ОДИН ЧЕЛОВЕК ПОДПИСАЛСЯ НА РАССЫЛКУ ICONTEXT GROUP И СТАЛ ГУРУ В УПРАВЛЕНИИ БИЗНЕСОМ
Здесь все об операционном управлении, автоматизации процессов, менеджменте, HR, возможностях digital-инструментов и привлечении клиентов. Без воды и по делу. Просто, понятно и применимо.
Дата публикации: 3 мая 2024
Время чтения: 13 минут
Время чтения: 13 минут
Искусственный интеллект в рекрутинге: как технологии меняют подход к поиску и найму сотрудников
Как искусственный интеллект применяется в рекрутинге и зачем в него инвестируют лидирующие компании? Мы поговорили с экспертами в области ИИ, основателями компаний, а также представителями HR-сферы и узнали, как они используют нейросети и другие ИИ-технологии для поиска сотрудников, анализа вакансий и отбора кандидатов. В статье — интересные цифры, факты и кейсы из практики.
Редакция iConText Group
Группа digital-компаний
Оглавление
1. Преимущества искусственного интеллекта в рекрутинге.
2. Какие обязанности рекрутеров может взять ИИ.
2. Какие обязанности рекрутеров может взять ИИ.
- Рутинные задачи: написание вакансий, создание картинок.
- Массовый найм.
- Анализ резюме для подбора кандидатов.
- Анализ эффективности сотрудника на основе видео или аудио.
- Скрининг профилей кандидатов.
- Обратная связь по итогу собеседования.
- Оформление новых сотрудников в штат.
35% мировых компаний уже используют ИИ в бизнесе. Более 50% компаний планируют внедрить технологии искусственного интеллекта в 2024 году. Это означает, что более 77% организаций либо используют, либо изучают возможность применения ИИ. Ожидается, что к 2030 году мировой рынок искусственного интеллекта достигнет $1,85 трлн.
Кроме того, ИИ-технологии все активнее интегрируются в различные сферы, включая рекрутинг. По данным исследования «Работа.ру», почти каждая десятая российская компания (9%) использует в своей работе инструменты на основе ИИ.
Интересно, что чаще всего это делают организации из банковской и финансовой сферы (67%). На втором месте по частоте использования нейросетей — организации из образования и науки. Замыкает топ-3 транспортная отрасль (13%).
Кроме того, ИИ-технологии все активнее интегрируются в различные сферы, включая рекрутинг. По данным исследования «Работа.ру», почти каждая десятая российская компания (9%) использует в своей работе инструменты на основе ИИ.
Интересно, что чаще всего это делают организации из банковской и финансовой сферы (67%). На втором месте по частоте использования нейросетей — организации из образования и науки. Замыкает топ-3 транспортная отрасль (13%).
Преимущества искусственного интеллекта в рекрутинге
- Автоматизация скрининга резюме. ИИ может быстро анализировать тысячи резюме, отбирая кандидатов, которые лучше всего соответствуют требованиям вакансии, значительно сокращая время, необходимое для первичного отбора.
- Ускорение интервьюирования. Использование чат-ботов и инструментов виртуального интервью позволяет проводить первичные собеседования без непосредственного участия рекрутера, экономя время на выполнении рутинных задач.
- Повышение качества найма. ИИ использует сложные алгоритмы для анализа данных: оценки квалификации, опыта и потенциала кандидатов. Это помогает лучше подбирать сотрудников по заданным критериям, оценивать их соответствие должности и корпоративной культуре. Как следствие, это повышает качество найма.
- Снижение человеческих ошибок. Автоматизация процессов рекрутинга с помощью ИИ позволяет снизить количество ошибок, связанных с человеческим фактором, например, ошибки при вводе данных или субъективные суждения при отборе резюме. Например, алгоритмы ИИ могут быть запрограммированы на игнорирование демографических данных, таких как пол, возраст и происхождение, что помогает минимизировать предвзятость при найме сотрудников.
- Увеличение удовлетворенности кандидатов. Согласно опросу CareerBuilder, 67% соискателей с большей вероятностью останутся на длительный срок в компании, где процесс подачи заявления и найма был максимально упрощен и автоматизирован с помощью ИИ.
