Нейросети превратили найм в лотерею 🎰 И дело не в том, что LLM помогают проходить собесы. 🪨 HackerRank выложили в открытый доступ систему для оценки резюме при помощи ИИ. Инструмент стал невероятно популярным среди рекрутеров. Программа парсит файлы и скармливает данные языковой модели для выставления баллов резюме. Учитываются навыки, опыт работы и личные проекты на GitHub. Звучит как отличная автоматизация скучной рутины. 👍 Однако, один разработчик решил проверить систему и прогнал своё резюме несколько раз подряд. Результаты оказались пугающими. Совершенно идентичный файл получал оценки от 74 до 90+ баллов. 🚬 При проходном пороге в 85 баллов кандидат получает отказ просто по воле случая. Модель стабильно распознаёт базовые навыки, но при попытке оценить сложность проектов начинает выдавать случайные числа и каждый раз генерирует абсолютно разные вердикты. Самая большая проблема кроется в оценке профессионального стажа. Запрос для этого раздела состоит всего из пары строк без подробных критериев.😮‍💨 В итоге студент с одной стажировкой и опытный архитектор получают одинаковый максимальный балл. 😐 В чем может быть причина? Поммимо того, что над нормально писать критерии в промптах, есть ряд инженерных факторов о которых вы должны помнить, если делаете такое решение. Если бы мы говорили о classic ML моделях, я бы сказал - бегите глупцы фиксите seed'цы (random states).  Но тк мы работаем с ядром на LMках, придётся следить за параметрами генерации в лице температуры, тк она влияет на креатив. Также нужно следить за тем, что контекст чётко обнуляется, ведь генерация зависит в тч от накопленгого контекста. Те для каждого прогона, каждого резюме нужно "забывать" прошлые прогоны. Однако даже имея Т=0 и фиксу по контексту. Придётся следить и принимать: 1. Non-determinism в LLM - даже при temperature=0, многие современные модели (особенно с speculative decoding, batching, и т.д.) могут давать немного разные результаты. 2. Parsing inconsistency. PDF/DOCX парсинг может давать разные результаты при каждом чтении, особенно если используется OCR или layout analysis. 3. Tool calling / Function calling. Если модель использует function calling для выставления оценок, структура вызова может варьироваться. 4. Batch processing, если резюме обрабатывается батчами с другими, контекст соседних документов может влиять. 5. Floating point non-determinism - на GPU операции могут быть недетерминированными из-за parallel reductions... Да, не легка жизнь AI-dev и AI-engineer, столько нюансов. 📝 P. S. Ещё ссылки на событие. Трек в реддит тут. Блог от HackerRank тут. Читаем, делаем выводы и stay tuned 🦾

Сотрудники, которые говорят уверенно, располагают к себе больше, даже если по факту делают работу хуже Есть стэнфордское исследование, где наблюдатели оценили более уверенных студентов как более умных и более подходящих для найма, хотя объективных доказательств этому не было. То же самое проверили на 150 тыс предпринимателей в Мексике: люди из более высокого социального класса были более самоуверенными, и их считали более компетентными, хотя по факту в тесте они были не лучше.

Вывод: уверенность считывается как способность, даже когда доказательств тому нет

Если вы как руководитель не разбираетесь в какой-то теме на уровне эксперта, есть риск что вы считаете более "борзого" более компетентным, верите его идем больше и допускаете ошибку. Мозг считает уверенность сигналом компетентности, когда других сигналов под рукой нет Забавно, что тот, кто реально шарит, часто скромен и использует фразы в духе «не уверен», «надо проверить», «может не сработать», потому что видит риски. А новичок, например, стелет уверенно, потому что опытом не битый Если вам в команде вам импонирует тот, кто увереннее всех питчит на встречах, спросите себя: вы оцениваете результат или напор?

