В AI-процессах screening часто делают по резюме, сопроводительному письму, анкете, ответам на вопросы и описанию вакансии. ИИ-агент может сравнить данные кандидата с требованиями, выделить совпадения, показать gaps, сформировать вопросы для рекрутера и подготовить краткое резюме.
Хороший screening не должен быть черным ящиком. Если агент ставит оценку, он должен объяснить, на каких фактах она основана: цитаты из резюме, конкретные проекты, годы опыта, missing data и требования, которые не подтверждены. Без evidence оценка легко превращается в субъективную догадку.
Candidate screening не равен окончательному решению о найме. Особенно осторожно нужно работать с автоотказами: ИИ может ошибиться, неправильно прочитать резюме, не понять контекст или усилить bias. Для спорных и пограничных случаев лучше оставлять human review.
Чтобы screening был полезным, требования вакансии должны быть структурированы: must-have, nice-to-have, стоп-факторы, уровень seniority, формат работы, обязательные документы и критерии перехода на следующий этап. Тогда ИИ-агент оценивает не "в целом понравился", а по понятным правилам.
Примеры
- ИИ-агент сравнил резюме backend-разработчика с вакансией и отметил: PHP 5 лет подтвержден, Laravel есть, опыт Kubernetes не найден.
- Рекрутер получает summary кандидата: сильные стороны, риски, missing data и вопросы для первого интервью.
- Для вакансии sales manager агент проверяет опыт B2B-продаж, CRM, холодных звонков, цикл сделки и работу с KPI.
- Если в резюме нет зарплатных ожиданий или формата работы, агент не делает вывод, а помечает поле как missing data.
- Кандидат прошел must-have требования, но не имеет нужной отрасли. Агент предлагает отправить на human review, а не автоотказ.
- После screening агент создает карточку в ATS или CRM и прикладывает evidence по каждому критерию.
Где используется
- первичный разбор резюме по вакансии
- сравнение навыков кандидата с must-have требованиями
- выделение missing data для уточняющих вопросов
- подготовка shortlist для рекрутера
- создание вопросов для телефонного интервью
- обработка входящих откликов из почты или формы
- заполнение ATS карточки кандидата
- поиск красных флагов без автоматического отказа
- сортировка кандидатов по этапам подбора
- контроль прозрачности AI-оценки через evidence
Связанные термины
Частые вопросы
Candidate screening - это автоматический отказ неподходящим кандидатам?
Нет. Screening помогает разобрать и приоритизировать кандидатов. Автоотказы нужно использовать осторожно, с понятными правилами и human review для спорных случаев.
Какие данные нужны ИИ для качественного screening?
Нужно описание вакансии с must-have и nice-to-have критериями, резюме кандидата, ответы анкеты, формат работы, уровень, зарплатная вилка и правила, что считать подтвержденным опытом.
Что такое evidence в screening?
Это доказательства вывода: цитата из резюме, найденный проект, период работы, навык, сертификат или ответ кандидата. Evidence показывает, почему агент сделал именно такой вывод.
Почему нельзя оценивать кандидата только по общему score?
Один балл скрывает детали. Важно видеть, какие требования подтверждены, какие не найдены, где есть риск ошибки и что нужно уточнить на интервью.
Как снизить bias при AI-screening?
Оценивайте только релевантные для вакансии критерии, скрывайте лишние персональные данные, требуйте evidence, проверяйте спорные решения человеком и регулярно смотрите статистику отказов.
Чем screening отличается от интервью?
Screening - это предварительная проверка по документам и базовым данным. Интервью глубже проверяет опыт, мотивацию, коммуникацию, реальные кейсы и культурное соответствие.
