на уровне одного человека из шести.
Компания хочет новый навык.
Но получить его кандидат часто должен где-нибудь сам.
И затем ещё доказать рекрутеру, что выучил именно ту версию навыка, которая нужна компании.
Есть ещё более неприятная часть современного найма: автоматизация позволила обеим сторонам создавать намного больше шума.
Соискателю стало проще отправить ещё одну заявку с помощью AI. Компании стало проще автоматически просеять ещё тысячу резюме. В результате объём взаимодействий растёт, а ощущение реального контакта — нет.
Глава Indeed Хисаюки Идэко́ба недавно назвал происходящее «порочным кругом»: кандидаты массово отправляют заявки и часто не получают ответа, работодатели получают всё больше заявок, значительная часть которых плохо соответствует вакансиям, и поэтому усиливают автоматические фильтры. После этого соискатели отправляют ещё больше заявок в надежде пробиться хотя бы через один. По данным, которые приводит компания, количество кандидатов на вакансию значительно выросло, одновременно число рекрутеров сократилось.
Получается почти гонка вооружений.
AI помогает человеку подать больше заявок → AI помогает компании быстрее их отфильтровать → человек подаёт ещё больше.
И посередине становится всё труднее понять, действительно ли человек и работа подходят друг другу.
Сюда же добавляются ghost jobs — объявления, за которыми не всегда стоит немедленное намерение кого-то нанять. Indeed признаёт проблему настолько серьёзной, что отдельно объясняет пользователям, как компания борется с такими вакансиями, и утверждает, что удаляет объявления без реального намерения нанимать.
Greenhouse, по данным недавнего анализа, обнаруживал признаки отсутствия реальной hiring activity примерно у 19% цифровых вакансий во втором квартале 2026 года. Это не значит, что каждая пятая вакансия была сознательной ложью: сюда могут попадать замороженные позиции, вакансии, которые тихо закрыли, объявления для кадрового резерва и другие случаи, когда человек подаётся, но фактического найма уже не происходит.
Для кандидата разница небольшая.
Он всё равно потратил вечер на резюме в вакансию, из которой ничего не могло получиться.
Особенно болезненно весь этот механизм бьёт по людям в начале карьеры. В свежем сингапурском исследовании ранний найм в целом ещё держится: 37% работодателей увеличили набор молодых специалистов, 39% ничего не меняли. Но среди 22%, которые его сократили, главной причиной стала AI-автоматизация некоторых entry-level задач — её назвали 38%. Ещё 34% сослались на экономию и предпочтение более опытных сотрудников.
И здесь появляется особенно неприятный карьерный парадокс.
Компании хотят людей с опытом.
Но часть тех задач, на которых раньше этот опыт получали новички, постепенно автоматизируется.
Чтобы устроиться, нужен опыт. Чтобы получить опыт, нужно устроиться. А часть стартовой работы уже сделал AI.
При этом неправильно сваливать весь кризис найма на нейросети. LinkedIn в своём большом отчёте по рынку труда прямо пишет, что нынешнее замедление найма прежде всего связано с макроэкономической неопределённостью, а не с массовой заменой людей искусственным интеллектом. В развитых экономиках hiring остаётся примерно на 20–35% ниже допандемийных уровней. AI пока сильнее меняет содержание вакансий и требования к навыкам, чем уничтожает весь рынок труда целиком.
Это важная разница.
Проблема 2026 года выглядит не как:
«работы больше нет».
Скорее:
«работа есть, но путь между человеком и этой работой стал длиннее, шумнее и требовательнее».
Работодатель хочет всё более точного кандидата и меньше готов обучать его после найма. Кандидат видит длинный список требований и либо решает, что недостаточно хорош, либо пытается оптимизировать резюме под фильтр. AI позволяет отправлять больше заявок и одновременно позволяет работодателю жёстче их сортировать. Неактуальные и низкоинтенсивные вакансии создают дополнительный шум.
А потом компания говорит:
«Мы три месяца не можем найти человека».
И где-то в этот же момент человек с похожими навыками говорит:
«Я три месяца не могу найти работу».
Пожалуй, именно поэтому термин skills gap иногда слишком удобен. Он звучит так, будто на рынке просто не хватает людей, которые умеют делать нужные вещи.
Но свежие данные показывают более странную проблему.
Иногда навык существует.
Кандидат существует.
Вакансия существует.
Не работает то, что должно было соединить все три вещи
