Статьи

Полный порядок: как искусственный интеллект сортирует отклики на rabota.tut.by

На rabota.tut.by появилась функция, о которой всегда мечтали рекрутеры. Теперь отклики на вакансию в личном кабинете можно отсортировать по качеству: в первую очередь — самые подходящие под описание кандидаты. Разработкой системы около полугода занимались специалисты по big data и машинному обучению. Источником данных были те решения, которые принимали на сайте работодатели. Мы попросили директора по развитию HeadHunter Бориса Вольфсона, руководителя направления анализа данных Леонида Кулигина и ведущего разработчика Георгия Даньщина рассказать о том, как работает искусственный интеллект и как он изменит жизнь рекрутеров.
Полный порядок: как искусственный интеллект сортирует отклики на rabota.tut.by

Вы говорите, что отклики сортирует искусственный интеллект. Как именно это происходит?

Борис Вольфсон: «Давайте определимся с терминами. В русском языке термин искусственный интеллект звучит страшно — сразу картинки с терминаторами, да? То, что мы делаем, называется машинное обучение — это часть искусственного интеллекта, так называемый слабый искусственный интеллект. Это не сознание, которое захватит человечество, а возможность научить компьютер достигать определенной цели.

У нас есть текст резюме, который мы умеем оцифровывать: условно, «объяснять» компьютеру его смысл. Мы смогли правильно описать задачу: определить вероятность соответствия резюме вакансии. То есть взяли кусочек работы HR-менеджера и научили машину четко его выполнять. Это не значит, что завтра искусственный интеллект заменит всех HR-менеджеров вообще — всегда остаются неформализуемые вещи».

То есть фактически это просто машинный скрининг, сличение текстов вакансии и присланных резюме?

Леонид Кулигин: «Упрощенно — да. Мы учли доступный нам опыт рекрутеров и сделали систему, которая принимает решения на уровне среднего специалиста. Но мы развиваем эту систему дальше. В любом резюме заложено гораздо больше информации, чем непосредственно то, что там написано. Рекрутер даже не знает, правда ли это. Нам уже ясно, что некоторые вещи косвенно говорят о качестве резюме — его длина, богатство словарного запаса и так далее. И мы это учитываем».

Наша система менее зависима от ошибок, чем человек. Вы можете что-то не заметить, не учесть, поддаться эмоциям. Машина таких ошибок не допускает.
Леонид Кулигин, руководитель направления анализа данных HeadHunter

Что именно и как влияет на итоговое место, на котором оказывается отклик? Например, если зарплата в вакансии и предполагаемая зарплата в резюме совпадают, это сразу повышает шансы?

Георгий Даньщин: «Попробую объяснить: некоторые признаки нашей модели зависят от разных производных, в том числе зарплаты в вакансиях и резюме. Модель смотрит на действия работодателей, на историю и пытается понять, как все эти признаки должны повлиять на итоговое решение. В разных вакансиях, в разных городах и профобластях результат будет разный.

Важно понимать, что в такого рода системах сложно заранее предугадать, повышаются или понижаются шансы. С ходу можно утверждать только то, что зарплата — один из факторов, которые она учитывает. Может оказаться, что в каких-то отдельных случаях людей с низкими зарплатными ожиданиями с большей вероятностью приглашают на собеседование. И наоборот, вполне может быть, что в определенной отрасли работодатели предпочитают приглашать тех, у кого завышенные зарплатные ожидания — например, это говорит об амбициях соискателя и работодатель считает их плюсом».

Тогда что нужно делать для того, чтобы система действительно помогала работать рекрутеру?

Борис: «Две основные вещи. Первое — максимально подробно и точно заполнять вакансию и страницу работодателя. Второе — активно использовать инструменты нашего сайта для работы с откликами, потому что эту информацию мы используем для обогащения данных. Если компания не работает с откликами и отказами на сайте или работает, но далеко не во всех случаях, то эти данные не несут для нас ценности».

Полный порядок: как искусственный интеллект сортирует отклики на rabota.tut.by
Включить сортировку откликов по качеству можно в правом верхнем углу страницы, нажав кнопку «Лучшие».

Что советовать соискателям — подробнее заполнять резюме?

Леонид: «Да, и текст «О себе» не забывайте. Но лишнего тоже не стоит писать. Если вы откликаетесь на вакансию токаря, но делаете акцент не на том, как хорошо работаете с деревом и какие инструменты используете, а рассказываете, что вы и фрезеровщик, и рубанком орудуете и пилить умеете, это может повлиять на то, каким по счету окажется ваш отклик».

А сопроводительное письмо сейчас влияет на что-то?

Георгий: «Мы его пока не добавляли. Это несложно, но требует проверки».

Выходит, тем, у кого нет релевантного вакансии опыта, будет совсем сложно?

