Відсів резюме

AI-агент замінює первинний перегляд вхідних CV — ручну роботу рекрутера за кожним відгуком. Кандидати потрапляють до HRIS вже з позначкою релевантності, категорією та розгорнутим коментарем. Рекрутер бачить не потік, а shortlist — і витрачає увагу на людей, а не на фільтрацію.

Базовий процес працює так:

1. Нове резюме потрапляє до відстежуваної папки file storage (вкладення з кар'єрного лендинга, переслане письмо, експорт із job board) або безпосередньо до HRIS через вбудований канал подачі.
2. AI-агент читає документ — PDF, DOCX або скан після OCR — і витягує структуровані поля: загальний стаж, релевантний досвід, навички, освіта, локація, рівень мови, очікувана зарплата, якщо вказана.
3. Агент звіряє витягнуті дані з rubric вимог за конкретною вакансією. Rubric — це заздалегідь описаний набір must-have і nice-to-have критеріїв, формальних фільтрів (віза, віддаленка, часовий пояс) і контексту ролі.
4. Кожному кандидату присвоюється категорія (shortlist, резерв, відмова) і формується обґрунтування у 2-4 реченнях: що збіглося, що ні, які прогалини закриваються навчанням.
5. Результат записується до картки кандидата в HRIS: статус, коментар, теги, прив'язка до вакансії, timestamp обробки.
6. Рекрутер отримує повідомлення лише про кандидатів у shortlist; решта залишається в базі для ручної звірки, повторного пошуку за майбутніми вакансіями або talent pool.

Що автоматизація не робить

• Не приймає фінальне рішення про найм. AI-агент сортує за формальними та напівформальними критеріями, фінальний вибір залишається за людиною.
• Не проводить інтерв'ю, не оцінює софт-скіли, культурний фіт і мотивацію. Ці етапи вимагають живого спілкування і залишаються за рекрутером та менеджером з найму.
• Не замінює юридичну перевірку даних. Верифікація дипломів, референси, background check, GDPR-compliance при зберіганні CV виконуються окремим процесом.

Технічно відсів резюме — зв'язка з чотирьох шарів: ingest, extract, match, write-back. Кожен шар виконує одне завдання і передає результат наступному, тому збій в одній точці не ламає весь pipeline.

Архітектура

Порядок впровадження

1. Збір вихідних даних. Команда вивантажує 50-150 нещодавніх резюме та рішення рекрутера щодо них — хто потрапив у shortlist, хто ні, чому. Це стає калібрувальним набором для перевірки якості моделі.
2. Опис rubric для 1-3 вакансій. HR і наймаючий менеджер разом фіксують must-have, nice-to-have, формальні фільтри, стоп-фактори. Rubric зберігається в окремому документі (Notion, внутрішня вікі, поле в HRIS) і версіонується.
3. Налаштування ingest-каналу. Обирається джерело: вхідна папка у file storage, поштовий аліас з автофорвардом, webhook від HRIS або job board. Для weekend-реалізації достатньо одного каналу — розширення додається пізніше.
4. Промпт-інжиніринг AI-агента. Пишеться системний промпт з rubric, формат JSON-виводу, приклади good/bad оцінок. Агент запускається на калібрувальному наборі з кроку 1; результати порівнюються з рішеннями рекрутера. Розбіжності обговорюються — або коригується промпт, або уточнюється rubric.
5. Write-back у HRIS. Налаштовується API-інтеграція: створення або оновлення картки кандидата, заповнення статусу, додавання коментаря агента в поле з тегом «AI-оцінка». Якщо HRIS не підтримує прямий API, використовується проміжний шар — workflow-рушій, Zapier або middleware.
6. Пілот. 1-2 тижні роботи в тіні: агент обробляє кожне нове CV, але не надсилає сповіщення рекрутеру. HR звіряє результат наприкінці дня. Розбіжності фіксуються.
7. Перемикання. Після 2-4 ітерацій, коли точність по shortlist стає прийнятною для команди, процес вмикається у продакшн. Сповіщення надходять у Slack, пошту або напряму в HRIS.
8. Моніторинг. Перший місяць рекрутер звіряє 10-20% результатів у ручному режимі. Розбіжності — сигнал до коригування rubric або промпта.

Де зберігається що

Rubric — в одному документі, доступному HR і наймаючому менеджеру. Промпт — у git або конфіг-файлі workflow-рушія або middleware. Результати роботи агента — у HRIS в окремих полях, щоб не змішувати з ручними позначками рекрутера. Калібрувальний набір оновлюється раз на квартал або при зміні профілю вакансії.

Для базової реалізації відсіву резюме потрібні:

• Вхідний канал резюме. Папка у file storage (Google Drive, Dropbox, SharePoint, S3) з правом на читання для сервісного акаунту, або HRIS з webhook або API подачі кандидатів.
• HRIS з доступним API. BambooHR, Greenhouse, Workable, Hurma, Peopleforce або аналог. Потрібні поля для статусу кандидата, коментаря та тегу «AI-оцінка».
• Описані rubric за ключовими вакансіями. Мінімум 1-3 ролі: junior/middle/senior за одним напрямком. Без rubric AI-агент не розуміє, що шукати.
• Калібрувальний набір. 50-150 нещодавніх резюме з рішенням рекрутера (shortlist / резерв / відмова) і коротким обґрунтуванням.
• Відповідальний всередині команди. Один рекрутер або HR-менеджер готовий вкласти 4-8 годин на тиждень перші 2-3 тижні на калібрування та коригування промпта.

Готовність команди

Рекрутер сприймає результати AI-агента як перший фільтр, а не як фінальне рішення. Наймаючий менеджер бере участь в описі rubric і готовий повернутися через 2-3 тижні після старту, щоб уточнити критерії.

Таймлайн

Weekend-складність передбачає 2-7 днів на налаштування: 1 день на збір калібрувального набору та rubric, 1-2 дні на промпт і інтеграцію з HRIS, 2-4 дні на пілот та ітерації. Готове рішення — до кінця першого робочого тижня.