Криптовалюты, искусственный интеллект, экономика

Все в категории

Статьи

Специалисты по найму тратят 11 секунд на изучение одного резюме: вот на что они обращают внимание

Специалисты по найму тратят в среднем 11 секунд на изучение одного резюме — и в эпоху ИИ это время сокращается ещё быстрее. Исследование платформы InterviewPal показало: при сотнях заявок на одну вакансию у кандидата есть лишь 11,2 секунды, чтобы произвести впечатление. Причём нередко до живого сотрудника отдела кадров резюме вообще не доходит — его сначала фильтрует алгоритм. Соответствие требованиям — с первых строк Порядок пунктов в описании вакансии неслучаен. Первые один-пять пунктов — это обязательные навыки и задачи, без которых невозможно выполнять работу. Именно поэтому в верхней части резюме должно быть чётко показано, как ваш опыт соотносится с ключевыми требованиями. Даже если вы не соответствуете всем критериям, важно продемонстрировать закрытие хотя бы 80% из них — без того, чтобы специалист по найму сам додумывал, почему вы подходите. Цифры вместо общих слов Когда взгляд падает на резюме, первое, что имеет значение, — конкретные метрики и результаты. Насколько вы превышали план продаж? Сколько новых клиентов привлекли? Каков был реальный эффект для компании? В эпоху, когда резюме массово составляются с помощью ИИ, формулировки вроде «отвечал за…» делают вашу заявку неотличимой от сотен других. Конкретные цифры — то, что выделяет кандидата. Ключевые слова из описания вакансии 71% специалистов по найму используют ИИ-инструменты для автоматической фильтрации резюме. Это значит, что ваш документ может быть отклонён алгоритмом ещё до того, как его увидит человек. Грамотное решение — использовать ИИ для подбора ключевых слов из описания вакансии и внедрить их как в резюме, так и в сопроводительное письмо. Однако ИИ — лишь отправная точка. Тон, язык и детали должны быть адаптированы под ваш уникальный опыт вручную. Индивидуальность — главный дефицит 67% специалистов по найму фиксируют негативное влияние резюме, созданных с помощью ИИ: поток однотипных заявок и приукрашенный или вовсе выдуманный опыт стали серьёзной проблемой для найма. Проблема не в самом ИИ, а в том, как его используют: люди берут сырой результат и не адаптируют его под себя. Шаблонное резюме, собранное из описания вакансии, — это медвежья услуга самому себе. На одну позицию порой приходит по 15 одинаковых документов, и такой кандидат сразу теряет доверие. Используйте ИИ как инструмент, но добавляйте собственные достижения, меняйте формулировки и сохраняйте свой голос — именно это делает резюме заметным. Среднее время просмотра резюме остаётся крайне коротким, а доля автоматической фильтрации продолжает расти. В этих условиях решающую роль играют чёткое соответствие требованиям вакансии, конкретные результаты и персонализация документа. Резюме, которое выглядит как авторское, а не как продукт алгоритма, имеет значительно больше шансов дойти до этапа собеседования. Мнение ИИ С точки зрения системной динамики рынка, ситуация с резюме — это классическая «гонка вооружений», где каждая новая защита порождает новую атаку. ATS-системы существуют с 1990-х, однако именно после 2020 года их распространение резко ускорилось: по данным аналитиков vc.ru, сегодня автоматические фильтры отсеивают до 75% резюме ещё до живого рекрутера. Парадокс в том, что оптимизация резюме под алгоритм и создала кризис однообразия — порочный круг, из которого нет простого выхода. Структурный контекст усиливает остроту проблемы: по данным SuperJob за 2026 год, число вакансий сократилось на 20%, тогда как количество резюме выросло на 34%. ▼ Самые интересные и важные новости на нашем канале в Telegram var remark_config = { host: "https://comments.hashtelegraph.com", site_id: "hashtelegraph", url: window.location.href.split("#")[0], page_title: document.title, no_footer: true, locale: "ru" }; Читать дальше...

Когда искусственный интеллект становится тобой

Долгое время подлинность была неотделима от присутствия. Руководитель подписывал документ — значит, он его читал. Врач ставил диагноз — значит, он смотрел в глаза пациенту. Судья выносил приговор — значит, он нёс за него личную ответственность. Связь между человеком и его действием была физической, почти осязаемой. Искусственный интеллект разрывает эту связь — тихо, постепенно и необратимо. Читать дальше...

