Конец эры PDF-резюме

Проблема рынка труда в том, что на собеседованиях, в резюме и вакансиях все врут и все об этом знают.

HR-менеджер тратит 6 секунд на просмотр резюме, которое кандидат писал 3 часа. Потом алгоритм отсеивает 75% резюме из-за неправильных ключевых слов. А в итоге нанимают того, кто лучше всех блефует на собеседовании.

Возможно, стоит прекратить этот цирк.

Professional.me из ОАЭ/США привлёк $3.1M на этой идее.

Как устроена магия унификации
Вместо субъективных PDF с навыками типа "коммуникабельный team player", Professional.me строит объективные профили на базе микро-LLM — узких моделей искусственного интеллекта, обученных по 167 отраслям и 1.2 млн конкретных задач. Система анализирует реальные навыки, проекты и достижения, превращая их в машинно-читаемый формат.

В теории: работодатель задаёт параметры — получает точные совпадения. Никакой воды, никаких приукрашиваний, только факты. На практике — все упирается в данные, если их нет, то никакие LLM не помогут.

Еще интересная фича — учёт культурных нюансов и гендерной специфики. Модели обучены понимать, что "менеджер проекта" в Дубае и "project manager" в Лондоне — это разные роли с разными ожиданиями.

Почему старый способ умирает
Глобальный рынок AI-рекрутмента растёт на 7.2% в год и достигнет $1.13 млрд к 2033 году. Компании в Северной Америке уже сократили расходы на наём на 40%, в Европе — на 36%. И это не просто экономия денег — это экономия времени и нервов всех участников процесса.

Традиционное резюме — артефакт эпохи бумажных документов. Оно субъективно и легко фальсифицируется. Каждый пишет кто во что горазд.

Professional.me предлагает стандартизованные профили, которые можно мгновенно сопоставить с требованиями вакансии. Это как перейти от рукописных писем к email — возврата назад уже не будет.

Механика монополии: как захватить рынок труда
Эффект накопления данных работает безотказно: каждый новый профиль улучшает точность микро-моделей, что делает подбор лучше, что привлекает больше компаний, что заставляет больше кандидатов регистрироваться. Через пару лет у Professional.meбудет такая база знаний о навыках и требованиях, что конкурентам придётся начинать с нуля против готовой империи.

Стоимость переключения создаёт «липкость» продукта. Когда компания интегрирует платформу в свои HR-процессы, обучает рекрутеров и настраивает автоматизацию, переход на другую систему становится кошмаром. Все исторические данные, настройки фильтров, интеграции с ATS — всё это создаёт барьер выхода.

Как на этом можно заработать
Создайте нишевую платформу для найма в строительстве или логистике — там до сих пор каменный век. Узкие микро-модели, обученные на специфике отрасли, дадут огромное преимущество. Стройка не IT — там свой язык, свои требования, свои стандарты.

Разработайте "Netflix для кандидатов" — платформу, где соискатель записывает короткое видео, а ИИ разбирает его на компетенции, soft skills и культурный фит. Видео даёт в 10 раз больше информации, чем текст, но никто пока не научился это правильно структурировать.

Похожие проекты

• Pymetrics — оценка soft skills через игры и нейронаучные методики
• HireVue — автоматизация видео-интервью с анализом речи и эмоций
• Greenhouse — комплексная ATS-система с элементами ИИ
• Lever — платформа для найма с упором на аналитику
• SmartRecruiters — облачная система управления талантами
• В России: Potok — автоматизация массового подбора, Хантфлоу — российская ATS-система

А вот и второй проект про рекрутинг, он посвящен массовому найму в ритейл (кассиры, грузчики и т.п.) Проблема — на одну вакансию кассира приходит 200 заявок (или не приходит, но это совсем другая проблема). HR должен провести 200 телефонных скринингов по 15 минут. Это 50 часов монотонной работы, чтобы отобрать 10 человек на интервью. И половина из отобранных не придёт, потому что уже нашла работу, пока вы звонили остальным.

Шведские викинги из Hubert решили автоматизировать этот кошмар.

