AI-скрининг резюме
TechCorp — IT компания с 120 сотрудников, нанимает 3-5 разработчиков в месяц. Внедрили AI для автоматического отбора и ранжирования кандидатов.
Проблема
TechCorp активно растет — открывают новые проекты, нужны разработчики. На одну вакансию приходит 80-120 резюме. HR-менеджер Алия тонет в потоке резюме.
Основные проблемы:
- 15 часов в неделю на просмотр резюме — читает по 5 минут каждое
- Пропускает хороших кандидатов — не хватает времени прочитать все
- Субъективность — выбирает по опыту работы, но это не всегда показатель
- Много "пустых" интервью — половина не подходит после разговора
- Time-to-hire 32 дня — теряют кандидатов, пока идет отбор
- Не видит паттернов — кто из нанятых был успешным
Алия пыталась делать быстрый скрининг по ключевым словам (Python, React), но это пропускало джуниоров без опыта, которые могли бы стать сильными.
Решение
Разработали AI-систему которая анализирует резюме по 30+ критериям и выдает ранжированный список кандидатов с вероятностью успеха.
Что анализирует система:
- Hard skills — языки программирования, фреймворки, инструменты
- Опыт работы — длительность, уровень компаний, роль
- Образование — вуз, специальность, курсы
- Проекты — GitHub, портфолио, хакатоны
- Soft skills — формулировки в резюме, структура, грамотность
- Культурный fit — ценности компании vs стиль резюме
Модель обучена на данных 240 прошлых наймов (успешные vs неуспешные). "Успешный" = прошел испытательный срок и работает больше года.
Как это работает:
- Кандидат отправляет резюме через форму на сайте
- AI анализирует PDF/DOCX, извлекает данные
- Считает скор от 0 до 100 по каждому критерию
- Алия видит топ-20 кандидатов с объяснением: "Python 9/10, проекты на GitHub, опыт в стартапе"
- Приглашает на интервью только топ-20 вместо всех подряд
Результаты
Время на скрининг сократилось с 15 до 5 часов в неделю (-65%). Алия теперь смотрит только топ-20 из 100 резюме, остальные фильтрует AI.
Качество найма выросло на 30% — retention после года вырос с 70% до 91%. Система видит паттерны которые пропускал человек (например, наличие pet-проектов важнее опыта в крупных компаниях).
Time-to-hire сократился с 32 до 18 дней (-45%). Быстрее находят подходящих, меньше "пустых" интервью — 80% приглашенных подходят (было 50%).
Алия теперь тратит время на работу с кандидатами, а не на чтение резюме. Может обработать 2 вакансии одновременно вместо одной.
Система показывает инсайты: "Кандидаты с опытом менее 2 лет, но с pet-проектами показывают лучшие результаты чем с 5 летами опыта но без проектов".