HeadHunter запускает ранжирование откликов соискателей на основе машинного обучения и анализа текстов. Подобные технологии в России уже используются, например в проектах «Яндекса» — сервисах по купле-продаже недвижимости и автомобилей. В рекрутинге технология может оказаться полезной для крупных компаний и должностей, подразумевающих большой поток кандидатов, считают участники рынка.

HeadHunter запускает во всех странах присутствия (Россия, Украина, Казахстан, Белоруссия, Грузия, Узбекистан, Киргизия) ранжирование откликов соискателей на основе машинного обучения, рассказали «Ъ» в компании. Теперь в личном кабинете работодателя отклики по умолчанию будут отсортированы по наибольшему соответствию кандидатов, которое будет определяться на основе рекомендательной технологии, анализирующей совпадение резюме и вакансии. Ежедневно система будет обрабатывать до 1 млн откликов.

Запуск системы сэкономит работодателям по всей стране не менее 15 тыс. человеко-часов на первоначальный отбор кандидатов, что эквивалентно 300-400 млн руб. в год, оценивает директор по развитию HeadHunter Борис Вольфсон. В компании надеются, что через полгода, когда система заработает на полную мощность, время на отбор кандидатов сократится в три-четыре раза. По словам господина Вольфсона, проекты по разработке подобной системы могут стоить около 5-10 млн руб., но их реализация в большей степени зависит от накопленных компетенций, имеющегося массива данных и «времени на эксперименты». «В России счет компаний, принципиально способных производить технологии такого уровня, идет на десятки, а необходимыми данными обладают единицы»,— уверен он.

База HeadHunter насчитывает 370 тыс. вакансий и 21 млн резюме. По собственным данным, еженедельно через сайт приглашают на собеседование 465 тыс. человек. В 2015 году выручка компании снизилась на 1,5%, до 3,055 млрд руб., EBITDA — на 2,5%, до 1,5 млрд руб.

У HeadHunter действительно много данных, чем грех не воспользоваться, отмечает основатель сервиса Iconjob Павел Гужиков. «Но от теории до результатов длинный путь. Сложные профессии не так просто оцифровать, аналитический подход нужен серьезный, простыми пользовательскими данными не обойтись»,— предупреждает он. Искусственный интеллект — революционная технология для таких сайтов, добавляет руководитель сервиса по поиску работы в IT-индустрии «Мой круг» Максим Каракулов. «Допустим, у тебя собирается новый отдел на 100-200 человек, которых ты должен нанять за месяц. Ты расписываешь все нужные должности, свойства сотрудников, плюс нужно, чтобы они все были совместимы друг с другом. И тогда HR-отделу функционал с машинными алгоритмами очень нужен»,— приводит он пример.

Технология HeadHunter будет полезна для массового подбора, где процесс прост и нет особых требований к кандидатам, предполагает основатель JungleJobs Евгения Дворская. На более дорогих позициях, по ее мнению, система вряд ли будет эффективна, так как «нет важного блока статистики из других источников, полной истории по этому кандидату — его откликов, результатов собеседований, причин отклонения или приема». По ее словам, технология интеллектуального ранжирования кандидатов не нова: LinkedIn давно над этим работает и приобрел в феврале 2014 года систему интеллектуального поиска вакансий Bright за $120 млн.

Машинное обучение и нейронные сети при модерации объявлений используют и в «Яндексе». Так, в «Яндекс.Недвижимости» нейронная сеть обучалась на всех данных, доступных в объявлениях, говорит представитель компании Екатерина Карнаухова: местоположении, стоимости, фотографиях объектов, их текстовых описаниях — всего более 70 параметров. Сейчас эксперименты с машинным обучением проходят в «Авто.ру»: например, искусственный интеллект учится выявлять по фото битые автомобили.

Роман Рожков
Источник: Kommersant.ru

 

 

0.5