Как найти работу через ИИ? Почему LinkedIn умирает? Как ИИ проходят олимпиады по программированию
Почему автоматизация поиска работы превращает рынок вакансий в соревнование ботов и увеличивает шум вместо точности?
Разобрать, кто получает ценность, когда ChatGPT и OpenAI меняют привычный поиск и путь пользователя. Для решения нужно смотреть, кто контролирует источник ответа, трафик, данные и следующий выбор пользователя.
На что обратить внимание
Ключевые тезисы и выводы
Практический смысл темы «ToTheMoon - подкаст о современных технологиях!» в том, что автоотклики и генерация резюме должны были упростить поиск работы, а вместо этого LinkedIn получает больше шума, рекрутеры — тысячи одинаковых заявок, и кандидатам приходится доказывать, что за идеальным профилем стоит реальный человек.
Для сцены «Как работодатели борются с ИИ-заявками» решающим становится следующее: когда тысячи заявок внешне идеально соответствуют требованиям, работодатели возвращаются к рекомендациям, тестовым заданиям и живому разговору — сигналам, которые сложно подделать массово.
Из разговора о «Линкедин помойка?» следует практическая проверка: LinkedIn задумывался как профессиональная сеть, но для многих стал потоком случайных контактов и шаблонных сообщений — и ИИ усиливает именно эту слабость, превращая площадку в свалку автоматически созданной активности.
Из разговора о «Что за профессия на 3000 вакансий? Что плохого в отклике вакансий через ИИ?» следует практическая проверка: за минуты можно адаптировать резюме и отправить сотни откликов, но когда так делает каждый, преимущество исчезает — рационально выглядящая автоматизация в сумме лишь повышает уровень шума для всех.
Рабочий вывод из сцены «Nemotron - модель для улучшения моделей ИИ» состоит в том, что сильные открытые модели вроде NVIDIA Nemotron снижают стоимость эксперимента и позволяют компаниям улучшать собственные системы — но не отменяют главного преимущества ChatGPT: дистрибуции.
Для сцены «Кто переманит пользователей у ChatGPT? Насколько это сложно?» решающим становится следующее: пользователь остаётся там, где уже сформировалась привычка, даже если конкурент показывает сопоставимый результат в тесте, — переманить аудиторию у ChatGPT сложнее, чем догнать его по бенчмаркам.
Для сцены «Сравниваем, как ИИ от Anthropic и OpenAI проходят олимпиады по программированию» решающим становится следующее: Claude и GPT-4o могут решить одну олимпиадную задачу буквально одинаково — и оба провалиться на другой, если она не похожа на данные обучения: это граница, которую бенчмарки не показывают.
Сцена «Насколько можно исключить человека из работы?» подводит к рабочему выводу: хороший программист с ИИ получает ускорение, но слабый специалист не превращается автоматически в сильного: по-прежнему нужно понять условие, проверить решение и увидеть ошибку, которую модель сама не замечает.
В контексте «Гугл, Яндекс и Амазон не заинтересованы в вашем успехе» действует этот критерий: Amazon, Google или рекламная система зарабатывают на общем объёме рынка, а не на том, чтобы каждый продавец или кандидат идеально настроил процесс: ИИ меняет инструменты, но не отменяет этот конфликт интересов.
О чём этот выпуск
Автоматические отклики, генерация резюме и подбор вакансий должны были упростить поиск работы. Вместо этого LinkedIn и другие площадки получают ещё больше шума, рекрутеры — тысячи одинаковых заявок, а кандидаты — необходимость доказывать, что за идеально оформленным профилем стоит реальный человек.
LinkedIn задумывался как профессиональная сеть, но для многих превратился в бесконечный поток случайных контактов, шаблонных сообщений и людей, которые подписываются без понятной причины. ИИ усиливает именно эту слабость.
Теперь можно за несколько минут адаптировать резюме и отправить сотни откликов, но если это делает каждый, преимущество исчезает, а площадка превращается в помойку из автоматически созданной активности.
Для кандидата автоматизация выглядит рационально: заполнить форму, подстроить опыт под вакансию, не тратить час на каждую компанию. Для работодателя тот же процесс означает тысячи заявок, которые внешне хорошо соответствуют требованиям. В результате растёт значение рекомендаций, тестовых заданий и живого разговора — то есть тех сигналов, которые сложнее массово подделать.
На техническом рынке параллельно появляются сильные открытые модели вроде NVIDIA Nemotron. Они снижают стоимость эксперимента и позволяют компаниям улучшать собственные системы, но не отменяют главного преимущества ChatGPT — дистрибуции. Пользователь остаётся там, где уже сформировалась привычка, даже если конкурент показывает сопоставимый результат в тесте.
Олимпиадные задачи хорошо показывают границу бенчмарков. Claude и GPT-4o могут решить одну задачу буквально одинаково, а на другой оба проваливаются, если она не похожа на данные обучения.
Поэтому хороший программист с ИИ получает ускорение, но слабый специалист не превращается автоматически в сильного. Нужно понять условие, проверить решение и увидеть ошибку, которую модель сама не замечает.
Платформы тоже не всегда заинтересованы в успехе пользователя. Amazon, Google или рекламная система зарабатывают на общем объёме рынка, а не на том, чтобы каждый продавец или кандидат идеально настроил процесс.
ИИ меняет инструменты, но не отменяет конфликт интересов. Поэтому искать работу через ИИ полезно только тогда, когда автоматизация помогает точнее выбрать цель, а не просто отправить больше шума.
ИИ меняет инструменты, но не отменяет конфликт интересов. Поэтому искать работу через ИИ полезно только тогда, когда автоматизация помогает точнее выбрать цель, а не просто отправить больше шума.
Расшифровка выпуска
Голосовая связка применена к 52 сегментам: 31 определено, 1 содержат несколько определённых участников, 15 вероятных, 5 остаются без окончательной идентификации. Неподтверждённые голоса обозначены как «Участник дискуссии», фрагменты с несколькими подтверждёнными участниками — как «Микс».
Загрузка…