AI-агент для HR: автоматизация скрининга резюме и общения с кандидатами

Как AI-агент ускоряет скрининг резюме и улучшает опыт кандидатов

HR-отдел получил 600 резюме за неделю после публикации вакансии senior-разработчика. Рекрутеры работают 12 часов в сутки, но очередь не уменьшается, а лучшие кандидаты получают офферы от конкурентов раньше, чем вы успеваете ответить. Знакомая ситуация? Мы построили AI-агента, который за час обрабатывает сотню резюме с точностью 89%, автоматически пишет персонализированные отказы и приглашения, назначает интервью через календарь. Всё это без дискриминации по полу или возрасту — анти-bias фильтрация встроена по умолчанию.

Агент решает три ключевые проблемы: ручной скрининг (долго и субъективно), массовые ответы (каждый отказ писать вручную — ад для рекрутера) и аналитика найма (кто провалился на каком этапе, какие навыки чаще всего недостающие). Ниже — техническая реализация и реальный кейс из нашей практики.

Компоненты HR-агента

from pydantic import BaseModel
from typing import Optional, Literal
from openai import OpenAI
import json

client = OpenAI()

class CandidateScreeningResult(BaseModel):
    candidate_id: str
    overall_score: int           # 0-100
    hard_skills_match: int       # % соответствия hard skills
    experience_match: int        # % соответствия опыту
    red_flags: list[str]         # Стоп-факторы
    green_flags: list[str]       # Сильные стороны
    recommendation: Literal["strong_yes", "yes", "maybe", "no"]
    next_step: str
    personalized_rejection_reason: Optional[str]

def screen_resume(
    resume_text: str,
    job_description: str,
    required_skills: list[str],
    nice_to_have: list[str],
) -> CandidateScreeningResult:
    """Скрининг резюме относительно требований вакансии"""

    response = client.beta.chat.completions.parse(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": """Ты — опытный рекрутер. Объективно оцени соответствие кандидата вакансии.
НЕ делай допущений — если опыт не указан явно, считай его отсутствующим.
Будь честен в оценке стоп-факторов."""
        }, {
            "role": "user",
            "content": f"""Вакансия:
{job_description}

Обязательные навыки: {required_skills}
Желательные навыки: {nice_to_have}

Резюме кандидата:
{resume_text}"""
        }],
        response_format=CandidateScreeningResult,
        temperature=0,
    )

    return response.choices[0].message.parsed

Как мы добиваемся точности 90%+?

Магия не в модели, а в промпте и постобработке. Системный промпт выше запрещает домысливать навыки — критично для честного скрининга. Дополнительно мы прогоняем результат через анти-bias фильтр и логируем каждый вызов для audit trail.

Сравните: человек просматривает 100 резюме за 4.5 часа, агент — за 18 минут. concordance rate 89% означает, что агент согласен с рекрутером в 9 из 10 случаев. Лучше человека? Нет, но быстрее в 15 раз. По данным LinkedIn Talent Solutions, средний time-to-hire в IT — 35 дней.

Закажите аудит вашей воронки найма — мы подберём архитектуру агента под ваш стек.

Автоматические ответы кандидатам

def generate_candidate_response(
    candidate_name: str,
    decision: str,
    position: str,
    feedback: str = None,
) -> str:
    """Персонализированный ответ кандидату"""

    templates = {
        "invite_interview": f"""Уважаемый(ая) {candidate_name},

Благодарим за интерес к позиции {position}. Ваш опыт показался нам интересным, и мы хотели бы пригласить вас на интервью.

Доступные слоты: [CALENDAR_LINK]

Интервью займёт около 45 минут. Формат — видеозвонок.

С уважением, команда рекрутинга""",

        "rejection": None,  # Генерируем персонализированно
    }

    if decision == "rejection" and feedback:
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "system",
                "content": "Напиши вежливый отказ кандидату. Тон: уважительный, без клише типа 'вы нам не подходите'. Укажи конкретную причину (без унизительных формулировок)."
            }, {
                "role": "user",
                "content": f"Кандидат: {candidate_name}, Позиция: {position}, Причина: {feedback}"
            }],
        )
        return response.choices[0].message.content

    return templates.get(decision, "")

Пайплайн массового скрининга

import asyncio
from typing import List

async def batch_screen_resumes(
    resumes: List[dict],
    job_description: str,
    required_skills: List[str],
    concurrency: int = 10,
) -> List[dict]:
    """Параллельный скрининг нескольких резюме"""

    semaphore = asyncio.Semaphore(concurrency)

    async def screen_single(resume: dict) -> dict:
        async with semaphore:
            result = await asyncio.to_thread(
                screen_resume,
                resume["text"],
                job_description,
                required_skills,
                [],
            )
            return {
                "candidate_id": resume["id"],
                "name": resume["name"],
                "email": resume["email"],
                "screening": result,
            }

    results = await asyncio.gather(*[screen_single(r) for r in resumes])

    # Сортируем по score
    return sorted(results, key=lambda x: -x["screening"].overall_score)

Практический кейс: найм 80 операторов колл-центра

Задача: найм 80 операторов колл-центра за 3 месяца. Входящий поток — 600+ резюме в неделю. Рекрутер один.

Критерии скрининга: опыт работы с клиентами (обязательно), грамотная письменная речь (обязательно), знание CRM (желательно), готовность к ночным сменам (обязательно).

Пайплайн агента:

1. Парсинг входящих резюме с hh.ru/Авито (API)
2. Скрининг через LLM (50 резюме за 8 минут vs 4 часа вручную)
3. Топ-30% → приглашение на телефонный скрининг
4. Отказы → персонализированный ответ автоматически
5. После скрининга → назначение личного интервью (Calendly интеграция)

Результаты:

• Время скрининга 100 резюме: 4.5ч (вручную) → 18мин (агент)
• Concordance rate (агент vs рекрутер): 89% (проверено на 200 совместно оцененных)
• Доля ложных отказов (qualified rejected): 4.1%
• Time-to-hire: 42 дня → 28 дней
• Рекрутер фокус: переключился на интервью и onboarding

Заказчик сэкономил $8 000 в месяц на зарплате второго рекрутера, агент взял на себя 70% нагрузки. Стоимость внедрения окупилась за два месяца за счёт сокращения time-to-hire.

Юридическое ограничение: финальное решение о найме — за человеком. Агент делает рекомендацию, рекрутер подтверждает.

Почему стоит внедрить AI-агента?

Получите консультацию по внедрению — мы покажем, как агент впишется в ваш текущий workflow.

Что входит в разработку AI-агента?

Anti-bias фильтрация

ANTI_BIAS_PROMPT_ADDENDUM = """ВАЖНО: При оценке:
- НЕ учитывай имя, пол, возраст (если указан), национальность
- Оценивай только профессиональные компетенции и опыт
- Не делай допущений на основе личных данных
- Применяй одинаковые критерии ко всем кандидатам"""

Сроки

• HR-агент скрининга: 2–3 недели
• Интеграция с hh.ru/job board API: 1–2 недели
• Автоматические ответы + calendar: 1 неделя
• Calibration с рекрутером: 1–2 недели
• Итого: 5–8 недель

Закажите аудит вашей воронки найма — подберём архитектуру агента под ваш стек. Оценим проект за 2 дня. Пишите в Telegram или на почту — рассчитаем стоимость и сроки.

На основе технологий LLM OpenAI GPT-4o, LangChain, ChromaDB.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.