ТОП-10 инструментов векторного поиска по резюме и профилям
Одна из самых больших головных болей рекрутера – это поиск среди сотен резюме нужного кандидата. Порой на вакансию приходят сотни откликов, из которых 80% совершенно нерелевантныcrossover.comnovoresume.com. По статистике, менее 3% резюме вообще приводят к интервью. Рекрутеры вынуждены тратить часы на ручной отсев анкет, пробегая глазами каждое резюме буквально за 7 секунд, из-за чего «глаза замыливаются» и сильные специалисты могут ускользнуть из поля зренияvc.ru.
Сроки найма затягиваются, а руководитель требует закрыть вакансию «еще вчера». Как результат – упущенные таланты и срыв дедлайнов. В ответ на эти боли бизнеса появились инструменты векторного (семантического) поиска, которые при помощи ИИ ищут кандидатов не по ключевым словам, а по смыслу и навыкам. В этой статье разбираем десятку таких решений и показываем, как они помогают компаниям находить нужных людей быстрее и точнее.
Почему поиск по смыслу выигрывает у поиска по ключевым словам
Традиционно системы поиска кандидатов работали примитивно: ввел набор ключевых слов – получил резюме, где они встречаются. Однако у ключевого поиска есть серьезные ограничения (источник ingedata.ai). Он не «понимает» контекст и синонимы: кандидат мог написать в резюме «Django» и ни разу не упомянуть слово «Python», и обычный поиск его пропустит. Или, к примеру, система не поймет, что “software engineer” = “разработчик”, и не свяжет вакансию разработчика с резюме инженера-программиста.
Именно поэтому крупные платформы теперь внедряют семантический поиск. Например, HeadHunter запатентовал «умный поиск», где нейросеть сортирует резюме по смысловой схожести и распознает синонимичные выражения (источник feedback.hh.ru). Система учитывает контекст: знает, что фраза «нет опыта холодных продаж, но готов научиться» близка по смыслу к «готовы научить холодным продажам», но не эквивалентна «специалист по холодным продажам». То есть, ИИ “читает между строк”, а не просто ищет совпадения букв.
Векторный поиск – это когда текст резюме и требования вакансии преобразованы в математические векторы (набор чисел) в многомерном пространстве. Близость векторов означает схожесть по смыслу. Такой подход позволяет сопоставлять кандидатов и вакансии по сути навыков и опыта, даже если формулировки не совпадают (источник potok.io). Как отмечают в HR-tech компании Potok, их ИИ-модель сравнивает описание вакансии и резюме в виде векторных представлений, и на основе расстояния между ними оценивает релевантность кандидата. По сути, это автоматический “скоринг” резюме: алгоритм способен с 92%-й точностью выбрать более подходящего кандидата из двух – показатель, который даже превзошел человека в тестах Potok.
Для бизнеса выгода семантического поиска очевидна: меньше лишней ручной работы и быстрее закрытие вакансий. Система моментально отфильтрует резюме, где нет нужных компетенций (пусть даже замаскированных под другие слова), и наоборот – вытащит из глубины базы «спящих» кандидатов, идеально подходящих под запрос, но не использующих модных ключевых слов. По данным платформы Ingedata, после внедрения векторного поиска качество совпадений заметно выросло: начали находиться релевантные кандидаты даже без точных ключевых совпадений, поиск подходящих людей стал занимать секунды вместо часов, а успех закрытия вакансий повысился. Более того, такой подход позволяет снижать некоторые виды предвзятости – ведь алгоритм фокусируется на навыках и опыте, а не на каких-то «маркерных» словах в резюме (источник jobspikr.com).
А теперь перейдем к практике и рассмотрим ТОП-10 инструментов, которые уже сегодня позволяют компаниям использовать векторный поиск по базе кандидатов – от российских разработок до глобальных платформ. Расскажем, что умеет каждый, и как он снимает ту самую «боль» HR-специалистов.
1. Умный поиск HeadHunter
Начнем с самого знакомого. Крупнейшая база резюме HeadHunter тоже давно не полагается лишь на ключевые слова. “Умный поиск” HH.ru – это встроенный инструмент на основе машинного обучения, который ранжирует выдачу резюме по сотням признаков и подстраивается под действия рекрутера. Нейросеть HeadHunter анализирует более 700 факторов в вакансиях и откликах: должность, опыт, навыки, зарплатные ожидания, геолокацию и т.д..