Апокалипсис в найме для программистов отменяется (но есть нюанс) 😁 Свежий отчет SignalFire показывает, что ИИ действительно устроил зачистку в IT, но под раздачу попали все, кроме программистов Рынок труда в 2026 году пересобрался по-своему:

— Найм в бигтехе упал на 25% по сравнению с допандемийным уровнем, но инженеров это почти не задело. Теперь они составляют аж 55% от всех новых сотрудников. Нейронки сделали синьоров настолько эффективными, что увольнять их никто не планирует; — Больше всех пострадали дизайнеры (найм в крупных компаниях рухнул на 48%) и маркетологи (минус 36%); — Из забавного — сеньоры стали настолько самостоятельными, что менеджеры среднего звена стали просто не нужны. — Джунам-вкатунам соболезную — их найм упал на 65%.

Выдыхаем? 💻

5 оферов в июне 2026🦄 Обожаю эти кликбейтные заголовки - когда они правда. Петр из нашего комьюнити начал искать работу всего полтора месяца назад, и я, конечно, не могла не расспросить его про стратегии поиска, чтобы поделиться с вами. Дано: Senior Developer, живет в Финляндии Резюме: Уделите достаточно времени на подготовку. Было подготовлено несколько качественных шаблонов под разные роли, с уклоном в бекенд, фронтенд и девопс. Например, для фронтенд-резюме релевантный опыт и функции были размещены выше и описаны подробнее. С помощью платной версии ChatGPT резюме были оптимизированы под прохождение ATS-фильтров. Запрос был: "оцени, насколько мое текущее резюме ранжируется высоко в списках ATS, что нужно убрать/добавить". В дальнейшем изменения в резюме под вакансии практически не вносились. Отклики: Откликаться надо много, 30-50 откликов в день. Откликайтесь на вакансии, где у вас совпадает хотя бы половина требований. Линкедин, сайты, знакомства, используйте рефералы, фоллоу-ап письма и сообщения рекрутерам сразу после подачи. Дополнительно можно писать нанимающим менеджерам, техническим директорам, основателям, ходить на митапы и быть на виду. "Сейчас рынок работодателя, надо быть проактивным" Использовал все кнопки: если был easy apply в Линкедине, откликался через нее, шел сразу на сайт, подавался еще и там, и дополнительно писал HR. Рынки: Петр получил 3 офера в финские компании и 2 офера на удаленку. "Даже если вы рассматриваете в приоритете финский рынок, все равно подавайтесь везде. Компании на удаленке (СНГ, Эстония, US) могут быть быстрее в ответах, вы будете получать больше позитивного опыта, сохраните мотивацию, попрактикуете собеседования, сохраните ощущение востребованного кандидата, не скатитесь в депрессию и будете знать, что есть какие-то варианты, хоть и не локальные. И можно работать через ребят из Nerdsbay" Отказы: будьте готовы к тому, что вас будут беспричинно футболить, гостить даже после очень теплых интервью. Не принимайте близко, переключайтесь на другие вакансии. Что сработало: Скорость. Быстро откликаться, быстро отвечать, выбирать первый слот для собеса, жертвуя своими планами и комфортом. Чем быстрее попадаешь в процесс - тем быстрее получаешь оффер. Четкость. на собеседованиях важно отвечать на поставленный вопрос, а не уплывать в другие темы. Знания. Повышайте квалификацию, тренируйтесь проходить логические тесты, изучайте новое. Умение общаться. Способность поддержать любую тему - вероятно одна из ключевых компетенций. В итоге, несмотря на то что Петр откликался всеми способами, все 5 оферов были получены без рефералов, вакансии были найдены в интернете. Шах и мат скрытому рынку вакансий! Поздравляем Петра! Желаем удачи на новом месте, интересных проектов и классных коллег! Всем кто в поиске - удачи! Все получится!

