HeadHunter [“Хэдхантер”] приобрел 51% российской технологической платформы Happy Job. Сумма сделки не раскрывается. Happy Job - технологическая платформа для исследования опыта сотрудников. Компания специализируется на исследованиях вовлеченности, удовлетворенности и лояльности сотрудников и измерении различных HR-метрик. С помощью платформы работодатели могут проводить исследования, анализировать результаты и получать практические рекомендации по развитию команд и повышению вовлеченности сотрудников. Согласно данным Rusprofile, ООО “Счастливая Работа” [юрлицо Happy Job] было создано в 2009 году. Гендиректор компании Алексей Клочков владеет 65%. Еще 23% принадлежит Артему Карматских. 12% владеет Вадим Завалов. Выручка организации за 2025 год составила 441 млн рублей, чистая прибыль - 2,1 млн рублей. @rusven

Про будущее поиска работы «Не знаю, кем стану, когда вырасту» – грустная фраза не только для подростков. Для человека с рабочей профессией карьерная «точка Б» часто вообще не существует. Есть только «найти что-то на завтра». Мы запустили поиск по жизненным ситуациям, и я стала думать, что дальше. Четыре направления: 1. Персональные ленты и мэтчинг. Умное ранжирование учитывает все больше параметров. Делали и будем делать. 2. Мультипрофили для работы/подработки. Днём менеджер по продажам, вечером бариста. Это два разных резюме и две разные ленты. Сейчас продукты подстраиваются под одну идентичность человека – а он не одна, в разные сезоны, финансовые и жизненные ситуации. 3. Мэтчинг по вайбу – самая спорная идея. В СНГ проблема не в скорости найма, а в том, что человек уходит через два месяца. Кроме того, что меня возьмут, важно, чтобы мне понравилось работать! Из отзывов о работодателе можно вытащить атмосферу и понять, кому здесь будет хорошо. Но проблема, что отзывы обычно негативные. Нужно будет придумать как собирать позитивную информацию о конкретной рабочей точке. 4. Раздел про будущее – Мобильность и новые карьерные треки Новые работы появляются, и чтобы о них узнавать, следить за возможностями с переездом или вахтой, с логичными новыми навыками, которые продолжают мой опыт – должен появиться раздел про будущее. Это будет расширять горизонт поиска и давать больше смысла в работе. Что бы вы добавили пятым? Или скажите, какой из четырёх вам больше всего кажется нужным.

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.