Мы поговорили с экспертами в области ИИ, основателями компаний, представителями HR-сферы и узнали, как они используют искусственный интеллект для найма сотрудников.
Какие обязанности рекрутеров может взять ИИ
Рутинные задачи: написание вакансий, создание картинок
Анастасия Курникова
HR-менеджер коммуникационного агентства PR Partner
У нас нет такого количества вакансий, чтобы использовать вспомогательные инструменты для поиска людей в команду и полагаться только на ИИ. Однако это незаменимый помощник, который может формулировать описание вакансий для получения хороших откликов.
Самая популярная и в то же время простая в работе нейросеть — ChatGPT. Она подходит для генерации новых идей, решения простых, но рутинных задач. Мы используем ее, когда надо быстро составить черновой план вакансии, например, прописать требования для копирайтеров, пиарщиков или SMM-менеджеров. Важно прописать в запросе, какая компания ищет специалиста и с какими типами контента и площадками соискателю предстоит работать. Но вот от идеи написания нейросетью постов пока отказались.
Все актуальные вакансии мы размещаем в Telegram-канале агентства в виде поста, к которому требуется картинка. Для генерации изображений используем «Шедеврум», который работает на основе нейросети YandexGPT.
И это лишь малая часть нейросетей, которые можно применять в коммуникациях и которыми мы сами пользуемся в агентстве. На заметку, например, можно взять еще Midjourney, Glif, Kandinsky 3.0, Notion AI, Dialogflow, AIVA, CopyMonkey, Tome.
Самая популярная и в то же время простая в работе нейросеть — ChatGPT. Она подходит для генерации новых идей, решения простых, но рутинных задач. Мы используем ее, когда надо быстро составить черновой план вакансии, например, прописать требования для копирайтеров, пиарщиков или SMM-менеджеров. Важно прописать в запросе, какая компания ищет специалиста и с какими типами контента и площадками соискателю предстоит работать. Но вот от идеи написания нейросетью постов пока отказались.
Все актуальные вакансии мы размещаем в Telegram-канале агентства в виде поста, к которому требуется картинка. Для генерации изображений используем «Шедеврум», который работает на основе нейросети YandexGPT.
И это лишь малая часть нейросетей, которые можно применять в коммуникациях и которыми мы сами пользуемся в агентстве. На заметку, например, можно взять еще Midjourney, Glif, Kandinsky 3.0, Notion AI, Dialogflow, AIVA, CopyMonkey, Tome.
Александра Калинкина
Руководитель направления подбора персонала в iConText Group
Наша HR-команда в ближайшее время будет проходить обучение по работе с искусственным интеллектом. Но уже сейчас мы активно задействуем ИИ-технологии для подбора персонала во внутренних коммуникациях. Приведу несколько примеров.
Работа с текстами. В условиях нехватки кандидатов на digital-рынке очень высокая конкуренция. Зачастую рекламные агентства предлагают смежные и похожие по описанию вакансии. Поэтому очень важно грамотно и широкоформатно описать все преимущества вашей компании.
И здесь ИИ выступает опорой и помогает, как компаньон, не только быстро отредактировать текст и проверить его на ошибки, но и выделить преимущества и грамотно расставить акценты. Например, с помощью Chat GPT мы формируем и редактируем тексты, в том числе описание основных и сопроводительных текстов вакансий, вопросы для первичной оценки в процессе телефонного интервью, сопроводительные тексты для офферов.
При этом мы не полагаемся только на ИИ, а индивидуально подходим к коммуникациям с соискателями: учитываем специфику каждой вакансии, требования, интересы, пожелания кандидатов, экспертизу прямого будущего руководителя, какой у него совокупный опыт в сфере и какие знания он может передать сотруднику.
Все это очень важно, так как, по опыту, помимо финансовых условий, каждый кандидат при принятии решения обращает внимание именно на специфику коммуникаций в процессе найма. В этом случае ИИ помогает HR-специалистам донести общий посыл, сформулировать ключевые мысли, ценность и бенефиты, которые может предоставить группа компаний.
