惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
The Blog of Author Tim Ferriss
IT之家
IT之家
Engineering at Meta
Engineering at Meta
WordPress大学
WordPress大学
博客园 - 三生石上(FineUI控件)
博客园 - 聂微东
C
Check Point Blog
T
Tailwind CSS Blog
博客园 - Franky
H
Help Net Security
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Google DeepMind News
Google DeepMind News
博客园 - 叶小钗
J
Java Code Geeks
腾讯CDC
罗磊的独立博客
爱范儿
爱范儿
阮一峰的网络日志
阮一峰的网络日志
Martin Fowler
Martin Fowler
酷 壳 – CoolShell
酷 壳 – CoolShell
I
InfoQ
B
Blog
V
Visual Studio Blog
F
Fortinet All Blogs

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
Если не можешь победить AI — возглавь его: суфлёр для те...
Владислав Клеков · 2026-06-17 · via Все публикации подряд на Хабре

Простой

3 мин

56

Привет, Хабр!

Рынок найма сейчас напоминает поле боя. С одной стороны — рекордное количество откликов, с другой — кандидаты, вооружённые до зубов генеративным ИИ. Все вокруг генерируют «сногсшибательные» резюме с опытом уровня CTO, а технические скрининги проходят, транслируя подсказки прямо в ухо через наушник.

На рынке развелось множество инструментов, которые рекламируются как «полностью незаметные» для собеседующего. Мол, нейросеть слушает вопрос и мгновенно выводит идеальный ответ на экран или в гарнитуру.

Вынужден разбить надежды для всех «умников»: более-менее опытный интервьюер довольно быстро вычисляет нечестную игру. Идеальный синтаксис, заученные формулировки, стеклянный взгляд в монитор и пауза в самый неподходящий момент. Серьезно? Вы же отличаете, когда на звонок или сообщение в чате службы поддержки вам отвечает робот, а когда живой оператор?

сгенерировано при помощи chatgpt.com

сгенерировано при помощи chatgpt.com

Но эта статья — не очередная лекция о морали. Рынок адаптируется с обеих сторон. И если кандидаты используют AI, чтобы казаться умнее, почему бы экспертам не использовать AI, чтобы глубже копать?

Каждому техническому эксперту и HR знакомо это состояние: ты провёл 4 интервью подряд, голова кипит, и на пятом кандидате ты задаёшь шаблонные вопросы, потому что сил на глубокий контекст уже не осталось. Мы можем пропустить ветку вопросов, которая вывела бы соискателя на чистую воду (или, наоборот, раскрыла бы его талант), просто потому что устали или не держим в голове всю карту смежных тем.

В рамках внутреннего AI-хакатона мы с командой разработали простое веб-приложение. Его задача — не заменить человека, принимающего решение, а стать его вторым пилотом, интеллектуальной шпаргалкой на живых технических секциях.

Важные ограничения:

  1. Наш агент пока не работает с live coding (это отдельный челлендж по анализу кода в реальном времени, который мы ещё решаем). Он специализируется на теории, архитектуре и разговорных кейсах.

  2. Сейчас мы не используем его при проведении реальных интервью с кандидами. Это приложение было разработано в рамках конкурса.

Как это работает:

  1. Слушает: система в реальном времени захватывает аудиопоток (вопрос, который задаёт эксперт, и ответ кандидата).

  2. Транскрибирует: переводит речь в текст. На текущий момент мы используем браузерный SpeechRecognition.

  3. Анализирует корректность: агент проверяет, насколько правильно кандидат ответил на вопрос.

  4. Предлагает углубление: самое главное — помощник не просто ставит галочку «верно/неверно». Он анализирует контекст и предлагает набор дополнительных вопросов по теме.

Сценарий использования:

Представьте: кандидат рассказывает про Event Loop в JavaScript. Уверенно отвечает про Call Stack, очередь микрозадач и макрозадач. AI слушает ответ и видит, что кандидат правильно описал базовый порядок выполнения, но ни словом не обмолвился про requestAnimationFrame и приоритеты рендеринга между задачами.

В интерфейс интервьюера бесшумно падает подсказка: «Кандидат корректно описал механику Event Loop, но упустил взаимодействие с браузерным рендерингом. Рекомендуемые вопросы: 1) Расскажите, в какой момент между макрозадачами и микрозадачами браузер успевает отрисовать кадр, и как requestAnimationFrame вписывается в эту модель?» 2) …

Эксперт, не теряя нить разговора, задаёт этот вопрос. Кандидат, который действительно глубоко понимает тему, легко подхватит и расскажет про цикл рендеринга. А тот, кто просто вызубрил шпаргалку с базовым порядком Call Stack → Microtasks → Macrotasks, скорее всего, поплывёт, потому что типовые AI-подсказки для кандидатов редко копают настолько глубоко.

Такой подход позволяет:

  1. Не выпадать из контекста: вопросы генерируются строго по теме разговора, а не рандомно из списка.

  2. Унифицировать глубину: уровень проверки становится более объективным для всех кандидатов и не зависит от настроения интервьюера.

  3. Обучать джунов-интервьюеров: молодые специалисты, которые только учатся проводить технические секции, видят, как «думает» система, и быстрее прокачивают свои навыки.

А после завершения интервью агент ещё и напишет саммари по кандидату, опишет его сильные и слабые стороны, сравнит с нашей матрицей компетенций и подскажет, для какого грейда кандидат подходит.

Что ж, гонка AI-вооружений на рынке найма продолжается. Раньше кандидаты списывали с гугла, теперь появился новый инструмент. Раньше интервьюеры полагались на интуицию и заготовленный список вопросов, теперь у них есть умный суфлёр.

Мы не ставим цель запретить использование ИИ в работе или при поиске вакансий. Мы хотим показать, что процесс найма становится более технологичным с обеих сторон, и это нормально. Что думаете, коллеги? Как относитесь к внедрению AI-помощников на вашей стороне баррикад?