2 миллиона вакансий на HH, 80% времени впустую: как мы решили проблему поиска работы через ИИ

JobHunter AI — платформа для автоматизации поиска работы на HeadHunter с помощью искусственного интеллекта. Решаем главную проблему соискателей: информационный перегруз. Люди тратят 2-3 часа ежедневно на просмотр вакансий, при этом 80% времени уходит на изучение нерелевантных предложений.

Что делает сервис:

Время разработки: 3 месяца от идеи до запуска

Технологии: Python (FastAPI), искусственный интеллект Claude Sonnet 4.5, Next.js для интерфейса

Главные достижения:

На HeadHunter больше 2 миллионов активных вакансий. Звучит прекрасно, но на практике это кошмар для соискателя.

Типичный день человека в поиске работы:

Проблема не в том, что вакансий мало. Проблема в том, что их слишком много, и большинство не подходит конкретно вам.

Стандартные фильтры HeadHunter работают плохо. Вы можете указать город, зарплату и опыт работы. Но этого недостаточно.

Например, вы ищете позицию "Python-разработчик". Одна компания нужен Django, другой FastAPI, третьей Flask. Это разные технологии, разный опыт. Или вы "Product Manager" — но это может быть B2B SaaS, маркетплейс или финтех. Три совершенно разные профессии под одним названием.

Каждый день одинаковый сценарий:

Это нужно делать 5-10 раз каждый день. Несколько недель подряд. Поиск работы становится полноценной работой — но неоплачиваемой.

75% компаний используют системы автоматической фильтрации резюме (их называют ATS — Applicant Tracking System). Это роботы, которые читают ваше резюме раньше, чем HR-менеджер.

Работает это просто:

В вакансии написано: "Требуется опыт с Docker, Kubernetes, Python"

Вы пишете в резюме: "Работал с контейнеризацией и оркестрацией"Робот не понял → резюме отклонено

Правильный вариант: "Docker, Kubernetes, Python" — точные слова из вакансииРобот понял → резюме передано HR-менеджеру

По статистике, 60-70% резюме отсеиваются автоматически, даже не попадая к живому человеку. Большинство соискателей об этом не знают. Они получают стандартный отказ "спасибо за интерес, но мы выбрали другого кандидата" или просто молчание.

Встроенный поиск HeadHunter:

Конкуренты с искусственным интеллектом:

Мы решили сделать иначе.

Шаг 1: Вход через HeadHunter

Вы заходите на сайт JobHunter AI и нажимаете "Войти через HeadHunter". Стандартная процедура OAuth — вы разрешаете доступ к своим резюме, и система автоматически их загружает.

Синхронизируем до 5 резюме, а не одно.

Почему это важно? У опытных специалистов обычно несколько профессиональных направлений. Кто-то ищет позицию руководителя, но готов рассмотреть экспертные роли. Кто-то работает на стыке продукта и роста. Один профиль не покрывает все возможности.

Например, у меня лично три резюме:

Шаг 2: ИИ анализирует ваше резюме

Система отправляет текст резюме искусственному интеллекту Claude Sonnet 4.5. За 2-3 секунды ИИ извлекает структурированную информацию:

Это не просто парсинг ключевых слов. ИИ понимает контекст. Например, "вырастил MAU с 100 тысяч до 500 тысяч за год" — это метрика роста продукта. "Управлял командой из 15 человек" — лидерский опыт. "Запустил 3 новых продукта" — execution-навыки.

Шаг 3: ИИ вместо заполнения форм

Магия. Анализ с ИИ:

Вы: "Product, Москва, от 500 тысяч"

ИИ: "Понял! Запускаю поиск:

Анализирую вакансии..."

ИИ: "Исходя из вашего опыта (7+ лет, Head of Product), рынок выглядит так:

Рекомендую искать от 500 тысяч рублей"

Это полностью меняет опыт использования. Не нужно знать терминологию HeadHunter, не нужно помнить коды регионов, не нужно угадывать зарплатные вилки. ИИ адаптируется под контекст вашего резюме и подсказывает разумные значения.

