Niffler /ˈnɪf.lər/
Назван в честь существа из Гарри Поттера — маленького озорного зверька с удивительным талантом находить всё ценное.
AI-пайплайн для поиска кандидатов. Система, которая превращает недели ручной работы рекрутера в часы, сохраняя человеческое суждение в центре каждого решения о найме.
Проблема
Большая часть сорсинга кандидатов — это повторяющийся паттерн-матчинг: просмотр профилей, проверка стека, фильтрация по локации, переход дальше. AI делает это быстрее и последовательнее любого человека. Но полностью автоматизированный рекрутинг тоже не работает — разработчик, который пять лет строил шахматную платформу как соло-фаундер, на бумаге совсем не похож на инженера из Google, но может быть именно тем строителем, который нужен стартапу. Эти нюансы требуют рекрутера.
Система автоматизирует рутинную часть, оставляя рекрутера в процессе для каждого решения, которое действительно важно.
Как это работает
Пайплайн состоит из шести этапов. Три полностью автоматизированы, два с поддержкой AI, и один полностью ручной. Каждый этап идемпотентен — его можно безопасно перезапустить без дублирования данных.
и заметки рекрутера
запросы, рекрутер проверяет
за минуты
навыки, образование
сильными и слабыми сторонами
и анализ резюме
1. Настройка вакансии и генерация запросов
Рекрутер предоставляет описание вакансии и заметки — на что обращать внимание, чего избегать, контекст о команде и предпочтениях нанимающего менеджера. Система автоматически генерирует набор булевых поисковых запросов: комбинации должностей, ключевых слов стека, культурных сигналов и географических регионов. Рекрутер просматривает и может скорректировать любой запрос перед запуском поиска.
Типичная вакансия порождает 12–15 запросов, организованных по регионам, каждый нацелен на разные комбинации сигналов. Регионы можно включать и выключать по отдельности.
2. Поиск — Vertex AI Discovery Engine
Каждый запрос отправляется в Google Vertex AI Discovery Engine, который ищет по предварительно проиндексированному хранилищу данных LinkedIn. Результаты дедуплицируются по URL LinkedIn на уровне вакансии и вставляются в базу данных кандидатов. Типичный поиск по 13 запросам находит 500–700 уникальных кандидатов за несколько минут.
3. Обогащение профилей
Перед тем как AI сможет правильно оценить кандидата, нужен полный профиль LinkedIn — не только поисковый сниппет. Система получает полные данные профиля пакетами: полная история работы с датами, образование, навыки, языки и сертификаты.
Встроена географическая фильтрация: кандидаты за пределами целевого региона автоматически помечаются с помощью базы данных из 100+ международных названий городов и стран.
Для больших пайплайнов рекрутер может предварительно отфильтровать перед обогащением. В недавнем поиске фулстек-разработчика в Нью-Йорке ключевые слова разделили 699 кандидатов на три уровня: 193 точных совпадения (обогащены сразу), 284 средних (отложены на потом) и 222 слабых (пропущены). Это сэкономило расходы, сохранив возможность расширить поиск позже.
4. AI-оценка
Каждый обогащённый кандидат оценивается AI по полному описанию вакансии и заметкам рекрутера. AI читает полную историю работы кандидата и выдаёт:
- Оценку (1–10) с калиброванной рубрикой: 8–10 сильное совпадение, 6–7 хорошее, 4–5 возможное, 1–3 слабое
- Вердикт: однострочное резюме соответствия
- Сильные стороны: 3–5 конкретных причин, почему кандидат может подойти
- Пробелы: 3–5 конкретных замечаний или отсутствующих квалификаций
Оценка учитывает то, что пропускает поиск по ключевым словам: карьерную траекторию, несоответствие между заявленными навыками и реальным опытом, стабильность работы, рост по карьерной лестнице и то, является ли опыт кандидата действительно фулстек или фронтенд с добавленными бэкенд-ключевиками. Кандидаты обрабатываются параллельными пакетами — оценка 193 кандидатов занимает примерно 15–20 минут.
