Нейросеть для HR: разбор откликов и резюме

Разбор откликов — задача, где нейросеть экономит очевидно много времени и где ошибка стоит несоразмерно дорого. Сотня резюме на вакансию отнимает у рекрутера часы, а извлечение фактов из них — типовая операция, которую модель делает за минуты. Проблема в том, что от «извлечь факты» до «отсеять кандидата» один шаг, и делать его нельзя: модель ошибается молча, а последствия ложатся на компанию и на живого человека. Разбираем, что отдать модели, что оставить человеку, как не получить дискриминацию по недосмотру и что не отправлять провайдеру вообще.

Что можно отдать модели

Четыре операции, где риск управляем.

Извлечение фактов. Опыт в годах, названия технологий, город, формат работы, наличие конкретных навыков — в структурированные поля. Дальше с ними работает ваш код, а не модель — как получить строгий формат.

Проверка формальных требований. Есть ли нужный навык, подходит ли город, соответствует ли опыт заявленному диапазону. Ответ «да/нет/не указано» по каждому пункту.

Группировка по направлениям. Сто откликов на широкую вакансию раскладываются по специализациям — как устроена классификация.

Краткая выжимка для рекрутера. Пять строк, по которым человек решает, открывать ли резюме целиком — как получить хорошее саммари.

Общее у всех четырёх: модель готовит материал, решение принимает человек. Это и есть граница, которую не стоит переходить.

Чего делать не стоит

Три вещи, каждая по своей причине.

Автоматический отказ. Модель ошибается, и здесь ошибка означает, что человек не получил работу из-за неверно понятой строчки в резюме. Технически отказ автоматизируется легко; проблема не в технике.

Оценка личных качеств. «Насколько кандидат мотивирован», «подойдёт ли по духу команде» — модель выдаст уверенный ответ на любой такой вопрос, и он не будет означать ничего. Правдоподобность здесь не связана с обоснованностью — почему.

Ранжирование по общему баллу. Единая оценка кандидата непрозрачна: непонятно, из чего она сложилась, и невозможно объяснить решение. Проверяемые поля лучше одной цифры.

Разумная схема выглядит так: модель извлекает и группирует, рекрутер смотрит и решает. Экономия времени остаётся, ответственность остаётся у человека.

Как не получить дискриминацию

Самая недооценённая часть, и решается она просто.

Модель отражает закономерности из обучающих данных. Если в них связь между, например, именем и профессией существовала, она может проявиться в ответе — не по злому умыслу, а как статистика.

Защита прямая: не подавайте в модель то, что не должно влиять на решение. Имя, фотографию, возраст, пол, гражданство, семейное положение, адрес. Что не отправлено, то не повлияет.

Практически это означает предварительную очистку: ваш код вырезает эти поля из резюме до отправки, оставляя опыт, навыки, образование и формат работы. Тот же приём защищает и приватность — что вообще уходит провайдеру.

Плюс проверка: сверяйте распределение результатов. Если после внедрения доля прошедших дальше по какой-то группе изменилась, это повод разбираться, а не радоваться скорости.

Что не отправлять провайдеру

Резюме — это персональные данные, и это меняет требования.

Обезличивайте до отправки. Замените имя, телефон и почту на метки. Для задачи «извлеки опыт и навыки» настоящие контакты не нужны, а сопоставить ответ с кандидатом ваш код сможет по метке.

Отправляйте фрагмент, а не файл целиком. Если нужен только раздел с опытом, отправьте его.

Не пересылайте сканы без необходимости. Скан — это изображение, и обработка его требует отдельного шага со своими рисками — как устроена работа с документами.

Заведите отдельный ключ на этот сценарий. Так виден расход и локализуется утечка — как их хранить.

Прочитайте, что хранит провайдер. У нас это написано в llms.txt; у любого другого это надо прочитать до отправки первого резюме, а не после.

Юридическую сторону — основания обработки, согласия, сроки хранения — определяет ваш регламент и юрист. Мы описываем техническую часть.

Как устроить рабочую схему

Порядок на день работы.

