Инструменты HR

Как работает ИИ-разбор резюме в Treex: что видит нейросеть и чего не делает

Поделиться: Telegram ВКонтакте
ИИ-разбор резюме в Treex: PDF превращается в карточку кандидата, контакты скрыты

Резюме пришло в PDF, и его надо превратить в карточку кандидата: должность, город, зарплатные ожидания, опыт по местам работы, навыки, образование. Руками это пять минут копирования из одного окна в другое, и к десятому резюме за день внимание уже плывёт. ИИ-разбор резюме в Treex делает эту часть за несколько секунд. Но прежде чем доверить нейросети данные кандидатов, разумно спросить, что именно она видит, куда уходит текст и где ей нельзя верить на слово.

Ниже разбираем ИИ-разбор так, как он устроен в продукте сейчас: путь резюме от файла до карточки, что доходит до модели и что нет, какие поля она заполняет, чего она не делает принципиально и сколько это стоит.

Что такое ИИ-разбор резюме в Treex

Это одна конкретная операция: нейросеть читает текст резюме и раскладывает его по полям карточки кандидата. Не оценка, не рейтинг, не совет «звать или не звать». Только перенос данных из свободного текста в структуру, которую дальше можно фильтровать и сравнивать.

Запускается разбор двумя путями.

Кнопкой. Когда вы добавляете кандидата и прикладываете резюме в PDF, рядом появляется кнопка «AI-разбор». Нажали, подождали, поля формы заполнились. Обычно это занимает 5-10 секунд. Карточка не сохраняется сама: вы видите заполненную форму с подсказкой «Поля заполнены ИИ-разбором. Проверьте и при необходимости отредактируйте перед сохранением» и сохраняете её сами.

Автоматически. Когда кандидат откликается на вакансию через работа.онлайн (это наш каталог вакансий, связанный с Treex) и прикладывает резюме, разбор запускается без вашего участия. Такая карточка получает бейдж «ИИ-разбор» с подсказкой «Заполнено ИИ-разбором, ещё не проверено вручную». Бейдж пропадает, как только вы поправите в карточке хотя бы одно поле: система считает, что человек её посмотрел.

Если вам нужен более широкий взгляд на нейросети в подборе, с законом и типичными ошибками моделей, он есть в статье про нейросеть для разбора резюме. Здесь речь только о том, как это сделано у нас.

Путь резюме: от PDF до карточки за шесть шагов

Разбор устроен как конвейер. Модель стоит в нём на одном шаге из шести, и это сделано намеренно.

  1. Из PDF достаётся текст. Берётся только текстовый слой файла. Фотография, логотипы, оформление дальше не идут.
  2. Проверяется, есть ли что разбирать. Если в PDF нет текста (типичный случай - скан), разбор останавливается с сообщением «PDF не содержит текст». Если текста меньше 40 знаков, модель тоже не вызывается.
  3. Вырезаются контакты. Почта, телефон, ник в Telegram и ФИО из шапки резюме заменяются метками [EMAIL], [PHONE], [TELEGRAM], [FIO]. Делает это не нейросеть, а обычный программный фильтр, ещё до обращения к модели.
  4. Нейросеть заполняет поля. Обезличенный текст уходит в GigaChat, языковую модель Сбера. Модель получает список полей с описаниями и возвращает их заполненными.
  5. Контакты возвращаются на место. Почта, телефон и Telegram, которые фильтр вырезал на третьем шаге, подставляются в карточку напрямую, минуя модель.
  6. Заполняются только пустые поля. Если вы уже ввели должность или город руками, разбор их не перезапишет.

Такая схема даёт два свойства. Контакты кандидата модель не видит вообще, а значит, и ошибиться в них не может: телефон в карточке всегда тот, что был в файле. А ручная работа рекрутера всегда главнее машинной.

Что видит нейросеть при разборе резюме

Вопрос «что видит модель» - главный, когда речь о персональных данных. Ответим на него без округлений.

Что доходит до модели

Текст резюме после вырезания контактов. В нём остаётся всё, ради чего разбор и нужен:

  • желаемая должность и зарплатные ожидания;
  • город;
  • места работы: компании, периоды, должности, описание обязанностей;
  • навыки, языки, образование;
  • раздел «О себе»;
  • дата рождения, если кандидат её указал. Её модель тоже переносит в карточку.

Что не доходит

  • Фотография и сам файл. Модель получает только текст.
  • Почта, телефон и Telegram. Их заменяют метки.
  • Ваши заметки, комментарии, история общения с кандидатом, этап воронки.
  • Вакансия. Модель не знает, на какую позицию вы рассматриваете человека, и поэтому не может под неё подстраиваться.

