Acelasi CV, scoruri de 66 si 99 — cum te judeca AI-ul la angajare in 2026

Pe 28 iunie 2026, HackerRank — una dintre cele mai cunoscute platforme de recrutare tech — a facut un lucru neasteptat: si-a publicat codul sursa al sistemului ATS (Applicant Tracking System) pe GitHub. Repo-ul se numeste hiring-agent si, in cateva ore, a devenit viral.

De ce? Pentru ca un dezvoltator pe nume Dan Kinsky a luat codul, l-a rulat si a descoperit ceva ingrijorator: acelasi CV, trimis de 100 de ori prin sistem, primeste scoruri intre 66 si 99 din 100. Nu exista nicio eroare in cod. Nu exista un bug. Pur si simplu, asa functioneaza AI-ul.

Daca o companie are cutoff la 85 de puncte (ceea ce e foarte comun), acelasi CV — cu aceleasi proiecte, aceeasi experienta, aceleasi skill-uri — pica 65% din timp. Nu pentru ca nu e bun. Ci pentru ca AI-ul decide, la fiecare rulare, ca e altceva.

Asta ar trebui sa te ingrijoreze daca aplici la joburi in 2026. Si articolul asta iti explica exact de ce.

Ce vei gasi in acest articol

Cum functioneaza un ATS cu AI si de ce scorurile sunt aleatorii
Experimentul concret: acelasi CV, 100 de rulari, scoruri intre 66 si 99
De ce temperature-ul modelului nu rezolva problema
Problema grava cu scorul de experienta (junior = senior = 25/25)
Checklist practic pentru optimizarea CV-ului tau pentru ATS

Ce sunt ATS-urile si cum functioneaza in 2026

ATS (Applicant Tracking System) e software-ul pe care companiile il folosesc pentru a gestiona aplicatiile la joburi. In 2026, aproape toate companiile mari si multe companii mijlocii folosesc un ATS. Daca ai aplicat vreodata la un job printr-un formular online, CV-ul tau a trecut prin unul.

Problema e ca, in ultimii doi ani, majoritatea ATS-urilor au integrat AI. In loc sa stocheze CV-urile si sa le arate recruiterilor, acum filtreaza si evalueaza automat fiecare CV inainte ca un om sa-l vada.

HackerRank a publicat exact cum functioneaza sistemul lor. Si e revelator:

Parsarea CV-ului: PDF-ul tau e transformat in text brut
Extragere cu LLM: Un model de limbaj e apelat de 6 ori pentru a extrage informatii structurate — basics, istoric de munca, educatie, skill-uri, proiecte, premii
Scanare GitHub: Sistemul iti scaneaza profilul GitHub si cele mai importante repo-uri
Scorare finala: Totul e trimis la un LLM care iti da un scor din 100

Deci CV-ul tau nu e judecat de un om. E judecat de un AI care citeste textul parsat, uita-te pe GitHub si decide, intr-o singura trecere, daca meriti sau nu sa ajungi la interviu.

Cum se calculeaza scorul

Sistemul HackerRank are o structura clara de scorare:

35 puncte pentru contributii open source (cod pe GitHub)
Pana la 20 puncte bonus pentru experienta startup, portfolio, blog tehnic
Restul pentru skill-uri, proiecte, experienta

Observi problema? 65% din scor e determinat de open source si proiecte. Daca ai construit lucruri care nu sunt pe GitHub — aplicatii interne, sisteme pentru companii, proiecte cu NDA — practic nu exista pentru ATS.

Gandeste-te la asta

Un inginer cu 10 ani de experienta care a construit sisteme critice pentru companii mari, dar nu are activitate pe GitHub, porneste cu un handicap de 65 de puncte fata de un student care are 5 repo-uri publice cu proiecte de facultate.

Experimentul: acelasi CV, scoruri de la 66 la 99

Dan Kinsky a facut ce ar trebui sa faca oricine inainte sa aiba incredere intr-un sistem automatizat: l-a testat. A luat un CV real, l-a trimis prin ATS-ul HackerRank de 100 de ori si a inregistrat scorurile.

Rezultatul? Scoruri intre 66 si 99 din 100.

Nu e o eroare de rotunjire. Nu e o diferenta mica. E o diferenta de 33 de puncte — suficient cat sa treci de la „respins” la „candidat de top”, in functie de unde pune compania cutoff-ul.

