Робот для HR: как мы научили ИИ-сервис обрабатывать тысячи резюме

Создать ИИ-сервис для оценки резюме

Идея сервиса появилась больше года назад, когда мы работали над другим ML-проектом.

ML (Machine Learning) — Машинное обучение — подраздел искусственного интеллекта, который использует техники, чтобы обучать системы выполнять определенные задачи на основе представленных данных.

Мы значительно расширяли штат, и рекрутеры ежедневно просматривали десятки соискателей. Количество подаваемых резюме росло, а число HR-специалистов оставалось прежним. Очередь из резюме выросла до трехзначного числа, несмотря на то, что рекрутеры оперативно их обрабатывали. Тогда мы поняли, что пора автоматизировать этот процесс. И сменили вектор развития нашего ML-проекта — переформатировали его для HR-сферы. Так появился Наниматор.

Ручная обработка сотен резюме — это дорого и неэффективно. Тратить ресурсы специалистов на такие задачи по меньшей мере расточительно. Чтобы оптимизировать этот процесс, мы обратились к искусственному интеллекту.

За основу мы взяли:

— NLP-модель (Natural Language Processing — обработка естественного языка). Это технология машинного обучения, которая дает возможность интерпретировать и «понимать» язык человека;

— алгоритмы, которые ищут закономерности успешных и неуспешных резюме. Маркер успешности и неуспешности для обучения модели задает человек, ее обучающий — учит отличать «хорошее» от «плохого», загружая примеры подходящих и неподходящих резюме.

Наш сервис изучил и проанализировал входные данные: мы «объяснили» ему, какие резюме подходят, а какие — нет. Так Наниматор стал отслеживать наличие или отсутствие ключевых навыков и опыта, определять спецификации вакансии и учитывать релевантность опыта успешных кандидатов.

Модель исследовала требования, указанные в объявлении о вакансии, и сравнивала их с информацией в резюме. Это позволило выявить соответствие между ожиданиями работодателя и предоставленной кандидатом информацией.

Так из сотен неразобранных резюме Наниматор выбрал 50 наиболее подходящих, которые мы передали HR-специалистам.

Через две недели HR-специалисты вернулись с обратной связью — наши алгоритмы отлично справились — и мы продолжили работу.

Важно отметить, что модель полностью исключает человеческий фактор в обработке резюме. Наниматор не может отказать кандидату из-за его внешности или забыть положить резюме в папку, потому что устала. Он руководствуется только навыками и опытом соискателя.

Чтобы пользоваться Наниматором было комфортно, мы проанализировали популярные платформы для поиска работы. Исследовали процессы заполнения резюме, пытались понять, что работодатели ждут от соискателей .

Взяв за основу результаты этого анализа, мы продумали пользовательский путь и воплотили его в интуитивно понятном интерфейсе.

Дизайн получился максимально «чистым»:

— мы четко обозначили зоны загрузки резюме — можно загружать их «пачкой»;

— добавили прогресс-бар для демонстрации процесса обработки;

— оставили ряд подсказок на разных этапах работы с сервисом;

— показали, где искать результаты.

Мы создавали Наниматор для нужд компании, но через 5 месяцев он показал эффективность, и мы выпустили его на российский рынок.

На старте мы предлагаем несколько моделей, обученных на наиболее распространенных вакансиях в ИТ-сфере: руководитель проектов, системный аналитик, продуктовый дизайнер, фронтенд-разработчик и других.

С помощью готовых моделей рекрутеры могут протестировать сервис и понять, как он работает. Но для того, чтобы получить максимальный эффект, необходимо использовать собственные уникальные модели, основанные на данных компании.

Для этого мы помогаем создавать новые модели: самостоятельно отбираем резюме для обучения алгоритмов, учитывая необходимые ключевые навыки, и обогащаем их реальными данными компании.

Так происходит масштабирование этих данных. Именно из-за этого не используем облачное решение, только On-Premise формат – компании не должны делиться со всеми данными своих сотрудников.

В результате компания получает набор данных, близкий к идеальному. Он существенно сокращает время на отбор резюме, качественно его улучшает и ускоряет закрытие позиций за счет подбора наиболее релевантных соискателей.

Наниматор успешно запущен — с его помощью компания Sitronics Group уже нашла фронтенд-разработчика, инженера по тестированию (QA) и бухгалтера.

Кстати, время на скрининг и первичный скоринг резюме уменьшилось: сервис обрабатывает 100 резюме за 10 минут — раньше на это требовалось 5 часов.

Наниматор позволяет уменьшить убытки на наём и содержание персонала — он снижает число увольнений по инициативе работника из-за подбора максимально релевантных кандидатов.

Сервис также сокращает стоимость найма за счет того, что HR-специалисты тратят меньше времени на просмотр резюме и быстрее закрывают вакансии.