Не биткоином единым жив Уолл-стрит

Институциональный капитал снова движется в сторону цифровых активов — и этот цикл заметно отличается от предыдущего. Биткоин-ETF фиксируют крупный приток инвестиций, венчурный гигант a16z формирует новый многомиллиардный фонд, а традиционные банки ускоряют интеграцию блокчейн-инфраструктуры. На фоне всего этого рынки предсказаний впервые привлекают серьёзное внимание с Уолл-стрит. Читать дальше...

Искусственный интеллект не убил поиск. Он на него подсел

Традиционный поиск не умер — он мутировал. За последние несколько лет интернет-поиск и генеративный ИИ прошли путь от конкуренции к глубокой структурной зависимости друг от друга — и сегодня именно это взаимное притяжение определяет, как устроена вся индустрия. Понять, кто в этом симбиозе получает больше и куда движется рынок, — значит понять, как изменится привычный нам способ работы с информацией. Читать дальше...

Могут ли в России признать сеть «Интернет» экстремистской организацией?

Роскомнадзор до сих пор официально называет интернет информационно-телекоммуникационной сетью «Интернет» — с кавычками, как полагается организации или движению. Это наблюдение даёт повод задать интересный вопрос: каковы шансы, что интернет когда-нибудь признают в России экстремистским? Изучаем законодательство и реальные прецеденты. Читать дальше...

Не только Россия: западные страны всерьёз взялись за VPN

VPN оказался в перекрёстье прицела не только у российских регуляторов. Пока Россия методично выстраивает механизмы блокировки анонимизирующих сервисов, другие страны — США, Великобритания и Франция — движутся схожим курсом, хотя и под иными предлогами. Читать дальше...

Физический ИИ: когда интеллект перестаёт быть только цифровым

Физический ИИ становится следующей крупной фазой развития искусственного интеллекта — не потому, что роботы-гуманоиды вдруг стали реальностью, а потому что интеллект всё увереннее перемещается в физический мир. Читать дальше...

Вайб-кодинг: кто понимает то, что написал ИИ?

