🤖 HR-нейросети | Вячеслав Пустовой

Когда компании необходимо большое количество персонала на массовые позиции, такие как курьеры, таксисты, кассиры, нейросети могут самостоятельно анализировать резюме, подбирать подходящие варианты и проводить звонки с кандидатами, отбирая для HR-специалиста список претендентов с максимальным соответствием установленным критериям. Причём делают они это довольно эффективно. Среди моих проектов были примеры успешного использования открытых нейросетей для выполнения таких функций. В ближайшее время на канале появятся кейсы по теме и там будет подробно рассказано о методике выполнения аналогичных работ. Мне удавалось заставить стандартные сети фильтровать большое количество резюме и подбирать наиболее подходящие варианты для дальнейшей беседы. 

⚡ Есть важный вопрос. Можно ли доверять выбору искусственного интеллекта при анализе резюме? На мой взгляд, да. Нейросеть проводит анализ на основе огромных массивов данных, поэтому способна выдавать релевантные результаты - не хуже, чем человек, который точно так же принимает решение на основе своего опыта. Конечно, нейросеть всегда может ошибиться, но точно так же ошибиться может любой из нас. Кроме того, искусственный интеллект, в отличие от человека, не может оценить кандидата субъективно. Человеческий фактор здесь полностью исключен. Конечно, в использовании нейросетей для рекрутинга есть свои риски. Не каждый кандидат, особенно высокого уровня, захочет общаться с роботом вместо живого человека. С одной стороны, это предрассудки тем более что само собеседование все равно будет проводить сотрудник компании. С другой - опытные востребованные специалисты привыкли к личному подходу. Но я думаю, что для более молодых специалистов и массового подбора, подход актуален.

Мы ведём интересный канал в Telegram и рассказываем там про опыт использования нейросетевых технологий в HR-сфере! Расширьте понимание возможностей искусственного интеллекта! Перейти на канал! Одна из главных тем, которая вызывает беспокойство у пользователей нейроинструментов – это сохранность чувствительных данных. Особенно это важно, когда речь идёт о корпоративном использовании. Банальная неосторожность может привести к тому, что пользователь прогонит через искусственный интеллект какой-то внутренний регламент, а система на нём обучится. Это приведёт к тому, что вся информация станет доступной в открытом доступе, что, как минимум, не очень полезно. Такие примеры уже были. Традиционный подход, когда передовые LLM предоставляются исключительно через облачные сервисы разработчиков, несет определенные риски для компаний, работающих с чувствительными сведениями. Решением этой проблемы могут быть два подхода: развертывание языковой модели на собственных ресурсах, либо установка специального защитного механизма, который анализирует данные перед их отправкой и заменяет конфиденциальные сведения на сгенерированные аналоги, сохраняя при этом семантическую целостность сообщения. Разворачивать собственный сервер – довольно дорого и трудоемко. Поэтому, ознакомимся с другим подходом – созданием защитного экрана. В нашем случае это система Jay Guard. Jay Guard обеспечивает пользователям возможность гибко настраивать параметры маскировки данных, опираясь на собственные политики безопасности, а также интегрировать систему с базами данных клиентов. Все данные, покидающие защищенную инфраструктуру организации, перед отправкой в сторонние LLM, подвергаются анонимизации, оставаясь при этом семантически связными. Более того, после обработки запроса, исходная информация восстанавливается, сохраняя контекст всей сессии. Jay Guard идеально сочетается с Jay Copilot, инструментарием для работы с нейросетями, созданным также компанией Just AI. Оба продукта предназначены для работы в безопасном окружении, исключая риск утечки конфиденциальных сведений во внешние LLM. Инновационный системный промт позволяет LLM обрабатывать запросы с замещенными данными так, будто там находятся реальные значения. Это обеспечивает высокую точность и корректность ответов нейросети. Jay Guard обеспечивает незаметную работу при маскировании данных, не прерывая и не усложняя процесс отправки запросов для пользователей. Они взаимодействуют с системой так же, как и раньше, без каких-либо изменений. Страничка на нашем сайте по направлению “нейросети”.