DINQ: движок на ИИ-агентах для поиска и анализа кадров в сфере ИИ

Нанимать специалистов по искусственному интеллекту сложно, потому что кадры рассредоточены. Те, кто действительно обучал большие модели, собирал мультимодальные конвейеры или занимался оптимизацией вывода, оставляют следы в препринтах, репозиториях и докладах на конференциях, а не в профиле на сайте вакансий. DINQ решает задачу с помощью ИИ-агентов: сначала находит кандидатов в открытых источниках, затем структурно объясняет, в чём сильная сторона каждого.

DINQ — движок подбора кадров с фокусом на сферу ИИ. Агенты выявляют исследователей и разработчиков в открытых источниках и помогают компаниям и научным организациям отобрать людей под конкретную техническую задачу. Это не ещё одна база резюме: инструмент превращает открытые технические следы в сигналы, которые команда может оценить.

Уровень данных объединяет несколько авторитетных открытых источников, среди них Google Scholar и GitHub. Научные результаты, активность в коде и предпочтения по стеку сводятся в одну карточку кандидата, по которой одновременно оцениваются исследовательский опыт, инженерные навыки и практика.

Помимо веб-интерфейса доступна модель DINQ-as-a-Service (DaaS): сервис встраивается в существующую систему подбора, чтобы поиск и профилирование шли в привычном рабочем процессе, без ещё одного инструмента.

Что умеет DINQ

Глобальный поиск кадров

Агенты находят специалистов в открытых источниках. Вопрос не в том, кто откликнулся, а в том, кто действительно работает над задачей, что важно при формировании пула кандидатов с нуля.

Объединение нескольких источников

Научные сигналы и сигналы из кода попадают в одну карточку, поэтому сильный список публикаций не путается с опытом внедрения, а активный репозиторий — с системной исследовательской работой.

Семантический поиск

Помимо имени или ссылки на профиль исследователя можно описать нужный профиль обычным языком, например специалист по мультимодальным моделям с опытом вывода продукта на рынок. Ранжирование учитывает техническую базу, а не только совпадение слов.

Точные фильтры

Стек, стаж, география и ожидания по зарплате комбинируются, чтобы свести широкий набор к списку, который можно просмотреть по одному человеку.

Глубокий разбор кандидата

Карточка раскрывается в многомерный анализ с настраиваемой глубиной: ключевые свойства и потенциал вместо хронологического резюме.

Визуальные профили

Радар навыков, хронология роста и индекс влияния показывают структуру компетенций и карьерный путь.

Графы сотрудничества

Платформа строит связи соавторства, отраслевые контакты и пути распространения влияния, что помогает оценить реальный охват сети кандидата.

Анализ трендов в реальном времени

Сводная аналитика показывает востребованные технические направления, карты перемещения кадров и ориентиры по зарплатам в отдельных подобластях.

Обновление по событиям

Профили отслеживаются постоянно, поэтому новая статья или репозиторий отражаются, а данные не замирают на дате создания карточки.

Интеграция DaaS и демонстрация

Компании подключают сервис к своей системе подбора; демонстрация позволяет заранее проверить совместимость процессов и границы данных.

Как пользоваться

1. Создать аккаунт и определить распределение лицензий и прав в команде.
2. Начать с конкретной потребности: вставить ссылку на профиль исследователя, ввести имя или описать нужный профиль обычным языком.
3. Сузить выдачу фильтрами по стеку, опыту, географии и ожиданиям по зарплате.
4. Открыть глубокий разбор каждого отобранного кандидата и сопоставить радар навыков с хронологией роста.
5. При необходимости изучить граф сотрудничества, если важны совместимость с командой и охват связей.
6. Скорректировать вилку вознаграждения по ориентирам зарплат до первого контакта.
7. В корпоративном сценарии запросить демонстрацию и уточнить объём интеграции и правила работы с данными для DaaS.

Кому подходит

• Рекрутерам, которые собирают команду по ИИ и ищут людей вне входящего потока резюме.
• Лабораториям и научным организациям, которым нужны соавторы по узкому техническому направлению.
• Техническим руководителям, которым нужна оценка кандидата до первого разговора.
• Инвесторам и аналитикам, которые следят за перемещением кадров и уровнем зарплат в подобластях.
• Исследователям и инженерам, которым нужен внешний взгляд на собственную позицию.

Ограничения, о которых стоит знать

• Цены, структура тарифов и бесплатный уровень не опубликованы, бюджет нужно согласовывать с поставщиком.
• Охват зависит от открытых данных: внутренние проекты, закрытые системы и неанглоязычные сообщества представлены неравномерно, поэтому оценки — сигналы, а не приговор.
• Публично названы лишь несколько источников; полный список, частота обновления и глубина истории не раскрыты.
• Формулы индекса влияния и радара навыков не опубликованы, поэтому сравнивать баллы между разными областями ненадёжно.
• Поскольку обрабатываются персональные данные, законность источников, сроки хранения и удаления нужно проверять по местному законодательству.
• Качество семантического поиска зависит от качества запроса: расплывчатое описание даёт расплывчатую выборку.

Частые вопросы

Чем это отличается от сайта вакансий?

Сайт вакансий показывает, кто ищет работу. DINQ по открытым исследованиям и коду показывает, кто эту работу делает, и потому охватывает пассивных кандидатов.

Нужно ли знать имя кандидата?

Нет. Начать можно со ссылки на профиль исследователя или с описания нужного профиля обычным языком.

Можно ли использовать карточку как решение о найме?

Она должна поддерживать отбор, а не заменять его: собеседование, история совместной работы и совместимость с командой остаются вне открытых сигналов.

Придётся ли менять систему подбора?

Нет. В режиме DaaS поиск и профилирование подключаются к уже используемой системе.