Анализ показал, что на эффективность найма влияют 19 ключевых предикторов текучести персонала: время в пути до работы, несоответствие ожиданий от вакансии реальной работе, слабая адаптация, отсутствие обучения, реферальный статус кандидата, история текучести руководителя и другие факторы. Если рекрутер будет вручную прогонять такой комплексный чек-лист по каждому кандидату — это займет 35 минут. Российские разработчики создали ИИ, который делает это за полторы минуты и более объективно.
Особенно остро проблема стоит для различных категорий специалистов:
Для решения этих задач IT-компания ZeBrains совместно с рекрутинговым агентством The Find разработали Grade-Me. Платформа использует передовые алгоритмы машинного обучения для анализа аудиозаписей собеседований, оценивая профессиональные компетенции и личностные качества кандидатов. Grade-Me использует 19 предикторов, пользователи могут применять готовые чек-листы и шаблоны, основанные на этих предикторах, для прогнозирования срока работы кандидатов и принятия обоснованных решений о найме. Платформа полностью адаптирована под российский рынок и страны СНГ, предлагая простую интеграцию без необходимости замены существующих HRM-систем.
На текущий момент система обработала 981 интервью, продемонстрировав конкретные улучшения:
«Мы создали инструмент, который не только ускоряет подбор, но и повышает его точность и прозрачность. Grade-Me меняет подход к подбору персонала, позволяя HR-специалистам сосредоточиться на стратегических задачах вместо рутинной обработки данных. Это шаг к автоматизации HR-процессов, сохраняющий простоту и удобство для пользователей», — отметил Павел Сизов, CEO The Find и основатель проекта.
В ближайшие три года Grade-Me планирует масштабироваться до 10 млн оценок в год и закрепить лидерство на рынке HR-технологий в России и СНГ.