Не взял трубку от рекрутера? Лови жалобу на хх.ру 🫠 Мне тут попалось видео, где HR отправляет жалобу на кандидата за то, что тот сбрасывает звонки, збс причина) Причем на хх.ру есть целый список причин для жалоб: недостоверная информация, реклама, оскорбления и даже «кандидат не подходит» 🤨 Кстати, вот вам и пример последствий накрутчиков опыта, о которых писал вчера: кандидатов проверяют все жестче и теперь найм имеет систему рейтингов как в Яндекс Такси. Только там хотя бы видно, сколько у тебя звезд, а здесь вообще непонятно, кто на тебя пожаловался, за что и какие будут последствия. Скоро будем гадать, почему нас не зовут на собесы: резюме плохое или рекрутер поставил одну звезду за пропущенный звонок 👍 А вы знали про такую функцию на хх.ру?

Теперь официально нас будет собесить робот 😏 Недавно обсуждали вакансию хх.ру в команду верификации соискателей, и вот подъехал новый дроп)) С 1 октября всем работодателям стал доступен новый ИИ-помощник.

Если коротко: теперь первичный отбор кандидатов можно полностью отдать ИИ. Причем, по данным хх.ру, до 1000 откликов он разбирает за 10 минут.

Что конкретно меняется для нас с вами 👇 🔹 Сортировка в 3 категории ИИ сам формирует портрет кандидата на основе вакансии и распределяет кандидатов в три категории: «Подходит», «Можно рассмотреть» и мое любимое – «Не сейчас» (очень деликатно 🙃) Финальное решение все еще принимает человек. Но очевидно, что если на вакансию прилетело 1000 откликов, рекрутер в первую очередь пойдет смотреть тех, кого алгоритм положил в верхнюю стопочку. 🔹 Если информации не хватает – ИИ сходит к вам в личку, чтобы ее дополнить Например, работодателю нужен опыт в конкретном домене, а в вашем CV про это ничего нет. Помощник может задать вопрос в чате, а после ответа обновит ваш профиль и даже может перенести в папку «Подходит». 🔹 Краткий профиль по каждому кандидату Рекрутер видит не просто да/нет, а сводку по кандидату: какие требования подтверждены, по каким есть несоответствие, а где информации недостаточно. По мере общения профиль дополняется – в частности, появляется саммари телефонного разговора с кандидатом через хх.ру. 👉 И какой из этого вывод? К ИИ-отбору на первом этапе мы все давно привыкли. И я бы не рассчитывал, что новый помощник хх.ру вдруг станет лояльнее к кандидатам и будет заботливо вытаскивать вас доп. вопросами. Советую и дальше исходить из того, что все самое важное алгоритм должен видеть в резюме сразу. Поэтому продолжаем надеяться на себя: читайте вакансию → адаптируйте резюме под требования → используйте понятные формулировки и ключевые слова. Ну а в целом, добро пожаловать в найм 2026 года 🫡 Что думаете про это обновление от хх.ру? ❤️ - скорее хорошо 🥴 - скорее плохо 🗿 - уже без разницы

🌟 Крутые продукты не рождаются сами по себе — за каждым удобным сервисом всегда стоят люди, их решения и энергия. В hh⁠.ru мы точно знаем: главная сила любого бизнеса — это его команда. В новом рейтинге «ТОП-1000 российских менеджеров» от Ассоциации менеджеров и ИД «Коммерсантъ» мы заняли 4-е место среди IT-компаний по качеству управленческой команды, а генеральный директор hh⁠.ru Дмитрий Сергиенков вошёл в пятёрку лучших высших руководителей IT-отрасли. Кроме того, несколько наших руководителей признаны лучшими в своих направлениях:

▶️ Евгения Григорьева, директор по маркетингу — 1-е место в топ-100 директоров по маркетингу ▶️ Елена Петрова, директор по организационному развитию — 2-е место в топ-80 директоров по персоналу ▶️ Людмила Рогачева, директор по операционной эффективности и развитию — 1-е место в топ-20 директоров по закупкам ▶️ Юрий Донников, директор по правовому сопровождению и комплаенсу — 1-е место в топ-50 директоров по правовым вопросам ▶️ Татьяна Фомина, ex-CIO — 2-е место в топ-50 директоров по информационным технологиям

Компании всегда нужны люди, которые умеют создавать, развивать и поддерживать большие сервисы. И мы рады, что у нас в hh⁠.ru такие люди есть ❤️

hh показал, что находится под капотом у корпоративного LLM-судьи для нейроразбора резюме и как он оценивает ошибки и галлюцинации. LLM-судья — это модель, проверяющая другие модели. «Наивные» судьи могут галлюцинировать оценки, поэтому для качественного вердикта от общей шкалы отказались в пользу чётких критериев — рубрик. Чтобы сформировать каждую из них, понадобились десятки позитивных и негативных примеров. «Грамотный» судья способен хорошо различать не только очевидные попадания и промахи, но и пограничные случаи. Из деталей — отказ от общей шкалы, около сотни положительных и отрицательных примеров для каждой рубрики, отдельная таксономия ошибок и вывод: маленькой модели иногда достаточно, если критерии хорошо разложены. Чтобы выявить дефекты рубрик, использовали подход RIFT — таксономию типичных ошибок в критериях оценки. Финальный продукт работает в четыре этапа: валидация входных данных, извлечение доказательств, вердикты по рубрикам и расчёт итогового скора. Последний этап вынесли в код: финальную оценку даёт не модель. О разработке LLM-судьи и вынесенных уроках вышла статья в блоге hh на Хабре.