Кроме того, сейчас мы находимся в процессе перехода на новый внутренний корпоративный портал, где есть встроенная система подбора сотрудников. На основе небольших вводных данных при помощи ИИ автоматически формируются описания вакансий: задачи, которые сотруднику предстоит решать на рабочем месте, пожелания к опыту, ключевые навыки. На данный момент мы тестируем данный формат и уже видим первые результаты: тексты и требования к кандидатам соответствуют нашим ожиданиям. В дальнейшем мы продолжим активно работать с данной системой.
Работа с креативами. Чтобы вакансии чаще вызывали интерес, для привлечения внимания мы используем в соцсетях сопроводительные креативы с учетом последних трендов: шутки, мемы, актуальные события и пр. Наши дизайнеры также задействуют для этого нейросети, что помогает получать больше охватов и откликов.
Работа с текстами. В условиях нехватки кандидатов на digital-рынке очень высокая конкуренция. Зачастую рекламные агентства предлагают смежные и похожие по описанию вакансии. Поэтому очень важно грамотно и широкоформатно описать все преимущества вашей компании.
И здесь ИИ выступает опорой и помогает, как компаньон, не только быстро отредактировать текст и проверить его на ошибки, но и выделить преимущества и грамотно расставить акценты. Например, с помощью Chat GPT мы формируем и редактируем тексты, в том числе описание основных и сопроводительных текстов вакансий, вопросы для первичной оценки в процессе телефонного интервью, сопроводительные тексты для офферов.
При этом мы не полагаемся только на ИИ, а индивидуально подходим к коммуникациям с соискателями: учитываем специфику каждой вакансии, требования, интересы, пожелания кандидатов, экспертизу прямого будущего руководителя, какой у него совокупный опыт в сфере и какие знания он может передать сотруднику.
Все это очень важно, так как, по опыту, помимо финансовых условий, каждый кандидат при принятии решения обращает внимание именно на специфику коммуникаций в процессе найма. В этом случае ИИ помогает HR-специалистам донести общий посыл, сформулировать ключевые мысли, ценность и бенефиты, которые может предоставить группа компаний.
Кроме того, сейчас мы находимся в процессе перехода на новый внутренний корпоративный портал, где есть встроенная система подбора сотрудников. На основе небольших вводных данных при помощи ИИ автоматически формируются описания вакансий: задачи, которые сотруднику предстоит решать на рабочем месте, пожелания к опыту, ключевые навыки. На данный момент мы тестируем данный формат и уже видим первые результаты: тексты и требования к кандидатам соответствуют нашим ожиданиям. В дальнейшем мы продолжим активно работать с данной системой.
Работа с креативами. Чтобы вакансии чаще вызывали интерес, для привлечения внимания мы используем в соцсетях сопроводительные креативы с учетом последних трендов: шутки, мемы, актуальные события и пр. Наши дизайнеры также задействуют для этого нейросети, что помогает получать больше охватов и откликов.
Помимо этого, один из плюсов искусственного интеллекта в том, что он помогает не только создавать вовлекающие тексты с описанием вакансии, но и адаптировать их под разные площадки. Например, для рекрутингового сайта нейросети могут подготовить один вариант, для вашего сайта — другой, для соцсетей — третий. Также нейросети помогают генерировать идеи, например, могут придумать интересное тестовое задание для кандидата на основе вводных данных.
Массовый найм
Андрей Наташкин
Основатель и СЕО Mirey Robotics, эксперт по ИИ
Машинное обучение также внедряется для принятия более взвешенных и точных решений при поиске и найме сотрудников. Интересное направление — аналитика, актуальная в разрезе массового найма. Например, компания занимается дорожным строительством. Нейросеть может рассчитать, сколько сотрудников нужно будет нанять в пик дорожно-строительного сезона. Безусловно, для анализа потребуется большое количества данных.
Для подобных задач оптимально написать собственную нейросеть, тогда у вас будет возможность заложить в алгоритм необходимые параметры. На примере дорожного строительства можем увидеть, что это сложный и многофакторный анализ. С одной стороны, есть данные по сотрудникам, задействованным на объектах, в динамике за прошлые годы. С другой стороны, есть примерный план объектов, которые компания планирует отыграть с помощью торгов.
