Клиент — кадровое агентство HRAnalyze. Их проблема: HR-менеджеры тратят до 70% времени на подготовку вопросов для собеседований и расшифровку ответов кандидатов. Особенно сложно с техническими и управленческими позициями, где вопросы не шаблонные.
Цель: создать веб-сервис, где компания-клиент:
регистрируется,
указывает должность (например, «Senior Python Developer» или «Руководитель отдела продаж»),
получает от ИИ список вопросов для собеседования,
проводит собеседование (через любую видеосвязь или очно),
загружает расшифровку ответов кандидата в сервис,
получает от ИИ разбор: насколько ответы соответствуют требованиям должности, сильные и слабые места кандидата, итоговую рекомендацию «брать/не брать/дособеседовать».
Задача для меня: разработать сайт с нуля под ключ (бэкенд + фронтенд + администрирование + деплой). Дизайн предоставили дизайнеры клиента.
Я разработал полностью рабочее веб-приложение HRAnalyze. Стек: Python (Flask), MongoDB, HTML/CSS/JS.
Бэкенд:
Написал регистрацию и авторизацию для компаний-клиентов (три роли: администратор компании, HR-менеджер, приглашённый интервьюер).
Реализовал модуль создания вакансии: компания заполняет форму (название должности, описание требований, грейд, обязательные навыки).
Написал интеграцию с ИИ (клиент предоставил API своей модели): отправлял описание должности, получал на выходе структурированный список из 8-12 вопросов с чек-листом ожидаемых ответов.
Сделал личный кабинет кандидата (отдельная регистрация по ссылке от компании): кандидат видит вопросы, может ответить текстом или загрузить аудио (расшифровку делал через сторонний API).
Написал модуль анализа: отправка ответов кандидата в ИИ, получение разбора по каждому вопросу, итоговой оценки (в баллах и процентах) и текстовой рекомендации.
Всё сохранял в MongoDB: профили компаний, вакансии, вопросы, ответы кандидатов, результаты аналитики.
Фронтенд:
Сверстал адаптивный интерфейс по готовым макетам дизайнеров.
Личный кабинет компании: список вакансий, по каждой — сгенерированные вопросы (можно редактировать вручную), список приглашённых кандидатов с их оценками и кнопкой «посмотреть разбор».
Личный кабинет кандидата: простой интерфейс с формой ответов (текстовые поля или загрузка аудио).
Деплой и администрирование:
Поднял сервер на Ubuntu, настроил Nginx + Gunicorn для Flask-приложения.
Подключил домен клиента, выпустил и настроил SSL-сертификат (Let's Encrypt).
Настроил резервное копирование базы данных MongoDB (раз в сутки на отдельный диск).
Провёл тестирование: зарегистрировал 5 тестовых компаний, прогнал сквозные сценарии (создание вакансии → генерация вопросов → ответы кандидата → анализ → вывод результата). Всё работало штатно.
Довёл проект от стадии разработки до продакшена: передал клиенту доступы к серверу и админ-панели, провёл консультацию для штатного администратора.
Измеримые результаты (по данным клиента за первые 3 месяца использования):
HR-менеджеры экономят в среднем 4 часа на подготовку одного собеседования.
Точность предварительного отбора (подтверждение итоговым наймом) — 73% против 51% без ИИ.
Кандидаты проходят опросник быстрее (в среднем 15 минут вместо 45-минутного телефонного интервью).
Технически: сайт работает стабильно, сервер выдерживает пиковые нагрузки (50 одновременных кандидатов, проходящих опрос). Клиент получил готовый продукт «под ключ» — без необходимости дорабатывать что-то на стороне разработчика. Весь код передан, документация написана.
На текущий момент компания отказалась от моих услуг и заморозила проект.
Пожаловаться