Шаг 4: Результаты за 10 секунд

Здесь мы применили необычный подход. Вместо "крутится загрузчик 60 секунд" вы видите результаты почти мгновенно:

0-5 секунд: "Ищу вакансии на HeadHunter..."

HeadHunter API возвращает список из 150 вакансий

5-10 секунд: Быстрая предварительная оценка

ИИ за один запрос оценивает релевантность всех 50 топовых вакансий→ результаты

10-60 секунд: Глубокий анализИИ детально анализирует каждую вакансию из топ-20→ Оценки обновляются в реальном времени.

Шаг 5: Каждая вакансия с оценкой и объяснением

Результат выглядит так:

Product Manager в OzonОценка совпадения: 92/100 | Шанс пройти робота: 85% | 600,000₽

💚 Почему подходит:

🤖 Шанс пройти робота-рекрутёра: 85% ✅

⚠ Чего не хватает:

Вы понимаете не просто "подходит", а почему подходит, какие навыки совпадают, какой шанс пройти робота.

Шаг 6: Автоматический отклик

Нажимаете "Откликнуться" — и система:

Если вакансия требует тестовое задание или сложные вопросы — система предупреждает, что нужен ваш ответ.

Результат: вместо 30-40 минут на написание сопроводительного письма — 5 секунд.

Проект построен на современном стеке технологий:

Backend (серверная часть):

Frontend (интерфейс):

Интеграции:

Почему именно эти технологии? FastAPI идеально подходит для работы с искусственным интеллектом — быстрый, асинхронный, с автоматической валидацией данных. Next.js даёт отличный пользовательский опыт с минимальной загрузкой. PostgreSQL надёжен и масштабируем.

Этап 1: Анализ резюме (2-3 секунды)

Когда вы авторизуетесь, система отправляет текст вашего резюме искусственному интеллекту. ИИ читает не построчно, а понимает контекст. Например, видит фразу "вырастил количество активных пользователей с 100 тысяч до 500 тысяч" и понимает: это метрика роста, это достижение, это говорит о масштабе ответственности.

ИИ извлекает:

Стоимость: около 0,2$ за анализ одного резюме.

Этап 2: Поиск на HeadHunter (0.5 секунды)

Система формирует запрос к API HeadHunter с вашими фильтрами. API возвращает список из 50-200 вакансий. Это самая быстрая часть.

Этап 3: Первичная фильтрация (5-10 секунд)

Здесь применяется хитрый трюк. Вместо того, чтобы отправлять 50 вакансий ИИ по очереди (что заняло бы 100 секунд), система отправляет все 50 вакансий одним запросом.

ИИ за 5-10 секунд даёт грубую оценку каждой вакансии по шкале 0-100. Это не идеально точно, но достаточно, чтобы вы начали просматривать результаты.

Этап 4: Глубокий анализ (30-50 секунд)

Система берёт вакансии и анализирует их детально. Для каждой вакансии ИИ:

Эти детальные оценки приходят постепенно, и вы видите, как карточки вакансий обновляются в реальном времени.

Этап 5: Генерация сопроводительного письма (5 секунд)

Когда вы нажимаете "Откликнуться", ИИ пишет персонализированное письмо. Он не использует шаблоны — каждое письмо уникально. ИИ:

Типичное письмо: 200-300 слов, 3-4 абзаца.

Этап 6: Отправка отклика

Система отправляет отклик через API HeadHunter. Если вакансия содержит вопросы работодателя типа "Готовы к переезду?" или "Когда можете начать?" — ИИ отвечает автоматически, анализируя ваше резюме и вакансию.

Проблема: Традиционные формы поиска требуют знания терминологии HeadHunter, понимания структуры, догадок о зарплатных вилках. Пользователь часто не знает, что именно искать.

Проблема: Конкуренты показывают просто "подходит" или "не подходит". Пользователь не понимает, почему вакансия подходит и стоит ли тратить время на отклик.

Решение:Детальная оценка с разбивкой: что совпадает, что вызывает вопросы, чего не хватает.

