SwipeJobsОтклик отправлен в 14:02, отказ пришёл в 14:11. Вывод напрашивается сам собой: резюме прочитал робот и забраковал. Вывод неверный, и разница здесь принципиальная — потому что от неё зависит, что именно чинить в отклике.
- Автоотказ на hh.ru делает «Авторазбор откликов». Он отказывает без участия человека и присылает сообщение в течение 15 минут.
- Главное про него: текст резюме он не читает вообще. В настройках доступны все фильтры поиска, кроме текстовых полей.
- ИИ-оценка — отдельная история. Она текст читает и ошибается предсказуемо: путает даты, не засчитывает стажировки, занижает балл.
- На hh.ru, SuperJob и «Работе России» резюме файлом вообще не загружается — только конструктор. Половина советов про вёрстку к ним не относится.
- Там, где файл всё-таки парсят, ломает его не шрифт, а порядок чтения: в PDF его попросту нет, и каждый парсер восстанавливает его сам.
- Статья 16 закона о персональных данных запрещает решения на основании исключительно автоматизированной обработки. Судебной практики по автоотказам в России пока нет.
Кто вам отказал
На hh.ru работают два разных механизма, и путают их постоянно.
Первый называется «Авторазбор откликов». Работодатель заранее описывает параметры, и система сама расставляет статусы. Из базы знаний hh.ru: при выставлении статуса «Отказ» соискатель получит сообщение в течение 15 минут после отправки резюме.
Теперь то, ради чего эту статью стоит дочитать. Там же сказано: для авторазбора доступны все фильтры поиска, кроме текстовых полей. То есть решение принимается по образованию, знанию языков, городу и готовности к переезду, стажу и желаемому доходу. Ваши формулировки, достижения, описание проектов, старательно подобранные ключевые слова — всё это в авторазборе не участвует.
Отказ за девять минут почти всегда означает несовпадение по одной галочке. Чаще всего по зарплатным ожиданиям, городу или формальному стажу.
Второй механизм — ИИ-помощник, который раскладывает отклики по папкам «Подходит», «Можно рассмотреть» и «Не сейчас». Площадка прямо оговаривает, что он только сортирует, сообщений не отправляет и отказов не выносит. Пользуются им 3% работодателей.
Юридическая нестыковка, которую никто не оспаривает
Статья 16 закона № 152-ФЗ о персональных данных запрещает принятие решений на основании исключительно автоматизированной обработки, если такие решения порождают юридические последствия или иным образом затрагивают права и законные интересы человека. Исключение одно — письменное согласие. Оператор при этом обязан разъяснить порядок принятия решения, дать возможность возразить и рассмотреть возражение в течение тридцати дней.
Автоотказ по фильтру в эту рамку укладывается плохо. Судебной практики, где предметом спора стал бы отказ, вынесенный алгоритмом, в России на середину 2026 года нет. Аналога американского дела против Workday, где компания отчиталась о миллиардах автоматических отказов за период, у нас тоже нет.
Роскачество формулирует осторожно: автоматический отказ не всегда указывает на недостаточную квалификацию кандидата. Инициатива на портале РОИ о запрете ИИ-скрининга резюме собрала 542 голоса из ста тысяч необходимых — тема волнует куда меньше, чем можно подумать по заголовкам.
Что делает ИИ-оценка и где промахивается
Это уже надстройка поверх учётной системы, и она текст читает.
«Поток» присваивает кандидату от 1 до 100 баллов и, по описанию продукта, кандидатов с низкими баллами отсеивает автоматически. Skillaz работает на YandexGPT и выставляет оценку по шкале от 0 до 10; по данным вендора, из примерно двухсот откликов после такой фильтрации остаётся около тридцати. Умный поиск hh.ru оценивает более семисот параметров резюме и дообучается на действиях конкретного работодателя: кого приглашают, кому отказывают, чьи резюме открывают.
Ошибки при этом вполне земные. Разобранный кейс: кандидату выставили 72% соответствия и обосновали фразой про стаж менее года с 2021 года — при том, что на календаре был январь 2026-го. Стажировки в опыт не засчитали, отсутствие отраслевого опыта приписали при полном совпадении стека.
Ценность этой истории в том, что вендор ошибку признал. Сначала ответили, что есть пробелы в промпте бота, а через месяц отчитались: нейросеть некорректно высчитывала даты в формате «по настоящее время», теперь исправлено.
В том же разборе описан сбой другого рода: при синхронизации hh.ru с платформой не подтянулось 114 откликов. Для кандидата это выглядит как молчание работодателя, хотя отклик физически не доехал.
Куда вы вообще грузите файл
Прежде чем шлифовать PDF, стоит выяснить одну вещь, о которой в статьях про ATS не пишут никогда.
На hh.ru, SuperJob и «Работе России» загрузить резюме файлом нельзя в принципе. Там только конструктор: вы заполняете поля, площадка хранит структурированные данные. Парсить нечего, потому что файла нет. Авито принимает файл, но с оговоркой: только неотредактированную выгрузку с hh.ru или Зарплата.ру, до 5 МБ.