Необходимо понимать, что от результатов торгов будет зависеть необходимость перемещения асфальтобетонных заводов. А это также значительные трудозатраты. Кроме того, объекты делятся на содержание, ремонт, капитальный ремонт, реконструкцию и строительство. Часть объектов будет реализовываться в рамках одного строительного сезона, другие будут переходящими. Все эти параметры закладываются в алгоритм, и нейросеть предсказывает количество сотрудников, которых нужно нанять.
Для подобных задач оптимально написать собственную нейросеть, тогда у вас будет возможность заложить в алгоритм необходимые параметры. На примере дорожного строительства можем увидеть, что это сложный и многофакторный анализ. С одной стороны, есть данные по сотрудникам, задействованным на объектах, в динамике за прошлые годы. С другой стороны, есть примерный план объектов, которые компания планирует отыграть с помощью торгов.
Необходимо понимать, что от результатов торгов будет зависеть необходимость перемещения асфальтобетонных заводов. А это также значительные трудозатраты. Кроме того, объекты делятся на содержание, ремонт, капитальный ремонт, реконструкцию и строительство. Часть объектов будет реализовываться в рамках одного строительного сезона, другие будут переходящими. Все эти параметры закладываются в алгоритм, и нейросеть предсказывает количество сотрудников, которых нужно нанять.
Альбина Семушкина
Руководитель рекрутинга компании «Бастион»
Некоторые компании используют ИИ для массового найма. В этом случае чат-боты помогают фильтровать резюме на этапе блиц-вопросов. Как это происходит: компания создает чат-бота, который задает вопросы кандидату и отсеивает резюме на этапе отбора. Этот способ используют в крупных компаниях для фильтрации нерелевантных откликов при большом количестве входящих резюме.
Резюме кандидатов, успешно прошедших тестирование чат-ботов, отправляются рекрутеру на проработку. В другой ситуации, когда рекрутеры подходят к подбору точечно, использование ИИ может быть только дополнительным, но не основным инструментом.
Резюме кандидатов, успешно прошедших тестирование чат-ботов, отправляются рекрутеру на проработку. В другой ситуации, когда рекрутеры подходят к подбору точечно, использование ИИ может быть только дополнительным, но не основным инструментом.
Анализ резюме для подбора кандидатов
Антон Мишин
Генеральный директор Proscom
В нашей компании мы создали ИИ-инструмент, чтобы упростить жизнь рекрутерам и помочь им сократить время на отбор и первичную оценку резюме кандидатов.
В основе сервиса — специальная математическая модель. С ее помощью алгоритмы анализируют резюме кандидата и делают вывод, насколько он подходит на вакансию. Сервис анализирует информацию об уже работающих сотрудниках и выявляет закономерности для анализа других резюме соискателей.
Мы замерили количество времени, которые наши специалисты тратили на отбор и первичную оценку 100 резюме без использования технологий. Затем проанализировали, сколько времени нужно ИИ, а потом сравнили показатели.
Оценка 100 резюме человеком требовала 5 часов, сервис справился с этой работой за 3 минуты. Но это еще не все. ИИ-инструмент исключает человеческий фактор и помогает отбирать наиболее подходящие кадры. Как следствие, снижаются другие расходы и риски, связанные с выходом нового специалиста в штат.
Кроме собственных тестов, алгоритм показал эффективность и для применения на рынке. Так, в результате пилотного проекта продукта в 2023 году в IT-компании Sitronics Group были найдены кандидаты на должности фронтенд-разработчика, инженера по тестированию (QA) и бухгалтера. Время на скрининг и первичный скоринг 100 резюме уменьшилось с 5 часов до 10 минут.
В основе сервиса — специальная математическая модель. С ее помощью алгоритмы анализируют резюме кандидата и делают вывод, насколько он подходит на вакансию. Сервис анализирует информацию об уже работающих сотрудниках и выявляет закономерности для анализа других резюме соискателей.
Мы замерили количество времени, которые наши специалисты тратили на отбор и первичную оценку 100 резюме без использования технологий. Затем проанализировали, сколько времени нужно ИИ, а потом сравнили показатели.
