Рассказываю, как участник нашего клуба по нейронкам запрограммировал ассистента на основе ChatGPT, чтобы упростить жизнь рекрутёрам. У него получилось расширение, которое прямо в интерфейсе HH делает первичную оценку навыков соискателей. Процесс по шагам — в статье.
Привет! Это Паша Молянов. Я развиваю клуб о нейросетях «Нейроцех». Хочу поделиться тем, что сделал при помощи нейронок наш резидент Новомир. Далее — его прямая речь:
Опыт с нейросетями: С нейронками я работаю профессионально — делаю под заказ сервисы, основанные на ИИ. Мои решения компании внедряют в свой маркетинг, используют для аналитики и автоматизации работы.
Задачи, которые я решаю нейросетями, самые разные: например, при помощи ИИ я анализировал точки роста компании и обнаруживал упущенную прибыль в пять миллионов. Я постоянно что-то автоматизирую и даже трейдерство переложил на ИИ — развиваю своего бота для аналитики и торговли криптотокенами.
Эйчар тратил уйму времени на подбор кандидатов
Ко мне обратились HR-специалисты с простой, но болезненной проблемой: на HeadHunter приходится вручную просматривать десятки резюме, копировать данные и проверять их на соответствие вакансии. Даже просмотр нескольких анкет отнимает десятки часов, а когда найм массовый — уходят целые дни.
Задача: сделать инструмент, который прямо на странице вакансии автоматически оценивает кандидата по заданным критериям — например, опыт работы в нужной сфере, наличие конкретных навыков, готовность к командировкам. Оценка должна быть в формате короткого, понятного отчёта, чтобы HR видел результат за секунды.
Первым делом — сформулировал критерии и промпт
Чтобы плагин действительно помогал HR-специалистам, нужно было договориться о том, какие параметры считать ключевыми для оценки кандидата. Я обратился с этой задачей в ChatGPT и попросил подобрать пять важных характеристик, по которым можно оценить кандидата. Промпт был несложным:
Выступи помощником HR. Помоги составить 5 критериев для оценки резюме на соответствие должности, чтобы исключить нерелевантный опыт, частую смену работ и навыки коммуникации для продаж. |
Когда получил список критериев, отдал их на утверждение HR — специалист утвердил их в первой же итерации. Теперь робо-помощник оценивал:
Опыт кандидата — есть ли он на аналогичных или похожих должностях, насколько обширный.
Навыки коммуникации — эти выводы нейронка делала на основании резюме и описанных задач. В том числе нейронка оценивала навыки английского и опыт в переговорах.
Опыт в продажах: насколько подходящая сфера, насколько обширный опыт, какие достижения есть.
Образование кандидата — в приоритете были профильные курсы и учебные заведения.
Стабильность: часто ли кандидат менял работу, сколько времени проводил на одном и том же рабочем месте. Бывало ли такое, что он увольнялся через пару недель.
Я попросил ChatGPT сформулировать критерии в виде промпта в формате json, чтобы в будущем процесс можно было автоматизировать.
Затем я вручную немного скорректировал промпт и забрал в работу. В результате первого этапа я получил готовые критерии для оценки и промпт на языке нейронки. Дальше можно было переходить к интерфейсу.
Создал расширение — целиком в ChatGPT
Я прикинул, что для решения задачи мне будет достаточно одного ChatGPT. Поэтому для подготовки расширения я снова обратился к нему. По моей задумке, оценка резюме должна идти в реальном времени, прямо в браузере — но для этого нейросети нужно знать, откуда брать данные.
Здесь всё просто: я зашёл на hh.ru и посмотрел, в какой ячейке хранятся данные о кандидате. Это можно посмотреть через инструменты разработчика прямо в браузере:
Затем я перешёл в ChatGPT и вписал ему промпт — сразу с наводкой о том, где нужно искать данные. Это необходимо, чтобы нейронка собирала данные не абы как, а в едином виде раз за разом. Дальше в ход пошёл промпт:
Давай напишем Chrome-расширение, которое будет получать данные о резюме на сайте hh.ru с текущей страницы, карточки находятся в блоках class="magritte-card___bhGKz (в конце символы каждый раз разные). Напиши мне код расширения и код php скрипта, который общается с ChatGPT. |
Более сложные задачи я разделяю нейронке на несколько этапов, но это расширение совсем не сложное, поэтому я поставил задачу одним запросом. ИИ справился с задачей достаточно быстро — я внёс лишь пару корректировок.