Она понимает синонимы и контекст, как мы уже отмечали: например, разберется, что “project manager” и “руководитель проекта” – одно и то же, и покажет оба варианта. Также алгоритм учится на пользовательском поведении: какие резюме работодатель приглашает, а какие отклоняет. На основе этого поиск со временем начинает лучше угадывать потребности конкретного рекрутера.
Для компаний такое скрытое ИИ-усиление означает, что в топе выдачи оказываются действительно подходящие кандидаты, а нерелевантные уходят вниз. Если раньше HR-у приходилось пролистывать десятки страниц в поисках «иголки в стоге», теперь подходящие резюме всплывают на первых страницах автоматически. HeadHunter утверждает, что их умный поиск позволил значительно ускорить процесс подбора и даже получил патент как успешная разработка. Проще говоря, HH превратил свою гигантскую базу резюме (больше 55 миллионов анкет) в намного более дружественный инструмент для рекрутера. Этот пример показывает: семантический подход работает на практике даже в рамках одного сайта.
2. LinkedIn Recruiter с AI-поиском
LinkedIn – мировая соцсеть профессионалов – тоже внедрила семантический поиск в свой продукт для рекрутеров. В 2023 году LinkedIn представила функцию AI-Assisted Search: рекрутер может просто вставить в поиск текст описания вакансии, а ИИ сам поймет, каких кандидатов нужно искать (источник business.linkedin.com). Система учитывает контекст и навыки, даже если они не прописаны явно: как отмечают в LinkedIn, новый поиск находит кандидатов с «трудно формализуемыми навыками», которые не указаны напрямую в резюме. Проще говоря, больше не нужно вручную перебирать фильтры и булевы запросы – ИИ проанализирует смысл вакансии и сам сформулирует запрос.
Впечатляют первые результаты: по данным LinkedIn, с AI-поиском отклик кандидатов на сообщения рекрутера вырос на 18% по сравнению с обычным поиском. Пользователи хвалят инструмент. Например, в Toyota Material Handling отмечают, что поиск кандидатов, который раньше занимал 15 минут ручного настройки, теперь занимает около 30 секунд – экономия времени колоссальная. Руководитель AMS Sourcing называет новый поиск LinkedIn «лучшим из того, что мы видели», а старший рекрутер самой LinkedIn говорит, что «семантический поиск на платформе стал game-changer, позволяя находить релевантных кандидатов намного быстрее и точнее».
LinkedIn Recruiter и раньше был мощным инструментом (база из 950 млн профилей по всему миру, продвинутые фильтры), но теперь с добавлением AI он фактически начал “думать” за рекрутера. Это особенно полезно для сложных нишевых позиций: ИИ предложит кандидатов с нетривиальным опытом, которые не всплыли бы при прямом ключевом поиске. К слову, аналогичные технологии внедряют и конкуренты – например, американская платформа Indeed недавно тоже анонсировала AI-поиск по профилям. Тренд очевиден: без семантики искать людей в 2025 году уже неэффективно.
3. Skillaz
Skillaz – один из пионеров российского HR-tech, предлагающий облачную платформу для автоматизации найма с ИИ. Это комплексное решение для рекрутмента, но особенно сильная сторона Skillaz – именно умный подбор кандидатов. Система автоматически оценивает и ранжирует резюме, интегрируется с ATS и выдает подробную аналитику (источник ycla-coding.com).
Проще говоря, Skillaz не просто складирует отклики, а сразу предлагает рекрутеру наиболее подходящих, по мнению ИИ, кандидатов. Для оценки используются алгоритмы машинного обучения: анализируются текст резюме, навыки, опыт, сравниваются с требованием вакансии. Как отмечается, точность скоринга достигает 90+%, то есть система довольно метко предсказывает, подходит кандидат или нет.
Skillaz также включает современные «фишки» вроде онлайн-интервью с анализом поведения (с помощью компьютерного зрения), геймификацию для вовлечения кандидатов и т.д.. Среди клиентов платформы – крупные банки, ретейл, промышленные корпорации, что говорит о ее надежности. По данным компании, их решения позволяют сократить время и затраты на подбор на 30–40%, при одновременном росте качества найма. Это подкрепляется и реальными кейсами: к примеру, X5 Retail Group и «Лента» заявляли, что внедрение Skillaz ускорило закрытие вакансий и снизило нагрузку на рекрутеров.
