Задача resume parsing — превратить свободный текст резюме в данные, с которыми можно работать в ATS, CRM, таблице или HR-агенте. После парсинга кандидатов проще искать, фильтровать, сравнивать с вакансией, передавать на screening и формировать короткое резюме для hiring manager.
На практике резюме часто бывают грязными: разные шаблоны, сканы, таблицы, несколько языков, неявные даты, смешанные роли, неполные контакты, устаревшие навыки. Поэтому хороший парсер не просто "читает текст", а нормализует поля, показывает confidence score, сохраняет источник и помечает места, где нужна ручная проверка.
ИИ-агент может улучшить resume parsing: извлечь данные по схеме, объяснить сомнительные места, сопоставить навыки с вакансией, убрать дубли кандидатов, обогатить профиль и создать запись в ATS. Но из-за персональных данных и риска дискриминации такой процесс должен иметь guardrails, audit log и понятное согласование спорных решений.
Примеры
- Кандидат прислал PDF-резюме. Парсер извлекает имя, email, телефон, город, должность, опыт по годам, навыки и образование.
- HR-агент получает резюме из Google Drive, приводит опыт к единому формату и создает карточку кандидата в ATS.
- Система видит, что даты работы указаны как "2019 - наст. время", и нормализует период как текущую занятость.
- Парсер не уверен, является ли строка названием компании или проекта, поэтому ставит низкий confidence score и отправляет поле на проверку рекрутеру.
- После разбора резюме агент сравнивает навыки кандидата с требованиями вакансии и готовит краткое summary без автоматического отказа.
Где используется
- Автоматически создавать карточки кандидатов в ATS из PDF, DOCX, email и форм отклика.
- Извлекать контакты, опыт, должности, навыки, образование и ссылки из резюме.
- Нормализовать даты, названия должностей, навыки, города и языки.
- Сравнивать профиль кандидата с требованиями вакансии.
- Находить дубли кандидатов по email, телефону, имени и истории откликов.
- Готовить краткое summary кандидата для рекрутера или hiring manager.
- Фильтровать резюме по обязательным требованиям без потери ручной проверки.
- Передавать сомнительные поля на approval workflow.
- Вести audit log: какое резюме, когда и по какой версии схемы было разобрано.
Связанные термины
Частые вопросы
Чем resume parsing отличается от candidate screening?
Resume parsing извлекает данные из резюме. Candidate screening оценивает кандидата относительно вакансии: подходит ли опыт, навыки, требования и контекст.
Какие поля обычно извлекают из резюме?
Чаще всего извлекают имя, контакты, город, опыт работы, должности, компании, даты, навыки, образование, языки, ссылки, зарплатные ожидания и заметки о релокации или формате работы.
Можно ли полностью доверять парсеру резюме?
Нет. Парсер может ошибаться в датах, ролях, компаниях и навыках, особенно в сложных PDF или нестандартных шаблонах. Поэтому важны confidence score и ручная проверка спорных полей.
Как ИИ помогает в resume parsing?
ИИ лучше понимает разные форматы, может извлекать данные по схеме, нормализовать названия навыков, объяснять сомнения и готовить summary кандидата для рекрутера.
Какие риски есть при разборе резюме?
Главные риски — утечка персональных данных, неверная классификация опыта, дискриминационные признаки, автоматический отказ без проверки и отсутствие аудита решений.