Si problema nu se opreste aici. Cand a analizat componentele scorului, a gasit pattern-uri clare:

Ce e consistent: Technical skills

Skill-urile tehnice au fost 8/10 in 98 din 100 de rulari. Asta are sens — e practic un checklist. Stii React sau nu stii. Stii Python sau nu. Modelul extrage niste tehnologii din CV si bifeaza casutele. Nu e nevoie de „judecata” aici.

Ce variaza enorm: Projects

Proiectele au avut variatie uriasa de la o rulare la alta. De ce? Pentru ca LLM-ul nu poate judeca consistent ce inseamna un „proiect bun”. Uneori proiectele respective „lack architectural complexity”. Alteori „demonstrate real-world deployment”. Aceleasi proiecte, acelasi CV, evaluari diametral opuse.

E ca si cum ai ruga 100 de oameni diferiti sa evalueze aceeasi pictura. Fiecare vede altceva. Singura diferenta e ca aici nu e vorba de gusturi — e vorba de cariera ta.

De ce AI-ul nu poate judeca consistent

Sa fim clari: problema nu e un bug in codul HackerRank. Problema e fundamentala si tine de cum functioneaza modelele de limbaj.

Ce e temperatura si de ce nu ajuta

In AI, „temperature” e un parametru care controleaza cat de „creativ” sau „random” e un model. Temperature 0 ar trebui sa fie complet determinist — aceleasi inputuri, aceleasi outputuri. Temperature 0.1 (cat foloseste HackerRank) ar trebui sa fie aproape determinist.

Dar nu e. Si avem dovada.

Ce inseamna temperature in contextul modelelor AI?

Temperature e un numar intre 0 si 1 (sau uneori mai mare) care controleaza „aleatoritatea” in generarea textului. La temperature 0, modelul alege intotdeauna cuvantul cu probabilitatea cea mai mare — ar trebui sa fie determinist. La temperature mare, modelul are voie sa aleaga si cuvinte mai putin probabile, ceea ce face outputul mai variat, dar si mai imprevizibil.

Problema e ca, chiar si la temperature foarte mica, anumite operatii din model (cum ar fi sampling-ul intern sau procesarea prin atentie multipla) pot introduce variatie. Nu e intotdeauna 100% determinist, asa cum te-ai astepta.

Dovada: temperature 0 tot nu rezolva

Un GitHub issue din octombrie 2025 arata ca, chiar si cu temperature setat la 0, scorurile variaza. Cineva a rulat ATS-ul de 6 ori consecutive cu acelasi CV si a primit: 27, 34, 32, 34, 34, 30.

Citeste asta inca o data: la temperature 0, acelasi CV primeste scoruri intre 27 si 34. Asta e o diferenta de 7 puncte la un scor mic, unde 7 puncte inseamna trecerea de la „respins categoric” la „marginal”.

De ce se intampla asta? Pentru ca modelele de limbaj nu sunt calculatoare. Sunt retele neuronale cu miliarde de parametri, iar anumite operatii interne (tokenizare, sampling din distributii de probabilitate, procesare paralela pe GPU) pot introduce variatie minima — care se amplifica cand evaluezi subiectiv ceva ca „calitatea unui proiect”.

Testat cu Gemini: mai bun, dar tot nu destul

Cineva a testat si cu Gemini in loc de modelul default. Distributia a fost mai stransa — scoruri intre 48 si 64. Dar daca pui cutoff-ul la 60 (ceea ce e rezonabil), acelasi CV pica 28% din timp.

Deci da, un model mai mare si mai performant reduce variatia. Dar nu o elimina. Si 28% e tot un numar absurd pentru o decizie care iti afecteaza cariera.

Problema grava cu scorul de experienta

Daca scorurile aleatorii nu erau de ajuns, mai e o problema structurala care arata cat de prost e gandit sistemul: scorul pentru experienta e complet inutil.

Sa-ti explic. Scorul pentru experienta merge de la 0 la 25 de puncte. Ce crezi ca primeste un junior cu un singur internship? 25/25. Ce crezi ca primeste un principal engineer cu 10 ani de experienta? 25/25.

Aceeasi nota. Fara exemple, fara ancore, fara criterii clare. Rubrica are doar 2 linii si nu distinge intre niveluri de experienta. E ca si cum ai da tuturor nota maxima la examen pentru ca au completat campul „Experienta” din formular.