Оценка 100 резюме человеком требовала 5 часов, сервис справился с этой работой за 3 минуты. Но это еще не все. ИИ-инструмент исключает человеческий фактор и помогает отбирать наиболее подходящие кадры. Как следствие, снижаются другие расходы и риски, связанные с выходом нового специалиста в штат.
Кроме собственных тестов, алгоритм показал эффективность и для применения на рынке. Так, в результате пилотного проекта продукта в 2023 году в IT-компании Sitronics Group были найдены кандидаты на должности фронтенд-разработчика, инженера по тестированию (QA) и бухгалтера. Время на скрининг и первичный скоринг 100 резюме уменьшилось с 5 часов до 10 минут.
Артем Аментес
Исследователь ИИ и директор компании «Социальный код»
Одно из направлений деятельности нашей компании — внедрение искусственного интеллекта в сфере рекрутинга. С помощью цифрового сервиса cvcode мы тестируем соискателей на основе всемирно известной методики big5. Тест выявляет пять основных качеств личности, по результатам которого создается профиль пользователя, и нейросеть определяет, насколько он соответствует заявленным ценностям компании.
Помимо этого, с помощью машинного обучения мы научились искать soft skills соискателей в резюме, датасет базируется на более чем 25 000 профилей cvcode и 5000 резюме с hh.ru.
Благодаря внедренному ИИ-решению мы отказались от бумажной документации и традиционных очных собеседований, повысив скорость и качество рекрутинга. Мы научились на начальном этапе подбирать кадры, обладающие нужными нам характеристиками и разделяющие ценности компании.
Среди успешных кейсов можно выделить сотрудничество с «Точкой»: искусственный интеллект проанализировал 10 000 анкет потенциальных сотрудников банка, отобрав подходящие по заявленным критериям профили. В результате банк усовершенствовал систему рекрутинга в клиентский отдел, значительно сократив временные и финансовые издержки.
Помимо этого, с помощью машинного обучения мы научились искать soft skills соискателей в резюме, датасет базируется на более чем 25 000 профилей cvcode и 5000 резюме с hh.ru.
Благодаря внедренному ИИ-решению мы отказались от бумажной документации и традиционных очных собеседований, повысив скорость и качество рекрутинга. Мы научились на начальном этапе подбирать кадры, обладающие нужными нам характеристиками и разделяющие ценности компании.
Среди успешных кейсов можно выделить сотрудничество с «Точкой»: искусственный интеллект проанализировал 10 000 анкет потенциальных сотрудников банка, отобрав подходящие по заявленным критериям профили. В результате банк усовершенствовал систему рекрутинга в клиентский отдел, значительно сократив временные и финансовые издержки.
Анализ эффективности сотрудника на основе видео или аудио
Сергей Жучков
Генеральный директор онлайн-школы программирования и искусственного интеллекта Progkids
По мере развития онлайн-школы мы столкнулись с большим приростом учеников. Как следствие, появилась необходимость в новых кадрах. Скачок был довольно существенный, поэтому мы задумались, как автоматизировать процесс подбора кандидатов. Тогда и решили сконцентрировать внимание на работе с ИИ.
На данный момент мы применяем различные модели для оценки качества проводимых уроков и кандидатов. Рекрутинг проходит с помощью работы нейросети. Специально созданная платформа Meet Progkids позволяет ИИ анализировать резюме, видеозапись пробного урока и прогнозировать эффективность учителя, его конверсию. Изначально мы создавали эту платформу в рамках работы с учениками для оценки качества образования, но позже стали использовать повсеместно.
Расскажу, как это работает с технической точки зрения:
1. Проверяющий дает промт (запрос) нейросети. Например: «Проанализируй, насколько хорошо кандидат провел пробный урок».
2. Далее происходит анализ видео- и аудиопотоков. С помощью видео считывается вовлеченность педагога в процесс обучения, выявляются паттерны его поведения. В модуле анализа видео осуществляется детекция лица и определение направления взгляда. Такую задачу можно решить с помощью специальных библиотек, например, Pygaze, либо обучив собственную модель, что мы и сделали.
