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

MyScale Blog
MyScale Blog
Microsoft Azure Blog
Microsoft Azure Blog
H
Help Net Security
N
News and Events Feed by Topic
Recent Announcements
Recent Announcements
D
Docker
M
MIT News - Artificial intelligence
L
LangChain Blog
I
InfoQ
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
P
Proofpoint News Feed
博客园_首页
MongoDB | Blog
MongoDB | Blog
美团技术团队
S
Schneier on Security
G
GRAHAM CLULEY
月光博客
月光博客
有赞技术团队
有赞技术团队
Vercel News
Vercel News
Scott Helme
Scott Helme
P
Privacy International News Feed
Last Week in AI
Last Week in AI
Recorded Future
Recorded Future
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
The Cloudflare Blog
Attack and Defense Labs
Attack and Defense Labs
Google Online Security Blog
Google Online Security Blog
Simon Willison's Weblog
Simon Willison's Weblog
量子位
S
Security @ Cisco Blogs
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
V
Visual Studio Blog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
NISL@THU
NISL@THU
N
Netflix TechBlog - Medium
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Spread Privacy
Spread Privacy
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
小众软件
小众软件
罗磊的独立博客
Security Archives - TechRepublic
Security Archives - TechRepublic
T
Threatpost
L
Lohrmann on Cybersecurity
www.infosecurity-magazine.com
www.infosecurity-magazine.com
S
Security Affairs
Cloudbric
Cloudbric
爱范儿
爱范儿
H
Heimdal Security Blog
PCI Perspectives
PCI Perspectives

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 Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Сломанный найм: почему рынок труда превратился в казино и что с этим делать
ANTON62 · 2026-05-22 · via Все публикации подряд на Хабре

Каждый, кто хоть раз искал работу в IT за последние пару лет, знает это чувство. Ты рассылаешь резюме, проходишь пять этапов собеседований, решаешь алгоритмические задачи, пишешь тестовые — и в конце получаешь шаблонное «мы остановились на другом кандидате». Без объяснений. Без обратной связи. Без малейшего намёка на то, что именно пошло не так.

Я работаю в IT больше десяти лет. Проходил собеседования с обеих сторон стола — и как кандидат, и как нанимающий. И чем дольше я в профессии, тем очевиднее становится мысль: найм сломан. Не «работает не идеально» — а именно сломан. Системно, фундаментально, на уровне базовых механизмов.

Как работает «сломанный найм»

Проблема не в отдельных плохих HR-специалистах или жадных работодателях. Проблема в архитектуре самого процесса. Возьмём всем известную доминирующую площадку.

Кандидат создаёт резюме. Работодатель размещает вакансию. Между ними — чёрный ящик. Никто толком не знает, по каким правилам работает фильтрация. Попадёт ваше резюме в выдачу или нет — зависит от алгоритмов, которые никто не раскрывает. Ваш отклик прочитают или проигнорируют — зависит от HR, который может за день просмотреть триста откликов и физически не способен вчитаться в каждое.

Результат? Кандидат не понимает, почему его не берут. Работодатель не понимает, почему из пятидесяти откликов ни один не подходит. HR стоит посередине и тоже не понимает, почему все вокруг злые.

Аналогия, которая всё объясняет

Представьте спортивное соревнование, где у каждого судьи свой свод правил. И правила эти нигде не опубликованы. Один судья снижает баллы за стиль. Другой — за скорость. Третий вообще оценивает по цвету формы. Спортсмены не знают, к чему готовиться. Судьи не знают, что оценивать. Зрители не понимают, кто победил и почему.

Примерно так выглядит рынок труда в 2025–2026 годах.

Непрозрачность — не баг, а ключевое свойство системы. Она порождает целый каскад проблем, и каждая усиливает следующую.

Шесть механизмов поломки

1. Отсутствие прозрачных правил

Кандидат не знает, по каким критериям его оценивают. Работодатель не может сформулировать эти критерии так, чтобы они были одновременно объективными и применимыми к разным людям. HR получает от работодателя «найди нам хорошего разработчика» — и дальше фильтрует по признакам, которые сама считает надёжными.

Некоторые компании честно пишут в вакансиях: «знание React, TypeScript, опыт от трёх лет». Но на собеседовании выясняется, что «опыт от трёх лет» на деле означает «пять», а «знание React» — «глубокое понимание паттернов рендеринга и оптимизации». Правила размываются уже на этапе их формулирования.

2. Отсутствие постоянства

Я проходил два собеседования в один день — в двух разных компаниях, на похожие позиции. Вопросы были буквальными — слово в слово, в одной и той же последовательности. Видимо, оба интервьюера нашли одну и ту же статью на Хабре.

Проблема тут не в том, что кто-то использует чужие вопросы. Проблема в том, что у каждой компании — своя система координат. То, что в одной компании считается признаком Senior, в другой — barely Junior. И кандидат вынужден каждый раз заново угадывать, что именно от него хотят.

