Lamr: AI-пространство для поиска работы

Я вёл продуктовый дизайн Lamr — AI-трекера откликов на вакансии. В одном спокойном процессе он собирает всё, что нужно для поиска работы: подбор ролей, оценку того, насколько вакансия подходит, резюме под конкретную позицию, учёт откликов и подготовку к собеседованиям.

1. Заменить россыпь инструментов одним рабочим пространством, где весь контекст под рукой.

2. Помочь понять, стоит ли вакансия усилий, до того как тратить время на отклик.

3. Быстрее делать резюме и сопроводительные письма под вакансию, но так, чтобы они не выглядели шаблонными.

4. Снять лишнюю нагрузку с головы: понятная воронка, полезный AI и контекст вакансии, который никуда не теряется.

5. Заложить гибкую основу для других карьерных сценариев в будущем.

Я отвечал за продуктовый дизайн всего Lamr: модель продукта, информационную архитектуру, паттерны взаимодействия и визуальный язык для сценариев, где помогает AI.

На мне были продуктовая стратегия, UX-архитектура, воронка откликов и карточка вакансии, AI-скрининг и генерация документов, визуальная система, адаптивность и работа с разработчиками над реализацией.

Я как ведущий продуктовый дизайнер и продуктовая команда Lamr вместе с разработчиками.

Серьёзный поиск работы почти никогда не живёт в одном месте. Сайты с вакансиями, таблицы, десятки вкладок, заметки, версии резюме, переписка, AI-чаты — и для каждого отклика человек заново собирает один и тот же контекст.

Дело не только в порядке. За каждой вакансией стоит цепочка решений. Стоит ли за неё браться? Какой опыт показать? Что уже отправлено? Что делать дальше?

Существующие инструменты закрывают по кусочку. В трекере удобно записывать отклики, в конструкторе резюме — собирать документы. Универсальный AI пишет тексты, но не помнит, о какой вакансии речь, и пользы от таких текстов немного.

Задача была в том, чтобы сделать операционную систему для поиска работы. Продукт должен помогать с рутиной, приоритетами, текстами и подготовкой и при этом не превращаться в ещё одну систему, за которой нужно ухаживать.

Я разложил путь, который повторяется от вакансии к вакансии:

Нашёл → Сохранил → Оценил → Адаптировал резюме → Откликнулся → Напомнил о себе → Собеседование → Решение

Отсюда главный вывод для продукта: в центре должна стоять сама вакансия, а не таблица и не документ.

Каждый отклик стал отдельным рабочим пространством. В нём лежат исходный текст вакансии, статус, оценка соответствия, документы под эту позицию, заметки, напоминания, вопросы к собеседованию и материалы для подготовки.

Переключаться между окнами стало почти не нужно, а у AI появилась внятная роль. Вместо отдельного чата я встроил его туда, где человеку и так нужна помощь: разобраться в роли, найти подходящий опыт, набросать документы, подготовиться к следующему этапу.

Принцип простой: AI помогает думать и снимает повторяющуюся работу, а все важные решения остаются за человеком.

В основе продукта — воронка откликов, где прогресс виден с первого взгляда. Вакансия проходит понятные этапы: «Черновик», «Сгенерировано», «Отклик отправлен», «Собеседование», «Оффер», «Отказ». Цвет подсказывает, где есть движение и что делать дальше.

Внутри вакансии интерфейс превращается в сосредоточенное рабочее место:

• Описание вакансии разложено по структуре, но исходный текст сохранён, и длинное объявление читать гораздо легче.

• Скрининг показывает, где роль совпадает с опытом человека, а где нет.

• Резюме и сопроводительное письмо собираются из сохранённых настроек и контекста вакансии, поэтому первая версия сразу сильнее.

• Заметки, вопросы и подготовка к собеседованию привязаны к вакансии и не расползаются по разным приложениям.

• Превью документа и выгрузка в PDF закрывают последний шаг, от черновика до отправки.

Визуально продукт спокойный, прямой и немного журнальный. Много воздуха и сдержанные поверхности убирают шум, а яркий цвет появляется только там, где он что-то значит: прогресс, срочность, итог.

Lamr превращает поиск работы из набора разрозненных задач в один осмысленный процесс.

Вакансии, решения, документы и следующие шаги остаются связанными. Так проще держать темп в процессе, где откликов много, а нервов уходит ещё больше.

Первые замеры показали, что трекинг и AI в одном месте действительно помогают:

По этому проекту хорошо видно, как я работаю: сначала понимаю поведение людей, которое стоит за проблемой, потом проектирую систему, а не отдельные экраны, и использую AI там, где от него есть понятная и измеримая польза.