Где маскировка работает не идеально

Контакты вырезает программный фильтр по шаблонам, и у него есть предсказуемые слепые зоны. Лучше знать о них заранее:

  • ФИО вырезается, когда оно стоит отдельной строкой в шапке и написано кириллицей. Имя латиницей или имя внутри предложения останется в тексте.
  • Второй телефон и вторая почта остаются: метка ставится на первое найденное вхождение.
  • Ссылки на профили в hh.ru, LinkedIn, GitHub или VK не вырезаются. Вырезается только Telegram.

Для типичного резюме из hh.ru, где имя в шапке, а контакты одним блоком, этого хватает. Для нестандартных файлов помните: часть персональных данных может дойти до модели.

Где идёт обработка

Модель - GigaChat, российский сервис Сбера. В Treex сохраняется обезличенный текст резюме и ответ модели: это нужно, чтобы разбор можно было повторить и разобрать спорный случай. Подробнее про локализацию данных и требования 152-ФЗ мы писали на странице ИИ для рекрутера.

Какие поля заполняет ИИ-разбор резюме

Набор полей фиксированный. Модель не придумывает разделы карточки, а заполняет заданную схему.

Поле карточкиКак заполняется
Желаемая должностьмодель
Зарплатные ожиданиямодель, число в рублях
Городмодель
Дата рождениямодель, если есть в резюме
О себемодель переносит раздел целиком, без сокращений
Опыт работымодель: период, компания, должность, описание по каждому месту
Общий стаж в годахмодель
Навыкимодель, списком ключевых слов
Языки, образованиемодель
Грейдкод, по стажу: до 2 лет - junior, от 2 - middle, от 4 - senior, от 8 - lead
Почта, телефон, Telegramпрограммный фильтр, мимо модели

Пара решений здесь сделана сознательно.

Почему грейд считает код, а не модель

Грейд выводится из стажа простым правилом. Это грубо, зато предсказуемо: одинаковый стаж всегда даёт одинаковый грейд, и вы знаете, откуда он взялся. Модель, которую попросили бы «оценить уровень», давала бы ответ, который нельзя ни проверить, ни объяснить кандидату.

Почему нет поля «удалённая работа»

Модель его заполняла, и мы его выбросили. Она слишком часто ставила «удалёнка» там, где в резюме было что-то вроде «рассматриваю разные форматы» или вообще ничего. Поле, которому нельзя доверять, хуже пустого поля.

Почему «О себе» не пересказывается

Модель переносит раздел целиком, без пересказа. Сокращение - это уже интерпретация, а интерпретировать кандидата должен рекрутер. Длинный текст вы прочитаете сами, а вот выжимка с пропущенной оговоркой собьёт с толку.

Чего ИИ-разбор не делает

Важнее, чем список возможностей, здесь список запретов. ИИ-разбор резюме в Treex:

  • не оценивает кандидата. Ни баллов, ни «подходит на 78%», ни списка рисков;
  • не сравнивает с вакансией. Модель её просто не видит;
  • не отказывает и не отсеивает. Карточка попадает в базу целиком, решение о ней принимаете вы;
  • не пишет кандидату. Никаких автоматических писем и сообщений от имени компании;
  • не перезаписывает ваши данные. Только пустые поля;
  • не сохраняет карточку без вас, когда вы запускаете разбор кнопкой.

Мы не «пока не доделали» это, а так решили. Решение о кандидате, принятое только алгоритмом, упирается в статью 16 закона 152-ФЗ. Кроме того, по статье 64 ТК РФ кандидат вправе потребовать письменную причину отказа, а сформулировать её за модель не сможет никто. Поэтому ИИ в Treex готовит материал, а выбирает человек. Подробнее об этой границе - в обзоре ИИ-инструментов для рекрутера.

Сколько стоит ИИ-разбор резюме

Разбор тратит ИИ-действия. Одно резюме - одно действие. Из того же счётчика списывается генерация текста вакансии в генераторе вакансий.

ТарифИИ-действий
Старт (бесплатный)20
Про200
Команда500

Что важно знать о счётчике:

  • Он не обнуляется каждый месяц. Это пакет, а не ежемесячная квота.
  • Неудачный разбор не списывается. Если модель не смогла извлечь из текста ничего полезного, вы увидите «Разбор не засчитан», и действие вернётся. Контакты при этом всё равно подставятся.
  • Повторный разбор того же резюме списывается. Результат не кэшируется: нажали кнопку второй раз - потратили второе действие.
  • Когда действия заканчиваются, остальной Treex работает как обычно: база, воронка, вакансии. Пропадают только разбор и генерация. Поля можно заполнять руками или перейти на тариф с большим пакетом.