В начале 2025 года исследователь в области искусственного интеллекта Андрей Карпати ввел в обиход термин «вайб-кодинг» — и понеслось. За несколько месяцев то, что казалось экспериментальной причудой, превратилось в полноценную практику разработки программного обеспечения. Суть проста: разработчик описывает желаемое на обычном языке, инструмент на базе искусственного интеллекта генерирует код — и прототип готов. Cursor, Replit, Lovable, GitHub Copilot Workspace, v0 от Vercel, Claude Code — всё это уже не демонстрационные стенды, а рабочие инструменты, которыми пользуются ежедневно. Google Cloud описывает вайб-кодинг как метод разработки программного обеспечения, который делает создание приложений доступным даже для тех, кто почти не умеет программировать. Путь от идеи до работающего прототипа сократился с месяцев до часов. Казалось бы — революция продуктивности. Но именно здесь и начинается самое интересное. Когда скорость опережает понимание Когда расстояние между идеей и готовым кодом сжимается до нескольких часов, вместе с ним незаметно исчезает кое-что ещё. Проверка архитектуры. Юридическая экспертиза. Согласование с требованиями безопасности. Оценка соответствия нормативной базе. Даже простой вопрос — а нужно ли вообще это делать? — перестает звучать, потому что делать уже начали. Это не технологическая проблема. Это управленческий сдвиг, который происходит на всех уровнях организации одновременно, незаметно и без объявления. Исследование Stack Overflow 2025 года фиксирует важный симптом: 66% разработчиков назвали главным разочарованием от работы с инструментами на базе искусственного интеллекта то, что результаты получаются «почти правильными, но не совсем». На первый взгляд мелочь. На второй — системная угроза. С полностью неработающим кодом всё понятно: он ломается и сам указывает, где искать проблему. Код, который «почти работает», — совсем другая история. Он функционирует в большинстве случаев, сбоит в пограничных ситуациях и не оставляет очевидных следов. Показательный случай произошёл с платформой Lovable в мае 2025 года. ИИ реализовал контроль доступа — но перепутал логику: аутентифицированные пользователи были заблокированы, все остальные получили полный доступ. В результате у 170 из 1645 приложений, созданных на платформе, личные данные пользователей оказались доступны кому угодно. Код не был сломан — он просто делал не то, что от него ожидали. И именно поэтому никто не заметил ошибку до её публичного обнаружения. Разработчики тратят дни на то, чтобы проследить цепочку через полдюжины взаимосвязанных систем и понять, что именно пошло не так. При этом, согласно Stack Overflow, 45% респондентов подтвердили: отлаживать код, написанный искусственным интеллектом, занимает больше времени, чем написанный человеком. Миллион строк — и никто не знает, что в них За этой статистикой скрывается более глубокая проблема. Искусственный интеллект генерирует код с поразительной скоростью — сотни строк за секунды. Инженер получает готовый результат. Он принимает его, тестирует базовые сценарии, выкатывает в продакшн. Но понял ли он, что именно выпустил? Кодовые базы корпоративного уровня становятся всё объёмнее — и всё менее читаемыми для тех, кто с ними работает. Особенно это критично там, где ошибка недопустима: финансовые транзакционные системы, модели для проектирования микросхем, сетевые операционные системы. Здесь «почти правильно» — это синоним «неправильно». Вопрос, который стоит задавать руководителям инженерных команд каждый день: знает ли мой разработчик, что он выпустил вчера вечером? Не просто что — но почему это работает и как это было проверено? Когда что-то пойдёт не так — а оно пойдёт — кто именно сможет отследить сбой до его первопричины? Без ответа на эти вопросы устранение инцидентов превращается в бесконечное блуждание: исправление одного бага порождает три других, а команда теряет недели на восстановление того, что алгоритм собрал за часы. ИИ не понимает контекст Есть ещё один слой проблемы, о котором говорят реже. Инструмент на базе искусственного интеллекта не знает вашу компанию. Он не знает, в какой регуляторной среде вы работаете, каковы особенности вашей клиентской базы, какие данные нельзя передавать сторонним сервисам, какой визуальный стиль закреплён в гайдлайнах бренда и какие операционные ограничения накладывает ваша инфраструктура. Все эти решения должны принимать люди — но только если они включены в процесс до того, как прототип уже готов и всем нравится. В большинстве современных рабочих процессов их привлекают на этапе «доработки», когда менять что-то принципиально уже психологически трудно. Это ловушка скорости: чем быстрее появляется работающий прототип, тем сложнее остановиться и спросить — а правильную ли вещь мы вообще строим? Готовность к ИИ — это компетенция руководства Важно сказать прямо: вайб-кодинг не исчезнет и не должен исчезнуть. Он отлично справляется с рутинными задачами, высвобождает инженеров для архитектурных решений и стратегии продукта. Отрицать его ценность — значит игнорировать реальность. Но узким местом в эпоху повсеместной генерации кода становится не производительность. Узким местом становится понимание. Кто-то должен определить: что мы будем делать быстрее, а что — намеренно медленнее? Кто имеет право принимать это решение? Как мы убедимся, что люди с нужным контекстом включены в процесс до того, как код написан, а не после? Именно поэтому готовность компании к вайб-кодингу измеряется качеством управления, а не совершенством технологии. ▼ Канал Anton Elston — это актуальная информация об IT, блокчейне, NFT и онлайн-образовании. Здесь развивается метавселенная DEXART и происходит погружение в мир ИИ var remark_config = { host: "https://comments.hashtelegraph.com", site_id: "hashtelegraph", url: window.location.href.split("#")[0], page_title: document.title, no_footer: true, locale: "ru" }; Читать дальше...

Да, ИИ ошибается, но это ещё полбеды. Плохо то, что он ошибается внезапно!

Искусственный интеллект действительно меняет всё — и именно в этом главная угроза: когда технология по-настоящему меняет всё, рынок перестаёт задавать неудобные вопросы. Читать дальше...

ИИ для бизнеса: догонять уже поздно или время ещё есть ?

Искусственный интеллект стал главной темой деловых обсуждений, однако большинство компаний по-прежнему не могут перейти от экспериментов к реальному внедрению. По данным McKinsey, почти две трети компаний в 2025 году находились лишь на стадии пилотных проектов. Лишь около 6% опрошенных относились к категории «высокоэффективных» — тех, у кого ИИ уже интегрирован в бизнес-процессы и обеспечивает более 5% прибыли. Читать дальше...

Проблема «катастрофического забывания»: ИИ без поиска — как эксперт без интернета

Большие языковые модели сталкиваются с архитектурной проблемой, которую индустрия пока не решила окончательно: после обучения знания модели фактически фиксируются, а любая попытка их обновить грозит так называемым «катастрофическим забыванием». Читать дальше...
1 2 3 92
Ту зе МУН