Я прогнал своё резюме через шесть нейросетей. Две выдумали мне почту, которой не существует

Я полгода искал работу и в какой-то момент заплатил карьерному консультанту. Она за один созвон сделала с моим резюме то, чего я сам не смог за полгода: не переписала его красивее, а вытащила из меня цифры.

В резюме у меня была строчка «занимался рассылками клиентам». После получаса вопросов она превратилась в «заменил платный сервис рассылок собственным — экономия 1,44 млн рублей в год».

Тут важная деталь, ради которой я и пишу эту статью: этой цифры в моём резюме не было. Вообще нигде. Она появилась в разговоре, когда меня спросили «а сколько компания платила за это раньше». Ни одна модель не смогла бы её оттуда достать, потому что доставать было неоткуда.

Я решил проверить, какую часть этой работы вообще можно автоматизировать.

Эксперимент

Взял свою пару «до/после» — исходное резюме и то, что получилось с консультантом. Прогнал исходник через шесть моделей с одинаковым промптом, в который заложил правила из методички консультанта. Пять рабочих кандидатов плюс Claude Sonnet как эталон качества. Все прогоны обошлись примерно в 16 рублей.

Мерил не «красиво/некрасиво», а совпадение с тем, что реально сделал живой человек.

Первый прогон дал 53%. Крупное модели ловят все: структура, язык, фокус под роль, убрать нерелевантный ранний опыт. Валятся на мелочах, которые и решают.

Например, в моём исходном резюме почта была подростковым ником, а не адресом с фамилией — консультант сразу сказала менять, потому что ник читается как несерьёзность. Я добавил это правило в промпт. И получил самое интересное, что было в этом тесте.

Как модели ведут себя, когда правила конфликтуют

В промпте одновременно жили два правила: «замени почту-ник на адрес с фамилией» и «ничего не выдумывай, бери только из исходника». Выполнить оба невозможно — модель не знает моей настоящей почты. Дальше начинается характер.

GPT 5.6 Luna Pro написала прямо в резюме: «Email: требуется заменить на адрес с фамилией». Qwen3.7 Flash придумала адрес из моей фамилии — причём с опечаткой в самой фамилии. GLM 5.2 придумала адрес и молча вставила в документ.

Две модели из шести сгенерировали контакт, которого не существует, и вставили его в готовый файл. Человек скачивает его, рассылает по сорока вакансиям и не получает ни одного ответа. И никогда не узнает почему — письма просто уходят в никуда.

Это, а не качество русского языка, стало решающим критерием выбора модели. Красивый текст можно поправить. Разосланное резюме с несуществующей почтой не отзовёшь.

Правила делятся на три класса, и это главный вывод

После второго прогона стало понятно, почему часть правок не воспроизводится ни одной моделью и никакими формулировками промпта.

Первый класс — выполнимо из текста. Структура, живой русский вместо канцелярита, сузить «частичная, проектная, вахта» до «полной занятости», не тащить зарплатные ожидания из старого резюме. Это работает, здесь модели хороши.

Второй класс — требует данных, которых в резюме нет. Настоящая почта. То, что две компании в моём опыте — на самом деле одна группа, а не два разных работодателя. То, что за красивой строчкой про масштаб стоит конкретный объём работы, который знает только сам кандидат. Никакой промпт это не вытащит: информации физически нет во входных данных. Нужен диалог.

Третий класс — требует решения человека. Оставлять ли в резюме ссылку на публичный кейс. Указывать ли ранний нерелевантный опыт. Здесь честная задача модели — пометить развилку, а не решать за кандидата.

Почти вся индустрия «ИИ перепишет ваше резюме» работает только с первым классом и делает вид, что второго не существует. Отсюда и ощущение от результата: гладко, грамотно, и ничего нового о себе вы не узнали.

Что ещё удивило: роли модель определяет не хуже человека

Мы с консультантом руками пришли к тому, что моё резюме надо разбирать на четыре разных направления — под каждое своё резюме, потому что рекрутёры ищут по названию должности, а не по смыслу.

Я скормил исходник модели и попросил найти направления самостоятельно. Она нашла те же четыре из четырёх и правильно определила главное. Более того, формулировки у неё оказались ближе к языку вакансий, чем наши: мы написали «Head of Support / CX», модель — «Руководитель службы поддержки». Второе ищут в разы чаще, а значит и находят по нему чаще.

Вот это автоматизируется отлично. А вот превращение «отвечал за» в «принёс компании столько-то» — только через вопросы.

Что я в итоге собрал

Телеграм-бота, который делает ровно то, что описано выше, и в том порядке, в каком это работает. Разбирает резюме и находит роли, под которые вас реально возьмут. Задаёт вопросы — это и есть второй класс, без него всё остальное бессмысленно. Собирает пакет резюме под разные направления. Дальше каждый день присылает подходящие вакансии с оценкой, насколько вы проходите, и честной пометкой, что может помешать.

Две вещи, которые я сделал сознательно и на которые прошу обратить внимание, если будете пробовать похожие сервисы.

Резюме не уходит в модель целиком. ФИО, телефон и почта вырезаются на моей стороне до отправки, модель видит только опыт, а реальные данные подставляются обратно уже при сборке файла. Резюме — это персональные данные, и отправлять его в чужой API как есть — так себе идея.

Никаких автооткликов. Несколько похожих проектов умеют сами рассылать заявки. Это сжигает вашу репутацию у работодателей быстрее, чем приносит собеседования.

Что с этим сейчас

Бот работает и принимает оплату: три дня бесплатно, дальше от 290 рублей в месяц. Путь от «прислал резюме» до «получаю подходящие вакансии каждый день» проходится целиком, оплата через СБП, чек приходит. Чего честно не хватает — вакансии пока собираются только с hh, и это главный потолок качества подборок, следующим займусь именно им. Если сейчас ищете работу, попробуйте на бесплатных днях и скажите, где вышло плохо: такая обратная связь мне сейчас нужнее оплат, хочу убедиться, что методика работает не только на моей профессии.

Бот: https://t.me/hr_help_ai_bot?start=vc_article

И вопрос к тем, кто нанимает: сколько резюме вы отсеиваете из-за формы, за которой не разглядели содержания? Мне кажется, что много, но у меня выборка из одного человека.