1. Определите поля, которые извлекаете. Пять-семь, не двадцать. Опыт, ключевые навыки, город, формат, образование.
2. Напишите очистку входа. Вырезать персональные данные и поля, не влияющие на решение.
3. Задайте строгую структуру ответа. Поля с явными типами и обязательным «не указано» вместо догадки.
4. Проверьте на пятидесяти реальных резюме. Сравните с тем, что выписал бы рекрутер вручную.
5. Считайте не «точность», а число пропущенных подходящих. Ложный отказ дороже ложного пропуска: лишнее резюме человек посмотрит и отложит, а пропущенного кандидата вы не увидите никогда.
6. Оставьте человека на решении. Всегда.

Пятый пункт стоит подчеркнуть: метрика здесь несимметричная, и обычная «доля правильных ответов» скрывает именно ту ошибку, которая дорога.

Сколько это стоит

Порядок величин, чтобы снять вопрос.

Резюме на страницу — это несколько тысяч токенов на входе, структурированный ответ — несколько сотен на выходе. При ставках за миллион токенов сотня откликов обходится в единицы рублей.

Расход становится заметным только на потоке в тысячи резюме, и даже там речь о сотнях рублей в месяц — как перевести объём в рубли.

Для этой задачи почти наверняка достаточно недорогой позиции: извлечение полей не требует сложных рассуждений. В каталоге на 4 сентября 2026 года платные текстовые модели начинаются от 1 ₽ за миллион, восемь позиций тарифицируются по нулевой ставке — что там доступно.

Обратная сторона: резюме, написанные моделью

Короткое наблюдение, о котором стоит помнить.

Кандидаты пользуются теми же инструментами. Резюме и сопроводительные письма всё чаще проходят через модель, и это меняет картину: тексты становятся глаже, а различий между ними меньше.

Практический вывод для подбора: гладкость перестала быть сигналом. Полезнее смотреть на проверяемое — конкретные проекты, цифры, детали, — а не на то, насколько складно написано письмо. По иронии, это ровно тот же критерий, по которому мы отличаем полезный текст от текста-заполнителя.

Что ещё в подборе экономит время

Несколько операций рядом с разбором откликов, у которых тот же профиль риска.

Черновик описания вакансии. По списку требований и задач — связный текст, который правит человек. Быстро и безопасно: текст всё равно вычитывается перед публикацией.

Приведение резюме к единому виду. Разные форматы — одна структура для сравнения. Чисто техническая операция.

Подготовка вопросов к собеседованию. По резюме и описанию вакансии — список того, что стоит уточнить. Рекрутер выбирает, а не следует списку.

Разбор обратной связи после интервью. Заметки нескольких интервьюеров — в структурированную сводку. Оценки при этом ставят люди, модель только раскладывает написанное.

Ответы кандидатам на типовые вопросы. О формате работы, этапах, сроках. С теми же ограничениями, что и любой помощник для внешних людей: отвечать по вашим материалам и передавать нетиповое человеку.

Общее у всех пяти: они экономят время на подготовке, а не подменяют суждение. Как только операция начинает влиять на решение о человеке, она возвращается в предыдущий раздел — с обязательной проверкой и без автоматического исхода.

Чего мы не утверждаем

Не даём юридических советов. Обработка персональных данных кандидатов регулируется; основания, согласия и сроки — к вашему юристу.

Не сравниваем модели по качеству. Своих замеров мы не делали.

Не обещаем, что очистка входа снимает все риски смещения. Она убирает самые очевидные; остальное проверяется распределением результатов.

Цифры каталога — на дату. Состояние на 4 сентября 2026 года.

Что нужно, чтобы попробовать

Ключ заводится за минуту на keydealer.ru/login — почта и пароль, без документов. Оплата российской картой в рублях. Платные текстовые модели доступны сразу на приветственном бонусе, то есть прогнать полсотни обезличенных резюме можно без пополнения.

Начните именно с полусотни: этого хватает, чтобы увидеть и качество извлечения, и то, какие поля модель путает на ваших типовых резюме.

Что держать в голове

Модель хорошо извлекает факты и группирует отклики — и не должна принимать решение о кандидате. Граница проходит между «подготовить материал» и «отсеять».

Две вещи сделайте до первого запроса: вырежьте из резюме всё, что не должно влиять на решение, и обезличьте персональные данные. Что не отправлено — не повлияет и не утечёт.

Как мы проверяем факты и что храним из запросов — на странице о проекте и в llms.txt. Проверить на своих откликах: keydealer.ru/login.