Через аудио анализируется речь кандидата: насколько она грамотная, есть ли слова-паразиты. Списки вежливых, грубых слов, слов-паразитов составлялись на основе словарей, интернет-ресурсов. Также искусственный интеллект позволяет понять, насколько понятно преподаватель объяснил ученику терминологию, были ли соблюдены правила приведения методических материалов.
Технически аудио конвертируется в нужный формат с помощью ffmpeg, распознавание речи — с помощью модифицированной версии SOVA ASR. Для анализа эмоций используются готовые, заранее обученные модели SpeechBrain.
Так, модуль анализа эмоций по полученному аудио и временным меткам произнесенных слов от модуля распознавания речи генерирует фрагменты спектрограмм, по которым производит предсказание. В результате модель выдает наиболее вероятную эмоцию из списка для фразы, а также вероятность этой эмоции. Точность модели порядка 75%.
3. Анализируя результаты работы учителей во время пробного урока и биографические данные учеников, ИИ позволяет подобрать учителя к каждому ученику.
Благодаря аналитике искусственного интеллекта также можно делать прогнозы о профессиональном росте сотрудников, оценивать эффективность их работы. Это делает управление более основательным и результативным. Подобные платформы могут адаптировать учебные материалы под индивидуальные потребности персонала, предлагать персонализированные обучающие курсы и контролировать прогресс обучения. Это помогает сотрудникам более эффективно развивать навыки и соответствовать требованиям компаний, в которых они работают.
На данный момент мы применяем различные модели для оценки качества проводимых уроков и кандидатов. Рекрутинг проходит с помощью работы нейросети. Специально созданная платформа Meet Progkids позволяет ИИ анализировать резюме, видеозапись пробного урока и прогнозировать эффективность учителя, его конверсию. Изначально мы создавали эту платформу в рамках работы с учениками для оценки качества образования, но позже стали использовать повсеместно.
Расскажу, как это работает с технической точки зрения:
1. Проверяющий дает промт (запрос) нейросети. Например: «Проанализируй, насколько хорошо кандидат провел пробный урок».
2. Далее происходит анализ видео- и аудиопотоков. С помощью видео считывается вовлеченность педагога в процесс обучения, выявляются паттерны его поведения. В модуле анализа видео осуществляется детекция лица и определение направления взгляда. Такую задачу можно решить с помощью специальных библиотек, например, Pygaze, либо обучив собственную модель, что мы и сделали.
Через аудио анализируется речь кандидата: насколько она грамотная, есть ли слова-паразиты. Списки вежливых, грубых слов, слов-паразитов составлялись на основе словарей, интернет-ресурсов. Также искусственный интеллект позволяет понять, насколько понятно преподаватель объяснил ученику терминологию, были ли соблюдены правила приведения методических материалов.
Технически аудио конвертируется в нужный формат с помощью ffmpeg, распознавание речи — с помощью модифицированной версии SOVA ASR. Для анализа эмоций используются готовые, заранее обученные модели SpeechBrain.
Так, модуль анализа эмоций по полученному аудио и временным меткам произнесенных слов от модуля распознавания речи генерирует фрагменты спектрограмм, по которым производит предсказание. В результате модель выдает наиболее вероятную эмоцию из списка для фразы, а также вероятность этой эмоции. Точность модели порядка 75%.
3. Анализируя результаты работы учителей во время пробного урока и биографические данные учеников, ИИ позволяет подобрать учителя к каждому ученику.
Благодаря аналитике искусственного интеллекта также можно делать прогнозы о профессиональном росте сотрудников, оценивать эффективность их работы. Это делает управление более основательным и результативным. Подобные платформы могут адаптировать учебные материалы под индивидуальные потребности персонала, предлагать персонализированные обучающие курсы и контролировать прогресс обучения. Это помогает сотрудникам более эффективно развивать навыки и соответствовать требованиям компаний, в которых они работают.
Скрининг профилей кандидатов
Александр Ремишевский
Генеральный директор Mamod
У нас разный опыт применения нейросетей в рекрутинге. В частности, мы протестировали и оценили несколько самых мощных моделей (Claude 3 и GPT-4 нескольких версий) и векторный поиск.
Задачу, которую поставили перед собой, — сократить время на поиск и подбор сотрудников (часто этот процесс называют сорсинг). Исходные данные, в том числе история прошлых работодателей и выполняемые обязанности, брали с нескольких площадок, включая Headhunter и Linkedin.