Векторный поиск в Skillaz проявляется именно в ранжировании резюме: система понимает суть навыков. Например, если вакансии нужен «аналитик данных», а кандидат назвал себя «data scientist», ИИ Skillaz учтет, что это близкие понятия, и не отсеет такого кандидата. Для HR-отдела это значит меньше ручного перебора: подходящие люди сразу оказываются наверху списка, а низкие позиции занимают резюме, где совпадения только по форме, но не по сути.
4. Potok (Potok.Recruitment)
Potok (портал potok.io) – отечественная HRM-платформа, которая позиционируется как “комбайн” для управления персоналом. Однако ключевой модуль Potok – Potok.Recruitment – это как раз про подбор с максимальной автоматизацией. Тут есть автоматический поиск и оценка релевантности кандидатов с помощью ИИ, генерация описаний вакансий с GPT, чат-бот для первичного общения и многое другое. По сути, Potok предлагает весь цикл найма: от публикации вакансий до онбординга.
Отличительная черта Potok – сильный семантический движок для скоринга резюме. Генеральный директор Potok Сергей Ахметов рассказывает, что в их системе ИИ преобразует тексты вакансий и резюме в векторные эмбеддинги и сравнивает их между собой. Результат – балл релевантности кандидата.
При этом используется умная онтология навыков: алгоритм «понимает, что “клиентоориентированный” и “дружелюбный” – близкие по смыслу характеристики», поэтому не отсеет человека только из-за разницы формулировки. В Potok заявляют, что их универсальная модель оценки резюме в тестах показала точность 92%, даже выше, чем у человека-рекрутера. Этот скоринг уже встроен “из коробки” в Potok.Recruitment: рядом с каждым кандидатом система показывает процент соответствия вакансии.
Кроме того, Potok имеет встроенного робота для холодного поиска кандидатов по открытым источникам, интеграции с базами, и даже голосового бота для обзвона. Такая мультифункциональность привлекла крупных клиентов: сервисом Potok пользуются «Билайн», «Северсталь», «Лента» и др.. Они отмечают, что решения Potok помогают сокращать время найма на ~30% и экономить бюджеты.
Векторный поиск здесь – сердце системы: рекрутеру не нужно читать все резюме, за него это делает ИИ и подсвечивает лучших. Например, в case study Potok описано, как алгоритм заметил в резюме рекрутера навыки, подходящие для вакансии менеджера по продажам (работа с возражениями, умение “продавать” вакансию) – то, чего рекрутер-человек мог бы и не сопоставить. В итоге кандидат из смежной сферы был найдет на неожиданные позиции. Это новый уровень поиска, когда система видит таланты “за рамками должностей”.
5. Sever.AI
Sever.AI – российский сервис, изначально стартап, который позже привлек инвестиции «Северстали». Он предлагает платформу на базе ИИ для автоматизации подбора, с особым упором на производительность. Главная функция – поиск и оценка резюме с помощью нейросети: Sever.AI может анализировать резюме из разных источников (видимо, работая как мета-поиск) и заявляет точность до 90% при оценке соответствия кандидата. То есть, из 100 резюме система очень точно отберет те 10, которые наиболее подходят, минимизируя false positive.
Кроме поиска, Sever.AI оснащен многоканальным коммуникационным модулем: ИИ-ассистент сам может общаться с кандидатами по телефону, в чате, e-mail, SMS. Он умеет даже вести голосовой разговор, изображая сотрудника компании. Также сервис проводит видео-интервью с помощью нейронных сетей, оценивая речь и мимику кандидата (например, как HireVue, о котором чуть ниже). Цель – разгрузить рекрутера на этапах скрининга и первичного интервью.
Sever.AI уже внедрен в крупных компаниях: среди клиентов «МТС», «Лента», X5 Retail и др.. Для них, по отзывам, ценность в том, что ИИ работает 24/7 и закрывает массу рутинных операций: обзвонит сотню соискателей, пока живой рекрутер проводит один звонок; проранжирует базу, пока HR спит.