Дальше я вручную подготовил взаимодействие между клиентом и сервером так, что в конечном итоге получалась такая схема:
Данные парсятся в JSON. Чтобы не копировать всё вручную, расширение вытягивает информацию прямо со страницы и складывает в JSON.
JSON уходит на сервер. Данные передаются не напрямую в ChatGPT из браузера, а через сервер, где уже хранится токен модели. Это сделано специально, чтобы HR-специалисты не вводили токен вручную и не светили его в расширении.
Анонимизация. Перед тем как отправлять в ChatGPT, данные в JSON анонимизируются — убираются имена и контакты кандидата.
Ответ тоже в JSON. ChatGPT возвращает структурированный результат: оценку по критериям, которую потом видит HR в интерфейсе плагина.
В целом, приложение уже справлялось со своей задачей, но в текущем формате пользоваться им было бы неудобно, потому что нет графического интерфейса. Взялся его дорабатывать.
Я создал простенький интерфейс. Мне было важно, чтобы в окне браузера появилась оценка напротив резюме — в небольшом окошке, без каких-то сложных дизайнерских наворотов. Подготовить такой поп-ап я тоже попросил ChatGPT, он справился за один заход.
По сути, у нейронки было всего три критерия:
интерфейс должен быть простым — достаточно просто прямоугольного окошка;
нужна цветовая индикация, где зелёный — «хорошо», красный — «плохо»;
нужны оценки по каждому критерию, которые прописаны прямо в окне.
ChatGPT сформулировал мне готовый код, который я встроил в расширение для браузера. Дело осталось за малым.
Добавил редактирование промпта. Логично, что все резюме для всех кандидатов невозможно оценивать по одним и тем же критериям. Поэтому для HR я предусмотрел окно, в котором можно будет изменить параметры.
Здесь ничего необычного: я просто сформулировал для GPT несколько задач последовательно:
Добавить окно ввода над всеми карточками;
Сделать для этого окна интерфейс;
Сделать так, чтобы это окно было связано с промптом, и он обновлялся при изменении информации в окне.
Готово — теперь HR компании заказчика могут устанавливать себе расширение в Chrome, и оценивать кандидитов в разы быстрее. Достаточно вбить свой запрос в строку для анализа и щёлкнуть кнопку «Анализировать резюме».
В результате — ресёрчеры экономят десятки часов
Раньше HR приходилось часами отсматривать резюме и вручную их фильтровать, чтобы вытащить первичные данные и отсортировать по разным категориям. Теперь им даже не нужно открывать карточки — ИИ-ассистент даёт им первое представление о соискателях.
Промпт можно настраивать, менять критерии оценки и подгонять в зависимости от позиции, на которую ищут сотрудника. Поэтому сейчас ресёрчеры могут нанять продажников, а затем использовать сервис для поиска других работников.
Напротив каждого кандидата прямо в интерфейсе HH появилось новое окно с оценкой — эти данные можно выгружать в PDF, чтобы HR могли наводить порядок в документах.
Расширение уже активно используют в работе компании. У сотрудников ушла часть самой монотонной работы — фильтровать уйму резюме на начальном этапе. Теперь они могут сосредоточиться на том, чтобы уделять больше времени действительно достойным кандидатам.
На разработку ушло около трёх–четырёх часов
По моим прикидкам, разработка расширения без нейронок заняла бы как минимум втрое больше времени. Скорее всего, я просидел бы за ним целый день, а то и два.
Мне кажется, нейронки сильно облегчают жизнь — это такой помощник, который забирает с тебя рутину, а тебе остаётся лишь грамотно его направлять. Наверное, с ИИ человек без опыта в программировании тоже мог бы создать что-то похожее, просто на это ушло бы больше времени.
Такие кейсы мы освещаем Telegram-канале клуба. В нём пишем про нейронки и о том, как они помогают мне в работе, бизнесе и повседневной жизни.
