Я тут провела небольшой эксперимент с собственным резюме на HH. Ввиду того, что система определяла меня как научного сотрудника, я решила проверить, можно ли изменить эту интерпретацию, не переписывая реальный опыт и не превращая резюме в набор ключевых слов.

Месяц назад менеджер техподдержки HH показала мне, как моё резюме выглядит со стороны работодателя. В краткой ИИ-подсказке система отнесла меня к научным сотрудникам — несмотря на то, что резюме было составлено на позицию менеджера продукта, а большая часть опыта связана с запуском и развитием цифровых продуктов.

Я решила подойти к задаче как к небольшому продуктовому исследованию:

— зафиксировать исходный результат; — определить, какие формулировки могли увести алгоритм в сторону науки и образования; — изменить подачу, не меняя фактов; — провести повторный замер.

Закончила эксперимент только сейчас: последний месяц на него просто не находилось времени. Но зато сегодня у меня есть два скриншота — до и после — и возможность сравнить, как система интерпретировала один и тот же профессиональный опыт.

Что было в первой версии

В резюме уже стояла желаемая должность «Менеджер продукта (Middle+)», в опыте несколько раз повторялась роль менеджера продукта, а среди навыков были Product Management, Product Discovery, Product Strategy, MVP, Go-to-Market и другие продуктовые компетенции.

Однако текущая и самая продолжительная роль в моём опыте связана с Нетологией, а в тексте было много формулировок про исследования, экспертную деятельность, образовательные программы и методическую работу.

Человек, вероятно, увидел бы специалиста с сильной исследовательской экспертизой внутри продуктового управления. Алгоритм собрал из этих сигналов другой образ — научного сотрудника 😳

Что я изменила

Я не стала добавлять в каждый абзац слова Product Manager и MVP. Вместо этого:

— точнее обозначила продуктовую роль в начале резюме; — переписала описание текущего опыта через управление продуктами и проектами; — усилила формулировки про запуск, развитие, гипотезы и продуктовые решения; — сократила количество слов, которые могли создавать академический контекст; — сохранила работодателей, даты и содержание реального опыта без изменений.

Что получилось

После повторной проверки категория «научный сотрудник» исчезла.

Теперь в выдаче работодателя система показывает:

Менеджер продукта (Middle+)

А профессиональный опыт собирает в последовательный продуктовый трек:

— менеджер продукта; — эксперт по управлению продуктами и проектами; — консультант по развитию продукта; — менеджер продукта.

То есть факты остались прежними, но их более точная упаковка изменила профессиональный образ, который собрал алгоритм.

Какие выводы я пока сделала

Первое: название желаемой должности и набор навыков сами по себе не гарантируют, что ИИ правильно определит специализацию.

Второе: большой вес, вероятно, имеет не только название должности, но и контекст, в котором описан самый продолжительный и актуальный опыт.

Третье: адаптация резюме под алгоритмы — это не обязательно механическое добавление ключевых слов. Гораздо важнее, чтобы из всех разделов складывалась одна непротиворечивая профессиональная история.

И четвёртое: поисковая выдача и ИИ-подсказка, судя по всему, могут работать по-разному. Моё отдельное резюме продуктового исследователя оформлено не совсем по правилам HH и не получает такое саммари, но находится по релевантным запросам — по нему мне уже приходили подходящие по роли предложения.

Это пока один эксперимент и два замера, поэтому выдавать результат за универсальное правило я не буду. Но сам кейс хорошо показывает: сегодня резюме должно быть понятно не только рекрутеру, но и системе, которая первой пытается определить, кто вы как специалист.

Позже обязательно соберу результаты и наблюдения в отдельный практический гайд 🙂