Почему работодатель не видит идеального кандидата с профессионально упакованным резюме.

Часть 2 из 3

В первой части поста мы разобрали истинные цели создания “Умного поиска HH”. Во второй части я покажу 4 особенности (это следствие реализации разработчиками главной задачи создания алгоритма), из-за которых работодатель не видит идеального кандидата с профессионально упакованным резюме. Ссобенное внимание стоит обратить на пункт 4, хотя уже первые 3 пункта создают серьезные барьеры для соискателя.

1️⃣ Невидимый отсев до основного ранжирования

Отбор подходящих резюме проходит в 2 этапа.  Предварительный отбор (быстрый, чтобы тратить меньше токенов). Основной отбор, когда резюме анализируются более тщательно, и затем система решает, что показать работодателю. Резюме может подходит по смыслу, но не попасть в шорт-лист финалистов, внутри которого производится тщательное сравнение.

2️⃣ Потеря значимых особенностей резюме при сжатии данных

Чтобы сэкономить вычислительные мощности, некоторые данные удаляются. «Понижение ранга матриц реализует сжатие данных с частичной потерей данных». «…из матрицы с пониженным рангом удаляют столбцы… не влияющие существенно на результаты поиска». Авторы изобретения считают, что это происходит «без существенного ущерба» для поиска. Однако критерий существенности оценивается для общей модели. Редкое умение, нестандартный карьерный опыт или необычная комбинация компетенций могут оказаться статистически малозначимыми, хотя для конкретной вакансии они важны.

3️⃣ Зависимость видимости от слов и формулировок резюме

Поля преобразуются в признаки, соответствующие наличию терминов естественного языка. Предусмотрены лемматизация, стемминг и заранее заданные группы синонимов. Это снижает зависимость от точной формы слова, но не устраняет ее полностью. Потенциально хуже могут ранжироваться резюме, в которых: компетенция описана нестандартно; использован редкий профессиональный термин; указан результат работы, но отсутствует ожидаемое название навыка; одна и та же должность называется иначе, чем в вакансии.

4️⃣ Закрепление прошлых предпочтений и предубеждений работодателей

Система обучается на поведении пользователя (работодателя). Проще говоря, если работодатель открыл профиль, пригласил кандидата, то алгоритм считает, что такие кандидаты интересны и начинает показывать только их. Проблема в том, что эти действия отражают не только профессиональную пригодность кандидата. На них могут влиять: субъективные предпочтения рекрутера; привычность карьерного пути; положение кандидата в первоначальной выдаче. Если какие-то категории кандидатов раньше приглашались реже, модель может усвоить это как признак меньшей релевантности. Возникает самоподдерживающийся цикл: кандидата реже показывают → его реже просматривают и приглашают → модель получает ещё меньше положительных сигналов → кандидата показывают ещё реже. По сути, происходит самовоспроизводящееся сужение профиля «хорошего кандидата»

HR попадает в «мыльный пузырь» и не видит тех, кто отличается от привычного профиля «хорошего кандидата».  Склонность полагаться на рекомендации ИИ закрепляет эту конструкцию и делает стену между соискателем и работодателем почти непробиваемой. Почти. Но не железобетонно непробиваемой.  Что же делать, чтобы заставить алгоритмы “Умного поиска HH” работать на вас, чтобы работодатель видел ваше резюме и приглашал на собеседование?

Ответ — в третьей части.