Розробка AI-рекрутера: автоматизація найму під ключ

Ми автоматизуємо підбір персоналу за допомогою AI-агента, який бере на себе скринінг, ранжування та комунікацію. Наш AI-рекрутер обробляє 200+ резюме на день, скорочуючи time-to-hire на 30% та знижуючи витрати на найм на 40%. Це не гіпотетика — це результат впровадження у наших клієнтів. Три рекрутери фізично не встигають обробити потік із 30 вакансій та 200 резюме на день — ми вирішуємо цю проблему цифровим співробітником.

Як AI-рекрутер вирішує проблему перевантаження рекрутерів?

Типова ситуація: три рекрутери, 30 відкритих вакансій, понад 200 резюме на день. Ручна обробка займає 3–4 дні на кандидата. AI-рекрутер скорочує це до 40 хвилин. Первинна фільтрація відсіює 70% нерелевантних резюме. Топ-30% кандидатів одразу отримують запрошення на інтерв'ю з Calendly-посиланням.

Ми впровадили таке рішення для IT-компанії з 30 вакансіями. Результати: time-to-hire впав з 52 до 31 дня, швидкість відповіді кандидату — з 3,2 днів до 40 хвилин. Рекрутери переключилися на інтерв'ю, офери та онбординг. Економія бюджету на підбір склала 40%.

Чому AI-рекрутер ефективніший за напівавтоматичні рішення?

Напівавтоматичні ATS вимагають ручного введення даних та налаштування правил. AI-рекрутер на базі GPT-4o аналізує контекст: він розуміє, що «Java» та «Java SE» — одне й те саме, а «досвід 3 роки» в резюме може бути неявним. Він обробляє неструктуровані дані та адаптується до змін без переписування правил. Fine-tuning на історичних даних компанії підвищує точність до 87% concordance з живим рекрутером.

Порівняння: ручний відбір vs AI-рекрутер

Порівняння з традиційною ATS

Як влаштований AI-рекрутер: core-компонент скринінгу

Скринінг — ключовий модуль. Використовуємо gpt-4o та структурований вивід Pydantic. Приклад реалізації:

class CandidateScreener:

    async def screen_batch(
        self,
        candidates: list[dict],
        job_description: JobDescription,
        required_skills: list[str],
    ) -> list[dict]:
        """Паралельний скринінг кандидатів"""

        semaphore = asyncio.Semaphore(10)

        async def screen_one(candidate: dict) -> dict:
            async with semaphore:
                return await self._screen_single(
                    candidate, job_description, required_skills
                )

        results = await asyncio.gather(*[screen_one(c) for c in candidates])
        return sorted(results, key=lambda x: -x["score"])

    async def _screen_single(
        self,
        candidate: dict,
        jd: JobDescription,
        required_skills: list[str],
    ) -> dict:

        from pydantic import BaseModel
        from typing import Literal

        class ScreeningResult(BaseModel):
            score: int
            recommendation: Literal["strong_yes", "yes", "maybe", "no"]
            required_skills_match: int
            experience_match: str
            red_flags: list[str]
            green_flags: list[str]
            personalized_question: str

        result = await client.beta.chat.completions.parse(
            model="gpt-4o",
            messages=[{
                "role": "system",
                "content": f"""Оціни кандидата об'єктивно. Необхідні навички: {required_skills}.
НЕ роби припущень про приховані навички. Враховуй ТІЛЬКИ явно вказаний досвід."""
            }, {
                "role": "user",
                "content": f"Вакансія:\n{jd.title}\n\nРезюме:\n{candidate['resume_text']}"
            }],
            response_format=ScreeningResult,
            temperature=0,
        )

        return {
            "candidate_id": candidate["id"],
            "name": candidate["name"],
            "email": candidate["email"],
            **result.choices[0].message.parsed.model_dump(),
        }

Як відбувається fine-tuning моделі під специфіку компанії?

Збираємо історичні дані: 300–500 резюме з рішеннями рекрутерів. Виконуємо LoRA-адаптацію GPT-4o на цих прикладах. Валідуємо на відкладеній вибірці: concordance має бути не нижче 80%. Після деплою моніторимо дрейф даних та оновлюємо адаптер раз на квартал. Для цього використовуємо Kubeflow та MLflow.

Що включає розробка AI-рекрутера під ключ?

• Аудит поточних HR-процесів та збір вимог
• Генератор JD з інтеграцією у ваш workflow
• Модуль публікації на hh.ru, Avito, LinkedIn, Superjob
• Скринінг та ранжування на базі GPT-4o з налаштуванням скорингової моделі
• Комунікаційні шаблони: запрошення, відмови, нагадування
• Інтеграція з ATS (HH, Huntflow, Recruit) або кастомна за API
• Тестування на історичних даних (вибірка мінімум 300 кандидатів)
• Навчання команди та передача документації

Терміни та вартість

• JD-генератор та публікація: 1–2 тижні
• Скринінг та ранжування: 2–3 тижні
• Комунікаційні шаблони та інтеграція з email: 1 тиждень
• ATS-інтеграція: 1–2 тижні
• Разом: 5–8 тижнів

Вартість розраховується індивідуально на основі обсягу вакансій, кількості інтеграцій та складності кастомізації. Ми гарантуємо фіксацію термінів та цін після підписання договору. Окупність інвестиції — в середньому 3 місяці за рахунок зниження витрат на підбір.

Отримайте консультацію щодо впровадження AI-рекрутера у ваш відділ найму. Замовте безкоштовне демо-показ.

Наш досвід — 7+ років в AI/ML, 20+ реалізованих HR-проектів. Сертифіковані спеціалісти з GPT-4o та MLOps.

Типові помилки при впровадженні AI-рекрутера

1. Недостатня кількість історичних даних для fine-tuning (мінімум 300 резюме).
2. Відсутність чітких критеріїв скринінгу — модель може робити невірні висновки.
3. Ігнорування human-in-the-loop — обов'язкова вибіркова верифікація результатів.
4. Слабка інтеграція з ATS — порушується воронка.
5. Відсутність моніторингу дрейфу даних — модель потребує перенавчання.

Зв'яжіться з нами для індивідуального обговорення вашого кейсу. Ми підберемо оптимальне рішення під ваш бюджет та терміни.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.