Технічний контекст
Я подивився демо і зачепився не за гарний інтерфейс, а за сам стек. Там показують AI automation навколо SmolLM 3 від Hugging Face: маленька модель, відкриті датасети FineWeb та FinePDF, і цілком приземлений сценарій, де потрібно витягувати структуру з PDF-резюме.
Мені це подобається з однієї причини: тут не намагаються натягнути величезну модель на задачу, де потрібен акуратний extraction pipeline. Для AI implementation у HR це якраз здоровий підхід: спочатку парсинг, потім нормалізація, потім валідація полів, а не один магічний промпт на все.
Якщо дивитися на механіку, то ідея проста. PDF проганяється через шар вилучення тексту, далі SLM виділяє сутності на кшталт досвіду, стека, контактів, дат та навичок, а потім workflow розкладає це у структурований формат для ATS або CRM.
І ось тут я зупинився. На практиці найнеприємніша частина — не інференс, а брудні вхідні дані: двоколонкові CV, дивні шрифти, таблиці, верстка, що поїхала. FinePDF якраз потрібен не для краси, а щоб модель і пайплайн не падали на першому ж дизайнерському резюме.
Ще один важливий сигнал із демо: ставка не на «агента, який сам усе вирішить», а на оркестрацію кроків. Я сам у таких системах майже завжди збираю детермінований конвеєр з явними етапами та перезапусками, тому що бізнесу потрібна не магія, а повторюваність.
Вплив на бізнес та автоматизацію
Для рекрутингу виграш дуже конкретний. Команда перестає руками переписувати резюме в поля системи, а час першого скринінгу падає в рази, особливо на потоці.
Виграють компанії з масовим наймом, внутрішні HR-операції та аутсорсинговий рекрутинг. Програють ті, хто сподівається, що «коробковий» LLM без налаштування зрозуміє локальні шаблони CV, галузевий сленг та криві PDF.
Друга практична річ — це вартість. SmolLM 3 відкриває нормальний шлях до AI solutions for business там, де раніше бюджет вбивався або об велику модель, або об ручну працю, яку ніхто не рахував як інфраструктурну витрату.
Але збирати це все одно потрібно руками та з інженерною головою: маршрутизація, перевірка якості, логування, fallback-сценарії. Ми в Nahornyi AI Lab якраз вирішуємо такі штуки для клієнтів, коли потрібно не просто показати демо, а вбудувати automation with AI в реальний процес найму, документів чи сапорту. Якщо у вас схоже вузьке місце, можна разом розкласти workflow та зібрати AI solution development без зайвого театру навколо «розумних агентів».