Уверены, что распознаете хорошего программиста по резюме?
Когда-то в интернете был популярен шуточный тест: по фотографии нужно было угадать, кто перед вами — программист или серийный убийца. Тест отлично показал, что люди ужасно справляются с этой задачей и совершают более 80% ошибок.
Четыре года назад мы объединились с другими компаниями и рекрутинговыми агентствами, чтобы решить одну «простую» задачу — научиться оценивать вероятность успешного прохождения интервью по резюме.
За эти годы мы собрали обучающую выборку из 475 000 резюме, 902 500 вакансий и 2,7 млн результатов собеседований. И теперь у нас в компании уже давно не читают резюме кандидатов — за нас это делает бездушная машина. ML-модель за секунды анализирует резюме и рассчитывает скоринг кандидата, учитывая требования вакансии.
Вот только каждый второй рекрутер-новичок в нашей компании (или тимлид, или нанимающий менеджер) вначале встаёт в позу, сопротивляется и хочет сам отсматривать резюме кандидатов, тратя на это десятки часов рабочего времени.
«Окей, — говорим ему, — покажешь результат лучше, чем наш алгоритм — получишь право отбирать кандидатов по резюме». Даём ему пачку из 200 резюме по выбранной специальности и просим для каждого оценить вероятность прохождения технического интервью.
Простые варианты ответа:
1. 0–5% (без шансов)
2. 6–20% (низкая вероятность)
3. 21–50% (ниже среднего)
4. 51–80% (выше среднего)
5. 81–95% (высокая вероятность)
6. 96–100% (запредельная)
За всё время НИ один человек не справился с этой задачей лучше бездушного алгоритма. Рекрутеры дают правильные ответы только в 18% случаев (по сути эквивалентно броску кубика), тимлиды — 27%, ML-модель — 82%.
Вы всё ещё доверяете человеческой интуиции?
Когда-то в интернете был популярен шуточный тест: по фотографии нужно было угадать, кто перед вами — программист или серийный убийца. Тест отлично показал, что люди ужасно справляются с этой задачей и совершают более 80% ошибок.
Четыре года назад мы объединились с другими компаниями и рекрутинговыми агентствами, чтобы решить одну «простую» задачу — научиться оценивать вероятность успешного прохождения интервью по резюме.
За эти годы мы собрали обучающую выборку из 475 000 резюме, 902 500 вакансий и 2,7 млн результатов собеседований. И теперь у нас в компании уже давно не читают резюме кандидатов — за нас это делает бездушная машина. ML-модель за секунды анализирует резюме и рассчитывает скоринг кандидата, учитывая требования вакансии.
Вот только каждый второй рекрутер-новичок в нашей компании (или тимлид, или нанимающий менеджер) вначале встаёт в позу, сопротивляется и хочет сам отсматривать резюме кандидатов, тратя на это десятки часов рабочего времени.
«Окей, — говорим ему, — покажешь результат лучше, чем наш алгоритм — получишь право отбирать кандидатов по резюме». Даём ему пачку из 200 резюме по выбранной специальности и просим для каждого оценить вероятность прохождения технического интервью.
Простые варианты ответа:
1. 0–5% (без шансов)
2. 6–20% (низкая вероятность)
3. 21–50% (ниже среднего)
4. 51–80% (выше среднего)
5. 81–95% (высокая вероятность)
6. 96–100% (запредельная)
За всё время НИ один человек не справился с этой задачей лучше бездушного алгоритма. Рекрутеры дают правильные ответы только в 18% случаев (по сути эквивалентно броску кубика), тимлиды — 27%, ML-модель — 82%.
Вы всё ещё доверяете человеческой интуиции?