Разработка AI-системы скрининга резюме

Проектируем и внедряем системы искусственного интеллекта: от прототипа до production-ready решения. Наша команда объединяет экспертизу в машинном обучении, дата-инжиниринге и MLOps, чтобы AI работал не в лаборатории, а в реальном бизнесе.
Показано 1 из 1Все 1566 услуг
Разработка AI-системы скрининга резюме
Средний
~1-2 недели
Часто задаваемые вопросы

Направления AI-разработки

Этапы разработки AI-решения

Последние работы

  • image_website-b2b-advance_0.webp
    Разработка сайта компании B2B ADVANCE
    1284
  • image_web-applications_feedme_466_0.webp
    Разработка веб-приложения для компании FEEDME
    1196
  • image_websites_belfingroup_462_0.webp
    Разработка веб-сайта для компании БЕЛФИНГРУПП
    901
  • image_ecommerce_furnoro_435_0.webp
    Разработка интернет магазина для компании FURNORO
    1119
  • image_logo-advance_0.webp
    Разработка логотипа компании B2B Advance
    586
  • image_crm_enviok_479_0.webp
    Разработка веб-приложения для компании Enviok
    853

Разработка AI-системы скрининга резюме

AI-скрининг автоматически оценивает резюме кандидатов по критериям вакансии. Рекрутер получает ранжированный список с обоснованием, а не необработанный поток из сотен файлов.

Архитектура скрининга

class ResumeScreeningResult(BaseModel):
    candidate_name: str
    match_score: float           # 0-1
    technical_match: float       # соответствие техническим требованиям
    experience_match: float      # соответствие опыту
    education_match: float       # соответствие образованию

    strengths: list[str]         # сильные стороны кандидата
    gaps: list[str]              # несоответствия требованиям
    highlight_skills: list[str]  # ключевые навыки из резюме

    recommendation: Literal["strong_yes", "yes", "maybe", "no"]
    reasoning: str               # 3-5 предложений обоснования
    suggested_interview_questions: list[str]

def screen_resume(resume_text: str, job_description: str) -> ResumeScreeningResult:
    return llm.parse(
        build_screening_prompt(resume_text, job_description),
        response_format=ResumeScreeningResult
    )

Парсинг резюме

Резюме приходят в разных форматах: PDF, DOCX, hh.ru API. Извлечение структурированных данных:

  • hh.ru API: резюме уже структурировано (JSON)
  • PDF/DOCX: unstructured.io или кастомный парсер
  • LinkedIn: LinkedIn Talent Solutions API (платно)

Нормализация: даты опыта → месяцы работы, навыки → стандартный словарь.

Предотвращение дискриминации

AI может воспроизводить дискриминационные паттерны из исторических данных. Mitigation:

  • Удаление демографических данных из резюме до оценки (имя, возраст, фото)
  • Регулярный аудит: нет ли систематической предвзятости по полу, возрасту, ВУЗу
  • Прозрачность: каждый отказ должен быть обоснован профессиональными критериями

По законодательству (64-ФЗ о занятости): недопустима дискриминация по признакам, не связанным с деловыми качествами работника.

Интеграции с ATS

  • hh.ru для работодателей: API для массового скрининга откликов
  • Huntflow: REST API для автоматизации воронки
  • 1С:Зарплата и кадры: интеграция кандидатов в HR-систему
  • Potok.io / Talantix: нативные интеграции через Webhook

Метрики: time-to-screen (с нескольких часов до минут), quality-of-hire (% нанятых AI-рекомендованных через 6 месяцев всё ещё в компании), recruiter satisfaction score.