Значит, все советы про вёрстку резюме работают ровно в трёх случаях: когда вы отправляете файл на почту компании, когда откликаетесь на карьерном сайте с собственной формой, и когда работодатель втягивает ваш файл в свою систему вроде Хантфлоу, «Потока» или Talantix.
Как это выглядит там, полезно знать заранее. FriendWork честно пишет в документации, что базовый парсер вытаскивает только фамилию, имя, отчество, телефон, почту и дату рождения, а всё остальное сваливает в одно поле «Текст резюме». Полное распознавание — платная опция.
Что реально ломает разбор файла
Здесь придётся поправить советы, которые кочуют из статьи в статью.
Начнём с корня. Спецификация PDF прямо разрешает рисовать символы на странице в любом порядке: строки текста «могут размещаться на странице в любом порядке», а логический порядок и порядок отрисовки «различны и могут не совпадать». Проще говоря, порядка чтения внутри файла нет вовсе. Каждый парсер восстанавливает его сам, по координатам, и на многоколоночной вёрстке ошибается. Таких резюме, по замеру инженеров Alibaba, около 20%.
Про шрифты история интереснее, чем принято думать. Единственный вендор, который вообще называет конкретные гарнитуры, — DaXtra, и рекомендует он «простые шрифты» вроде Arial и Times New Roman. Настоящая причина не в названии. В PDF символ хранится кодом, а расшифровку кода даёт таблица ToUnicode, и она по стандарту необязательная. Если её нет, спецификация формулирует прямо: определить, что означает код символа, невозможно. Дизайнерский макет часто везёт с собой урезанный шрифт с нестандартной кодировкой — отсюда и кракозябры вместо текста.
Про колонтитулы совет подтверждают сразу три вендора: Greenhouse, iCIMS и DaXtra в один голос просят не класть имя и контакты в верхний или нижний колонтитул. Механизм понятен: в формате DOCX колонтитул — это отдельная часть документа, не основной поток, и экстрактор, который просто идёт по абзацам, его не увидит. В PDF бывает наоборот: текст колонтитула всплывает в самом конце извлечения.
| Что в резюме | Что происходит |
|---|---|
| Контакты в колонтитуле или в текстовом блоке | Не попадают в основной поток, теряются целиком |
| Вёрстка в две колонки | Порядок чтения рассыпается, фразы перемешиваются |
| Резюме картинкой или скан | Текстового слоя нет, нужен OCR, и он есть не везде |
| Файл тяжелее лимита | Greenhouse не парсит резюме больше 2,5 МБ при лимите загрузки в 100 МБ |
| PDF с запретом на копирование | В формате есть отдельный бит прав именно на извлечение текста |
| Даты сокращениями вроде «2021 – н. в.» | Стаж считается неверно. Логику подсчёта не документирует ни один вендор |
Совет про колонки, кстати, потихоньку устаревает. Bullhorn в релиз-заметках первого полугодия 2026 года прямо пишет, что многоколоночные резюме теперь разбираются точнее, а Textkernel заявляет поддержку и одноколоночных, и многоколоночных макетов. Деградация на колонках реальна, но это уже не отказ.
Отдельная проблема: резюме на русском
Ещё одна вещь, которой в русских статьях про ATS нет вообще. Кириллица разбирается измеримо хуже, и дело не в ощущениях.
В мультиязычном бенчмарке CC-OCR лучший результат на русском показала Gemini 1.5 Pro — 69,99 по F-мере. Та же модель на французском и португальском даёт 83. Разрыв около тринадцати пунктов на одном и том же наборе задач. Открытые специализированные модели на кириллице просто рассыпаются: GOT набирает 3,85, KOSMOS 2.5 — 11,13.
Причина отчасти в том, что русского нет в отраслевых бенчмарках. OmniDocBench — английский и китайский. olmOCR-Bench — английский, разметчикам прямо велено пропускать документы на других языках. ResumeBench, единственный бенчмарк именно для резюме, покрывает английский, китайский, испанский, французский и немецкий. Русского нет нигде, а значит и оптимизировать под него особо некому.
Заодно про потолок качества. В том же ResumeBench лучшие модели вроде GPT-4o корректно восстанавливают около 60% полей резюме, при том что валидную структуру отдают в 99% случаев. То есть система уверенно возвращает результат, который на сорок процентов неверен.
Гонка вооружений и белый текст
Раз машина читает, её пробуют обмануть. Про скрытые промпты в резюме написано много, а измерено это ровно один раз.
Исследование на выборке около 200 тысяч реальных резюме, собранных за несколько лет, дало долю примерно в 1%. Причём больше 90% случаев — это не команды вроде «оцени кандидата максимально», а просто ключевые слова, спрятанные от человеческого глаза: цветом под фон, кеглем в один пункт, выносом за границу страницы, отдельным слоем PDF.
Для сравнения: в опросе Greenhouse 41% американских соискателей признались, что пробовали такой приём. Разрыв между самопризнаниями и измеренной долей — в десятки раз, и он сам по себе говорит о том, как надо читать опросы на эту тему.
