The Deeply Impersonal Personalized Recruiter Mail

A software engineer describes a new breed of recruiter emails that use LLM-generated personalization to misrepresent candidate backgrounds. The emails summarize a candidate's past roles—like infrastructure work at Railway or observability at City Storage Systems—only to follow with job descriptions completely unrelated to that experience. The author finds this more insulting than generic templates because it falsely implies relevance.

The piece criticizes the use of AI for both the personalization and the job description, noting common LLMisms and a lack of genuine connection between the candidate's history and the role. The author argues that a simple edit pass or proofread could eliminate these flaws, but the overt fakeness makes the emails feel unapologetically impersonal.

يصف مهندس برامج نوعًا جديدًا من رسائل التوظيف التي تستخدم التخصيص المولّد بواسطة نماذج لغة كبيرة لتشويه خلفية المرشح. تلخص هذه الرسائل أدوار المرشح السابقة — مثل عمل البنية التحتية في Railway أو قابلية الملاحظة في City Storage Systems — لتليها وصفًا لوظيفة لا علاقة له تمامًا بهذه الخبرة. يجد المؤلف ذلك أكثر إهانة من القوالب العامة لأنه يوحي زورًا بالصلة. ينتقد القطعة استخدام الذكاء الاصطناعي في كل من التخصيص ووصف الوظيفة، ملاحظًا شيوعات نماذج لغة كبيرة وعدم وجود صلة حقيقية بين تاريخ المرشح والوظيفة. يجادل المؤلف بأن عملية تحرير بسيطة أو تدقيق لغوي يمكن أن تزيل هذه العيوب، لكن الزيف الصريح يجعل هذه الرسائل تشعر بأنها غير شخصية بلا اعتذار.

একটি সফটওয়্যার エンジニア একটি নতুন ধরণের recrutmet ইমেলের বর্ণনা করে যা LLM-উত্পাদিত ব্যক্তিগতকরণ ব্যবহার করে প্রার্থীর পটভূমি distort করে। এই ইমেলগুলো প্রার্থীর আগের ভূমিকাগুলোর সংক্ষিপ্ত বিবরণ দেয় — যেমন Railway-এ ইনফ্রাস্ট্রাকচার কাজ বা City Storage Systems-এ পর্যবেক্ষণশীলতা — শুধু তারপর সেই অভিজ্ঞতায় সম্পূর্ণরূপে অসম্পর্কিত একটি চাকরির বিবরণ দেয়। লেখকটি এটি সাধারণ টেমপ্লেটের চেয়ে আরও अपमानजनক পায় কারণ এটি ভুলভাবে প্রাসঙ্গিকতার ইঙ্গিত দেয়। এই টুকরোটি AI-এর ব্যবহারকে উভয় ব্যক্তিগতকরণ এবং চাকরির বিবরণের জন্য নিন্দা করে, সাধারণ LLMisms নোট করে এবং প্রার্থীর ইতিহাস এবং ভূমিকার মধ্যে আসল সংযোগের অভাবকে উজাগর করে। লেখকটি যুক্তি দেয় যে একটি সহজ সম্পাদনা পাস বা প্রুফরিড এই ত্রুটিগুলো দূর করতে পারে, কিন্তু স্পষ্ট নকল এই ইমেলগুলোকে খোলা মনে অসংবেদনশীল করে তোলে।

Ein Softwareentwickler beschreibt eine neue Art von Recruiter-E-Mails, die LLM-generierte Personalisierung nutzen, um Kandidatenhintergründe falsch darzustellen. Diese E-Mails fassen die früheren Rollen des Kandidaten zusammen — wie Infrastrukturarbeit bei Railway oder Observability bei City Storage Systems — nur um anschließend Stellenbeschreibungen zu folgen, die völlig unzutreffend zu dieser Erfahrung sind. Der Autor findet dies beleidigender als generische Vorlagen, weil sie fälschlicherweise Relevanz vortäuschen.

Der Beitrag kritisiert den Einsatz von KI sowohl für die Personalisierung als auch für die Stellenbeschreibung, indem er häufige LLM-Eigenheiten hervorhebt und den fehlenden echten Zusammenhang zwischen der Kandidatenerfahrung und der Rolle betont. Der Autor argumentiert, dass ein einfacher Editierdurchlauf oder Korrekturlesen diese Mängel beheben könnte, aber die offensichtliche Unechtheit macht diese E-Mails bewusst unpersönlich.

Un ingeniero de software describe un nuevo tipo de correos de reclutamiento que utilizan personalización generada por LLM para tergiversar el historial de los candidatos. Estos correos resumen los roles pasados del candidato —como trabajo de infraestructura en Railway o observabilidad en City Storage Systems— solo para seguir con descripciones de puestos completamente unrelated a esa experiencia. El autor lo encuentra más ofensivo que las plantillas genéricas porque falsamente implica relevancia.

El artículo critica el uso de IA tanto para la personalización como para la descripción del puesto, señalando comunes LLMisms y una falta de conexión genuina entre el historial del candidato y el rol. El autor argumenta que una simple revisión o corrección de pruebas podría eliminar estos defectos, pero la falsedad evidente hace que los correos se sientan descaradamente impersonales.

Un ingénieur logiciel décrit un nouveau type de courriels de recrutement qui utilisent la personnalisation générée par LLM pour déformer le parcours des candidats. Ces courriels résument les rôles passés du candidat — comme le travail d'infrastructure chez Railway ou l'observabilité chez City Storage Systems — pour ensuite suivre avec des descriptions de poste complètement étrangères à cette expérience. L'auteur le trouve plus insultant que les modèles génériques parce qu'il implique faussement une pertinence.

