.png&w=256&q=75){kind=small}
Волк волку враг: как рынок наводнили резюме
с нарисованным опытом
и что с этим делать
Идеальное резюме, отрепетированная самопрезентация, опыт в Яндексе и Т-Банке, которого на самом деле не было. Каждый, кто нанимает в ИТ, хоть раз встречал такого кандидата. Имя им «волки», и их уже легион.
Ещё пару лет назад волка было видно за версту: малоизвестное ООО, договор ГПХ, который «потерялся при переезде», резюме на полстраницы. Теперь же отличить нарисованный опыт от настоящего стало сложно.
Достаётся от этого всем: бизнес сжигает время и деньги на проверках, а честные специалисты попадают под подозрение вместе со всеми. Как устроена индустрия волков, по каким признакам вычислить их ещё на резюме и как дожать проверку на скрининге, рассказывает Иван Костин, старший рекрутер SENSE. Внутри конкретные признаки волков, кейсы из практики и советы по вычислению фейковых ИТ-специалистов.
Почему их стало больше
Сошлись три фактора.
Появилась целая индустрия. Уже не кустари-одиночки, а сообщества с менторами и юристами. Одним пакетом продаётся: гайды по валютным удалёнкам и прохождению испытательного срока, записи интервью из 500+ компаний, банки вопросов из бигтеха, менторы под легенду и резюме, юридические разборы по ГПХ, боты для автооткликов.
Готовый конвейер: легенда → резюме → отклики → интервью → выход на работу. С отзывами и техподдержкой, как в приличном сервисе.
Появились ИИ-суфлёры. Сервис слушает вопрос интервьюера и выводит ответ на второй экран. Маркер «он гуглит» тут бесполезен: кандидат смотрит не в поисковик, а на готовую подсказку.
За поддельные документы почти ничего не грозит. По нынешней судебной практике липовые документы о трудовом стаже крайне редко тянут на мошенничество. Юристы из этих же сообществ это знают и доносят до подопечных.
Маркеры в резюме
Хорошая новость: учатся эти кандидаты в одних сообществах и генерируют резюме одними нейросетями, поэтому анкеты похожи одна на другую. Удобно разложить признаки на три кластера.
Кластер 1. Структура
Слишком много деталей. Расчёт на то, что резюме пробегут по диагонали и зацепятся за пару ярких строчек.
Одинаковый шаблон на каждом месте работы. Классический ответ ChatGPT на соответствующий промт.
Раздутый блок «Обо мне» с контактами в самом конце. Мини-сопроводительное вместо короткой человеческой самопрезентации.
Кластер 2. Язык (тот самый ИИ-слог)
Обороты, которые выдают нейросеть: «специализируюсь на интеграционном, функциональном и регрессионном тестировании», «выступаю за ранний анализ требований (shift-left testing)», «системный подход к регрессу и тестовой документации». Живой QA формулирует проще: «тестирую API в Postman, читаю логи в Kibana, иногда лезу в Кафку».
Кластер 3. Содержание
Идеальное совпадение с вакансией. Стек, домен, опыт ложатся в требования подозрительно ровно. Иногда это просто удача, но чаще — подгонка легенды.
Стек-салат. Технологии, которые не сочетаются с проектом. Например, мобильные инструменты у QA на бэкенд-проекте кредитного конвейера.
Подозрительно ровные метрики — с десятыми долями и стабильно красивыми процентами. Живой человек обычно скажет: «дефектов стало заметно меньше, точную цифру не вспомню».
Копипаст между местами работы. Самый явный флаг из всех.
Пример 1. Кандидат-1, QA Engineer (5 лет 3 мес.)
На что обратить внимание
Шаблонная структура с поимённым пересчётом коллег. Метрики подозрительно ровные: 18 дефектов, из них 5 критичных, 75+ тест-кейсов, 90% покрытия, сокращение ровно на 20%.
В «Обо мне» — характерный ИИ-слог («специализируюсь», «выступаю за shift-left testing») и приклеенные в самом конце контакты, типичная заготовка ChatGPT. И под финал — 21 технология на продвинутом уровне за пять лет в одном лишь финтехе. Так не бывает.
Что делать
Резюме явно натаскали под вакансию. На звонке копаем вглубь кейсов, просим конкретику (покажите на примере, как именно применяли pairwise), запрашиваем СТД-ПФР.