3. Низкая квалификация «судей»

Звучит грубо, но это факт: значительная часть людей, принимающих решения о найме, не обладают достаточной квалификацией для оценки кандидатов. Особенно на первичном этапе фильтрации.

HR-специалист, который никогда не писал код, оценивает резюме разработчика. Рекрутер, который смутно представляет разницу между SQL и NoSQL, отсевает кандидатов на позицию Data Engineer. Это не злой умысел — это структурная проблема. На рынке нет стандартизации требований к самим рекрутерам. Любой может называть себя HR. Никакой аттестации. Никакого входного фильтра.

Парадокс: от кандидата требуют продемонстрировать навыки на тестовом задании, а от рекрутера — нет. Опыт работы в HR подтверждается только годами в профессии, а не измеримыми результатами.

4. Шкала активности и порочный круг

На всем известном сайте (далее сайт) есть метрика «активность кандидата». Чем больше вы откликаетесь, просматриваете вакансии и пишете сообщения — тем выше ваша позиция в выдаче. На первый взгляд логично: активный соискатель заслуживает приоритета.

На деле это создаёт замкнутый цикл. Вы откликнулись на все подходящие вакансии (их, допустим, двадцать). Активность падает. Чтобы её поддержать, вы начинаете откликаться на нерелевантные позиции — «на всякий случай», «для статистики». Работодатель получает ещё больше шума. HR включает жёсткие фильтры и отсекает уже и релевантных кандидатов.

Система сама генерирует мусор, потом борется с этим мусором, и в процессе борьбы уничтожает то, что представляло ценность.

5. Шаблонные отказы

«Ваше резюме очень интересно, но мы остановились на другом кандидате.» Эту фразу я получал десятки раз. Иногда — через три дня после отклика. Иногда — через месяц. Иногда — никогда (статус отклика просто зависал в «рассмотрении»).

Почему это проблема? Потому что без конкретной причины отказа кандидат не может скорректировать стратегию. Может, зарплата завышена? Может, не хватает конкретного навыка? Может, резюме просто не попалось на глаза? Непонятно. Вы стреляете в темноту и не знаете, попали или нет.

При этом у сайте есть ИИ-HR — боты, которые массово рассылают предложения кандидатам. Я получал от них вакансии на Python при том, что мой стек — фронтенд. Получал предложения с зарплатой в два раза ниже моих ожиданий. ИИ есть, но его почему-то не используют для того, чтобы генерировать осмысленные причины отказа. Хотя базовые — «несоответствие по зарплатным ожиданиям», «не хватает опыта с конкретным стеком» — сгенерировать несложно.

6. Вакансии-призраки

Отдельный вид боли — вакансии, по которым никто не нанимает. Компания размещает объявление, собирает отклики — и тишина. Неделями. Месяцами. Резюме даже не просмотрены.

Зачем? Вариантов много. Прозаичный — создают видимость роста перед инвесторами. Более изощрённый — собирают базу кандидатов «на потом». Третий — просто забыли закрыть вакансию после найма. Но результат один: кандидат тратит время и эмоции на позицию, которой фактически не существует.

Сайт никак не наказывает за такую практику. А мог бы — например, ограничивая срок жизни вакансии без активности или снижая выдачу компаний с подозрительно низкой конверсией «отклик → интервью».

Волки и овцы: что рождает сломанная система

Когда нет объективных, прозрачных и стабильных критериев оценки — неизбежно появляются те, кто эксплуатирует эту непрозрачность.

«IT-волки» — кандидаты с накрученным стажем, вызубренными ответами на топ-вопросы и нулевым реальным опытом. В системе, где оценка сводится к заученным вопросам и тестовым заданиям уровня «сделайте ToDo», такой кандидат пройдёт фильтр легче, чем тихий профессионал с десятью годами реальной работы, который не обновлял лычки на Хабре.

И это не абстрактные рассуждения. Я знал разработчика, который средне отвечал на вопросы, средне решал задачи — но при этом был блестящим инженером в реальной работе. Его взяли в команду почти случайно, потому что он показался «общительным». А до этого три месяца отбраковывали кандидатов, которые блестяще проходили все этапы — но на деле оказывались problematic.

Обратная сторона: компании, которые хотят «только Senior» и отказываются брать Junior. Логика понятна — зачем тратить время на обучение, если можно нанять готового. Но на практике это приводит к перекосу: все хотят готовых, никто не хочет растить. Рынок получает завышенные зарплатные ожидания и дефицит реально опытных людей.

Почему именно кадровая монополия — часть проблемы

HeadHunter — доминирующая площадка. По сути — монополист на рынке онлайн-рекрутинга в России. И как любой монополист, он не особенно мотивирован что-то менять. Его бизнес-модель работает: компании платят за доступ к базе кандидатов, кандидаты бесплатно поставляют контент (свои резюме). Зачем что-то ломать, если и так приносит деньги?

