Бот на LLM разобрал 1518 вакансий hh.ru и отправил 339 откликов: воронка и конверсия

Разбор новинки простыми словами: что это, кому нужно и брать ли.

Кейс показывает, что точность отбора и письма под вакансию дают конверсию в приглашение в 3-5 раз выше, чем расширение охвата ради объёма откликов.

Связанные услуги: каталог, AI Boost Team, стать клиентом.

Что случилось

Разработчик под ником opium22 искал работу Python-разработчиком в AI — LLM, RAG, автоматизация, только удалёнка. Опыта около двух лет. Откликаться руками на десятки вакансий в день надоело быстро.

Он собрал бота. С 15 декабря 2025 hh закрыл API для соискателей, поэтому автоматизация идёт через браузер (Playwright) на его залогиненном профиле. Планировщик Windows запускает бота дважды в день. Бот ищет по 14 запросам, режет senior, lead, тимлид, архитектор, 1С, стажёр, отдаёт описание вакансии LLM, получает оценку 0–100, пишет сопроводительное на 4–7 предложений под главное требование и откликается — только если оценка выше порога. Вакансии с тестами не трогает, пересылает в Telegram. В чатах с рекрутерами отвечает сам, но деньги, переезд, личные данные и тестовые отправляет черновиком на согласование.

Итог двух месяцев, с 17 июня по 17 августа: 1518 разобранных вакансий, 339 откликов, 258 разных компаний.

Воронка: 40% отказов и каждый пятый отклик в пустоту

• 26 приглашений — 7,7%, примерно каждый тринадцатый отклик.
• 133 отказа — 39,2%.
• 110 откликов открыли и молчат — 32,4%.
• 70 откликов не открыли вообще — 20,6%.

Скорость ответа показательнее самих долей. Медиана отказа — 19 часов, четверть отказов приходит быстрее чем за полтора часа, три четверти укладываются в 4,5 дня. Нанимающий смотрит резюме и письмо в первые часы и решает быстро. Ваш отклик либо попадает в это окно, либо лежит в архиве наравне с остальными. Отдельно автор оговаривается: время приглашений посчитать честно не вышло, hh отдаёт только метку последнего изменения, а после приглашения начинается переписка и сдвигает её.

Что реально двигало конверсию

Бота правили всё лето. По датам коммитов отклики делятся на пять периодов, и разброс между ними больше, чем ждёшь от «косметики».

1. 17–30 июня, первая версия без фильтра по уровню: 152 отклика, 7 приглашений — 4,6%. Промпт спрашивал только «связана ли вакансия с ИИ», поэтому 100 из 100 получали и сеньорские роли: такую оценку взяли 96 вакансий из 152.
2. 1–11 июля, отсечение senior и lead, порог поднят с 60 до 75, запрет длинных тире и стрелок в письмах: 26 откликов, 6 приглашений — 23%.
3. 12–17 июля, шкала с описанием диапазонов, порог 78, зарплатные ожидания только дословно из профиля: 58 откликов, 6 приглашений — 10,3%.
4. 18 июля — 2 августа, письмо начинается с себя, а не с рассказа про компанию: 35 откликов, 5 приглашений — 14,3%.
5. 3–17 августа, поиск шире (RAG, ML Engineer, GPT-интеграция, Python FastAPI, чат-бот на Python), порог снижен с 78 до 74, лимит поднят с 4 до 12 откликов за прогон: 68 откликов, 2 приглашения — 2,9%.

Самая полезная правка оказалась самой скучной: перестать откликаться на вакансии не своего уровня. Пятикратная разница с июнем на выборке в 26 откликов — скорее везение, чем закон рынка. Направление при этом совпадает со здравым смыслом. И деталь, которую легко пропустить: медиана оценки модели в августе почти не просела, 86 против 88. Для модели новые вакансии были почти такими же хорошими. Для работодателей — нет.

Чем точнее отбор и письмо, тем выше конверсия, а расширение ради объема ее убивает.

Три цифры, которые ломают стройную картину

Оценка модели почти ничего не предсказывает. После переделки шкалы отклики с оценкой 60–79 дали 8,0% приглашений, с 80–89 — 10,8%, с 90–99 — 11,9%. Разница между «так себе» и «почти идеально» — полтора раза. Строить на такой оценке автоматическое решение «откликаться / не откликаться» можно, но ждать от неё точности не стоит.

Тесты — это чёрная дыра. 35 вакансий содержали тестовое, бот отправил по ним 26 откликов и получил ноль приглашений. Дорогой этап отбора с нулевой отдачей на этой выборке.

Письмо не всегда решает. 20 откликов ушли без сопроводительного и дали 8 приглашений. 191 отклик с письмом дал те же 8. Скорее всего дело в том, куда именно попадали отклики без письма, а на двадцати штуках выводы не строятся. Но интуицию «хорошее письмо открывает любые двери» эта строчка бьёт.

Ещё контекст: 18 из 31 чата с живой перепиской на самом деле вела автоматика — робот-рекрутер. Половина «диалогов» с вами тоже может быть машиной.

Факт → что это значит

• 339 откликов, 26 приглашений → 7,7% на дистанции в два месяца. Массовая рассылка даёт единицы процентов, и разрыв здесь создаёт отбор, а не объём.
• 4,6% → 23% после отсечения senior/lead → фильтр по уровню вакансии дешевле любого улучшения текста письма.
• 2,9% после расширения поиска и снижения порога → 68 откликов вместо 35 дали два приглашения вместо пяти. Охват вырос, отдача упала.
• 8,0% против 11,9% по оценке модели → скоринг вакансий годится как грубый фильтр, не как предсказание успеха.
• 0 приглашений на 26 откликов с тестом → время на тестовые без обратной связи по ним — прямой убыток.
• Медиана отказа 19 часов → окно реакции узкое, отклик живёт первые сутки.

Ограничения и подвох

Выборка — один человек, одно резюме, 26 приглашений. Любой процент здесь гуляет на пару откликов. Переносить 23% на чужой рынок нельзя, это иллюстрация механики, а не бенчмарк.

Дальше техника. API для соискателей закрыт, значит работа идёт браузером на живом профиле — бот зависит от вёрстки площадки, её защиты и её правил, а не от стабильного контракта. Захотите повторить — считайте это эксплуатационным риском и держите ручной контур согласования на всё, что касается денег и личных данных. Автор, к его чести, так и сделал.

Брать или подождать

Брать — если вам нужна логика отбора, а не бот. Порог квалификации, стоп-слова по уровню, письмо от собственного опыта, а не от рассказа про компанию. Эти три правки не зависят от LLM и работают в найме, в продажах, в отборе входящих заявок.

Подождать — если хочется купить автоотклик по 300 вакансиям в день. Кейс ровно про то, как такой режим уронил конверсию втрое.

Вопросы, которые задают первыми

Сколько стоит такой бот?

В кейсе LLM гоняли через Codex CLI по подписке, отдельно за API не платили; состояние хранилось в SQLite. Прямой сметы на продовый вариант в разборе нет, и подставлять её из головы не буду.

Забанят за автоматизацию?

Об этом в исходных данных ничего нет. Технически работа идёт через браузер на залогиненном профиле, так что риски полностью на стороне площадки и её правил.

Можно ли доверять оценке 0–100?

Как отсечке мусора — да. Как прогнозу приглашения — нет, разница между диапазонами полтора раза.

Почему расширение поиска не сработало?

Модель считала новые вакансии почти такими же хорошими (медиана 86 против 88), работодатели — нет. Оценка релевантности для вас и для нанимающего — разные вещи.