AI-скринінг кандидатів для підприємства з високою ціною помилки
PhD-дослідження, працює в продакшні.
Проблема
Оцінити кандидатів на одну вакансію займало три-чотири години ручного читання.
Що я побудував
Багатоетапний LLM-пайплайн на локальних моделях, що працює повністю всередині периметра безпеки замовника — дані кандидатів його не залишають. Найцікавіше тут не генерація, а оцінювання: рішення, на якому етапі пайплайн має право бути впевненим.
Результат
Три-чотири години перетворилися на менше ніж хвилину на вакансію, і на 89% менше ручної перевірки на 1 500+ кейсах.
Зниження хмарного рахунку на 90% і відтворювана інфраструктура
Стартап на ранній стадії.
Проблема
Інфраструктура «під enterprise» на бюджеті стартапу — зроблена вручну в консолі й неможлива для відтворення.
Що я побудував
Прибрав усе, що продукту не потрібне, починаючи з найдорожчого, а потім зробив реверс-інжиніринг решти в Terraform за допомогою AI з перевіркою diff за принципом LLM-as-a-judge.
Результат
На 90% менший щомісячний рахунок, від початку до кінця — два вечори.
AI-асистент без права запису в джерело правди
Невелика волонтерська команда, що веде облік запасів у Google Таблицях.
Проблема
Вони хотіли AI-асистента, але модель із правом запису в джерело правди була неприйнятною.
Що я побудував
MCP-сервер для Google Таблиць: за замовчуванням лише читання, для записів «пропонуй, не застосовуй», кожну зміну підтверджує людина.
Результат
У дизайні немає шляху, яким модель могла б тихо пошкодити дані.
Пайплайн аналітики ринку праці
Шар даних, на якому стоїть моє дослідження.
Проблема
На питання «які навички справді потрібні ринку» неможливо відповісти без чистого корпусу вакансій, який постійно оновлюється.
Що я побудував
Збирач, що витягує вакансії з dou.ua та інших джерел у базу знань і категоризує їх керованими ML-сервісами. Саме на цьому пайплайні побудовані статті 2023 та 2025 років.
Метчинг роботодавців і кар'єрне тестування у масштабі
Universum Global — технічний архітектор і lead backend-інженер.
Проблема
Студенти обирають роботодавців за брендингом, а не за відповідністю, а роботодавці не мають чесного сигналу про те, хто справді залишиться.
Що я побудував
Event-driven платформа за кар'єрним тестом, що оцінює 40 факторів і зіставляє їх із профілями роботодавців, побудованими на відгуках працівників. Я відповідав за backend-архітектуру та ключову розробку.