Gandeste-te ce inseamna asta in practica:

Un absolvent de facultate cu un internship de vara: 25/25
Un inginer cu 5 ani la Google: 25/25
Un CTO care a construit o companie de la zero: 25/25

Sistemul nu poate diferentia. Si cand 65% din scor vine din open source si proiecte (lucruri pe care seniorii adesea nu le au publice), rezultatul e ca ATS-ul pedaleaza inginerii experimentati care au construit lucruri care nu sunt pe GitHub.

Un sistem care nu diferentiaza nu filtreaza — doar arunca

„A tool that can’t differentiate isn’t filtering for quality — it’s just filtering.” — concluzia lui Dan Kinsky dupa experiment. Si are dreptate. Daca un sistem nu poate face diferenta intre un junior si un senior, nu filtreaza pentru calitate. Filtreaza pentru noroc.

Ce inseamna asta pentru tine, concret

Sa recapitulam ce am aflat:

CV-ul tau e judecat de un AI, nu de un om, in prima faza
Acelasi CV primeste scoruri diferite de fiecare data cand e procesat
Experienta ta reala nu conteaza daca nu e reflectata pe GitHub sau intr-un portofoliu public
Niciun model de AI (nici cel default, nici Gemini) nu poate evalua consistent calitatea proiectelor
Temperature 0 nu rezolva problema non-determinismului

Daca aplici la joburi in 2026, asta inseamna ca depinzi de noroc. Nu de calitatea CV-ului tau, nu de experienta ta, nu de skill-urile tale. De norocul de a prinde o rulare a ATS-ului care iti da un scor mare.

Si asta e o problema sistemica. Daca vrei sa intelegi mai bine cum AI-ul schimba piata muncii, citeste articolul nostru despre cum AI a stricat angajarile in 2026. Sau, daca vrei sa vezi reversul medaliei — companii care au incercat sa inlocuiasca oamenii cu AI si au esuat — vezi articolul despre cum Ford a reangajat 350 de ingineri dupa ce AI-ul a esuat.

Cum sa-ti optimizezi CV-ul pentru ATS (chiar daca sistemul e defect)

Stiu ce gandesti: „Daca sistemul e loterie, de ce sa ma mai chinui?” Pentru ca, desi nu poti controla rezultatul, poti maximiza sansele. E ca la poker — nu controlezi cartile, dar poti juca mai bine.

Iata un checklist concret, bazat pe ce am vazut ca puncteaza ATS-ul HackerRank si altele similare:

Publica proiecte pe GitHub — chiar si proiecte mici, cu README bun si commit history activ. ATS-ul acorda 35 de puncte pentru open source.
Scrie un blog tehnic — chiar si 3-4 articole despre lucruri pe care le-ai construit. Bonus de pana la 20 de puncte.
Foloseste cuvinte cheie exacte — daca jobul cere „React, TypeScript, Node.js”, scrie exact „React, TypeScript, Node.js” in CV, nu „dezvoltare front-end si back-end”.
Structureaza CV-ul clar — sectiuni distincte pentru experienta, educatie, skill-uri, proiecte. ATS-ul extrage informatii din fiecare sectiune separat.
Include linkuri catre proiecte live — nu doar repo-uri GitHub, ci si aplicatii deployed. ATS-ul le poate accesa.
Creeaza un profil GitHub complet — bio, pinned repos, contributii vizibile. ATS-ul scaneaza direct profilul.
Nu te baza pe experienta ca diferentiator — asa cum am vazut, scorul de experienta e inutil. Concentreaza-te pe proiecte si skill-uri concrete.

Ce NU functioneaza

Keyword stuffing — modelele moderne detecteaza si penalizeaza
CV-uri foarte lungi — ATS-ul proceseaza primele pagini cu atentie maxima
Formatari complexe — tabele, coloane, grafice — ATS-ul le interpreteaza gresit
Abrevieri neexplicate — scrie „CI/CD (Continuous Integration/Continuous Deployment)” prima data

Sfat practic

Daca vrei sa vezi cum arata CV-ul tau dupa parsarea de catre ATS, copiaza-l intr-un editor de text simplu (Notepad). Daca acolo arata bine — sectiuni clare, text lizibil, fara caractere ciudate — atunci si ATS-ul il va parsa corect. Daca nu, reformateaza-l.

Ce poti face in plus: strategii de ocolire

Daca ATS-ul e loterie, atunci strategia rationala e sa eviti sa depinzi doar de el. Iata cateva abordari care functioneaza in 2026:

Networking direct

Cea mai buna metoda de a trece de un ATS e sa nu treci prin el. Recomandarile interne, mesajele directe pe LinkedIn catre hiring manageri, participarea la evenimente tech — toate astea te scot din gramada de CV-uri procesate de AI.