Пример оценки:

Вакансия: Product Manager в OzonОценка: 92/100

Сильные стороны:

Возможные вопросы:

Недостающие навыки:

Шанс пройти робота: 85% ✅Отличное совпадение ключевых слов, все требуемые навыки присутствуют

Лучшее резюме: "Head of Product"

Пользователь понимает не просто число 92, а почему 92 и что с этим делать.

Проблема: 75% компаний используют автоматическую фильтрацию резюме. 60-70% кандидатов отсеиваются роботом, даже не попадая к человеку. Соискатели об этом не знают.

Решение: Для каждой вакансии показываем вероятность прохождения автоматической системы в процентах.

Примеры:

Шанс 85% ✅ Отличный

Шанс 45% ⚠ Средний

Шанс 20% ❌ Низкий

Это меняет стратегию. Вместо "откликаться на всё" пользователь фокусируется на вакансиях с высоким шансом.

Проблема:Пользователь живёт в "Некрасовском (Московская область)" → поиск возвращает 0 вакансий. Он не понимает, что нужно искать в "Москве".

Решение:

Что было сложно:Изначально автодополнение работало плохо. Поиск "Хаба" не находил "Хабаровск". Проблема была в логике: система брала первые 20 совпадений по алфавиту, потом сортировала по релевантности. Но "Хабаровск" не попадал в первые 20.

Решение: сначала собираем все совпадения, потом сортируем по релевантности (начинается ли название с запроса, размер города, федеральное значение), потом берём топ-20.

Проблема: Каждый день вбиваешь одни и те же фильтры. "Product Manager, Москва, от 500K" — 10 раз в неделю.

Решение:

Проблема:

Без оптимизаций один поиск стоил 0,4$. При 10 тысячах пользователей и 10 поисках в месяц это 40,000$ ежемесячно. Нереально для стартапа без внешнего финансирования.

Решение: четыре уровня оптимизации

Кэширование промптов (-52% стоимости)

Системные инструкции (как ИИ должен работать) повторяются в каждом запросе. Claude поддерживает кэширование: первый запрос полная цена, следующие — скидка 90%.

Пакетная обработка (-60% overhead)

Вместо 50 последовательных запросов — один запрос со всеми 50 вакансиями. ИИ обрабатывает быстрее, мы экономим на повторяющихся частях.

Сжатие текста (-30%)

HeadHunter возвращает HTML с форматированием. Мы вырезаем HTML-теги, лишние пробелы, оставляем только текст. Это экономит токены (единицы обработки ИИ).

Умная фильтрация (-60% лишних запросов)

Детальный анализ только для топ-20 вместо всех 100 вакансий.

Результат:Стоимость поиска: 0.40$ → 0.088$ (снижение на 78%)При 10K пользователей: $40K/месяц → $8.8K/месяц

Экономия: $31K ежемесячно

Проблема:

Токен доступа к HeadHunter API живёт 30 минут. Пользователь делает поиск (60 секунд), потом хочет откликнуться → токен истёк → ошибка 401. Приходилось заново авторизовываться. Пользователи теряли работу и уходили.

Решение: проактивное обновление

Система проверяет срок жизни токена перед каждым запросом. Если до истечения меньше 5 минут — автоматически обновляет. Пользователь даже не замечает.

Если токен всё же истёк (редкая ситуация при race condition) — система пытается обновить и повторить запрос. Только если и это не помогло — просит пользователя войти заново.

Результат:Ошибки истечения токена: 15% запросов → <1%Фрустрация "потерял всю работу" → "всё работает бесшовно"

Проблема:

Пользователь вбивает "Хаба" — система не находит "Хабаровск". Оказалось, логика была такая: ищем первые 20 совпадений по алфавиту, потом сортируем по релевантности. Но Хабаровск не попадал в первые 20 по алфавиту (много городов на "Ха").

Решение:

Изменили порядок: сначала собираем ВСЕ совпадения (без лимита), потом сортируем по релевантности (начинается ли с запроса, размер города, федеральное значение), потом берём топ-20.

Формула релевантности:

Результат:"Хабаровск" теперь в топ-3 для запроса "хаб""Москва" всегда первая для "мос"Удовлетворённость пользователей: "не могу найти город" → "работает идеально"

Проблема:

Две почти идентичные вакансии получали оценки 85 и 72. Пользователи не понимали логику. Проблема: ИИ без чётких инструкций интерпретирует "3+ года опыта" и "3+ года работы" как разные требования.

