Как обнаружить AI-сгенерированные ответы на эссе в оценках претендентов

Плохая новость о generic AI детекторах

Off-the-shelf "AI content детекторы" — Turnitin, GPTZero, ZeroGPT — имеют измеренный false-positive rate 4–15% на native English письмо, и worse на non-native писатели. Они не точные достаточно отклонить претендента на.

Если вы используете generic AI детектор для fail претендентов, stop. Вы фильтруете за "не пишет как textbook" более чем вы фильтруете за "используется AI". Вы biased против ESL писателей и против junior писателей, которые polish их drafts.

Сигналы, которые действительно имеют значение

Useful detection сигналы поведенческие, не лексические:

1. Time для первого keystroke. Претендент, который читает prompt за 15 секунд и затем пишет 800 polished слова в 90 секунд не написал те слова.
2. Paste события. Clean paste из full ответ не претендент писание live. Integrity layer записывает каждый paste событие с длина и timestamp.
3. Edit distance при composing. Live письмо производит messy keystroke timeline — insertions, deletions, cursor jumps. Paste-and-polish производит flat, append-only timeline.
4. Tab и focus переключения. Did претендент leave страница mid-question за 40 секунд? Они probably пошли спросить LLM.
5. Voice/text несоответствие. Если вы имеете recorded интервью с same претендент, сравнивайте их spoken vocabulary для их written эссе. AI эссе используют much wider, more polished register чем претендент собственный speech.

Сигналы, которые игнорировать

• "Sounds like AI" лексические features. "Delve", "tapestry", "leveraging" — эти сейчас contaminated. Real претендента используют их. Real модели используют их. Вы не можете разделить два от word choice одной.
• Perfect grammar. Много претендентов пишут через Grammarly. Это не cheating; это как modern web пишет.
• Generic структура ("In conclusion…"). Generic структура это что most претендента обучены писать от high школы.

Паттерн, который работает в practice

1. Запустите эссе с paste-detection on. Отклонить silent pastes, или warn претендента они triggered одного — ваш call. Что вы must не делайте это record ничего и затем guess.
2. Surface поведенческие сигналы в report, не single "AI confidence score". Reviewer, который видит "30 секунд reading + один 740-character paste в 0:31" может решить; reviewer, который видит "67% AI" не может.
3. Пара эссе с 5-минутной live follow-up. Спросьте претендента объяснить specific параграф они написали. Paste-and-polish претендента fall apart fast на follow-up. Real авторы не.

Примечание на policy

Скажи претендентам advance ли AI инструменты разрешены. Большинство компаний должна сказать "нет за этот stage". Малый minority должна сказать "да, и расскажи нам как вы использовали это" — valid позиция за senior роли где AI часть actual работа. Что вы must не делайте это silent наказание AI используйте, что вы никогда не запретили; это оба unfair и indefensible если претендент appeals.

Как ClarityHire surfaces это

Наша integrity layer захватывает paste события, keystroke timelines, и tab-focus сигналы за каждый assessment. Reviewer видит timeline, не single black-box оценка. AI-content обнаружение запускается как один input среди several — никогда как auto-reject. Комбинируйте с live follow-up раунд и вы имеете defensible, candidate-fair процесс.

TL;DR

Не fail претендентов на лексический "AI детекторы" — false-positive rates слишком высокие. Вместо этого, захватите behaviour (paste события, time-on-task, tab focus), surface timeline для human reviewer, и gate с коротким live follow-up. Что combination то что competent hiring цикл выглядит как в 2026.