5. Интерактивный дашборд
Веб-дашборд, где рекрутер просматривает кандидатов:
- Фильтрация по оценке — настраиваемый минимальный порог
- Отслеживание статусов — Активные, Написали, Ответили, Интервью назначено, Не интересно, Не подходит
- Текстовый поиск по именам, должностям, компаниям, локациям, навыкам и AI-резюме
- Сортируемые столбцы и цветные бейджи оценок для быстрого просмотра
- Кнопка «почему?» на любой оценке показывает полное обоснование AI: сильные стороны зелёным, пробелы красным
- Кнопки статусов синхронизируются напрямую с базой данных
- Поддержка нескольких вакансий и произвольный поиск
6. Аутрич и анализ резюме
Аутрич намеренно остаётся ручным — кандидаты заслуживают, чтобы к ним обращался реальный человек. Когда кандидаты отвечают резюме, AI оценивает резюме под конкретную роль, создавая структурированный отчёт с оценкой, таблицей соответствия стека, сильными сторонами, замечаниями, вопросами для прескрина и рекомендацией следующего шага.
Сравнение времени
Реальный пример: Senior Full-Stack Engineer, Нью-Йорк, офис. 13 запросов по северо-востоку США.
| Задача | Вручную | С Niffler |
|---|---|---|
| Написать поисковые запросы (13 запросов, 5 регионов) | 2–3 часа | 20 минут |
| Запустить поиск и собрать результаты | 4–6 часов | 5 минут |
| Первичный скрининг 699 профилей | 12–15 часов | 0 — префильтр + AI |
| Глубокая оценка 193 кандидатов | 16–20 часов | 20 минут |
| Ревью топ-23 с обоснованием | 2–3 часа | 30–45 минут |
| Оценка резюме | 20–30 мин каждое | 3–5 мин каждое |
| Итого (от поиска до шортлиста) | 35–45 часов | ~3 часа |
Это примерно 10–12-кратное сокращение времени от поиска до шортлиста. Процесс, который обычно занимает у рекрутера полную рабочую неделю, можно завершить за один день.
Поиск по GitHub
Для ролей, где активность в open-source является полезным сигналом, есть дополнительный пайплайн, который ищет по GitHub вместо LinkedIn:
- Поиск по GitHub — находит разработчиков по языку программирования и локации, обогащает данными о репозиториях и активности
- Привязка к LinkedIn — сопоставляет профили GitHub с LinkedIn по сходству имён, локации и компаний
- Оценка и синхронизация — подходящие кандидаты объединяются в основной пайплайн для единого обзора
Где AI помогает и где нет
AI справляется хорошо
- Быстрый и последовательный просмотр сотен профилей
- Обнаружение несоответствий между навыками и опытом
- Выявление карьерных паттернов
- Генерация структурированных, объяснимых оценок
- Поддержание последовательности оценки на больших объёмах
- Выявление сигналов о локации и стабильности
AI нужен человеческий контроль
- Оценка культурного соответствия и динамики команды
- Взвешивание нематериальных факторов: мотивация, потенциал
- Понимание рыночного контекста
- Работа с исключениями: фаундеры, смена карьеры
- Финальные решения по спорным кандидатам
- Составление персонального, уважительного аутрича
Философия
Система построена на простом принципе: AI должен выполнять повторяющуюся и трудоёмкую работу, а люди — ту, которая требует суждения, эмпатии и контекста.
- AI читает 700 профилей, чтобы рекрутеру не пришлось. Но рекрутер решает, кому из топ-20 написать.
- AI оценивает и объясняет свои рассуждения. Но рекрутер может переопределить любую оценку.
- AI составляет анализ резюме. Но рекрутер проверяет их и принимает решение о следующем шаге.
- AI генерирует поисковые запросы. Но рекрутер корректирует их на основе знания рынка.
- Аутрич остаётся ручным. Потому что кандидаты заслуживают, чтобы к ним обращался реальный человек.
Ни один кандидат не отклоняется только AI. AI сужает поле и показывает лучших кандидатов с чётким обоснованием. Рекрутер принимает каждое решение, которое касается реального человека.
Для рекрутинговых команд
Если вы управляете рекрутинговым агентством или внутренней командой сорсинга, этот пайплайн можно адаптировать под ваш процесс. Система модульная — можно использовать компоненты поиска и обогащения с собственными критериями оценки, подключить другие AI-модели или интегрировать с существующей ATS.
- Масштабирование без найма — один рекрутер может вести 5–10 параллельных вакансий
- Последовательная оценка — каждый кандидат оценивается по одним и тем же критериям
- Объяснимые решения — каждая оценка сопровождается письменным обоснованием
- Быстрее до шортлиста — от новой вакансии до квалифицированного шортлиста за часы
- Данные для обучения — оценённые данные кандидатов выявляют, какие стратегии работают лучше