Как помогает ИИ. Рекрутмент, база кандидатов и таксономия навыков

Буду периодически делиться супер-прикладными кейсами того, как и где ИИ реально помогает нам и нашим клиентам. Сегодня кейс про рекрутмент и работу с базой кандидатов.

Основой всех автоматизаций в нашей ATS я считаю «таксономию навыков» — большой структурированный справочник на 2000+ всевозможных айтишных навыков. Благодаря моделькам-эмбедерам (если интересно, у нас для этого используется text-embedding-3-small от Open AI) все они хранятся у нас в векторизованном виде.

Это позволяет нам обрабатывать и структурировать CV всех кандидатов так, что буквально каждое упоминание какой-то технологии в текстовом резюме вытаскивается и метчится с конкретными элементами нашей таксономии. И за счет нейросетей это именно семантический метчинг: т.е. фраза из резюме «пилил еком на ларе» абсолютно корректно подтянет Laravel из нашей базы.

При этом, каждое такое сопоставление и привязка кандидатов к навыкам обогащает сами навыки синонимами. А если подобрать релевантный навык из нашей базы не удалось, то создается новый — таким образом, база сама постепенно расширяется.

База благодаря этому остается всегда актуальной и чистой - добиваться такой дисциплины при ручном заполнении карточек кандидатов было бы просто невозможно.

Сам факт того, что данные о кандидатах у нас хранятся не просто в виде структурированных массивов строк, а имеют эти привязки открывает нам огромные возможности для аналитики, для интеллектуального (и быстрого!!!) метчинга кандидатов на вакансии, для быстрого поиска по базе. Про все эти вещи напишу отдельно


🙂Спектр