В контексте векторного поиска Sever.AI – это пример standalone-системы, которую можно подключить к своим данным. Она «понимает» текст резюме и вакансии, сравнивает и выдает рейтинг кандидатов. А дальше по списку лучших сервис уже может сам и связаться. Если компания сталкивается с большим валом однотипных резюме, такой ИИ-скоринг экономит дни работы. Ну и человеко-часов тоже: разработчики Sever.AI утверждают, что их решение позволяет сократить расходы на подбор на 30-40% за счет автоматизации и более быстрого найма.
6. Naimee AI
Naimee AI – перспективный российский сервис, который представляет собой умного чат-бота-рекрутера на базе GPT. В отличие от многих других, Naimee концентрируется на том, чтобы полностью взять на себя первую половину воронки найма – от поиска резюме до записи кандидата на интервью. По сути, Naimee комбинирует векторный поиск резюме и живое общение: он анализирует резюме с популярных площадок (HeadHunter, SuperJob и др.) и самостоятельно проводит скрининг-интервью с кандидатом в чате. Бот общается на естественном языке: отвечает на вопросы кандидата, уточняет детали опыта, мотивирует прийти на собеседование. Договорившись о времени встречи, Naimee автоматически ставит в календарь HRа эту встречу.
Основная задача Naimee – снять рутину с рекрутера. Разработчики заявляют, что использование Naimee позволяет снизить нагрузку на отдел подбора до 80%. Бот работает круглосуточно, мгновенно реагируя на отклики, и не дает “пропасть” ни одному кандидату, отвечая всем даже ночью. Сервис эффективен как при массовом найме (может параллельно общаться с десятками кандидатов), так и при точечном (скрупулезно выясняя нужные детали у редких специалистов). Важно, что Naimee интегрируется с популярными HR-системами – то есть легко встраивается в существующий процесс компании.
С точки зрения векторного поиска, Naimee на входе фильтрует базу резюме по смыслу, чтобы выбрать наиболее подходящих. Если информации в резюме недостаточно, бот доспрашивает недостающие данные у кандидата в диалоге. Такой подход решает проблему, когда по резюме неясно, знает ли человек, например, конкретную технологию – бот уточнит это напрямую, но в дружеской форме, не как анкету. В итоге рекрутер получает уже готовый shortlist из, скажем, пяти идеальных кандидатов, с кратким портретом каждого (описание опыта, сильных сторон) – и может сразу приглашать их на финальное интервью.
Все коммуникации до этого бот взял на себя. Такой уровень автоматизации – действительно взгляд в будущее HR. Не зря в недавнем обзоре на VC.ru Naimee назван одним из топ-инструментов, который «фантастика? Нет – просто будущее уже наступило», описывая сценарий, где нейросеть за утро отфильтровала 95% кандидатов и провела 15 интервью, пока HR пил кофе.
7. AI HR PRO
Следующий инструмент – AI HR PRO, еще одна российская разработка. Это платформа для умного анализа резюме на основе ИИ, которая примечательна своей простотой внедрения. Фактически AI HR PRO предлагает облачный сервис: HR-специалист загружает пачку резюме и описание вакансии на сайт, а нейросеть проводит их семантическое сравнение.
На выходе сервис дает детальный отчет и рейтинги кандидатов – кто лучше подходит, с указанием конкретных параметров, по которым сделан вывод. Автор обзора на VC.ru, протестировавшая AI HR PRO, отметила, что «система оценок достаточно точна: кандидатов на позиции подбирает неплохо». То есть, несмотря на простоту (не требуются интеграции, API, достаточно браузера), инструмент действительно умеет угадывать релевантность.
AI HR PRO делает акцент на конфиденциальности и безопасности данных – после сравнения все резюме удаляются с сервера, что важно для корпораций. Еще один плюс – не нужно устанавливать сложные системы, платить за полную ATS; сервис работает по модели SaaS, как утилита. Для многих HR-отделов, особенно в небольших компаниях, это удобный способ попробовать силу ИИ в подборе без долгого внедрения.
Векторный поиск здесь реализован напрямую: нейросеть берет текст резюме и вакансии, превращает их в эмбеддинги и вычисляет “близость”. Отчеты обычно показывают, по каким ключевым компетенциям есть совпадение, а где пробелы, и выстраивают кандидатов по убыванию баллов. Таким образом, HR получает объективную оценку соискателей, убирающую человеческий фактор на первом этапе. Можно сказать, AI HR PRO – это такой «виртуальный ассистент», к которому можно обратиться: “Вот вакансия, вот 100 резюме – кто из них топ-10?”. И через минуты иметь результат.
