ReMetod
Свяжитесь с нами

HR / Candidate score

Как отобрать резюме с ИИ и повысить качество найма

ИИ позволяет автоматизировать отбор резюме, анализируя ключевые параметры кандидатов. С помощью формулы Candidate score вы можете ранжировать кандидатов по релевантности, что сокращает время на первичный отбор и повышает качество найма.

Проблема

Почему это важно

Без автоматизации рекрутер вручную просматривает десятки и сотни резюме на каждую вакансию. Это занимает часы, а оценка часто субъективна: решение принимается по первому впечатлению или формальному совпадению ключевых слов, а не по реальному соответствию кандидата требованиям.

Почему возникает

  • Большой объем входящих откликов, которые невозможно обработать вручную без потери качества
  • Отсутствие единых критериев оценки, из-за чего разные рекрутеры по-разному интерпретируют одно и то же резюме
  • Резюме содержат неструктурированный текст, который сложно сравнивать между собой без автоматизации

Риски и потери

  • Пропуск сильных кандидатов, которые не попали в выборку из-за субъективного отбора
  • Потеря времени на собеседования с неподходящими кандидатами, что замедляет закрытие вакансии
  • Снижение качества найма: нанятый сотрудник не соответствует ожиданиям, что ведет к текучести и дополнительным затратам на повторный поиск

Что влияет на результат

  • Навыки кандидата
  • Опыт работы
  • Образование
  • Соответствие требованиям вакансии

Типичные ошибки ручного подхода

  • Субъективная оценка рекрутера, зависящая от личных предпочтений
  • Пропуск важных деталей в резюме из-за усталости или спешки
  • Непоследовательное применение критериев отбора к разным кандидатам

Определение

Что важно понимать

Candidate score

Показатель, оценивающий соответствие кандидата требованиям вакансии на основе анализа резюме.

Позволяет автоматизировать первичный отбор, сократить время на обработку резюме и повысить качество найма.

Данные

Какие данные нужны

Резюме кандидатов

Исходные данные для анализа навыков, опыта и образования

  • Навыки
  • Опыт работы
  • Образование
  • Ключевые слова

Требования вакансии

Эталон для сравнения, определяет, какие навыки и опыт важны

  • Необходимые навыки
  • Требуемый опыт
  • Образование
  • Желательные компетенции

Веса параметров

Определяют относительную важность навыков, опыта и образования для конкретной вакансии

  • Вес навыков
  • Вес опыта
  • Вес образования

Методология

Методология расчета Candidate score с ИИ

Принципы

  • Анализ ключевых навыков и опыта кандидата
  • Сопоставление с требованиями вакансии
  • Ранжирование кандидатов по релевантности

Допущения

  • Резюме содержат достаточное количество информации для анализа
  • Требования вакансии четко определены

Ошибки

  • Игнорирование контекста опыта кандидата
  • Недостаточная настройка параметров оценки

Роль ИИ

Как ИИ решает задачу

Машинное обучение

Извлечение навыков, опыта и образования из текста резюме

Данные на входе: Текст резюме в свободной форме

Что делает модель: ИИ распознает и структурирует ключевые поля: навыки, периоды работы, должности, образование

Результат: Структурированный профиль кандидата с выделенными атрибутами

Как используется: Система использует профиль для расчета Candidate score

Машинное обучение

Сопоставление навыков и опыта кандидата с требованиями вакансии

Данные на входе: Структурированный профиль кандидата, Список требований вакансии

Что делает модель: ИИ определяет степень совпадения по каждому требованию и формирует оценку

Результат: Оценка соответствия по каждому параметру (навыки, опыт, образование)

Как используется: Оценки используются в формуле Candidate score

Разбор

Как это работает

  1. 1

    Вход: резюме кандидатов в текстовом формате. Действие: ИИ извлекает навыки, опыт и образование. Результат: структурированный профиль каждого кандидата.

  2. 2

    Вход: профиль кандидата и требования вакансии. Действие: ИИ сопоставляет навыки и опыт с требованиями. Результат: оценка соответствия по каждому параметру.

  3. 3

    Вход: оценки по параметрам и веса, заданные рекрутером. Действие: система рассчитывает Candidate score по формуле. Результат: числовой балл для каждого кандидата.

  4. 4

    Вход: баллы всех кандидатов. Действие: система сортирует кандидатов по убыванию балла. Результат: ранжированный список для первичного отбора.

  5. 5

    Вход: ранжированный список. Действие: рекрутер просматривает топ-кандидатов и принимает решение о приглашении на собеседование. Результат: сокращение времени на первичный отбор и повышение качества найма.

Расчет

Формула расчета Candidate score

Candidate score рассчитывается как взвешенная сумма ключевых параметров кандидата:

Candidate score

CS = (S * Ws) + (E * We) + (Ed * Wed)
  • S - навыки (Skills)
  • Ws - вес навыков
  • E - опыт (Experience)
  • We - вес опыта
  • Ed - образование (Education)
  • Wed - вес образования

Условный пример: При Ws=0.5, We=0.3, Wed=0.2 и значениях S=80, E=70, Ed=90: CS = (80*0.5) + (70*0.3) + (90*0.2) = 40 + 21 + 18 = 79

Допущение: Веса параметров могут варьироваться в зависимости от требований вакансии.

