Comments 25
Чтобы быстрее составить резюме, можете использовать шаблон и подсматривать, как их оформляют другие кандидаты.
Говорит, что нет доступа
Все больше убеждаюсь, что нужно искать способ связаться с работодателем напрямую, без участия HR специалистов.
К такой же мысли пришли еще год назад, когда пилили сервис для соискателей) Этот формат набирает обороты, рыночек устал от откликов в пустоту
Приходи к нам в гараж. Иваныч бывает по средам и четвергам. В пятницу он бухает как черт, так что может забыть к понедельнику, что он там напринимал в штат в пятницу, поэтому среда оптимальный день. Вакансий море, от механика, до старшего механика! Зп чуть выше чем в айти, но это не точно.
Многоходовочка, конечно, высокоинтеллектуальная.
Не хотим перебирать резюме вручную. Пусть все следуют шаблону, а машина разберет.
Все следуют шаблону. Машина не видит никакой разницы между джуном и сеньором, если в резюме одни и те же баззворды и накрутки опыта.
Нужно снова перебирать резюме вручную.
Просчитались, но где?..
Ну с джуном и сеньором утрирование - ATS не настолько туп, чтоб не увидеть разницы. Но да, если по умному переписал резюмешку - можно проскочить, даже если на пару грейдов ниже) Другое дело что далеко не все могут правильно составить такое фейковое CV
А для компании всё ок - перебирать то придётся не 500 CV, а 50 отфильтрованных. Штат hr/рекрутеров/агентств раздувать не нужно - вот и профит. А что иногда позиция закрывается долго, потому что атска повыкидывала хороших кандидатов, а часть пришла с придуманным опытом - это задачка рекрутера разгребать это)
А какова будет эффективность, если как в анекдоте, просто выбрасывать случайно половину резюме? Что-то мне подсказывает, что с таким количеством откликов разница будет невелика.
ATS не настолько туп, чтоб не увидеть разницы
Другое дело что далеко не все могут правильно составить такое фейковое CV
Вы как будто из 2015 года пишете. 5 минут в Чятике - и резюме сверкает. А у вкатуна оно будет сверкать вдвое сильнее. Ему заняться больше нечем, он весь день резюме своим спамит и корректирует по необходимости. В эпоху LLM все эти ATS буквально как зенитки времен ПМВ против современного F-35.
PS Не одобряю накрутки и прочее SEO в резюме, но когда корпораты получают по зубам по сути их же оружием - это бесценно.
Не соглашусь) 1. ATS тоже качаются и с тем же успехом используют LLM только уже чтобы распазновать резюме сгенерированное из чятика. В статье есть про это абзац. 2. Чатжпт с большим удовольствием напихает buzzword'ов в твоё "Rebuilt my CV to be ATS-friendly")) надо упорно промтить или шагать в ResumeWorded, который уже обучен и то половину вручную будешь делать.
Вообщем моя мысль в том что - думаю ребята из бигтеха, фаанга и прочих крупняков, хорошо понимают зачем они платят ATS-системам. А то что генерить можно будет на изи, пока еще ситуация из будущего, но да, близкого будущего
Не, а можно вот конкретно про эту магию, когда ATS прям распознает LLMщину? Давайте 2 кейса рассмотрим:
я честный трудяга, работал на проекте 3 года, делал то, се, пятое, десятое. Прошу Чятик создать абзац для вашего шаблона. Выдает все идеально по полочкам.
я вкатун, который выдает себя за трудягу из п.1. Знаю, что он делал то се, пятое десятое. Прошу Чятик создать абзац для вашего шаблона. Выдает все идеально по полочкам.
Причем и п1 и п2 могут попросить LLM очеловечить текст и вообще трансформировать его любым образом.
Поясните дураку на пальцах, как тут магия сработает?
Дык я не утверждаю что нельзя нагеренить то, что нужно. Я про то что это любому сделать это не изи) Ты должен ориентироваться в теме, понимать какой опыт выпячивать, те же шаблоны скормить + Проверить что текст там без базвордов (очевелоченный якобы), расставленные правильно акценты и тд и тд.
А по поводу как ллмщину ATS начинают распознавать, опять же сошлюсь на то что написано в статье выше: "Современные системы могут интегрироваться с сервисами определения AI-текстов (например, AI-тексты определяют такие сервисы, как Originality.ai, GPTZero, Copyleaks), анализировать метаданные документов и даже сравнивать информацию из резюме с профилями в LinkedIn и соцсетях."
Не согласен. ATS развиваются, но и LLM не стоят на месте. Хороший результат получается, если не просто полагаться на ChatGPT, а работать с текстом самостоятельно — корректировать, добавлять важные детали и адаптировать под вакансию. Все эти "распознаватели AI-текста" — это скорее вероятность: они выдают лишь прогноз, а не точный вердикт. Если ты сам пишешь текст, а ChatGPT помогает добавить ключевые слова или подсказывает, что исправить, то итоговый текст будет уникальным. Проверки в LinkedIn тут вообще ни при чем — информация в профиле должна быть универсальной и не противоречить конкретному резюме, но и дублировать его не обязательно.
