Команда Reksoft показала прототип веб-приложения для технических интервью: сервис в реальном времени слушает разговор, расшифровывает ответы кандидата и подсказывает интервьюеру, какие вопросы задать дальше. Для рынка, где AI на собеседовании уже стал частью гонки вооружений, это важный разворот: нейросети теперь помогают не только соискателям, но и тем, кто их нанимает.
О разработке сообщает Habr / Карьера. По словам автора заметки, решение появилось в рамках внутреннего AI-хакатона и пока не используется в реальных интервью с кандидатами. Важно и другое ограничение: инструмент не работает с live coding, а сфокусирован на теории, архитектуре и разговорных кейсах. То есть речь не про «автособеседующего», а про интеллектуальную шпаргалку для человека, который и так ведет секцию, но после четвертого-пятого интервью за день уже рискует скатиться в механическое «расскажите про ООП».
Сама постановка задачи у Reksoft довольно приземленная и поэтому убедительная. Рынок найма действительно захлебывается от откликов, а генеративный ИИ уже давно используется не только для полировки резюме. Кандидаты приходят на звонки с готовыми подсказчиками: одни выводят ответ на экран, другие шепчут его в наушник, третьи маскируют все это под «второй монитор для заметок». В публикации прямо сказано, что опытный интервьюер обычно замечает подвох по косвенным признакам: слишком гладкие формулировки, странные паузы, взгляд мимо камеры, ответ без понимания деталей. Проблема, однако, не исчезает: даже если жульничество видно, интервьюеру все равно нужно быстро понять, где именно копнуть, чтобы отделить человека с реальной экспертизой от человека с хорошим суфлером.
Прототип как раз закрывает этот разрыв. Сценарий работы описан по шагам. Сначала система захватывает аудиопоток разговора, затем переводит речь в текст через браузерный SpeechRecognition, после чего агент оценивает корректность ответа и предлагает углубляющие вопросы по теме. Ключевой момент не в бинарной проверке «правильно или неправильно», а в том, что AI пытается обнаружить лакуны в ответе. Если кандидат уверенно пересказывает базовую схему, но обходит острые углы, система должна подсветить именно это, а не сыпать случайными вопросами из соседней главы учебника.
В качестве примера Reksoft приводит тему Event Loop в JavaScript. Кандидат может без запинки рассказать про Call Stack, микрозадачи и макрозадачи, что само по себе уже давно не редкость: подобные ответы легко натренировать хоть по шпаргалке, хоть с генеративным помощником в соседнем окне. Но если человек не затронул связку с рендерингом браузера и роль requestAnimationFrame, AI-суфлер предлагает интервьюеру задать точный добивающий вопрос про момент отрисовки кадра и место requestAnimationFrame в общей модели. Это хороший пример не потому, что тема модная, а потому, что она показывает разницу между выученной последовательностью терминов и пониманием того, как все работает в реальном рантайме. На таком месте обычно и заканчивается магия «незаметных» подсказок.
Для бизнеса и команд найма в этой истории интересно не только противостояние с кандидатским AI, но и попытка стандартизировать качество интервью. В заметке перечислены три эффекта. Первый: интервьюер меньше выпадает из контекста, потому что система подсказывает вопросы по текущей теме, а не по абстрактному чек-листу. Второй: глубина проверки становится ровнее от кандидата к кандидату и чуть меньше зависит от усталости, настроения и памяти конкретного специалиста. Третий: инструмент может ускорить обучение джунов-интервьюеров, которые еще не умеют мгновенно строить ветку уточняющих вопросов. Это, пожалуй, самая практичная часть кейса. Многие компании могут пережить неидеальную форму интервью, но дорого платят за другую проблему: когда сильного кандидата не раскрыли, а слабого пропустили, потому что собеседование вел человек без достаточной насмотренности.
Отдельно стоит заметить, чего в этой истории нет. Reksoft не обещает детектор лжи для созвонов и не делает вид, будто один агент сейчас заменит технического эксперта. В статье прямо сказано, что решение создано для конкурса, не внедрено в реальные процессы и пока не покрывает анализ кода в живом режиме. Это полезное отрезвление на фоне рынка, где инструменты для интервью нередко продают в жанре «нажмите кнопку и найм станет объективным». Здесь подход куда честнее: AI на собеседовании рассматривается как второй пилот, а не как автопилот. Он может удержать разговор на глубине, но не снимет с команды ответственность за критерии оценки, матрицу компетенций и финальное решение.
При этом сама логика развития рынка выглядит вполне правдоподобно. Если кандидаты используют генеративные модели, чтобы лучше проходить фильтры, работодатели будут вооружаться в ответ. Следующий шаг напрашивается сам собой: такие помощники начнут не только подсказывать уточняющие вопросы, но и автоматически собирать саммари по интервью, раскладывать сигналы по компетенциям и сравнивать ответ кандидата с ожиданиями по грейду. Автор статьи пишет, что прототип уже умеет делать и это. Для HR и нанимающих менеджеров здесь, конечно, есть соблазн получить более быстрый и ровный процесс. Для разработчиков и техлидов вопрос другой: готовы ли они признать, что собеседование окончательно перестает быть разговором «человек с человеком» и становится матчем, где у обеих сторон за спиной стоит свой AI на собеседовании?