8. SeekOut
Перенесемся за рубеж. SeekOut – американская платформа, ставшая особенно популярной среди тех, кому важно диверсифицировать найм. SeekOut – это мощный инструмент поиска талантов, который использует ИИ для семантического подбора кандидатов по открытым источникам и собственной базе. У SeekOut есть доступ к более 800 миллионам профилей (включая LinkedIn, GitHub, досье и т.д.), и система позволяет делать очень точные выборки по множеству критериев. Говоря проще, SeekOut – это поисковик кандидатов с AI-наворотами.
Основные возможности SeekOut: поиск с использованием ИИ и 30+ фильтров (навыки, опыт, образование, разнообразие и т.п.), интеграция с ATS, а также автоматизация коммуникаций – например, рассылка персонализированных писем кандидатам. Семантический движок SeekOut понимает должности и навыки в широком смысле. Допустим, вы ищете “DevOps engineer AWS” – инструмент найдет не только тех, кто явно так подписан, но и, скажем, “Site Reliability Engineer” с опытом AWS, потому что смысл совпадает. Кроме того, SeekOut известен своим фокусом на поиске кандидатов из недопредставленных групп: он позволяет фильтровать по разнообразию (например, искать женщин-инженеров, ветеранов и т.д.), что помогает компаниям в Diversity & Inclusion.
Пользователи отмечают, что SeekOut часто находит “скрытые жемчужины” – кандидатов, которых нет на виду в LinkedIn. Инструмент черпает данные из разных источников и может показать, например, профиль разработчика на GitHub с его проектами, дополнив картину резюме. В итоге HR получает глубокий инсайт о навыках кандидата. Хотя по части продвинутой аналитики (типа предиктивного планирования) SeekOut уступает таким решениям, как Eightfold, но свою задачу – отобрать лучших по смыслу, а не только по ключевикам – выполняет отлично. Не зря в 2021 году SeekOut признали одним из самых быстрорастущих сервисов для сорсинга, а компании вроде Salesforce и Amazon вошли в число его клиентов.
9. Fetcher.ai
Если вам нужен инструмент, который сам не только найдет, но и привлечет кандидатов – стоит обратить внимание на Fetcher.ai. Это зарубежная платформа, которая комбинирует семантический поиск кандидатов с автоматизацией рассылки и воронки откликов. Проще говоря, Fetcher ищет подходящих специалистов по заданным критериям на разных ресурсах (в сети, соцсетях, базах), сам рассылает им персонализированные приглашения, а потом отслеживает отклики. Рекрутеру остается только обработать заинтересованных кандидатов.
В основе Fetcher – тоже технология векторного поиска. Вы задаете портрет (например, “маркетолог в финтех с опытом 3-5 лет”), и ИИ сканирует миллионы профилей, чтобы найти тех, кто по описанию соответствует, даже если должность у них называется по-другому. Большой плюс – экономия времени на коммуникациях: Fetcher не просто дает список, но и сразу делает первые контакты. По словам разработчиков, это повышает воронку найма, ведь бот выявляет наиболее заинтересованных из общей массы (анализируя, кто открыл письмо, кто ответил и т.д.).
Для малых команд у Fetcher есть бесплатный план на 50 профилей в месяц, что удобно попробовать. Интеграции с ATS и CRM тоже присутствуют, так что найденные кандидаты могут сразу попадать в вашу систему. Fetcher хорош для проактивного поиска пассивных кандидатов – когда на вакансию мало откликов, и нужно самим “рыскать” по рынку. ИИ подбирает таких кандидатов по схожести навыков и опыта, а автоматизация позволяет первично с ними связаться в масштабах, невозможных вручную.
По сути, Fetcher.ai воплощает концепцию “recruitment automation”, где семантический поиск – первый этап, за которым сразу следует бот-ассистент по outreach. Компании, использующие Fetcher, отмечают сокращение времени на сорсинг в разы и более плотный поток кандидатов в воронке (за счет того, что AI постоянно кого-то находит и пишет). Это освобождает рекрутерам часы на более осмысленную работу – общение с действительно мотивированными откликнувшимися кандидатами.
