AI HR
Проблематика
Отбор кандидатов — трудоёмкий процесс, включающий анализ резюме и предварительное собеседование. HR оценивает соответствие кандидата вакансии, уточняет опыт, мотивацию и ожидания.
Развитие ИИ позволяет уже сейчас автоматизировать не только работу с резюме, но и проведение собеседований с кандидатами. Внедрение ИИ-аватаров в процесс найма сможет решить следующие проблемы:
1. Значительные временные затраты на ручной скрининг. До 40% времени HR уходит на скрининг и отсев нерелевантных резюме.
2. Сложность подбора удобного времени для интервью. ИИ-агент может проводить собеседование и давать обратную связь кандидату в любое удобное время, независимо от времени суток или региона.
3. Усталость HR при проведении многочисленных собеседований в течение дня приводит к снижению концентрации и субъективным ошибкам в оценке кандидатов.
4. Субъективность в интерпретации ответов кандидатов повышает риск упущения сильных специалистов.
Развитие ИИ позволяет уже сейчас автоматизировать не только работу с резюме, но и проведение собеседований с кандидатами. Внедрение ИИ-аватаров в процесс найма сможет решить следующие проблемы:
1. Значительные временные затраты на ручной скрининг. До 40% времени HR уходит на скрининг и отсев нерелевантных резюме.
2. Сложность подбора удобного времени для интервью. ИИ-агент может проводить собеседование и давать обратную связь кандидату в любое удобное время, независимо от времени суток или региона.
3. Усталость HR при проведении многочисленных собеседований в течение дня приводит к снижению концентрации и субъективным ошибкам в оценке кандидатов.
4. Субъективность в интерпретации ответов кандидатов повышает риск упущения сильных специалистов.
Образ решения
Цель данного кейса — реализовать собственного HR-аватара, который будет иметь следующий функционал, разделенный на этапы:
1. Анализ резюме и отбор кандидатов в соответствии с требованиями вакансии.
2. Проведение структурированных интервью с динамической адаптацией вопросов.
3. Количественное оценивание соответствия кандидата требованиям вакансии.
4. Генерация обоснованных решений с прозрачной логикой отбора.
1. Анализ резюме и отбор кандидатов в соответствии с требованиями вакансии.
2. Проведение структурированных интервью с динамической адаптацией вопросов.
3. Количественное оценивание соответствия кандидата требованиям вакансии.
4. Генерация обоснованных решений с прозрачной логикой отбора.
Функциональные требования
Голосовое взаимодействие с кандидатами
• Распознавание речи в реальном времени с поддержкой разных языков и диалектов (включая шумоподавление и коррекцию ошибок).
• Динамическое изменение сценария интервью на основе предыдущих ответов (например, углубление в технические детали при подтверждении опыта).
• Фиксация пауз, эмоциональной окраски и логической структуры ответов для анализа soft skills.
Автоматический анализ ответов и соответствие вакансии
• Сопоставление ответов с требованиями вакансии через NLP (навыки, опыт, ключевые фразы) с выделением подтвержденных/неподтвержденных пунктов.
• Расчет процентного соответствия с настраиваемыми весами критериев (например: технические навыки – 50%, коммуникация – 30%, кейсы – 20%).
• Выявление противоречий (например, расхождение в стаже) и «красных флагов» (шаблонные ответы, уклонение от вопросов).
Формирование отчета о проведении собеседования
• Процент соответствия позиции (основной пункт оценивания)
• Генерация отчета с разбивкой по компетенциям: сильные стороны, пробелы, рекомендация («на следующий этап», «отказ», «требуется уточнение»).
• Отправка персонализированных уведомлений кандидатам с обратной связью (например: «Ваш уровень Python соответствует требованиям, но требуется углубление в SQL»).
• Распознавание речи в реальном времени с поддержкой разных языков и диалектов (включая шумоподавление и коррекцию ошибок).
• Динамическое изменение сценария интервью на основе предыдущих ответов (например, углубление в технические детали при подтверждении опыта).
• Фиксация пауз, эмоциональной окраски и логической структуры ответов для анализа soft skills.
Автоматический анализ ответов и соответствие вакансии
• Сопоставление ответов с требованиями вакансии через NLP (навыки, опыт, ключевые фразы) с выделением подтвержденных/неподтвержденных пунктов.
• Расчет процентного соответствия с настраиваемыми весами критериев (например: технические навыки – 50%, коммуникация – 30%, кейсы – 20%).
• Выявление противоречий (например, расхождение в стаже) и «красных флагов» (шаблонные ответы, уклонение от вопросов).
Формирование отчета о проведении собеседования
• Процент соответствия позиции (основной пункт оценивания)
• Генерация отчета с разбивкой по компетенциям: сильные стороны, пробелы, рекомендация («на следующий этап», «отказ», «требуется уточнение»).
• Отправка персонализированных уведомлений кандидатам с обратной связью (например: «Ваш уровень Python соответствует требованиям, но требуется углубление в SQL»).
Дополнительные требования
• Понятный и прозрачный интерфейс управления.
• Возможность гибкого управления процессом отбора кандидатов.
• Возможность формирования различных отчетов и прозрачных решений по кандидатам.
• Возможность гибкого управления процессом отбора кандидатов.
• Возможность формирования различных отчетов и прозрачных решений по кандидатам.
Формат загрузки решения
Решение должно быть загружено на платформу хакатона не позднее 9 сентября 22:00 МСК в следующем виде:
1. Ссылка на исходный код в VCS (системе контроля версий - GitHub, GitLab, Mercury или иные).
2. Ссылка на архив с исходным кодом проекта.
3. Ссылка на видеодемо работы проекта (видео, показывающее процесс работы вашего решения, с комментариями или без них, не длиннее 5 минут).
4. Ссылка на презентацию проекта (формат .pdf).
5. Ссылка на развернутое решение (при наличии) для его тестирования членами жюри.
В качестве облачного сервиса используйте Яндекс Диск.
1. Ссылка на исходный код в VCS (системе контроля версий - GitHub, GitLab, Mercury или иные).
2. Ссылка на архив с исходным кодом проекта.
3. Ссылка на видеодемо работы проекта (видео, показывающее процесс работы вашего решения, с комментариями или без них, не длиннее 5 минут).
4. Ссылка на презентацию проекта (формат .pdf).
5. Ссылка на развернутое решение (при наличии) для его тестирования членами жюри.
В качестве облачного сервиса используйте Яндекс Диск.
Оптимальный состав команды
• 2 ML-специалиста.
• 1 Backend-разработчик.
• 1 DevRel.*
• * Привлекать таких специалистов следует в случае полного формирования команды, когда полностью закрыты все необходимые компетенции.
• 1 Backend-разработчик.
• 1 DevRel.*
• * Привлекать таких специалистов следует в случае полного формирования команды, когда полностью закрыты все необходимые компетенции.
Примеры резюме и требований к вакансии вы можете изучить по ссылке.
Критерии оценивания
- Оценка качества работы решения
- Оценка интегрируемости решения
- Оценка проработанности решения
- Оценка бизнес-функциональности решения
- Оценка интегрируемости решения
- Оценка проработанности решения
- Оценка бизнес-функциональности решения
Желаем успехов!
Остались вопросы?
Чат хакатона
Почта
Оператор хакатона
©Все права защищены