Стартап получил €2.5M. Компания уже прибыльна — редкость для AI-стартапов — и прогнозирует рост выручки на 400% в 2025 году.

AI-интервьюер Hubert делает за рекрутера всю грязную работу 24/7. Кандидат получает ссылку, проходит структурированное интервью в удобное время. Система задаёт ситуативные вопросы типа "Что будете делать, если покупатель агрессивен?" или "Как поступите при нехватке товара на полке?", анализирует ответы на естественном языке и ранжирует кандидатов по релевантности.

Точность отсева нерелевантных кандидатов — больше 90%. Время закрытия вакансий сокращается с недель до дней. И главное — никакой предвзятости: алгоритм не смотрит на возраст, пол или акцент. Только на суть ответов.

Рынок созрел для автоматизации
По данным исследований, использование ИИ в найме сокращает время на подбор и снижает затраты на 40%. И это не предел — технологии только начинают проникать в HR. Большинство компаний всё ещё используют Excel и телефон как основные инструменты рекрутинга.

Hubert попал в идеальный момент. Рынок труда перегрет, найти кассира или продавца стало сложнее, чем программиста. Зарплаты растут, а качество кандидатов падает. Автоматизация первичного отбора — отличный способ сэкономить на рекрутинге и получить более подходящих кандидатов.

Кандидатский опыт создаёт виральность: соискатели рассказывают друзьям о необычном формате интервью, где не нужно ждать звонка и можно отвечать в пижаме в 2 часа ночи. Это привлекает больше кандидатов к компаниям-клиентам Hubert.

Как заработать на автоматизации отбора кандидатов
Создайте специализированное решение для найма водителей-курьеров. Там свои требования: проверка прав, опыта вождения, знания города. ИИ может проводить виртуальный тест-драйв через ситуативные задачи.

Разработайте white-label решение для кадровых агентств. Они смогут предлагать ИИ-скрининг как премиум-услугу своим клиентам, а вы будете брать процент с каждого интервью.

Адаптируйте технологию для оценки soft skills медицинского персонала. Эмпатия, стрессоустойчивость, коммуникация с пациентами — всё это можно тестировать через ситуативные кейсы.

Еще примеры

• Paradox — чат-бот Olivia для автоматизации рекрутинга
• Mya Systems — конверсационный ИИ для найма
• AllyO — end-to-end автоматизация рекрутинга
• Ideal — ИИ для скрининга резюме и кандидатов

Люди обожают предсказывать будущее. От бабушек у подъезда ("Доллар точно до 200 дойдёт!") до трейдеров на Уолл-стрит — все хотят угадать, что будет завтра. Проблема в том, что никто не отслеживает точность этих прогнозов.

Bayes Market из Гонконга превращает базарные разговоры в измеримую игру (по сути, они скопировали Polymarket для азиатского рынка)

Платформа привлекла $2M. За несколько месяцев бета-версии к сервису присоединилось больше 5000 пользователей по всей Азии.

Как работает социальное прогнозирование
Представьте Twitter/X, где вместо мнений люди публикуют предсказания с конкретными датами и вероятностями. "Bitcoin достигнет $150K к концу 2025 года — вероятность 65%". "Новый iPhone выйдет в сентябре — 90%". "Моя жена разрешит купить PlayStation — 5%".

Система автоматически отслеживает, сбылись ли прогнозы. У каждого пользователя формируется рейтинг точности. Можно подписываться на успешных прогнозистов, обсуждать предсказания, создавать тематические группы. Это как фэнтези-футбол, только с реальными событиями.

Геймификация на полную катушку: ачивки за серию удачных прогнозов, лидерборды по темам, батлы между прогнозистами. Средняя сессия — 28 минут. Для сравнения: в обычных соцсетях — 10-15 минут.

Почему прогнозные рынки — это новая нефть
Рынок предсказаний переживает ренессанс. Платформы типа Polymarket оценены в сотни миллионов долларов. Эксперты называют 2025 год поворотным моментом для prediction markets — они становятся мейнстримом.