10. Eightfold AI
Завершает нашу десятку Eightfold AI – одна из самых мощных платформ на стыке HR и data science в мире. Eightfold позиционирует себя как Talent Intelligence Platform, то есть платформа, дающая прогнозы и инсайты о талантах. Но ключевой модуль Eightfold – это как раз AI-подбор и матчинг кандидатов.
Здесь векторный поиск доведен до искусства: Eightfold гордится тем, что их ИИ фокусируется не столько на совпадении ключевых слов в резюме, сколько на навыках и потенциале человека. Алгоритмы анализируют карьеру кандидата, его скиллы (в том числе смежные) и сопоставляют с требованиями роли, даже если кандидат не перечислил явно все требуемые навыки. Таким образом, Eightfold помогает находить “скрытые таланты” – например, кандидата, у которого нет нужного слова в резюме, но есть необходимый опыт.
Eightfold AI очень популярен среди крупных международных корпораций (его используют в AirAsia, Nokia, Bayer и десятках других фирм). Платформа не только ищет внешних кандидатов, но и просматривает внутренние резервы компании – кого можно повысить или перевести, исходя из навыкового профиля. В плане рекрутинга Eightfold славится функцией Talent Matching: ИИ автоматически сопоставляет все открытые вакансии с базой кандидатов (и даже с бывшими соискателями, кто когда-то откликался) и выдает рекомендации, кого пригласить. При этом заложено устранение biais: алгоритм не смотрит на пол, возраст, вуз и прочее, только на объективные параметры, что делает найм более diverse & fair.
Кроме того, Eightfold дает HR-ам кучу аналитики: какие навыки в дефиците, кого из сотрудников пора обучить, чтобы закрыть будущие потребности и т.д.. Но возвращаясь к поиску: в практике было много кейсов, когда благодаря Eightfold компании сокращали время найма на до 90% (за счет молниеносного AI-прескрининга) (источник eightfold.ai). Например, внедрение AI-интервьюера от Eightfold позволило в пилотах уменьшить время до первого собеседования на 90% при одновременном росте удовлетворенности кандидатов. Eightfold хвалят за то, что он “находит иголки в стоге сена, о существовании которых вы не подозревали”. В одном обзоре отмечалось, что Eightfold превосходит всех конкурентов по глубине возможностей именно в части AI-матчинга кандидатов.
Для компании внедрение Eightfold – шаг серьезный (это enterprise-решение), но и выгоды значительны. Если обобщить: Eightfold AI умеет предсказывать, кого вам нужно нанять, прежде чем вы сами это поняли. А когда вакансия открыта – он переберет миллионы профилей и подскажет тех, кто способен эту работу выполнять, пусть даже их должность сейчас другая. Такой “умный подбор” экономит и время, и деньги, позволяя HR сосредоточиться на стратегии, а не на ручном серфинге по резюме.
Вместо вывода. Векторный поиск и ИИ-инструменты подбора персонала перестают быть экзотикой – они уже решают насущные проблемы бизнеса. По данным исследования, в России к 2024 году 71% работодателей планируют внедрять новые ИИ-инструменты в HR, а две трети уверены, что к 2050 году подбор можно будет полностью автоматизировать на базе ИИ.
Наш обзор показал, что уже сегодня нейросети помогают: снижают ручной труд, ускоряют найм, повышают качество найма и даже снимают часть субъективности. Конечно, никакой AI пока не заменит HR-стратегию и «человеческий фактор» окончательно – финальное решение принимает человек, и интуиция опытного рекрутера по-прежнему ценна. Но избавить этого рекрутера от рутинного ситечка резюме, дать ему в руки умные рекомендации и высвободить время для общения с людьми – с этим алгоритмы справляются прекрасно.
Можно скептически заметить, что не все внедрения проходят гладко: как шутят сами HR-специалисты, ИИ, обещающий «автоматически найти идеальных кандидатов», порой работает не лучше, чем реклама, предлагающая товар, который вы уже купили неделю назад (источник kurshub.ru). Ошибки случаются, и важен здравый смысл. Но очевидно: будущее рекрутинга – за симбиозом человека и ИИ. Тот, кто раньше начнет использовать сильные стороны алгоритмов, получит преимущество в борьбе за таланты.
А вам уже доводилось пробовать в работе векторный поиск или AI-скрининг резюме? Поделитесь своим опытом в комментариях – сообществу HR это наверняка интересно. 🚀