Пример расчета

Как это выглядит в цифрах

Условный пример

Условный пример: Расчет Candidate score для IT-вакансии

  • Допущение: навыки (S) = 90, опыт (E) = 85, образование (Ed) = 70
  • Допущение: Веса: Ws=0.6, We=0.3, Wed=0.1
CS = (90*0.6) + (85*0.3) + (70*0.1) = 54 + 25.5 + 7 = 86.5

Кандидат с CS=86.5 попадает в топ-10% по соответствию вакансии и требует внимания рекрутера.

Логика решения

Почему дана такая рекомендация

Что повлияло на решение

  • Candidate score кандидата
  • Соответствие ключевым навыкам
  • Опыт работы в аналогичной роли

Какие риски учтены

  • Риск пропуска кандидата с нестандартным опытом, но высоким потенциалом
  • Риск перекоса в пользу формальных критериев без учета soft skills

Какие варианты рассматривались

  • Ручной просмотр всех резюме без ранжирования
  • Использование простого фильтра по ключевым словам без взвешенной оценки

Взвешенная формула позволяет учесть относительную важность разных параметров и автоматически ранжировать кандидатов, что сокращает время и повышает объективность

Если вакансия требует уникальных навыков, которые сложно формализовать, формулу стоит дополнить ручной проверкой топ-кандидатов

Результат

Что видит пользователь

Ранжированный список кандидатов с Candidate score

Таблица с баллами по каждому кандидату и детализацией по параметрам

Рекрутер может быстро выбрать топ-кандидатов для собеседования, не просматривая все резюме

Автоматизация

Что автоматизируется, а что нет

Выполняется автоматически

  • Извлечение данных из резюме
  • Расчет Candidate score
  • Ранжирование кандидатов

Требует настройки

  • Настройка весов параметров под конкретную вакансию
  • Определение требований вакансии

Остаётся за человеком

  • Финальное решение о приглашении на собеседование
  • Оценка soft skills и мотивации кандидата

Внедрение

Как внедрить решение

Быстрый запуск

  • Создать таблицу с колонками: навыки, опыт, образование, веса
  • Вручную оценить несколько резюме по шкале 0-100
  • Рассчитать Candidate score по формуле в Excel

Рабочая система

  • Настроить автоматическую загрузку резюме в систему
  • Подключить ИИ для извлечения данных
  • Настроить расчет и отображение ранжированного списка

Расширенный вариант

  • Добавить прогнозную модель для оценки вероятности успешного найма
  • Интегрировать с ATS и другими HR-системами
  • Настроить сценарный анализ для разных весов

Подготовка

Чек-лист перед запуском

  1. 1

    Определить требования вакансии и ключевые навыки

  2. 2

    Выбрать параметры для оценки: навыки, опыт, образование

  3. 3

    Назначить веса для каждого параметра

  4. 4

    Собрать выборку резюме для тестирования

  5. 5

    Рассчитать Candidate score вручную для проверки

  6. 6

    Настроить ИИ для извлечения данных из резюме

  7. 7

    Проверить корректность извлечения на тестовых данных

  8. 8

    Запустить автоматический расчет и ранжирование

  9. 9

    Обучить рекрутеров работе с системой

  10. 10

    Провести пилотный запуск и скорректировать веса

Вывод

Главное

Главный принцип — автоматизировать первичный отбор с помощью объективной формулы, а не полагаться на субъективное мнение

Основные данные — резюме кандидатов и требования вакансии; ключевой расчет — взвешенная сумма навыков, опыта и образования

ИИ извлекает и структурирует данные из резюме, а также сопоставляет их с требованиями, обеспечивая точность и скорость

Начните с создания простой таблицы для ручного расчета Candidate score по нескольким резюме, чтобы убедиться в работоспособности подхода

Метод ReMetod

На чем основан вывод

Метод ReMetod позволяет построить работающее решение для автоматизации отбора резюме с ИИ за 4 недели практикума.

В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.

Посмотреть программу практикума

Вопросы

Что обычно уточняют

Может ли ИИ полностью заменить рекрутера?

Нет, ИИ лишь помогает автоматизировать первичный отбор, но окончательное решение принимает рекрутер на основе личного общения и оценки soft skills.

Следующий шаг

Выберите, как продолжить с ReMetod

Узнайте, как автоматизировать отбор резюме с ИИ на нашем вебинаре

Ближайший вебинар

Вводный вебинар
Ближайшая дата появится в календаре

Разберем, где ИИ уже дает управленческую пользу, какие задачи стоит брать первыми и как не уйти в хайп.

Записаться на вебинар
Диагностика

Бесплатный разбор вашего кейса

25–30 минут: фиксируем задачу, данные, возможную автоматизацию и ближайший проверяемый результат.

Записаться на разбор
Практикум

Практикум 1 «Архитектор»

Полный путь от бизнес-проблемы до рабочей модели решения, интерфейса и проверки результата.

Перейти к практикуму