Далее от 8 до 20 профилей кандидатов отправляли через API к нейросетям, дополняя запрос кастомным промптом и данными по вакансии. Количество профилей регулировали в зависимости от объема текста в них, так как в GPT-4 контекстное окно всего 128 000 токенов (Claude 200 000 токенов). Ожидаемый результат — процент совпадений требований по вакансии и профилям. GPT-4 отработала лучше после ручной валидации, чем Claude.
Также использовали векторный поиск для получения максимально быстрого скрининга профилей. По сути это поиск семантически похожих значений в базе данных по запросу пользователя. Такой способ показал себя чуть хуже, чем способ с нейросетями. В конце концов в качестве более эффективного решения мы используем гибридную систему на стыке векторного поиска и финальной валидации в GPT-4.
Задачу, которую поставили перед собой, — сократить время на поиск и подбор сотрудников (часто этот процесс называют сорсинг). Исходные данные, в том числе история прошлых работодателей и выполняемые обязанности, брали с нескольких площадок, включая Headhunter и Linkedin.
Далее от 8 до 20 профилей кандидатов отправляли через API к нейросетям, дополняя запрос кастомным промптом и данными по вакансии. Количество профилей регулировали в зависимости от объема текста в них, так как в GPT-4 контекстное окно всего 128 000 токенов (Claude 200 000 токенов). Ожидаемый результат — процент совпадений требований по вакансии и профилям. GPT-4 отработала лучше после ручной валидации, чем Claude.
Также использовали векторный поиск для получения максимально быстрого скрининга профилей. По сути это поиск семантически похожих значений в базе данных по запросу пользователя. Такой способ показал себя чуть хуже, чем способ с нейросетями. В конце концов в качестве более эффективного решения мы используем гибридную систему на стыке векторного поиска и финальной валидации в GPT-4.
Обратная связь по итогу собеседования
Екатерина Сыроватская
HR BP «Центр Орбита»
Наша компания находится на этапе активного роста, мы принимаем до 60 сотрудников в сфере IT ежемесячно. Чтобы сохранить качество подбора и высокий темп найма, нам потребовалось бы значительно расширить штат рекрутеров и нанимающих менеджеров, поэтому было принято решение в пользу автоматизации.
В «Центр Орбита» процесс закрывает Empl.ai (сервис с ИИ). Сервис ведет календарь собеседований, с его помощью можно организовывать видеоинтервью для всех участников процесса: рекрутера, кандидата, эксперта, заказчика и администратора.
Платформа проводит тестирование и оценку способностей, навыков и опыта кандидата в соответствии с разработанными чек-листами по профилям должностей.
Сервис работает автоматически:
В «Центр Орбита» процесс закрывает Empl.ai (сервис с ИИ). Сервис ведет календарь собеседований, с его помощью можно организовывать видеоинтервью для всех участников процесса: рекрутера, кандидата, эксперта, заказчика и администратора.
Платформа проводит тестирование и оценку способностей, навыков и опыта кандидата в соответствии с разработанными чек-листами по профилям должностей.
Сервис работает автоматически:
- Анализирует резюме при помощи ИИ и назначает видеоинтервью с HR, техническим экспертом.
- Дает обратную связь нанимающему менеджеру от эксперта по итогам собеседования.
- Проводит фит-интервью (организуем с помощью сервиса).
- Отправляет оффер кандидату.
Оформление новых сотрудников в штат
Екатерина Сыроватская
HR BP «Центр Орбита»
У нас в компании также автоматизировано оформление новых сотрудников. Ранее это происходило в ручном режиме, из-за чего иногда возникали трудности: процесс найма затягивался, появлялись ошибки при заполнении необходимых форм. Всё это несло за собой временные затраты и могло влиять на выбор кандидата. Нам хотелось ускорить процесс найма, избавиться от «ручных» ошибок и быть технологичными для наших основных кандидатов: разработчиков, аналитиков, тестировщиков.
