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.
- Из PDF достаётся текст. Берётся только текстовый слой файла. Фотография, логотипы, оформление дальше не идут.
- 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.
- 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. - Нейросеть заполняет поля. Обезличенный текст уходит в GigaChat, языковую модель Сбера. Модель получает список полей с описаниями и возвращает их заполненными.
- Контакты возвращаются на место. Почта, телефон и Telegram, которые фильтр вырезал на третьем шаге, подставляются в карточку напрямую, минуя модель.
- 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 карточки | Как заполняется |
|---|---|
| Желаемая должность | модель |
| Зарплатные ожидания | модель, число в рублях |
| Город | модель |
| Дата рождения | модель, если есть в резюме |
| О себе | модель переносит раздел целиком, без сокращений |
| Опыт работы | модель: период, компания, должность, описание по каждому месту |
| Общий стаж в годах | модель |
| Навыки | модель, списком ключевых слов |
| Языки, образование | модель |
| Грейд | код, по стажу: до 2 лет - junior, от 2 - middle, от 4 - senior, от 8 - lead |
| Почта, телефон, Telegram | программный 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.
| Тариф | ИИ-действий |
|---|---|
| Старт (бесплатный) | 20 |
| Про | 200 |
| Команда | 500 |
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:
- Даты в опыте работы. Если в резюме периоды записаны нестандартно, модель может сдвинуть год или склеить два места.
- 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.
- Желаемая должность. При смене профессии модель иногда берёт последнюю должность вместо желаемой.
- Город. Город переезда и текущий город легко перепутать.
- 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 →
