HabrПодбор персонала с помощью ИИ
Как я перестал читать сотни резюме и научил ИИ проводить первичный отбор кандидатов. От поиска товаров к поиску людей. История о том, как превратить рутинный найм в автоматизированный процесс с помощью API HH.ru и Gemini. Привет! На связи снова Евгений. Это четвертая часть цикла о моем самописном инструменте, который вырос из простого поисковика по Excel-файлам в полноценную систему управления бизнес-процессами. Чтобы вы понимали контекст: Сначала я сделал поиск по внутренней базе товаров, чтобы менеджеры не путались в ассортименте. Потом добавил парсер и модуль сравнения цен, чтобы мы понимали, что происходит у конкурентов. Затем прикрутил генератор контента и изображений. И как всегда аппетит растет во время еды. В малом бизнесе часто нет отдельного HR-специалиста. Эту функцию выполняет собственник или руководители отделов. И это всегда привносит определенные неудобства. Процесс найма обычно выглядит так: Ты публикуешь вакансию на HeadHunter. За день прилетает 50–100 откликов. Ты начинаешь их открывать. Через час у тебя дергается глаз. Половина кандидатов вообще не читала описание вакансии. Люди откликаются веерно: «Авось куда-то возьмут». Ты ищешь менеджера в B2B со знанием тендеров, а тебе присылают резюме продавца-консультанта из салона сотовой связи. Формально и то, и то — «продажи», но по факту — разные вселенные. Чтобы найти одного достойного кандидата, нужно просеять сотни анкет. Это часы монотонной работы, которая отвлекает от реальных дел. Я посмотрел на свой инструмент, где уже успешно трудились нейросети Gemini, и подумал: «Если ИИ может понять, подходит ли этот товар под запрос клиента, почему он не может понять, подходит ли этот человек под нашу вакансию?»
Habr 25+