Отдельно стоит ограничение на частоту: не больше 30 разборов в минуту на компанию. При обычной работе вы в него не упрётесь, оно защищает от случайного массового запуска.

Когда разбор не сработает

Несколько ситуаций, где кнопка не поможет, и что делать в каждой.

Резюме не в PDF. Разбор принимает только PDF. Документ Word сохраните в PDF и загрузите заново.

PDF - это скан или фото. В таком файле нет текстового слоя, только картинка. Вы увидите «PDF не содержит текст». Распознавание изображений в разбор не входит, поля придётся заполнить руками.

Текста слишком мало. Резюме из одной строки «Иванов, менеджер, звоните» модели нечего разбирать. Появится «В резюме слишком мало текста для AI-разбора», действие не спишется.

Сервис модели не ответил. Бывает и такое. Появится «Не удалось выполнить AI-разбор». Для откликов с работа.онлайн разбор повторится сам в фоне, для ручного добавления нажмите кнопку позже.

Как проверить результат за минуту

Ошибки модели предсказуемы. Перед сохранением карточки достаточно пробежать глазами пять мест:

  1. Даты в опыте работы. Если в резюме периоды записаны нестандартно, модель может сдвинуть год или склеить два места.
  2. Зарплатные ожидания. Проверьте, что число совпадает с резюме и что это та сумма, о которой вы думаете: «на руки» или «до вычета налогов» модель не различает.
  3. Желаемая должность. При смене профессии модель иногда берёт последнюю должность вместо желаемой.
  4. Город. Город переезда и текущий город легко перепутать.
  5. Навыки. Список ключевых слов честно повторяет резюме, включая всё, что кандидат вписал «для объёма». Подтверждены ли навыки опытом, решаете вы.

В образовании и языках модель ошибается реже, да и ошибка там обходится дешевле. Когда карточек много, полезно держать их в общей базе кандидатов с тегами и статусами: тогда проверенная однажды карточка не теряется и не требует повторного разбора.

Итог

ИИ-разбор резюме в Treex - это не ИИ-рекрутер, а быстрый и аккуратный перенос резюме в карточку. Он экономит пять минут ручного копирования на каждом кандидате и не берёт на себя ничего, что требует суждения.

Коротко о главном:

  • модель видит текст резюме без почты, телефона и Telegram, но не видит фото, вакансию и ваши заметки;
  • контакты подставляются мимо модели, ваши ручные правки не перезаписываются;
  • модель не оценивает, не отсеивает и не пишет кандидатам;
  • на бесплатном тарифе 20 ИИ-действий, неудачный разбор не списывается;
  • пять полей стоит проверить перед сохранением: даты, зарплату, должность, город и навыки.

Попробуйте ИИ-разбор на своих резюме

На бесплатном тарифе «Старт» есть 20 ИИ-действий, этого хватит, чтобы проверить разбор на реальных кандидатах. Начать бесплатно →

Часто задаваемые вопросы

Видит ли нейросеть контакты кандидата при ИИ-разборе?

Почта, телефон и Telegram вырезаются программным фильтром до отправки в модель и подставляются в карточку напрямую, мимо неё. ФИО вырезается, если оно стоит отдельной строкой в шапке резюме. Фото и сам файл модель не получает, только текст.

Может ли ИИ-разбор отказать кандидату или оценить его?

Нет. Разбор только переносит данные из резюме в поля карточки. Он не ставит баллов, не сравнивает кандидата с вакансией, не отсеивает и не пишет кандидату. Решение принимает рекрутер.

Сколько стоит ИИ-разбор резюме?

Один разбор - одно ИИ-действие. На бесплатном тарифе «Старт» их 20, на «Про» 200, на «Команде» 500. Счётчик не обнуляется каждый месяц. Если модель не смогла ничего извлечь, действие не списывается.

Почему ИИ-разбор не сработал на моём резюме?

Разбор принимает только PDF с текстовым слоем. Скан или фотография резюме не распознаются, а при слишком коротком тексте модель не вызывается. В этих случаях поля заполняются вручную.

Ведите базу кандидатов в Treex - быстро, удобно и бесплатно

Попробовать бесплатно
Виталий Зенков

Имею более 7 лет опыта в IT-рекрутинге, специализируюсь на полном цикле подбора - от поиска и оценки кандидатов до выхода на работу. Работал с разными форматами команд и ролями, хорошо понимаю реальные процессы и боли рекрутеров. В блоге делюсь практическими подходами, инструментами и наблюдениями из ежедневной работы с кандидатами и наймом.

Оставить комментарий