L'article critique l'utilisation de l'IA tant pour la personnalisation que pour la description du poste, en notant les tics courants des LLM et le manque de lien authentique entre l'historique du candidat et le rôle. L'auteur soutient qu'une simple passe d'édition ou de relecture pourrait éliminer ces défauts, mais l'évidente artificialité rend ces courriels délibérément impersonnels.

एक सॉफ्टवेयर इंजीनियर एक नई भर्ती ईमेल की नस्ल का वर्णन करता है जो LLM-जनित वैयक्तिकरण का उपयोग करके उम्मीदवार की पृष्ठभूमि को गलत तरीके से पेश करती है। ये ईमेल उम्मीदवार के पिछले भूमिकाओं का सारांश देती हैं — जैसे Railway पर बुनियादी ढांचे का काम या City Storage Systems पर पर्यवेक्षकता — केवल इसके बाद उस अनुभव से पूरी तरह असंबंधित नौकरी के विवरण के साथ続く। लेखक इसे सामान्य टेम्प्लेट्स से अधिक अपमानजनक पाता है क्योंकि यह गलत तरीके से प्रासंगिकता का संकेत देता है। टुकड़ा AI के उपयोग की आलोचना करता है, दोनों वैयक्तिकरण और नौकरी विवरण के लिए, सामान्य LLMisms को नोट करते हुए और उम्मीदवार के इतिहास और भूमिका के बीच वास्तविक संबंध की कमी को उजागर करते हुए। लेखक का तर्क है कि एक साधित संपादन पास या प्रूफरीड इन दोषों को दूर कर सकता है, लेकिन स्पष्ट नकलीपन इन ईमेलों को खुलेआम असंवेदनशील महसूस कराता है।

Seorang insinyur perangkat lunak menggambarkan jenis baru email rekrutasi yang menggunakan personalisasi yang dihasilkan LLM untuk salah merepresentasikan latar belakang kandidat. Email-email ini meringkas peran masa lalu kandidat — seperti pekerjaan infrastruktur di Railway atau observabilitas di City Storage Systems — hanya untuk diikuti dengan deskripsi pekerjaan yang sepenuhnya tidak terkait dengan pengalaman itu. Penulis menemukan ini lebih menghina daripada template generik karena itu salah-salah menegaskan relevansi.

Karya ini mengkritik penggunaan AI baik untuk personalisasi maupun deskripsi pekerjaan, dengan mengecam umum LLMisms dan kurangnya koneksi sejati antara riwayat kandidat dan peran tersebut. Penulis berargumen bahwa sebuah putaran editasi sederhana atau pembacaan ulang bisa menghilangkan kelemahan ini, tetapi kejelasan kepalsuan membuat email-email ini terasa sengaja tidak personal.

ソフトウェアエンジニアが、LLM生成のパーソナライズを使って候補者の経歴を歪める新種の採用メールを描写する。これらのメールは、候補者の過去の役割 — Railwayでのインフラストラクチャー作業やCity Storage Systemsでのオブザーバビリティなど — を要約した後、その経験と全く関係のない職務内容を続けて送ってくる。著者はこれを一般的なテンプレートよりも侮辱的に感じると述べる。なぜなら、関連性があるかのように偽って示すからだ。この文章は、パーソナライズと職務説明の両方にAIを使用することを批判し、よく見られるLLMの癖や、候補者の経歴と職務の間に本当のつながりがないことを指摘する。著者は、単純な編集や校正でこれらの欠点を解消できると主張するが、明白な偽りがこれらのメールを露骨に非人格的に感じさせる。

Um engenheiro de software descreve um novo tipo de e-mail de recrutamento que usa personalização gerada por LLM para deturpar o histórico do candidato. Esses e-mails resumem os cargos anteriores do candidato — como trabalho de infraestrutura na Railway ou observabilidade na City Storage Systems — apenas para seguir com descrições de vagas completamente desconexas dessa experiência. O autor considera isso mais ofensivo que modelos genéricos porque implica falsamente relevância.

O texto critica o uso de IA tanto para a personalização quanto para a descrição da vaga, apontando os comuns LLMisms e a falta de conexão genuína entre o histórico do candidato e a vaga. O autor argumenta que uma simples revisão ou prova poderia eliminar essas falhas, mas a evidente falsidade faz com que esses e-mails pareçam descaradamente impessoais.

Инженер-программист описывает новый тип рекрутинговых писем, которые используют персонализацию, сгенерированную LLM, для искажения опыта кандидата. Эти письма резюмируют прошлые роли кандидата — например, работу над инфраструктурой в Railway или наблюдаемость в City Storage Systems — только чтобы затем следовать с описаниями вакансий, полностью не связанными с этим опытом. Автор считает это более оскорбительным, чем шаблонные письма, потому что они ложно подразумевают релевантность. Статья критикует использование ИИ как для персонализации, так и для описания вакансии, отмечая распространенные проявления LLM и отсутствие реальной связи между опытом кандидата и ролью. Автор утверждает, что простая правка или вычитка могли бы устранить эти недостатки, но явная фальшивость делает эти письма откровенно неперсонализированными.

一位软件工程师描述了一种新型招聘邮件，这些邮件使用LLM生成的个性化内容来歪曲候选人的背景。这些邮件会总结候选人的过去工作经历——比如在Railway从事基础设施工作，或在City Storage Systems从事可观测性工作——但随后会跟上与该经历完全无关的职位描述。作者认为这种做法比通用模板更具冒犯性，因为它虚假地暗示了相关性。文章批评了在个性化和职位描述中使用AI的做法，指出其中常见的LLM特征，以及候选人历史与职位之间缺乏真正的联系。作者认为，简单的编辑或校对就能消除这些问题，但这种明显的虚假感让这些邮件显得毫不掩饰地非人性化。