Завдання
HR-агентство витрачало в середньому 8 годин на скринінг резюме для кожної вакансії: рекрутери вручну переглядали сотні CV, якість оцінки залежала від суб'єктивних критеріїв і втоми. Через непослідовність відбору сильні кандидати часто відсівались на першому етапі, що знижувало якість фінального пулу та збільшувало тривалість закриття вакансій.
Рішення
Розробили NLP-пайплайн на базі BERT для парсингу резюме та семантичного зіставлення з вимогами вакансії. Система витягує навички, досвід і освіту, будує вектори кандидатів і ранжує їх за відповідністю. Рекрутери отримали дашборд з топ-кандидатами, поясненнями рішень і можливістю коригування ваг критеріїв.
Результат
Час скринінгу однієї вакансії скоротився з 8 годин до 45 хвилин. Точність відповідності кандидатів за оцінкою рекрутерів досягла 91%. Система охоплює в 5 разів більше резюме за той самий час. NPS рекрутерів після впровадження зріс на 42 пункти.
Технології
Схожі кейси
Гібридний рушій рекомендацій для fashion e-commerce: +47% до середнього чека
+47% Середній чек (AOV)
FinTech / Платіжні послугиML-система виявлення фроду для платіжного сервісу: -89% втрат від шахрайства
-89% Скорочення втрат від фроду
Агросектор / АПКПрогнозування врожайності для агрохолдингу: +31% точність планування
7,3% Точність прогнозу (MAPE)
Схожа задача? Поговоримо
Маєте схожу задачу?
Ми вже вирішували виклики у галузі HR & Рекрутинг. Розкажіть про ваш проєкт — разом знайдемо оптимальне рішення та складемо план дій.
Хочете подібний результат?
Розкажіть про вашу задачу — проведемо безкоштовну консультацію з ML-архітектором і запропонуємо рішення.