Проблема в том, что интересы площадки и интересы участников рынка не совпадают. HH выгодно, чтобы вы проводили больше времени на сайте (отсюда — механика активности). Выгодно, чтобы компании размещали больше вакансий (отсюда — отсутствие санкций за вакансии-призраки). Выгодно, чтобы процесс был сложным и непрозрачным (отсюда — платные услуги по продвижению резюме).

А вот кандидату выгодно быстро найти подходящую работу. И работодателю — быстро найти подходящего кандидата. Эти цели конфликтуют с бизнес-моделью площадки.

Что мы пытаемся сделать

Я не верю, что проблему можно решить «ещё одной вакансией» или «лучше составленным резюме». Проблема системная — и решать её надо системно.

Вместе с командой мы работаем над платформой, которая строится на других принципах. Проект называется Карьерика (если нужна ссылка пишите в личку). Идея не в том, чтобы сделать «лучший hh». Идея в том, чтобы вообще иначе выстроить процесс.

Верификация вместо самопрезентации. Сегодня кандидат должен доказывать, что он умеет. Мы хотим перевернуть логику: подтверждённые навыки и опыт уже есть в профиле, и работодатель видит объективную картину. Система верификации — называем её «Career Trust Mark» — работает в несколько уровней: от базового подтверждения занятости до экспертной проверки конкретных навыков.

Прозрачность вместо чёрного ящика. Кандидат видит, на каком этапе находится его заявка. Работодатель видит, почему кандидат рекомендован или не рекомендован системой. Отказы — конкретные, с указанием причин. Не «мы остановились на другом», а «у вас нет опыта с микросервисной архитектурой, которая требуется для этой позиции».

Сообщество вместо одиночества. Поиск работы — изоляция. Ты один на один с непрозрачной системой. Мы хотим создать профессиональное сообщество, где специалисты могут обмениваться опытом, получать рекомендации по развитию и понимать, куда расти. Не карьерный коучинг для избранных, а доступная среда для всех.

Аналитика вместо гадания. Данные рынка труда сейчас принадлежат площадкам, а не участникам рынка. Мы хотим дать специалистам понимание: какие навыки реально востребованы, какие направления растут, куда имеет смысл вкладывать время. Не «учи всё подряд», а «вот конкретный трек роста на основе реальных данных».

Открытый проект, а не стартап в бункере

Карьерика — это не коммерческий продукт, который делается за закрытыми дверями и потом выкатывается с помпой. Это общественный проект. Ответ профессионального сообщества на сломанную систему, в которой мы все оказались.

Да, платформа будет монетизироваться — сервера не бесплатные, а устойчивая модель позволяет не зависеть от инвесторов и сохранять независимость суждений. Но сейчас проект находится на стадии формирования, и присоединиться к разработке может каждый. Разработчик, дизайнер, HR, который хочет чинить свою профессию изнутри, аналитик, который видит, как правильно работать с данными рынка труда, — welcome.

Мы не ищем «ресурс». Мы ищем единомышленников. Людей, которых тоже бесит получать шаблонный отказ после пяти этапов собеседования. Которых тошнит от вакансий-призраков. Которые понимают, что найм можно выстроить иначе — и готовы не просто об этом говорить, а делать.

Если это про вас — вы знаете, где нас найти.

Почему это сложно и не быстро

Не буду приукрашивать. Мы в начале пути. MVP ещё в разработке. Система верификации требует выстраивания отношений с экспертами. Аналитика требует данных, а данных пока немного. Сообщество не строится по щелчку.

Но начало — именно в том, чтобы по-другому посмотреть на проблему. Не «как улучшить работу с hh», а «как выстроить процесс, в котором прозрачность встроена по умолчанию». Не «как лучше подготовиться к собеседованию», а «как сделать так, чтобы собеседование было разговором двух профессионалов, а не проверкой на знание ста заученных вопросов».

Что нужно рынку прямо сейчас

Я не претендую на то, что один проект решит системную проблему. Но кое-что можно изменить уже сейчас — и для этого не нужен новый продукт:

  1. Компании: опубликуйте реальные критерии отбора. Не «хорошая команда и интересные задачи», а конкретный стек, конкретный уровень, конкретные кейсы, с которыми предстоит работать. Это отсеет нерелевантных кандидатов и сэкономит время всем.

  2. HR-специалисты: давайте обратную связь. Хотя бы шаблонную, но конкретную. «Не хватает опыта с X» — это уже полезнее, чем тишина.

  3. Кандидаты: не бойтесь спрашивать. На каком этапе отбор? Сколько кандидатов в воронке? Что будет на следующем этапе? Чем больше прозрачности требуете — тем больше её становится.

  4. Площадки: перестаньте оптимизировать engagement в ущерб качеству. Прозрачность — не враг монетизации, а её долгосрочная основа.

Итог

Сломанный найм — не судьба. Это архитектурная проблема, которую можно решить. Требуется не точечная заплатка, а другая архитектура процесса. Прозрачная, верифицированная, основанная на данных и сообществе.

Если тема близка — добро пожаловать. Мы открыты к диалогу, критике и идеям. Потому что чинить найм придётся вместе.