Сейчас процесс найма закрывает HR.Doc (сервис на основе ИИ). Мы внедрили сервис с технологией распознавания документов OCR (Optical Character Recognition) в процесс оформления нового сотрудника. Оптическое распознавание символов (OCR) — это процесс преобразования изображения текста в машиночитаемый текстовый формат. После обработки все данные удаляются.
Порядок действий следующий:
Сейчас процесс найма закрывает HR.Doc (сервис на основе ИИ). Мы внедрили сервис с технологией распознавания документов OCR (Optical Character Recognition) в процесс оформления нового сотрудника. Оптическое распознавание символов (OCR) — это процесс преобразования изображения текста в машиночитаемый текстовый формат. После обработки все данные удаляются.
Порядок действий следующий:
- Специалист по кадрам формирует необходимый пакет документов.
- Направляет новому сотруднику уникальную ссылку для загрузки документов.
- Кандидат подгружает фото или сканы.
- Платформа автоматически проверяет, оцифровывает и заполняет карточку в кадровой системе — 1С, SAP и подобных.
ИИ становится всё более востребован
Искусственный интеллект становится всё более востребованным помощником в области рекрутинга, особенно в выполнении стандартных задач. Например, оценка кандидатов часто основывается на унифицированных критериях, что делает эту функцию идеальной для автоматизации ИИ.
Однако ИИ пока не может быть полностью интегрирован в переговоры. Хотя искусственный интеллект способен поддерживать базовый диалог, он не может глубоко анализировать речь и эмоции людей. ИИ-технологии наиболее эффективны в условиях, где кандидаты следуют четко установленным правилам, например, заполняют резюме по заданному шаблону или выбирают ответы из предложенных вариантов в тестовых заданиях.
Среди задач, которые ИИ может автоматизировать, особенно выделяется сорсинг — поиск кандидатов на начальном этапе. Также ИИ может заменить рутинные и повторяющиеся операции, которые часто выполняются вручную.
Кроме того, ИИ может брать на себя следующие функции:
Если посчитать время, которое рекрутер затрачивает на все эти этапы, можно утверждать, что ИИ потенциально способен освободить от 30 до 50% его рабочего времени. Это время может быть использовано для более творческих и стратегических задач, что повысит общую производительность и ускорит процесс рекрутинга.
Однако ИИ пока не может быть полностью интегрирован в переговоры. Хотя искусственный интеллект способен поддерживать базовый диалог, он не может глубоко анализировать речь и эмоции людей. ИИ-технологии наиболее эффективны в условиях, где кандидаты следуют четко установленным правилам, например, заполняют резюме по заданному шаблону или выбирают ответы из предложенных вариантов в тестовых заданиях.
Среди задач, которые ИИ может автоматизировать, особенно выделяется сорсинг — поиск кандидатов на начальном этапе. Также ИИ может заменить рутинные и повторяющиеся операции, которые часто выполняются вручную.
Кроме того, ИИ может брать на себя следующие функции:
- Анализ рынка труда и подбор кандидатов по заданным критериям.
- Первичный скрининг резюме.
- Анализ профилей кандидатов.
- Создание стандартных сообщений.
- Написание текстов вакансий.
- Обработка большого объема данных при массовом найме.
- Сбор рекомендаций и информации о прошлом опыте работы кандидатов.
Если посчитать время, которое рекрутер затрачивает на все эти этапы, можно утверждать, что ИИ потенциально способен освободить от 30 до 50% его рабочего времени. Это время может быть использовано для более творческих и стратегических задач, что повысит общую производительность и ускорит процесс рекрутинга.
Больше полезного контента — в нашем Telegram-канале Business Diving. Подписывайтесь!
Читайте также
Из каких элементов состоит корпоративный стиль? Кому он нужен? Как работает для достижения целей бизнеса? Ответы — в нашем материале.
Особенности ретаргетинга, поисковой, мобильной, баннерной, контекстно-медийной и других видов интернет-рекламы — в статье.
Telegram запустил виртуальную валюту для оплаты цифровых продуктов. Как это работает, поделились эксперты icontext и других компаний.
Подпишитесь на рассылку
Будьте в курсе новостей от компаний группы
Нажимая на кнопку, вы даёте согласие на обработку персональных данных и соглашаетесь с политикой конфиденциальности.