Наниматор: ИИ-сервис для упрощения работы рекрутеров
ИТ-компания Proscom создала решение для оптимизации работы HR-специалистов. Сервис Наниматор позволит ускорить первичную обработку резюме соискателей и упростить отбор кандидатов. Этот ML-проект (Machine Learning) первоначально был реализован для нужд компании, однако через 5 месяцев он показал эффективность и был выпущен на российский рынок.
Сервис увеличивает точность оценки за счет размера набора данных и принципов Big Data (больших данных). Он также способен выделить незаметные человеку закономерности, важные для конкретных вакансий.
Решение уже используют HR-специалисты Proscom и российская ИТ-компании Sitronics Group.
Егор Муравьев, СPО ИТ-компании Proscom
«Мы сделали довольно уникальный для российского рынка сервис. Понятно, что сейчас искусственный интеллект пытаются внедрить во все сервисы, связанные с рекрутингом, но часто это совершенно не оправдано. К примеру, крупная HR-платформа создала рекомендательную систему, которая обучается на мнении конкретного рекрутера и тут же обрастает его предубеждениями. Иными словами, изначальные данные этой системы основаны на мнении человека с определенными предпочтениями. Ему могут не нравиться молодые женщины, окончившие МГУ, или мужчины с короткой стрижкой.
В нашем же случае происходит масштабирование реальных данных компании, для которой мы обучаем модель. По этой причине мы не используем облако, только on-premise решение – компании не хотят (и не должны) делиться со всем миром данными своих сотрудников.
В результате мы получаем набор данных, близкий к идеальному. Он существенно сокращает время на отбор резюме, качественно его улучшает и ускоряет закрытие позиций за счет выбора наиболее подходящих кандидатов».
Как работает Наниматор
Наниматор — это сервис, созданный на основе NLP-модели и алгоритмов машинного обучения:
- NLP-модель (Natural Language Processing — обработка естественного языка). Это технология машинного обучения, которая дает возможность интерпретировать и «понимать» язык человека;
- алгоритмы ищут закономерности успешных и неуспешных резюме. Важно отметить, что маркер успешности и неуспешности для обучения модели задает человек, ее обучающий. Так он учит машину отличать хорошее от плохого, показывая примеры подходящих и неподходящих резюме.
Сервис способен определять: наличие или отсутствие ключевых навыков и опыта, спецификации вакансии, релевантность опыта успешных кандидатов. Модель учитывает требования, указанные в объявлении о вакансии и сравнивает их с информацией в резюме. Это позволяет выявить соответствие между ожиданиями работодателя и предоставленной кандидатом информацией.
Наниматор обучен на двух массивах данных – на резюме подошедших и не подошедших соискателей. Алгоритмы обращаются к опыту успешных кандидатов, сопоставляют их характеристики и признаки с новыми резюме, чтобы выделить общие черты подходящих сотрудников. После анализа новых резюме сервис составляет рейтинги кандидатов для каждой вакансии. Он также полностью исключает человеческий фактор в обработке резюме — он руководствуется только навыками и опытом кандидата.
В Наниматор уже загружены несколько моделей, обученных на наиболее распространенных вакансиях в области ИТ в России: руководитель проектов, системный аналитик, продуктовый дизайнер и других. С его помощью компания Sitronics Group уже нашла фронтенд-разработчика, инженера по тестированию (QA) и бухгалтера. Важно также отметить, что время на скрининг и первичный скоринг резюме уменьшилось: сервис обрабатывает 100 резюме за 10 минут — раньше на это требовалось 5 часов.
Для наибольшей эффективности организациям предлагается создавать и обучать модели, основанные на их собственных данных. При этом команда Proscom поможет обучать новые модели: она самостоятельно отберет резюме для обучения алгоритмов, учитывая необходимые ключевые навыки, и обогатит их реальными данными организации. В итоге, компания-заказчик получит модель, обученную на ее же собственных данных, а не на мнении отдельных рекрутеров.
Какой эффект Наниматор дает бизнесу?
Мы на протяжении одного года исследовали HR-процессы одного крупного банка (с численностью 10 000 сотрудников): подбор, интервью, наём, онбординг, обучение и непосредственная работа.
В результате мы выяснили, что в год организация нанимает 2000 линейных сотрудников и тратит ресурсы на их обучение и работу. Однако 30% этих работников увольняются в первые 3 месяца. Так банк теряет до 50 000 000 рублей в год.
Наниматор позволит уменьшить убытки на наём и содержание персонала, поскольку снизит число увольнений по инициативе работника за счёт более релевантного и точечного подбора.
Сервис также сокращает стоимость найма — HR-специалисты тратят меньше времени на просмотр резюме и быстрее закрывают вакансии.