Пример 2. Кандидат-2, QA Engineer (5 лет 4 мес.)
На что обратить внимание
Самый показательный кейс. Первое — прямой копипаст. В Иннотехе и Т-Банке слово в слово: «Стандартизировал перевод задач в RTD: внедрил обязательный пакет артефактов (Postman-коллекции + Kibana-логи), что сократило время исправления дефектов на 20%». Один и тот же процесс с одним и тем же процентом в двух разных компаниях — так не бывает. Тот же процент стоял и у кандидата 1 — источник у них явно общий.
Дальше стек-салат: ADB, Charles Proxy, Proxyman, Xcode — и всё это на бэкенд-проекте кредитного конвейера. Набор технологий на двух местах работы совпадает до последней строчки.
И, наконец, в «Обо мне» знакомый ИИ-слог и контакты, приклеенные в самый конец.
Что делать
Базовый QA-опыт, может, и есть, но Т-Банк с Иннотехом скорее всего нарисованы. Запрашиваем СТД-ПФР, проверяем по внутренним источникам, а заказчику кандидата отправляем с осторожностью или не отправляем вовсе.
Маркеры на скрининге
Резюме — только первый фильтр. На звонке кандидат тоже подготовлен, но и здесь хватает того, за что можно зацепиться.
Заученная речь. Гладкая самопрезентация ровно на две минуты, без пауз и оговорок, обязательно «командный игрок» и «открыт к фидбеку». Живая речь так не звучит: реальные люди переспрашивают, отвлекаются, формулируют по ходу.
Глубина, которой нет. Верхний уровень закрыт уверенно, но копни глубже — пусто. Рабочий приём здесь — лестница уточняющих вопросов: «Расскажите про проект» → «А что лично вы там решали?» → «Почему выбрали такой подход?» → «Что не вышло с первого раза, как чинили?» → «Что сделали бы иначе сейчас?».
Нет встречных вопросов. Реальный специалист, послушав про вакансию, спросит про команду, процессы, стек, онбординг. У человека с заученным сценарием таких вопросов, как правило, нет.
Тест на несуществующую технологию. Один из самых надёжных трюков. В разговоре упоминаем любой выдуманный инструмент. Реальный специалист переспросит. Кандидат с заученной легендой кивнёт, что работал и что штука удобная.
Странности на звонке. Камера «отвалилась из-за интернета», а звук отличный. Простые вопросы кандидат сначала повторяет вслух, потом добавляет «хороший вопрос», тянет паузу и потом выдаёт гладкий, как из учебника, ответ. А при включённой камере взгляд уезжает на соседний экран в самые сложные моменты.
Инструменты для проверки
Цифровой след. У разработчика на GitHub пусто или одни форки. LinkedIn не сходится с резюме по датам и компаниям либо создан на днях. У сеньора с пятью годами нет ни статей, ни докладов. Telegram без фото, ник из случайных символов.
Пробить почту и телефон. Если по контактам вылезает другое имя — это либо подделка, либо «коллективный найм»: легенду на интервью отыгрывает один, а работать выходит другой.
Запрос СТД-ПФР — наш главный инструмент. Это электронная выписка из трудовой, кандидат заказывает её на Госуслугах. Ключевой момент: PDF не принимаем. Просим переслать документ прямо из Госуслуг кнопкой «Отправить на эл. почту» — тогда письмо приходит с домена Госуслуг, и подделать его не выйдет.
Сама реакция на просьбу — уже маркер. Присылает быстро и без слов — почти наверняка добросовестный. Начинает уточнять «а зачем», «а это обязательно», предлагает PDF — работаем дальше, но аккуратно. Пропал после запроса — кейс можно закрывать.
Главное – не уйти в другую крайность
Часть этих маркеров встречается и у честных людей, которые просто собрали резюме через ChatGPT. Шаблонная структура и ИИ-слог сегодня почти норма, сами по себе они ничего не доказывают.
Отсюда главное правило: решаем по цепочке маркеров, а не по одному признаку. Один флаг ещё ни о чём не говорит. А вот три и больше в ряд — повод для серьёзной проверки. Схема всегда одна: цепочка маркеров → проверка инструментами → СТД-ПФР как финальный аргумент.
Главная задача – не в том, чтобы поймать побольше народу, а в том, чтобы не обидеть честных. Излишняя подозрительность отпугивает как раз сильных — тех, ради кого весь найм и затевается.