Aplica la companii care nu folosesc ATS cu AI

Inca mai exista companii — mai ales startup-uri mici si companii romanesti — care citesc CV-urile manual. Cauta-le. Intreaba inainte sa aplici: „Cum procesati aplicatiile?”

Testeaza-ti CV-ul

Ruleaza-ti CV-ul prin mai multe sisteme ATS gratuite care exista online. Daca primesti scoruri foarte variate, stii ca trebuie sa-l imbunatatesti pe partea de consistenta — cuvinte cheie clare, structura simpla, proiecte evidente.

Foloseste AI-ul in avantajul tau

Da, ATS-urile folosesc AI. Dar poti si tu. Foloseste ChatGPT sau Claude pentru a-ti optimiza CV-ul pentru fiecare job specific. Citeste articolul nostru despre cum folosesti AI-ul eficient pentru mai multe sfaturi practice.

Concluzie

HackerRank a facut un lucru rar si curajos: a aratat lumii exact cum functioneaza ATS-ul lor. Si ce am vazut nu e reconfortant. Un sistem care da scoruri intre 66 si 99 pentru acelasi CV nu e un sistem de filtrare — e un generator de numere aleatoare care decide cine ajunge la interviu.

Asta nu inseamna ca toate ATS-urile sunt la fel. Dar inseamna ca ar trebui sa fii sceptic cand primesti un email automatizat care iti spune ca „CV-ul tau nu corespunde profilului cautat.” Poate corespunde perfect. Poate doar AI-ul a avut o zi proasta.

In 2026, cel mai bun lucru pe care il poti face e sa nu depinzi de un singur sistem. Publica-ti munca, construieste-ti un portofoliu vizibil, aplica direct cand poti si nu lua personal respingerile automate. Sistemul nu e facut sa te evalueze corect — e facut sa reduca volumul de munca al recruiterilor.

Si uneori, reducerea aia de volum vine cu un cost: tu.

Vrei sa afli mai multe?

Citeste si articolele noastre despre cum AI a stricat angajarile in 2026 si despre cum Ford a reangajat inginerii dupa ce AI-ul a esuat — doua perspective diferite asupra aceluiasi fenomen.

Pot sa-mi testez singur CV-ul cu ATS-ul HackerRank?

Da. Codul sursa e public pe GitHub la github.com/interviewstreet/hiring-agent. Poti sa-l clonezi si sa-l rulezi local. Ai nevoie de Ollama pentru modelul default (gemma3:4b) sau de un API key pentru Gemini. Instructiunile sunt in README-ul repo-ului.

Toate ATS-urile functioneaza la fel?

Nu. Fiecare companie are propriul sistem sau foloseste un furnizor diferit (Greenhouse, Lever, Workday, etc.). Dar principiul de baza e similar: CV-ul tau e parsat automat si evaluat cu ajutorul AI-ului. Diferenta e in modelul folosit, in criteriile de scorare si in cat de multa greutate are nota automata vs. evaluarea umana.

Ce fac daca stiu ca CV-ul meu a fost respins de un ATS?

In primul rand, nu lua personal. Daca primesti un email automatizat de respingere la cateva minute sau ore dupa aplicare, sansele mari sunt ca niciun om nu a vazut CV-ul tau. In al doilea rand, incearca sa aplici direct — gaseste hiring managerul pe LinkedIn, trimite un mesaj cu CV-ul tau si explica de ce esti potrivit. Networking-ul bate ATS-ul de fiecare data.

Ar trebui sa-mi fac un profil GitHub activ ca sa trec de ATS?

Da, daca aplici la joburi tech. Asa cum am vazut, 65% din scorul ATS-ului HackerRank vine din open source si proiecte. Chiar si cateva repo-uri publice, cu README-uri bune si commit history activ, iti cresc sansele semnificativ. Nu trebuie sa fii contributor la proiecte mari — proiectele personale conteaza.

E legal ca o companie sa-mi respinga CV-ul doar pe baza unui AI?

In UE, Regulamentul General privind Protectia Datelor (GDPR) si viitoarea Lege privind Inteligenta Artificiala (AI Act) au prevederi despre deciziile automatizate. In principiu, ai dreptul sa stii daca o decizie a fost luata automat si sa ceri o revizuire umana. In practica, putine companii respecta asta. Daca banuiesti ca ai fost respins automat, poti scrie companiei si cere o evaluare umana.