Один из самых неприятных сюрпризов при поиске работы в IT сегодня звучит так: можно быть действительно сильным специалистом с понятными результатами, актуальным стеком и хорошей репутацией на прошлых проектах, и все равно не получать приглашений даже на первичный скрининг.
Когда отклики уходят в пустоту, кандидаты обычно думают на три вещи: слабый бэкграунд, «замерший» рынок или плохое впечатление от первой страницы CV. На практике причина часто бывает технической: резюме просто не прошло первичный фильтр алгоритмов или базовый поиск HR-менеджера по ключевым словам.
Рынок нанимающих менеджеров и рекрутеров перегружен потоком откликов, поэтому первичную сортировку с каждым годом все больше перекладывают на софт.
Что такое ATS и как они фильтруют кандидатов
ATS (Applicant Tracking System) — это система управления кандидатами, которую компании используют для автоматизации найма. Первоначально ATS создавались как удобные базы данных, чтобы хранить истории контактов и статусы собеседований. Но по мере роста количества откликов их функционал сместился в сторону автоматического скрининга.
Когда кандидат отправляет резюме через форму на сайте компании или крупном агрегаторе, файл попадает в ATS. Дальше происходит следующее:
- Парсинг документа. Система разбирает файл резюме (pdf, docx) на текстовые блоки и пытается разложить их по структуре: опыт, навыки, образование, контакты.
- Индексация и ключевые слова. Алгоритм сравнивает текст резюме с текстом открытой вакансии. Он ищет не просто совпадения, а точные вхождения терминов, названий технологий, фреймворков и методологий.
- Ранжирование (Match Score). ATS выставляет кандидату процент соответствия вакансии. Рекрутер в первую очередь смотрит список кандидатов, у которых этот балл выше определенного порога (например, от 70–80%). Если балл ниже, резюме может остаться неразобранным вовсе.
При этом большинство популярных систем ATS до сих пор работают довольно прямолинейно. Они плохо считывают контекст, не умеют «додумывать» за кандидата синонимы и часто спотыкаются о неочевидные формулировки.
Ловушка формулировок: почему опыт есть, а совпадения нет
Главная проблема автоматического скрининга — критическая чувствительность к терминологии. Специалист может годами выполнять именно ту работу, которая нужна компании, но назвать ее иначе, чем написано в описании роли.
Типичные примеры расхождений, на которых спотыкаются алгоритмы:
- Разница в терминологии. В вакансии указано Product Analytics, а у специалиста в профиле записано Web Analytics или Product Data Analysis. Для алгоритма это разные сущности.
- Англоязычные и русскоязычные термины. Если система настроена на поиск Stakeholder Management, то строчка «опыт коммуникации с бизнес-заказчиками» может дать ноль баллов при совпадении.
- Синонимы процессов. Требование «A/B testing» не зачтется, если в резюме написано только «проведение сплит-тестов».
В итоге получается парадокс: рынок отсеивает людей не по их реальным компетенциям, а по точности попадания в поисковые алгоритмы. Кандидат, который потратил время на точный перенос ключевых слов из вакансии в свое CV, обойдет более опытного инженера или аналитика, описавшего свой опыт своими словами.
Как оптимизировать резюме под автоматические системы
Чтобы резюме проходило первичные алгоритмы и попадало на стол к человеку, стоит учитывать несколько базовых правил адаптации текста:
- Берите термины из описания вакансии. Если вы видите, что компания использует конкретное название технологии, фреймворка или процесса, и у вас есть этот опыт — используйте в резюме именно эту формулировку.
- Избегайте сложного форматирования. ATS плохо парсят таблицы, графики, нестандартные шрифты и резюме, сделанные в графических редакторах вроде Canva. Чем проще структура (классический списочный формат в PDF/DOCX), тем корректнее система распознает текст.
- Дублируйте ключевые сокращения. Пишите и полное название, и распространенную аббревиатуру (например, Continuous Integration / Continuous Deployment (CI/CD) или Key Performance Indicators (KPI)).
- Не прячьте навыки в сплошной текст. Выносите главные технологии, инструменты и ключевые компетенции в отдельный блок навыков вверху или внизу резюме, чтобы парсер точно зафиксировал их наличие.
Анализ соответствия до отклика
Делать ручную адаптацию под каждую вакансию сложно и долго. Для этого на рынке появляются сервисы, которые помогают сопоставлять текст резюме с требованиями конкретных работодателей еще до отправки отклика.
Платформа talanto.work работает в первую очередь как агрегатор: там собрано более 15 000 актуальных IT-вакансий с ключевых локальных и зарубежных площадок, что позволяет искать работу в одном месте. Поверх этого базового функционала на платформе есть сервис разбора резюме.
Разбор резюме от Talanto поможет вам понять:
- Что в резюме считывается хорошо
- Что теряется
- Где не хватает конкретики
- Где не хватает цифр
- Где есть опыт, но он плохо переведен на язык вакансий
Главный вывод
Умение быть сильным техническим или продуктовым специалистом сегодня покрывает только половину задачи при смене работы. Вторая половина — это умение перевести свой опыт на точный язык конкретной вакансии и тех систем, которые эту вакансию обрабатывают.