БИЗНЕС И ЦИФРОВИЗАЦИЯ

ИИ в найме: как соискатель превратил поиск работы в продуктовую воронку

231 отклик за неделю и два приглашения на созвон: предприниматель тестирует ИИ-воронку для поиска работы в IT.

✍️ Редакция iTech News | 18.11.2026 | ⏱ 4 мин | Источник: Habr / Карьера
💼

231 отклик за неделю, 137 просмотров резюме и два приглашения на созвон — такую воронку описал предприниматель Анатолий Шостак, который почти год ищет позицию Product Lead или Growth PM. Его эксперимент с ИИ в найме — попытка отвечать на автоматизированный рекрутинг такой же автоматизацией: не рассылать одно резюме вручную, а собрать базу своего опыта, оценивать вакансии по совпадению и подключать нетворкинг только там, где он действительно нужен.

О своём опыте Шостак сообщает Habr / Карьера. Автор называет проект HHH и описывает его как собственный стартап: он одновременно кандидат, пользователь и тестовый кейс. Внутри «команды» — условный мечтатель, который выбирает интересные компании, валидатор, считающий конверсии, и ИИ-ассистент, берущий на себя первичный разбор вакансий и подготовку черновиков откликов.

До автоматизации поиск выглядел заметно менее бодро. По словам Шостака, за два месяца он отправил около 200 качественных откликов: изучал вакансии, переделывал резюме и писал сопроводительные письма. Результат — один звонок от HR, причём по роли, не совпадающей с его компетенциями. Автор оценивает такую конверсию примерно в 0,5% и пишет, что на поиск уходило от двух до шести часов ежедневно.

Его объяснение знакомо многим кандидатам: вакансии быстро получают сотни откликов, а рекрутеры не успевают читать их вручную. Поэтому на первом этапе работают ATS-системы, фильтры по ключевым словам и другие автоматические механизмы сортировки. Это не означает, что любой отказ вынес алгоритм: часть вакансий может быть закрыта, заморожена или собирать кадровый резерв. Но для кандидата эффект один — хороший опыт, изложенный не в той форме, рискует не дойти до человека.

Шостак начал с того, что собрал за 15 лет работы единую базу подтверждаемого опыта: проекты, роли, кейсы и показатели. Из этой базы сформировали подробный профессиональный профиль — не публичное резюме, а источник фактов для ИИ. Затем вакансии разделили на три группы: при совпадении ниже 70% их сразу исключают; диапазон 70–89% отправляют в поток автоматизированной подготовки отклика; совпадение от 90% считают «золотым лидом» и дополнительно выносят на личную проработку через знакомых, фаундеров или нанимающих менеджеров.

Ключевой принцип здесь важнее самого промпта: ассистенту предлагают не приписывать кандидату нужные навыки, а искать в базе реальные релевантные эпизоды. Для вакансии с задачей роста продукта письмо должно опираться на конкретный прежний запуск, метрику или управленческий кейс, если такой факт действительно есть. Иначе автоматизация быстро превращается в фабрику одинаковых текстов — именно те отклики, из-за которых рекрутеры охотнее полагаются на фильтры.

За первую неделю система, по данным автора, подготовила 231 отклик и нашла 28 вакансий с совпадением 90% и выше. Резюме просмотрели 137 раз — Шостак считает это конверсией 70,3%. В чатах возникло 12 диалогов, но девять из них он относит к HR-ботам; до двух приглашений на созвон дошло с учётом всех контактов. Цифры пока нельзя считать доказательством эффективности метода: выборка мала, часть диалогов автоматизирована, а результаты зависят от профессии, уровня кандидата и состояния конкретного рынка. Зато они довольно точно показывают, где начинается следующая работа: просмотров много, а переходов к разговору с человеком заметно меньше.

Для разработчиков и продактов это повод относиться к поиску работы как к воронке, но не как к спаму. Полезно иметь полную базу проектов, результатов и стеков, а из неё собирать разные версии резюме под типы ролей. Метрики стоит разделять: отправленный отклик, просмотр, ответ, интервью и оффер отвечают на разные вопросы. Если просмотры есть, а разговоров нет, проблема может быть в позиционировании, примерах достижений или ожиданиях по роли. Если нет даже просмотров, вероятнее всего, не работают заголовок, ключевые навыки или соответствие требованиям вакансии.

Для HR и бизнеса история менее комфортная. Чем активнее кандидаты применяют генеративные инструменты, тем больше аккуратных, но похожих откликов получает рекрутер. Значит, одной проверки совпадения ключевых слов будет всё меньше: придётся лучше формулировать задачи роли, быстрее давать обратную связь и искать способы проверить реальный опыт без бесконечной цепочки фильтров.

ИИ в найме уже меняет не только работу рекрутеров, но и поведение кандидатов. Выиграет не тот, кто научится отправлять максимум писем за сутки, а тот, кто сможет использовать автоматизацию для точного отбора вакансий и честного перевода своего опыта на язык задач бизнеса. Вопрос теперь в том, успеют ли процессы найма отличать такую персонализацию от очередной массовой рассылки.

Поделиться: Telegram X LinkedIn