🔥Как на 90% сократить время анализа документов (на примере рекрутинга)

Последние два месяца были довольно напряжёнными, поэтому ненадолго пропал с радаров, но я исправляюсь 👋

Нашел для Вас классный AI инструмент по ускорению работы с большим количеством документов.

На днях мне довелось заниматься двумя интересными задачами:

• Marketing Research – анализ >10 отраслевых исследований (30+ страниц каждое); • Помощь друзьям из кадрового агентства – ускорение процесса анализа объемов поступающих резюме.

⚠️ По привычке решил отрабатывать обе задачи через ChatGPT, но быстро столкнулся с массой проблем: • ChatGPT и другие LLM не переваривают более 4-5 документов за раз; • Они часто ограничены по объёму загружаемых документов; • Фантазируют – искажают факты и цифры.

😮 NotebookLM от Google суперски справился со всеми проблемами.

Как работает NotebookLM на примере рекрутинговой задачи. Интересный факт: Среднее кадровое агентство в РФ за год обрабатывает более 97 000 резюме. Последовательность действий в NotebookLM:(Не забываем включить VPN) 👍Загружаем массив резюме (PDF, DOCX, TXT) в блок «Источники»; 👍Добавляем требования к кандидату в формате текста в чате либо в блок «Источники» в формате документа; 👍Запрашиваем анализ в чате: Проанализируй все резюме на соответствие вакансии по ключевым критериям (опыт, навыки, образование, зарплатные ожидания). Раздели кандидатов на три группы: • Зелёная зона (80-100%) – высокая релевантность. • Жёлтая зона (50-80%) – частичное соответствие. • Красная зона (<50%) – низкое соответствие. Подготовь итоговую таблицу с процентным рейтингом кандидатов и выявленными несоответствиями.

Результаты: 🏃‍♂️ Время анализа резюме под одну вакансию сокращено на 90%; 🪙Экономический эффект для среднего кадрового агентства +231 000₽ в год.

NotebookLM отлично показал себя в задачах, требующих быстрого анализа большого объёма текстовой информации, где важно точное извлечение данных без искажений.

👇 Обязательно попробуйте NotebookLM и поделитесь опытом в комментариях!