Jobfindung in eine review-taugliche Anwendung verwandeln, Nutzer für Nutzer

Eine gängige Antwort ist der Auto-Apply-Bot: ein Tool, das auf einem gemeinsamen Kandidatenpool sitzt und Bewerbungen im Namen des Nutzers auf Anzeigen auslöst. Das tauscht Kontrolle gegen Volumen und schickt oft generische, minderwertige Bewerbungen, die die Person nie geprüft hat. Diese Plattform vertritt die entgegengesetzte Haltung. Es gibt keinen Kandidatenpool, aus dem ein Arbeitgeber zieht, und die Plattform wählt keine Stellen aus oder schickt automatisch etwas. Jede Aktion läuft im Konto eines authentifizierten Nutzers, und die Person behält die Kontrolle darüber, welche Aufträge sie verfolgen und was tatsächlich gesendet wird. Das zu lösende Problem war eng und real: die sich wiederholende Vorbereitungsarbeit entfernen, ohne das Urteil des Antragstellers zu entfernen.

Die Einschränkungen waren bewusst. Human-in-the-Loop ist nicht verhandelbar: Die Plattform bereitet einen Gmail Entwurf vor und sendet ihn nie automatisch, sodass der Bewerber immer überprüft und auf Senden klickt. Die KI darf nur Informationen verwenden, die der Nutzer bereitgestellt oder genehmigt hat; Sie darf niemals Qualifikationen, Beschäftigungsgeschichte, Fähigkeiten, Zertifikate, Erfolge oder Kennzahlen erfinden und darf keine Fähigkeiten hinzufügen, nur um die Überschneidung von Schlüsselwörtern zu vergrößern. Die Daten jedes Nutzers sind streng getrennt: Ein Nutzer berührt nur sein eigenes Profil, Suchen, ausgewählte Jobs, generierte Dokumente, Gmail Entwürfe, Credits und nachverfolgt Bewerbungen, nie die von jemand anderem. Und da die Erzeugung Geld kostet, mussten die Kosten transparent sein: Der Nutzer sollte den Kreditpreis einer Aktion sehen, bevor die KI startet.

Die Vorbereitung ist der Ort, an dem die KI die sich wiederholenden Aufgaben übernimmt und wo die Credits angewendet werden. Der Nutzer wählt manuell die lohnenswerten Jobs aus und klickt auf Apply Now bei jedem. Für jede ausgewählte Stelle generiert die Plattform ein separates, maßgeschneidertes Paket: einen Lebenslaufentwurf, der auf die jeweilige Stellenbeschreibung abgestimmt ist, ein Anschreiben für die jeweilige Rolle und den Arbeitgeber sowie eine individuelle Bewerbungs-E-Mail, sodass sich zwei Bewerbungen desselben Nutzers unterscheiden können, da jede für eine andere Gelegenheit konzipiert ist. Anschließend wird die Gmail -Integration des Nutzers genutzt, um einen Entwurf, ein jobspezifisches Thema, die Bewerbungs-E-Mail als Hauptteil sowie den beigefügten Lebenslauf und Anschreiben zusammenzustellen und diesen als Entwurf zu speichern. Es wird nicht gesendet. Der Nutzer öffnet den Entwurf in Gmail, überprüft den Arbeitgeber, die Rolle, den Empfänger, den Betreff, den Text und die Anhänge, bearbeitet alles und klickt manuell auf Senden. Sobald es gesendet oder als anwendungswürdig markiert ist, landet es im Anwendungstracker des Nutzers.

Die Erzeugung ist durch Credits begrenzt, sodass die Wirtschaftlichkeit dem Wert entspricht: Discovery bleibt kostenlos, und die rechnerisch aufwändige Vorbereitung ist das, wofür die Nutzer bezahlen. Jeder Nutzer erhält eine tägliche kostenlose Gutschrift, um den Workflow auszuprobieren oder fortzusetzen; Wenn sie ausgeht, können sie mehr kaufen. Die Benutzeroberfläche zeigt die Kreditkosten vor Beginn der Generierung an, sodass der Nutzer den Preis vor dem Aufruf der KI versteht.

Der Apply Now Workflow überprüft zuerst die Credits. Ist der Saldo gering, wird der Nutzer zum Kauf weitergeleitet; wenn sie ausreichen, werden die erforderlichen Gutschriften abgezogen und die Erzeugung beginnt. Der KI-Generierungsschritt nimmt das Profil des Nutzers und die ausgewählte Stellenbeschreibung und erstellt drei maßgeschneiderte Entwürfe: einen Lebenslauf, ein Anschreiben und eine Bewerbungs-E-Mail, die als ein einziger Entwurf mit den beigefügten Dokumenten in die Gmail des Nutzers einfließen. Der Nutzer überprüft und bearbeitet den Entwurf, klickt manuell auf Senden, und die Bewerbung wird in seinem Tracker erfasst. Zwei Designlinien ziehen sich durch das gesamte System: Human-in-the-Loop, also die KI entwirft, der Nutzer aber immer sendet, und Isolation pro Nutzer, sodass Profile, Suchanfragen, generierte Dokumente, Gmail Entwürfe, Credits und nachverfolgte Bewerbungen zu einem Konto gehören und nie in einem gemeinsamen Kandidatenpool geteilt werden. Der Stack bleibt absichtlich langweilig, damit die beweglichen Teile lesbar bleiben: ein React Frontend, ein Node.js Backend, Supabase für Daten und Vercel für das Hosting. Der Source Pool ist darauf ausgelegt, zu wachsen: Jede neue Drittanbieter-Jobportal-Integration wird in denselben Aggregations- und Bewertungspfad eingekoppelt, sodass das Hinzufügen eines Portals die Abdeckung erweitert, ohne den Arbeitsablauf zu verändern.

Was ich als Nächstes stärken würde, baut auf dieser Grundlage auf: Mach die Kredittransparenz reichhaltiger und unverzichtbar (Kosten pro Aktion, Rückerstattung bei fehlgeschlagener Erzeugung, ob Bearbeitungen oder Regeneration mehr kosten, wenn die täglichen 50 zurückgesetzt werden), damit keine Generation jemals einen Nutzer beim Preis überrascht; Fügen Sie Match-Erklärungen hinzu, die eindeutig bestätigte Stärken von fehlenden oder nicht bestätigten Anforderungen unterscheiden, sodass die Punktzahl verwertbar ist und nicht nur eine Zahl; die vom Kandidaten bereitgestellte Fakten-Leitplanke mit klarer Herkunft auf jeder generierten Zeile sichtbar machen; den Quellpool mit mehr Portalintegrationen zu erweitern; und den Application Tracker zu einer echten Pipeline zu vertiefen. Die langfristige Idee ist ein Jobsuchassistent, der die repetitive Vorbereitung in großem Umfang übernimmt, während der Bewerber jede Entscheidung behält, die seinen Namen trägt.