Задача скоринга — отранжировать поток входящих резюме по соответствию профилю вакансии, чтобы рекрутер начинал работу с верхней части списка, а не с первого попавшегося отклика. Модель оценивает совпадение опыта, навыков, отрасли, уровня позиции и формальных требований, выдавая оценку и — что важнее — объяснение: почему кандидат получил такой балл и какие требования не подтверждены в резюме.
В проекте, о котором речь, компания получала до 400 откликов в месяц на инженерные позиции. Рекрутер тратил около шести часов на первичный просмотр по каждой вакансии, и качество этого просмотра к сотому резюме заметно падало — обычная человеческая усталость. После подключения скоринга время первичного отбора сократилось до 40 минут: рекрутер просматривает 30–40 верхних резюме с пояснениями модели вместо всего массива.
Критически важная часть — контроль. Мы сознательно построили процесс так, что модель не отклоняет кандидатов: она только ранжирует. Отказ всегда принимает человек, и это не формальность — на выборках регулярно обнаруживаются сильные кандидаты с нестандартным резюме, которые модель ставит в середину списка. Дополнительно раз в месяц проводится проверка: берутся принятые на работу сотрудники и смотрится, какой балл им ставила модель на входе. Если хорошие наймы систематически попадают в нижнюю половину, профиль требований настроен неверно.