Леонид: «Не всегда. Например, в ходе тестирования мы рассматривали, помимо прочего, вакансию бортпроводника. Для работодателей одно из важных в этой профессии требований — знание английского. В выдаче наверху оказались не только отклики бортпроводников с опытом, но и те, кто хорошо знает язык — учителя и переводчики. То есть система выводит вперед те отклики, которые работодатели хотят видеть в первую очередь.

Но нужно понимать: если в определенной отрасли работодатели склонны приглашать людей из других индустрий, то надежда есть. Если же человек хочет без соответствующего опыта перейти в консервативную отрасль, где такой привычки у рекрутеров нет, то и без нашей системы это будет сложно сделать».

Сейчас вы обучились на тех действиях, которые совершали работодатели на сайте. Планируете ли вы вмешиваться в систему и регулировать ее, если заметите перекосы в их поведении?

Леонид: «Нужно понимать, что какими бы громкими словами мы не оперировали — машинное обучение, искусственный интеллект, большие данные — компьютер может решать только четко поставленную инженером задачу. В нашем случае есть текст вакансии и некоторое количество текстов резюме откликнувшихся пользователей. Если говорить простыми словами, мы научили компьютер из всех возможных сортировок этих резюме выбирать специальную, оптимизирующую определенную числовую величину, называемой метрикой.

Поэтому возможны два типа ошибок. Во-первых, мы могли неправильно придумать метрику. В этом случае оценка качества по ней будет высокой, но в реальном мире система ничем рекрутеру не поможет. Или наша метрика сработает плохо в каких-то частных случаях, для определенных индустрий, типов вакансий или не учтет региональную специфику. Чтобы этого избежать, мы пристально следим за тем, насколько правильно наша модель реального мира описывает этот самый реальный мир. Во-вторых, нередки ситуации, когда метрика правильная, но сама модель с течением времени устаревает. Эту ситуацию можно отследить автоматически, и дальше в дело вступают инженеры, которые устранят проблему или изменят систему так, чтобы она обучилась на новых данных. То есть наша задача сейчас — добавить в систему нужное количество «датчиков», которые будут своевременно сигнализировать об отклонениях».

Как все будет развиваться дальше? Вы хотите полностью автоматизировать работу рекрутера?

Борис: «Мы обучались на данных по приглашениям на сайте и сейчас выводим в топ те отклики, которые с большей вероятностью заинтересуют работодателя. В перспективе года или полутора лет мы будем думать о том, как использовать более точные метрики, например, устройство на работу — условно, поднимать вверх кандидатов, которых вы бы наняли. Конечно, в идеале мы хотим предлагать тех, кто будет показывать лучшие результаты — например, сейлзов, которые будут приносить больше денег. Но как это сделать в виде массового продукта, мы пока не знаем».

У нас нет задачи заменить HR-менеджеров машиной. Мы хотим создать систему поддержки принятия решений, чтобы они принимались более четко, вовремя и с минимумом ошибок.
Борис Вольфсон, директор по развитию HeadHunter

А что насчет ошибок соискателей?

Борис: «Соискатели почему-то с опаской воспринимают те фичи, которые у нас появляются для работодателей. Но сортировка откликов — большой плюс для всех. Представьте: вы откликаетесь на вакансию, которая вам не подходит, приходите на собеседование, выполняете тестовое задание, теряете время только на то, чтобы выяснить, что это работа не для вас. Или на вакансию большой поток откликов, и ваше хорошее резюме в нем затерялось. Сортировка откликов такие ошибки исключает».

Леонид: «Скажу даже больше: через некоторое время мы увидим массовый эффект, когда люди будут более счастливы на своей работе, будут дольше задерживаться в одной компании. Вспомните «Яндекс.Такси». Раньше такси — это было дорого и долго, его было мало. Как только компьютер научился соединять пассажиров и таксистов, которые находятся рядом, такси стало гораздо больше, дешевле, удобнее и популярнее. Мы надеемся, что наша система сможет максимизировать не только счастье работодателя, но и счастье соискателя. А оно, кстати, выражается не только в большей зарплате, но и, например, в работе ближе к дому».

То есть на стороне соискателей такая система тоже будет работать?

Борис: «Совершенно точно. У нас уже есть подбор подходящих вакансий, и он хорошо работает. Но к концу года мы надеемся существенно улучшить качество. Это точно изменит рынок и то, как люди ищут работу».

Леонид: «И качество жизни людей — благодаря лучшей работе, которую они находят. Нет плохих соискателей и нет плохих работодателей, есть люди и компании, которые не подходят друг другу по каким-то причинам. И наша задача — помогать находить идеальные пары, возможно, даже на самом первом этапе, когда соискатель только пришел к нам или работодатель только разместил вакансию».

Вакансии дня