ИИ скрининг резюме

Кому подходит: HR-командам и рекрутерам, где поток резюме большой, вакансий много, а скорость найма и качество первичного отбора напрямую влияют на time-to-hire.
Где работает: в вашей ATS/HRM и в каналах получения откликов (Авито, hh.ru, телеграм) — анализирует резюме, сопоставляет с требованиями вакансии, ранжирует кандидатов, формирует краткое резюме и список вопросов на интервью.
Цель внедрения: ускорить первичный отбор, снизить ручной перебор резюме и быстрее выводить подходящих кандидатов на интервью.

Задача

Нужно сделать первичный скрининг быстрым:

автоматически сопоставлять резюме с требованиями вакансии по опыту, навыкам и релевантности
ранжировать кандидатов и выделять топ, чтобы ускорять выбор и не терять сильных людей
выявлять соответствия и риски (пробелы, несоответствие грейду, слабая релевантность домена) в понятной форме
снижать влияние субъективности и обеспечивать единый стандарт отбора между рекрутерами
сокращать time-to-hire за счёт быстрого прохождения кандидатов через воронку

Функции ИИ скрининга

Парсит резюме и выделяет ключевые факты

Сопоставляет кандидата с вакансией и рассчитывает match-score

Ранжирует кандидатов

Показывает объяснение оценки: какие требования закрыты, какие нет, где есть риски

Рекомендует уточняющие вопросы и чек-лист для первичного интервью

Выявляет дубликаты кандидатов и объединяет профили из разных источников откликов

Формирует краткое резюме кандидата для рекрутера

Стек

Мы подбираем вариант под ваши требования к данным и инфраструктуре. Типовой стек, который используется при внедрении:

Модель (извлечение/матчинг)
LLM для структурирования резюме и сопоставления с требованиями
Классические модели ранжирования/поиска по навыкам (по необходимости)
Правила грейдов и must-have / nice-to-have для управляемости
01
Данные и хранилище
Резюме (PDF/DOC/профили), анкеты кандидатов, результаты этапов
Описания вакансий, компетенции, матрица грейдов, требования по стеку
PostgreSQL / DWH / S3-хранилище (по масштабу)
02
Интеграции и автоматизация
ATS/HRM: Huntflow / CleverStaff / Potok / SAP SuccessFactors / Workday / любая через API
Источники откликов: job-сайты, почта, формы, Telegram/боты (через доступные интеграции)
Автоматизация: n8n / Make / Zapier
03
Контроль качества
Единые критерии оценки и веса требований, настройка порогов shortlist
Логи решений и выборочная сверка с рекрутером для калибровки
Отчётность по конверсии воронки и качеству shortlist
04
Безопасность и контроль
RBAC/роли, аудит логов, разграничение доступа к персональным данным
Маскирование PII при необходимости, хранение данных в вашем контуре
Развёртывание: Docker, при необходимости Kubernetes; мониторинг/логирование
05

Как устроена система

Источники
- Мы фиксируем, откуда приходят резюме: ATS, job-сайты, почта, формы, рекомендации, а также требования вакансии, матрица компетенций и правила грейдов.
Маршрутизация сценариев вместо
Мы делим логику на модули:
- входной шлюз (резюме → профиль)
- структурирование (опыт/скиллы/таймлайн)
- матчинг (must-have/nice-to-have, весовые коэффициенты)
- ранжирование (shortlist)
- маршрутизатор (куда отправить, какой этап назначить)
Контроль качества
Встраиваем правила:
- оценка объяснима и опирается на требования вакансии
- если данных в резюме не хватает — отмечаем “нужно уточнить”, а не занижаем без причины
- критичные требования (must-have) контролируются отдельно, чтобы shortlist был управляемым
Интеграция
Система структурирует работу:
- записывает match-score и комментарии в карточку кандидата,
- прикладывает резюме-профиль,
- создаёт задачу рекрутеру и может предлагать следующий этап (скрининг/тест/интервью).
Контроль найма
Найм ускоряется и становится прозрачнее:
- рекрутер видит топ кандидатов и причины оценки,
- hiring manager получает понятный shortlist, а время на первичный отбор сокращается без потери качества.