Получается, большую часть резюме даже не смотрели
И не надо. Опять ищут лучших вместо подходящих. Искать лучших - быть обречённым просматривать все резюме, будь их хоть 1000. И не нанимать до тех пор, пока просматриваете. А между тем - задачи не делаются, а люди ждут ответов/выходят на другую работу и пропадают из воронки. Что действительно нужно - фокусироваться не на том, как найти лучшего среди хороших, а на том, как найти хорошего среди массовки подавших. И не бояться отказывать оставшимся, что уже нашли и позицию закрыли - это будет происходить быстрее, чем при поиске лучших
Бюрократ 1: отправлять документ в одну страницу не солидно, мы большая компания, а не ИП Иванов. Как хорошо, что есть ИИ - теперь одна строчка смысла превращается в сто десять страниц текста!
Бюрократ 2: как же надоели эти многостраничные простыни с водой, где непонятно, чего хотят. Хорошо, что есть ИИ - теперь из тысячи страниц документа я легко извлекаю 1 срочку его сути. Кстати, надо отправить письмо юристам, но две строчки - это не солидно для моей позиции, и тут нам снова поможет ИИ...
ЧатГПТ нам всем поможет. В том числе и с резюме. Только не такое будущее с роботами я ожидал...
То что хорошее резюме - это структурированный тег лист давно понятно. Ровно как и множество способов обмануть АТС при необходимости. Собственно, поэтому всегда стараюсь найти связь с работодателем в обход hr агентств.
Разработал внутреннюю CRM на React.js, что ускорило обработку заявок на 40%
АТС возможно это и пропустит, но вот на тех. собесе к этому пункту будет много вопросов. Как именно отследили ускорение и почему именно 40, а не 43? Почему именно ваша заслуга, а например не менеджера и ещё огромное количество вопросов обеспечено.
Конечно для ATS лучше выразить эффективность в виде процентов или цифр (лучше понимает конкретные значения, как любая другая языковая модель), но с этим нужно аккуратнее.
А зачем настоящему синьёру вообще резюме, чтобы проходить фильтры? Гитхаб и в некоторых случаях SO-профиль — работают в 200 раз лучше, и выводят напрямую на технических специалистов, в отличие от того же Линкедина, например, я не говорю про рассылку резюме вручную на деревню эйчарам.
Гитхаб и в некоторых случаях SO-профиль — работают в 200 раз лучше, и выводят напрямую на технических специалистов,
Это только если автор репы - кто-то уровня Джона Кармака, подозреваю. Я прав?
Скорее всего да. Мне github со 150 звездами почти не помогает. Видимо нужны тысячи, большая популярность проекта.
Что такое «гитхаб со звездами»? Конкретный репозиторий? Про какой язык речь (для Java/JS/Python — это средний результат, для ruby/elixir — заметный)?
И, в принципе, лучше работают не свои велосипедики, а коммиты в корку языка и основных библиотек.
Лайки на github называются звездами (stars). Они есть как по отдельным репозиториям, так и суммируются для всех репозиториев на странице пользователя.
Язык в основном Python / JavaScript, в последнее время TypeScript. Звезды получать очень нелегко. Сотня звезд это годы работы над большим app для Django.
Кто получают тысячи звезд это либо большие таланты, либо знатоки рынка, точно угадавшие момент времени.
суммируются для всех репозиториев на странице пользователя
На странице пользователя есть количество фолловеров и количество звезд персоне лично. Ничего никуда не суммируется, какой смысл суммировать звезды разных проектов?
Просто, или сложно получать звезды — вопрос спорный. Я однажды эксперимента ради опубликовал описание апдейта одной из своих библиотек на форуме языка — и получил буст звезд на 40 в одночасье — на минорный апдейт (!).
Имеет смысл оценивать процент звезд проекта к звездам языка. Чтобы как-то уравновесить питон и эрланг, например.
Да никому скорее всего эти звезды не нужны, когда их меньше 500-1000.
А чтобы было много, надо либо очень рано угадать технологию / фреймворк / библиотеку, которая победит на рынке, и написать что-то полезное для нее, либо самому такой фреймворк создать, что еще сложнее.
Вот я много писал под Django, да скорее всего занялся им поздновато примерно в 2015 году, когда его популярность уже пошла на спад. Кроме того, большинство ниш для него уже были давно застолблены и большинство выбирало старые "стабильные" расширения вместо моих.
Хотя мои модули под Django и достаточно уникальны, тем не менее слишком поздний выпуск библиотек не позволил получить известность и создать для них коммьюнити.
Как сделать резюме, которое дойдёт до работодателя. Фильтры ATS в 2025 году