Що відбувається з компанією, коли люди перестають чекати дозволу і одразу починають втілювати ідеї? Інженер відкриває ноутбук і за два дні запускає прототип, який тепер обробляє 240 запитів щотижня. Модератори навчають AI ловити шахраїв у 66 країнах. Команда розробки закриває інциденти до хвилини.
Що спільного між ними? Усі народилися не із стратегічних сесій, а з конкретних болів, які побачили самі люди. Розповідаємо три історії про те, як у Jooble працює культура, де ідеї не чекають дозволу.
Як ідеї народжуються в Jooble?
Компанії, які інтегрують AI, зазвичай проходять кілька схожих стадій: спершу експерименти ентузіастів, потім автоматизація окремих процесів, і лише коли AI стає звичним, його починають використовувати як реальний інструмент. На цьому етапі створення нових інструментів може гальмувати потреба апрувити кожен крок із C-level, але у Jooble ці стадії проходять швидко.
«У нас ідеї ініціюють люди, — каже Ксенія Сорока, Head of Product B2B. — Інженери, продуктові менеджери, кантрі-менеджери — ті, хто щодня бачить біль користувача або операційний “затор” і починають шукати рішення».
Втілювати ідеї в Jooble допомагає мислення власника, коли не «хтось має це вирішити», а «я можу і спробую». Так з’явилися інструменти, якими у компанії користуються щодня.
Рішення з пошуку першопричини
У Jooble є внутрішній чат, куди менеджери з роботи з клієнтами пишуть про технічні помилки. Буває, що збоїв стає забагато, і чергові спеціалісти просто не встигають усім вчасно відповісти. Помітивши цей патерн, розробники запропонували інтегрувати AI-помічника, щоб швидше закривати запити та повторювані кейси.
«Щоб зробити AI-помічника, треба спершу описати його воркфлоу: як саме він реагує на звернення, які кроки проходить і якими ресурсами користується, — пояснює Вероніка Кулачко, Engineering Manager у Jooble. — Тоді можна порівняти можливості людини й системи та зрозуміти, чого ще не вистачає».
Тож спершу виписали послідовність дій при реагуванні на звернення, зібрали список ресурсів і матеріалів. Тільки після цього взялися за розробку агента — TroubleshooterAI. Перша версія була простою: знаходила схожі випадки в минулому і посилання на них. Це вже економило час, але цього було замало.
Поступово AI навчився аналізувати контекст кожного звернення. Тепер він сам підтягує потрібні інструкції з бази знань і тегає саме того спеціаліста, який розбирається в темі. Менеджери отримують поради вже в першу хвилину після звернення і або розв’язують, або перевіряють проблему.
TroubleshooterAI з’явився, бо люди намагаються знайти першопричину проблеми. Створений спершу як допомога одному відділу, він став корисним бонусом для всієї системи: дані від AI показують, які частини продукту нестабільні та як покращити його.
Два дні від ідеї до першого результату
Один з інженерів помітив, що команда повторює запитання у чатах: де лежить документація, хто відповідає за модуль, як під’єднати інтеграцію тощо.
Відповіді існують, але знайти їх — окремий квест, коли простіше запитати колег. З часом це почало гальмувати роботу. Інженери відволікалися на ті самі пояснення, а новачки витрачали багато часу на навігацію в документації.
«Часто помічав, що запитання, які виникали у колег, уже мають відповіді у внутрішній базі знань Confluence, але знайти їх не так просто — незрозуміло, де саме і за якими ключовими словами шукати, — ділиться Костянтин Шароварський, Principal Software Engineer. — Тому я спробував використати OpenAI API, щоб відповідати на них і знаходити задокументовану інформацію».
Він так загорівся цією ідеєю, що за тиждень, між основними проєктами, зібрав першу версію Sherlock AI. Десь за 16 годин прототип був готовий — бот підтягував інформацію відразу з посиланням на джерело.
Початок роботи з інструментом був далекий від ідеалу. Система плуталася у внутрішніх скороченнях, не розуміла контекст і часто давала дивні відповіді. Поступово її навчили, додали словник внутрішніх термінів, підтягнули більше джерел.
Зараз Sherlock AI відповідає на 240 запитів щотижня. Команда менше відволікається на повторні запитання, а нові співробітники швидше знаходять потрібну інформацію.
У Jooble є гасло: «Бачиш можливість — починай!». Воно культивує свободу діяти, тому якщо інженер помічає, як щось гальмує роботу — він просто бере і тестує рішення.
Хочеш зростати — віддай AI рутину
Jooble працює на ринках 66 країн, і в кожній з них є тисячі охочих розмістити сумнівні вакансії. Раніше за якість контенту повністю відповідала команда модераторів. Люди щодня переглядали списки оголошень, намагаючись відсіяти шахраїв. Коли кількість почала стрімко зростати, стало зрозуміло — модератори фізично не встигають.
«Як діяти, коли у тебе величезна база вакансій і не вистачає людино-годин на ручну модерацію цього потоку? Прийшла ідея створити диджитал-“поліцейського”, який не втомиться шукати неякісний контент серед мільйонів текстів і допоможе фільтрувати скарги від реальних пошукачів», — розповідає Тимур Амзаєв, Head of Content Quality and Moderation.
Команда створила систему Content Quality на базі AI. Головним викликом було навчити модель розуміти контекст — не просто шукати стоп-слова, а розпізнавати шахрайство за змістом.
Тому їй «згодовували» системі величезний масив даних про виявлені порушення. Модератори стали «вчителями» для алгоритму. Вони розбирали найскладніші кейси, де AI сумнівався, і пояснювали системі, чому оголошення є підозрілими. Завдяки такому зворотному зв’язку точність моделі постійно зростала.
«AI — це потужність, а не мозок, — каже Тимур. — Він обробляє величезні масиви даних, але критерії якості та етичні рамки задає людина. AI модерує потік, а людина фільтрує результати й вдосконалює правила гри».
Тепер те, що раніше накопичувалося днями, система обробляє в реальному часі, а модератори й надалі під’єднуються лише у складних випадках.
У Jooble не тримаються за старі процеси, тому що «так було завжди». Коли ручні процеси гальмують розвиток бізнесу й команди, вони визнають проблему.
Ідеї мають розвиватися з людьми
Запуск продукту у Jooble — це не разова ініціатива чи спецпроєкт. Тут культура така, що кожен бачить свої результати не лише через дашборди чи звіти. Людина, яка придумала рішення, сама обирає шлях реалізації і відповідає за результат. І якщо щось іде не так — це не привід зупинятися.
Наприклад, Sherlock AI стає самостійною системою для складних завдань. TroubleshooterAI підказує розробникам, що в продуктах працює нестабільно. А Content Quality знаходить не тільки шахраїв, а й дублікати та дискримінацію у вакансіях.
Три кейси — невелика частина того, як AI закриває болі. Усередині Jooble їх значно більше — і кожен починався з того, що хтось відкрив ноутбук, не запитуючи дозволу. Коли людина бачить свій вплив і довіряє компанії, її не потрібно мотивувати ззовні. Вона просто бере і робить.