Jack Clark, co-founder of Anthropic говорит, что джуны все Короче, глянул интервью и вот Джэк говорит, что джунов они более не нанимают, потому что «клод достаточно хорош». Ииии захотел вот высказаться немного. И вот все говорят о проблеме для индустрии и все прочее, как человек еще с 2020 занимающийся AI в разработке скажу: как было до ИИ уже не будет. Теперь нужны люди умеющие мыслить более структурно и решающие более сложные задачи. Тоже самое когда-то произошло с производитвенными профессиями и на заводах стало меньше инженеров и меньше рабочих, тоже самое мы делали годами вместе с вами с бэкофисами, бухгалтерами, автоматизируя их работу и т.п. Мы как индустрия столкнулись почти впервые с тем, что есть кто-то, кто пытается оптимизировать радикально нашу работу. Как отразится на рынке труда нашем с вами в долгосроке? А вот тут все будет зависеть от БИЗНЕСа! Ага. Все сейчас смещается «левее» и написание кода все еще сложная задача, но уже не настолько. И то, на сколько будут нужны ИТшники (именно количественно) зависит от того, а на сколько много новых идей имеющих смысл развивать будет бизнес. Давайте посмотрим на оптимистичный сценарий: 1. Оказывается раньше у нас было 100500 идей, только вот эти ИТшники все время мешали заработать наши миллионы. То есть идей у нас всегда было полно, но проверка и реализация стоили денег. 2. Автоматизация доберется до тех мест, где раньше рентабельность была низкая. Ну например, теперь в каждый кроссовок поставим датчик и будем продавать данные и анализировать их и предлагать тебе самые инновационные стельки! Или через датчик в ошейниках собак сможем собрать приложение, показывающее где ваши друзья-собачники сейчас гуляют. А что будет, если таких идей не найдется? Все будет не так весело: по сути, произойдет инфляция грейдов и те, кто были синьорами станут мидлами, те, кто были мидлами - скорее новыми джунами в нашем мире. Лично я верю в то, что желания людей и тяга к комфорту безграничны, а значит мы начнем создавать все больше и больше сервисов, возрастут требования к персонализации, мы засунем автоматизацию всюду, целясь повысить эффективность и комфорт. Все что только возможно станет умным, все это будет собираться в базы для анализа: таргетирвоанная реклама, персонализация, автоматизация сценариев и т.д. Бухгалтеров в сумме не стало меньше, потому что появилось много компаний и много нового рода задач, инженеров тоже меньше не стало, просто, они решают более сложные задачи и в большем Количестве производств. Ну и можно не ждать бизнес, а начать самому глубже погружаться в продукт, чтобы продолжать оставаться востребованным, потому что теперь это новая нормальность ))) 🔥 - если ты сейчас не ищешь работу 😈 - если работаешь, но ищешь новое место ❤️ - если не работаешь и находишься в поиске

Вы тоже заметили рост вакансий с AI? Например: - AI Native Marketing Head, Финансист - AI Product Manager, ВЛАДИС - РМ по внедрению AI-инструментов, МТС - Специалист по внедрению ИИ, АТЛАС - AI Product Manager, Моё дело и т.п. Ищут джунов, Моё дело спрашивает "что такое HITL" в тесте... Сбер ищет опыт с LangGraph.. Авито - опыт с RAG. Требования минимальны, экспертиза нанимающих менеджеров слабая. Т.е. меняются изнутри, локально внутри домена. Не сверху вниз. Поэтому сильные либо: а) идут работать в корпы (Гигачат / Алиса) б) работают на зарубежные компании в) тру строят Ai-native стартапы с фокусом на глобал (пример) Большинство знакомых из Яндекса, Авито и др. переориентировались на Tier-1 рынки. Что делать компаниям? Увы, нет другого способа привлечь на борт группу «ИИ сталкеров», которые могли бы инициировать ИИ-трансформацию, кроме как позволить им разбогатеть. Действуй как инвестор, оценивающий потенциал будущей капитализации, а не как менеджер, который изучает PnL. p.s. Еще один важный момент: позволь своим энтузиастам разрабатывать продукт каннибализирующий текущую прибыль. Иначе либо они уйдут и создадут аналог с Claude Code, либо конкурент.