Дело не только в развлечении. Агрегированные прогнозы толпы часто точнее экспертных оценок. Корпорации используют внутренние прогнозные рынки для планирования. Хедж-фонды анализируют sentiment на таких платформах. Это новый источник альфы в мире, где вся публичная информация уже заложена в цены.

Механизмы виральности
Социальное доказательство работает мощно: когда твой друг правильно предсказал результат выборов, курс биткоина и победителя Оскара, ты начинаешь следить за его прогнозами. И хочешь попробовать сам — вдруг ты тоже Нострадамус?

Споры и ставки на события создают вовлечённость. Люди возвращаются проверить, сбылись ли их предсказания, следить за конкурентами, защищать свою позицию в комментариях. Это не пассивное потребление контента, а активное участие.
FOMO от успешных прогнозов заставляет регистрироваться новичков. Когда в ленте видишь, как кто-то набрал 1000 баллов за точное предсказание неожиданного события, руки сами тянутся попробовать.

Монетизация и масштабирование
Проблема для копирования подобного проекта в Россию в том, что у нас законодательно запрещены ставки на любые события, кроме спорта. Как это обойти — непонятно. Но это не мешает запускать подобные проекты в других юрисдикциях.

Вариант: нишевая платформу прогнозов для киберспорта. Миллионы фанатов следят за турнирами, обсуждают составы, спорят о фаворитах. Дайте им инструмент для структурированных предсказаний.

Запустите корпоративную версию для внутреннего использования в компаниях. Сотрудники прогнозируют сроки проектов, объёмы продаж, успех маркетинговых кампаний. Руководство получает честную картину ожиданий команды.

Интегрируйте прогнозы в образование. Студенты предсказывают результаты экономических процессов, политические события, научные открытия. Преподаватели используют это для обучения критическому мышлению.

Кто ещё делает похожее

• Polymarket — крупнейший криптовалютный прогнозный рынок
• Kalshi — сделан как под копирку, для рынка США
• Metaculus — платформа для научных и технологических прогнозов
• Manifold Markets — play-money прогнозный рынок
• Augur — децентрализованный протокол для предсказаний
• PredictIt — политические прогнозы в США
• Gnosis — инфраструктура для прогнозных рынков на блокчейне

CFA, GMAT, IELTS — эти аббревиатуры вызывают нервный тик у миллионов людей по всему миру. Подготовка к таким экзаменам — это месяцы зубрёжки, тысячи долларов на курсы и литры кофе.

Продолжение трендов 4-10 в Tweekly Pro.

Египтяне, работающие за границей, отправляют домой $22.7 млрд в год. Это больше, чем весь IT-экспорт России. Но за каждый перевод Western Union и банки берут до 12% комиссии. Представьте: вы отправляете маме $1000, а она получает $880. Остальное съедают посредники.

В Дубае стоят тысячи пустых элитных квартир. Инвесторы купили их в надежде на рост цен, но арендаторов найти сложно — слишком дорого для местных, слишком долгосрочно для туристов. Стартап нашёл золотую середину: превращает эти квартиры в сервисные апартаменты за 10 дней от идеи до первого гостя.

Марокканки обожают турецкие сериалы и турецкую моду. Но купить то же платье, что у героини "Великолепного века", практически невозможно. Доставка из Турции стоит дороже самого платья, оплатить турецкой картой нельзя, а если не подойдёт размер — проще выкинуть, чем вернуть.

В Америке проверка зрения — это целый квест. Записаться к окулисту за месяц, приехать в клинику, подождать час в очереди, пройти обследование за 15 минут, заплатить $200, подождать неделю рецепт на очки.

95% корпоративных AI-проектов проваливаются. Эту шокирующую цифру опубликовал MIT. Компании потратили миллиарды на ChatGPT-обёртки, которые галлюцинируют, выдают конфиденциальные данные и требуют постоянного присмотра.

Большинство AI-инструментов для бизнеса — это универсальные болтуны. Они могут написать email или суммировать документ, но попросите их подобрать подшипник для промышленного насоса — и они выдадут красивую чушь.

Алексей