2025
Аналитика тестовых заданий
Россия
ИИ
  • команда
    КЛИЕНТ
    Собственный проект для стажировок
  • отрасль
    ЗАДАЧА
    Проверять 100+ тестовых заданий без выгорания команды
  • технологии
    РЕЗУЛЬТАТ
    1 человек делает работу 4-х, качество фидбека выросло

ПРОБЛЕМА

Каждый год к нам приходят стажироваться студенты из Сибирского Федерального Университета. 100+ человек на позиции Front-end, Back-end и мобильных разработчиков.

Раньше это выглядело так: делим студентов на группы по 25 человек. На каждую группу — middle+ или senior-разработчик. Он проверяет код, проводит сессии обратной связи, тратит минимум неделю своего времени.

Математика простая: 4 senior’а x 1 неделя = месяц зарплаты на проверку тестовых.

РЕШЕНИЕ

Мы программисты. Мы автоматизируем рутину.

Взяли две AI-модели и заставили их работать в паре:
  • Qwen 2.5 Coder 32B — проверяет код, находит ошибки, предлагает оптимизации (в целом можно проверять через Claude API или ChatGPT, но нам в тот момент интересно было развернуть модель у себя)
  • ChatGPT — превращает технический анализ в человеческий фидбек

Как это работает

Лид загружает решение через простую веб-форму.

Система присваивает ID, обезличивает данные и отправляет на проверку.

AI за минуты делает то, на что человек тратил часы:
  • Находит все баги и потенциальные проблемы
  • Проверяет стиль кода и best practices
  • Предлагает более элегантные решения
  • Формулирует развёрнутый образовательный фидбек

Далее лид просто валидирует результаты, проверяет фидбэк. Всё.

В процессе немного правили промпты, но в целом, результат нас устроил более чем.

РЕЗУЛЬТАТ

4x ускорение проверки заданий от момента получения до момента отправки результатов и фидбэка.

1 человек теперь справляется с объёмом работы целой команды.

Качество фидбека выросло — AI не устаёт и даёт одинаково подробные комментарии первому и сотому студенту.

Неожиданный бонус

Развёрнутая обратная связь от AI оказалась образовательнее, чем от уставших senior’ов.

Модель довольно неплохо объясняет не только ЧТО неправильно, но и ПОЧЕМУ. Приводит примеры. Показывает альтернативы.

Студенты учатся быстрее. Мы выбираем лучших эффективнее.

Двухступенчатый отбор

Теперь процесс выглядит так:
  1. AI-фильтр — проверяет всех, выделяет топ-20%
  2. Живое собеседование — только с лучшими работают люди

Самые сильные попадают на проект стажировки. Лучшие из лучших — получают оффер.

Где ещё это работает

Такой подход масштабируется на любые текстовые задания:
  • Тестовые для PM и маркетологов
  • Скоринг резюме
  • Проверка кейсов для аналитиков
  • Оценка портфолио дизайнеров

Везде, где нужна оценка большого объёма работ.
Хотите похожий результат?
Давайте автоматизируем процесс вместе.