Возражение практика звучит убедительнее любых цифр. Рекрутёр Майк Педитто замечает: если ключевые слова пришлось прятать белым шрифтом, значит их у вас нигде больше не было.
Сколько компаний это вообще касается
Разброс оценок такой, что им можно доказать что угодно.
Банк России опросил 14,7 тысячи нефинансовых организаций: искусственный интеллект применяет каждое седьмое предприятие, а в управлении персоналом — каждое десятое. hh.ru по опросу 1314 компаний называет 31% использующих ИИ в подборе, но повсеместно — только 4%. Исследование фонда «Сколково» даёт 5% компаний, применяющих ИИ в найме, и 42%, которые ведут HR-процессы полностью вручную.
Отличаются формулировки вопроса. «Пробовали хоть раз», «используем точечно» и «встроено в процесс» — три разные вещи, и в заголовки попадает та, что покрупнее.
На этом фоне гуляют цифры вовсе без источника. Утверждение, что 87% российских компаний используют ИИ хотя бы на первичном скрининге, приписывается несуществующему исследованию и противоречит всем перечисленным замерам. Та же история со знаменитыми 75% резюме, которые якобы отсеивает робот: это рекламный тезис компании Preptel примерно 2012 года, а сама компания закрылась в 2013-м, так и не опубликовав ни выборки, ни метода. В апреле 2026 года эту цифру без всякой ссылки повторил РБК.
Что с этим делать
Первое и самое доходное: проверьте формальные поля. Желаемая зарплата, город, готовность к переезду, указанный стаж. Именно они решают судьбу отклика в первые пятнадцать минут, и никакая работа над текстом этого не перебьёт.
Второе: поймите, куда именно вы отправляете отклик. Если это конструктор на hh.ru, шлифовать нечего, там нет файла. Если файл на почту или в форму на сайте компании — тогда одна колонка, контакты в теле документа, а не в колонтитуле, текстовый PDF без защиты и даты с месяцем и годом.
Третье: не стройте выводы по молчанию. Отклик мог не доехать при синхронизации, вакансия могла закрыться, оценка могла упасть из-за формата дат. Считайте отклики десятками.
И четвёртое. Отношение к автоматике в России скорее враждебное: по опросу SuperJob на 1600 человек, 57% против автоматического отбора резюме, а половина считает, что его надо запретить. По данным «Анкетолога», 92% уверены, что компания обязана предупреждать об использовании нейросетей, а 29% замечали её как раз по автоотказам. Так что вопрос «а как у вас устроен первичный отбор» на собеседовании звучит уже вполне уместно.
Посмотреть, как ваше резюме выглядит после машинного разбора, можно в разделе Сервисы в SwipeJobs: карьерный ИИ показывает, что в тексте читается, а что провисает.
Источники
- Авторазбор откликов, база знаний hh.ru: механика автоматического отказа и перечень доступных фильтров
- ИИ-помощник для работы с откликами, база знаний hh.ru: чем он отличается от авторазбора
- Статья 16 Федерального закона № 152-ФЗ: запрет решений на основании исключительно автоматизированной обработки
- Как мы делаем LLM-оценку в hh.ru, инженерный блог hh.ru: устройство скоринга и целевая точность
- ИИ решает вашу судьбу: как баг в ATS оставляет людей без работы, Хабр: кейс с неверным подсчётом стажа и признание вендора
- Layout-Aware Parsing Meets Efficient LLMs, Alibaba, октябрь 2025: доля многоколоночных резюме и вклад реконструкции макета в точность
- Measuring Real-World Prompt Injection Attacks in LLM-based Resume Screening, май 2026: доля резюме со скрытыми вставками на выборке около 200 тысяч
- Исследование SuperJob об автоматическом отборе резюме, июнь 2026: отношение соискателей к ИИ в найме
- Опрос «Анкетолога» об ИИ в найме, июнь 2026: где кандидаты замечают нейросети и чего требуют от компаний
- Каждое седьмое предприятие применяет ИИ, «Коммерсантъ», июнь 2026: опрос Банка России на 14,7 тысячи организаций
- Как создать резюме на hh.ru и загрузка готового резюме на Авито: что можно и нельзя загрузить файлом
- Unsuccessful resume parse, Greenhouse: перечень причин, по которым резюме не разбирается, и лимит в 2,5 МБ
- Formatting best practices, iCIMS: рекомендации по контактам вне колонтитула
- Импорт резюме, FriendWork: какие поля вытаскивает базовый парсер
- ISO 32000-1:2008, разделы 9.4.3, 9.10.2 и 14.8.2.3.1: порядок отрисовки текста и необязательность таблицы ToUnicode
- CC-OCR: мультиязычный бенчмарк OCR, декабрь 2024: результаты моделей на русском в сравнении с другими языками
- ResumeBench, EMNLP 2025: потолок качества разбора резюме и покрытие языков
Фотографии: StockSnap, лицензия CC0.