Как мы научили ИИ вести себя как человек — и почему это оказалось важнее остального 🤖🧠
Привет, Хабр.
За последний год поиск работы для инженеров всё больше стал напоминать кликинг-симулятор: десятки однотипных откликов, шаблонные сопроводительные письма, часы механических действий. ⏳
При этом от кандидата всё ещё ждут осмысленности и персонализации — но обеспечивать её приходится вручную, в масштабе, который плохо сочетается с нормальной жизнью и развитием.
В какой-то момент я решил посмотреть на эту проблему как на инженерную задачу и попробовать автоматизировать рутинную часть процесса. Так появился ИИ-ассистент OfferMate.
Но довольно быстро стало понятно: автоматизация — это не всегда про “делать быстрее и больше”.
Почему «больше автоматизации» — плохая идея ⚠️
Первая версия ассистента решала задачу максимально прямолинейно:
быстрый сбор вакансий;
частые проверки;
высокая плотность запросов;
ставка на объём.
С инженерной точки зрения всё выглядело логично:
больше данных → больше откликов → выше шанс результата.
На практике это оказалось ошибкой.
Такой подход:
создаёт пиковые нагрузки 📈;
выглядит неестественно;
повышает риск блокировок;
и, главное, не отражает реального поведения человека.
Рынок труда — не нагрузочный тест и не очередь сообщений в Kafka.
Он реагирует не только на результат, но и на паттерн поведения.
Ключевое открытие: автоматизация должна быть незаметной 🕵️♂️
В какой-то момент мы осознали простую вещь:
эффективный ассистент должен вести себя не как бот, а как человек.
Опытный специалист:
не откликается на всё подряд;
читает вакансии выборочно;
делает паузы;
меняет темп;
реагирует на контекст.
И если автоматизация не воспроизводит этот паттерн — она рано или поздно ломается.
Это стало точкой, после которой мы полностью пересобрали архитектуру 🔄
Что изменилось в подходе ⚙️
Вместо «ускорения всего» мы сфокусировались на естественности поведения.
Теперь система:
🧠 анализирует вакансии, а не просто собирает их пачками;
👤 имитирует человеческий ритм: паузы, разную скорость, приоритеты;
🔄 адаптируется к изменениям в реальном времени;
🛡️ работает в рамках правил платформ, не создавая аномалий.
Что это дало на практике 📊
Самое интересное — эффект оказался не столько техническим, сколько продуктовым.
✅ Конверсия откликов выросла — потому что система стала бить не по площади, а в цель;
✅ Пользователи перестали вмешиваться вручную — ассистент стал предсказуемым;
✅ В среднем освобождается 10–15 часов в неделю, которые раньше уходили на рутину.
Именно здесь стало понятно, что мы движемся в правильном направлении 🚀
OfferMate 2.0: не «автоматизация всего», а умное делегирование 🧩
Этот подход лёг в основу новой версии продукта, которую мы сейчас допиливаем.
В OfferMate 2.0 мы сознательно ушли от идеи «пусть ИИ делает всё» и сфокусировались на том, где он действительно полезен:
🤖 анализ резюме и вакансий с учётом контекста, а не ключевых слов;
✍️ генерация сопроводительных писем под конкретную компанию;
🛡️ нативное и естественное взаимодействие с платформами;
📈 прозрачная аналитика и контроль со стороны пользователя.
Отдельно экспериментируем с новыми функциями — например, автоматизацией типовых онлайн-тестов. Но здесь действуем максимально осторожно и итеративно.
Итоговые мысли 🧠
Автоматизация ради автоматизации почти всегда приводит к хрупким решениям.
А вот автоматизация, которая копирует человеческую логику и ритм, — работает долго и стабильно. К этому мы и идем.
И да, если интересно следить за развитием проекта, архитектурными находками и экспериментами — я регулярно пишу об этом в блоге.
Там же делимся апдейтами OfferMate 2.0 и результатами тестирования.
Буду рад вопросам и обсуждению в комментариях 👇
