AI-агент для HR (скрининг резюме, відповіді кандидатам)
AI-агент для HR автоматизує масові задачі: первинний скрининг резюме за критеріями вакансії, ранжування кандидатів, автоматичні відповіді, призначення інтерв'ю, збір зворотного зв'язку. Це знижує навантаження рекрутерів та скорочує time-to-hire при збереженні якості відбору.
Компоненти 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 # % відповідності hard skills
experience_match: int # % відповідності досвіду
red_flags: list[str] # Стоп-фактори
green_flags: list[str] # Сильні сторони
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 відносно вимог вакансії"""
response = client.beta.chat.completions.parse(
model="gpt-4o",
messages=[{
"role": "system",
"content": """Ти — досвідчений рекрутер. Об'єктивно оцінь відповідність кандидата вакансії.
НЕ робити припущення — якщо досвід не вказаний явно, вважай його відсутнім.
Будь чесний у оцінці стоп-факторів."""
}, {
"role": "user",
"content": f"""Вакансія:
{job_description}
Обов'язкові навички: {required_skills}
Бажані навички: {nice_to_have}
Резюме кандидата:
{resume_text}"""
}],
response_format=CandidateScreeningResult,
temperature=0,
)
return response.choices[0].message.parsed
Автоматичні відповіді кандидатам
def generate_candidate_response(
candidate_name: str,
decision: str,
position: str,
feedback: str = None,
) -> str:
"""Персоналізована відповідь кандидату"""
templates = {
"invite_interview": f"""Шановний(а) {candidate_name},
Дякуємо за інтерес до позиції {position}. Ваш досвід виглядає цікавим, і ми хотіли б запросити вас на інтерв'ю.
Доступні слоти: [CALENDAR_LINK]
Інтерв'ю займе близько 45 хвилин. Формат — відеозв'язок.
З повагою, команда рекрутингу""",
"rejection": None, # Генеруємо персоналізовано
}
if decision == "rejection" and feedback:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{
"role": "system",
"content": "Напиши ввічливий відмову кандидату. Тон: поважний, без клішеї типу 'ви нам не підходите'. Вкажи конкретну причину (без образливих формулювань)."
}, {
"role": "user",
"content": f"Кандидат: {candidate_name}, Позиція: {position}, Причина: {feedback}"
}],
)
return response.choices[0].message.content
return templates.get(decision, "")
Пайплайн масового 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]:
"""Паралельний скрининг кількох 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])
# Сортуємо за score
return sorted(results, key=lambda x: -x["screening"].overall_score)
Практичний кейс: масовий найм call center
Задача: найм 80 операторів call center за 3 місяці. Вхідний потік — 600+ резюме на тиждень. Рекрутер один.
Критерії скрининга: досвід роботи з клієнтами (обов'язково), грамотна письмова мова (обов'язково), знання CRM (бажано), готовність до нічних змін (обов'язково).
Пайплайн агента:
- Парсинг вхідних резюме з hh.ru/Авіто (API)
- Скрининг через LLM (50 резюме за 8 хвилин vs 4 години вручну)
- Топ-30% → запрошення на телефонний скрининг
- Відмови → персоналізована автоматична відповідь
- Після скрининга → призначення особистого інтерв'ю (інтеграція Calendly)
Результати:
- Час скрининга 100 резюме: 4,5ч (вручну) → 18хв (агент)
- Concordance rate (агент vs рекрутер): 89% (перевірено на 200 спільно оцінених)
- Частка хибних відмов (кваліфіковані відхилені): 4,1%
- Time-to-hire: 42 дні → 28 днів
- Фокус рекрутера: переключився на інтерв'ю та onboarding
Юридичне обмеження: фінальне рішення про найм — за людиною. Агент робить рекомендацію, рекрутер підтверджує.
Anti-bias фільтрація
ANTI_BIAS_PROMPT_ADDENDUM = """ВАЖЛИВО: При оцінці:
- НЕ враховуй ім'я, стать, вік (якщо вказаний), національність
- Оцінюй тільки професійні компетенції та досвід
- Не робити припущення на основі особистих даних
- Застосовуй одинакові критерії до всіх кандидатів"""
Терміни
- HR-агент скрининга: 2–3 тижні
- Інтеграція з hh.ru/job board API: 1–2 тижні
- Автоматичні відповіді + calendar: 1 тиждень
- Калібрування з рекрутером: 1–2 тижні
- Всього: 5–8 тижнів