Ну если LLM (как некоторые коллеги написали ниже) может генерить анкеты, то, кажется, нормальной практика использовать LLM для того, чтобы как минимум выявить такие анкеты и подсветить их :)
А вообще статье не написано что LLM делает отсев, она делает скоринг, а это несколько разные вещи, т.е. все отклики и анкеты остаются в доступности HR. И HR волен решать, как ему эти отклики и анкеты обрабатывать. Но как показала практика низкий балл имеют отклики и анкеты, в которых нет за что "зацепиться", т.е. это или случайно попавшие (а в АПИ очень много таких попадает) или вообще спам. И такие отклики и анкеты, если в них нет ничего нужного нам, и HR-ами отклоняются, но для этого коллегам нужно портить кучу времени.
Да конечно верификация была! У нас разработана CRM-Recruiter в которой хранятся резюме и результаты их обработки за последние несколько лет, перед запуском AI-помошника рекрутера (сервис называется так) мы делали отладку и тестирование на данных за последние полгода, нам конечно пришлось править промты, но результат тестов был близким к одобренным в ручную анкетам. Более того уже после выкладки в реал, в течении двух месяцев шла параллельная работа и HR и сервиса. Результаты были очень близки к "ручной" обработке рекрутерами.
Но нужно понимать, что мы не исключили работу HR совсем, мы отсеиваем, явно не подходящих кандидатов и спам (которого к сожалению приходит достаточно много).
Система работает не на отсеивание, а на ранжирование. В зависимости от востребованности вакансии на рынке мы можем пригласить на собеседование как тех, кто получил высокий рейтинг, так и тех, кому баллов не хватило.
Автоматизированный первичный анализ резюме помогает высвободить время для коммуникаций с кандидатами, чтобы проводить больше интервью и встречаться с большим количеством кандидатов.
ИИ в рекрутменте сейчас используют многие, в том числе крупные сайты-агрегаторы вакансий. Например, для работодателей при парсинге резюме список выстраивается таким образом, что первыми идут резюме с большим соответствием вакансии как по содержанию, так и по конкретным словам. При этом те резюме, которые кандидаты присылают нам прицельно, мы полностью отсматриваем.
Наша цель состоит в том, чтобы отсмотреть как можно больше резюме и никого не оставить без внимания. Поэтому наша система отбора направлена на помощь рекрутеру в анализе резюме и фокусировке на ключевых компетенциях для поиска.
Ну если LLM (как некоторые коллеги написали ниже) может генерить анкеты, то, кажется, нормальной практика использовать LLM для того, чтобы как минимум выявить такие анкеты и подсветить их :)
А вообще статье не написано что LLM делает отсев, она делает скоринг, а это несколько разные вещи, т.е. все отклики и анкеты остаются в доступности HR. И HR волен решать, как ему эти отклики и анкеты обрабатывать. Но как показала практика низкий балл имеют отклики и анкеты, в которых нет за что "зацепиться", т.е. это или случайно попавшие (а в АПИ очень много таких попадает) или вообще спам. И такие отклики и анкеты, если в них нет ничего нужного нам, и HR-ами отклоняются, но для этого коллегам нужно портить кучу времени.
Да конечно верификация была! У нас разработана CRM-Recruiter в которой хранятся резюме и результаты их обработки за последние несколько лет, перед запуском AI-помошника рекрутера (сервис называется так) мы делали отладку и тестирование на данных за последние полгода, нам конечно пришлось править промты, но результат тестов был близким к одобренным в ручную анкетам. Более того уже после выкладки в реал, в течении двух месяцев шла параллельная работа и HR и сервиса. Результаты были очень близки к "ручной" обработке рекрутерами.
Но нужно понимать, что мы не исключили работу HR совсем, мы отсеиваем, явно не подходящих кандидатов и спам (которого к сожалению приходит достаточно много).
Система работает не на отсеивание, а на ранжирование. В зависимости от востребованности вакансии на рынке мы можем пригласить на собеседование как тех, кто получил высокий рейтинг, так и тех, кому баллов не хватило.
Автоматизированный первичный анализ резюме помогает высвободить время для коммуникаций с кандидатами, чтобы проводить больше интервью и встречаться с большим количеством кандидатов.
ИИ в рекрутменте сейчас используют многие, в том числе крупные сайты-агрегаторы вакансий. Например, для работодателей при парсинге резюме список выстраивается таким образом, что первыми идут резюме с большим соответствием вакансии как по содержанию, так и по конкретным словам. При этом те резюме, которые кандидаты присылают нам прицельно, мы полностью отсматриваем.
Наша цель состоит в том, чтобы отсмотреть как можно больше резюме и никого не оставить без внимания. Поэтому наша система отбора направлена на помощь рекрутеру в анализе резюме и фокусировке на ключевых компетенциях для поиска.