Решение: калибровка через чёткие guidelines

Мы прописали в инструкциях для ИИ точную шкалу:

90-100 баллов: Отличное совпадение

75-89 баллов: Хорошее совпадение

60-74 балла: Приемлемое совпадение

40-59 баллов: Слабое совпадение

0-39 баллов: Плохое совпадение

Плюс добавили примеры для ИИ: "3+ года" и "3+ года опыта" — это ОДНО И ТО ЖЕ требование.

Результат:Разброс оценок для похожих вакансий: ±15 баллов → ±3 баллаДоверие пользователей: "непоследовательно" → "надёжно"

Мы протестировали оба искусственных интеллекта на реальных данных: 50 резюме и 100 вакансий с HeadHunter на русском языке. Три HR-эксперта оценивали результаты вслепую (не зная, какой ИИ что сделал).

Что тестировали:

Claude Sonnet 4.5 и GPT-5

очность анализа резюме 94% и 89% - Claude +5%

Извлечение навыков 92% и 86% - Claude +6%

Расчёт опыта (лет) 96% - 91% - Claude +5%

Качество оценки совпадения 4.2/ и 3.8/5 - Claude +10%

Точность ATS-анализа 88% и 82% - Claude +6%

Качество писем 4.4/5 и 4.1/5 - Claude +7%

Избегает штампов 90% и 75% - Claude +15%

Пример на русском языке:

Резюме содержит:

Claude понял:

GPT-5 понял:

Claude лучше понимает российские реалии: "ООО", "ИП", "ЗАО", слова "старший", "ведущий", "главный" (уровни сениорности).

Вердикт: Claude Sonnet 4.5 — однозначный победитель для российского рынка труда.

Производительность:

Экономика:

Охват:

Качество:

Pay-as-you-go без подписок:

Q1 2026: Анализ навыков

Q2 2026: Подготовка к интервью

Q3 2026: Автопоиск 24/7

Q4 2026: Аналитика и метрики

1. Progressive UX важнее идеальной точности

Люди не хотят ждать. Покажите им что-то за 10 секунд — они подождут остального.

2. Оптимизация стоимости ИИ — не опция, а необходимость

Без оптимизаций проект съедал бы $40K/месяц на ИИ. После четырёх уровней оптимизации (кэширование, пакеты, сжатие, умная фильтрация) — $8.8K. Разница между прибыльностью и провалом.

3. Качество промптов = 80% качества результата

Потратили 80% времени на промпты, 20% на архитектуру. ИИ без чётких инструкций даёт непредсказуемые результаты. Калибровочная шкала (90-100 = отлично, 75-89 = хорошо) снизила разброс оценок с ±15 до ±3 баллов.

4. Локальная специфика критична

Claude выиграл у GPT-5 именно благодаря пониманию русского языка. "ООО", "ИП", "старший", "ведущий" — это не просто слова, это культурный контекст. Универсальная модель проигрывает локализованной.

5. Начните с pain point, а не с технологии

Мы не начинали с "давайте сделаем что-то на Claude". Мы начали с проблемы: поиск работы съедает 2-3 часа ежедневно, 80% впустую. ИИ — инструмент решения, не цель сама по себе.

6. Iterative development ≠ MVP

Сделали 11 UX-улучшений: от простой формы до ИИ-чата, от одного резюме к пяти, от статичных оценок к объяснениям. Каждая итерация увеличивала retention. Не пытайтесь сделать всё идеально сразу.

7. Мониторинг с первого дня

Мы отслеживаем скорость ИИ, успешность парсинга, стоимость запросов, retention пользователей. Без метрик вы слепы. Мы заметили, что consistency оценок была проблемой, только посмотрев на статистику.

8. Вертикаль побеждает горизонталь

JobHunter AI делает одно — поиск работы на HeadHunter. Не универсальный карьерный помощник. Не платформа для всех jobboards. Одна проблема, одно решение, глубоко. Это работает.

P.S.