marke.tel
Все кейсы
Кейс · Строительство

Автоскрининг откликов на рабочие специальности

Автоматизированный pipeline, который агрегирует отклики из HH, Авито, Telegram и email, извлекает данные из резюме с помощью ИИ, сопоставляет с требованиями заявки и формирует тир-лист кандидатов. HR просматривает готовые приоритеты за 15–20 минут и сразу переходит к обзвону категории A.

Обработано

×4

До контакта

-85%

Время HR

-85%

Закрытие в срок

+30%

←свайп→

marke.tel · bluecollar-resume-screener · rev. 01

Контекст

С чем столкнулись

Строительная компания испытывает трудности с обработкой входящего потока из 300–500 откликов в месяц на рабочие специальности (монтажники, сварщики, бетонщики). Бутылочное горлышко: HR физически успевают качественно обработать 80–100 вовремя, остальные «протухают» или не хватает времени до дедлайна.

300–500

откликов в месяц на рабочие специальности

25%

откликов HR успевает обработать качественно

48–72 ч

и кандидат «протухает» — уходит к конкурентам

8–10 мин

на ручной разбор каждого отклика

Исходная ситуация до внедрения

Боли

Что болит каждый день

  • 01

    HR успевает обработать только 25% откликов

    Остальные 75% теряются или обрабатываются с критическим опозданием

  • 02

    Кандидаты «протухают» за 48–72 часа

    Хорошие специалисты уходят к конкурентам, пока HR разбирает поток

  • 03

    Объекты стартуют с недокомплектом

    Срывы сроков, штрафы, переработки оставшихся работников

  • 04

    Хорошие кандидаты теряются в потоке

    Мусорные отклики занимают 70% времени, реальные специалисты остаются без внимания

Заказчик

«Тратим время на перебор откликов низкого качества, пока хороших спецов разбирают другие. Часто приходится укомплектовываться по остаточному принципу.»

HRD Ольга Олеговна Олегова

Боли по результатам интервью с командой

Задача и решение

Бизнес-задача

Что нужно построить

Построить систему, которая будет автоматически собирать все отклики со всех источников, оценивать соответствие требованиям вакансии и формировать приоритизированный список — чтобы HR тратил 1–2 минуты на проверку готового скоринга вместо 8–10 минут на ручной разбор каждого отклика, а первый контакт с кандидатом происходил в течение часов, а не дней.

Что мы сделали

Разработан автоматизированный pipeline, который агрегирует отклики из HH, Авито, Telegram и email, извлекает данные из резюме с помощью ИИ, сопоставляет с требованиями заявки и формирует тир-лист кандидатов. HR просматривает готовые приоритеты за 15–20 минут и сразу переходит к обзвону категории A.

marke.tel · bluecollar-resume-screener · задача и решение

Детали

С чем к нам обратились

Заказчик

Заказчик

HRD строительной компании

«Обрабатывать 100% откликов, а не 25%»

«Связываться с кандидатами в тот же день, а не через 2–3 дня»

«Сразу видеть, кто подходит, а кто — нет»

«Закрывать позиции в срок, а не стартовать с недокомплектом»

Требования заказчика

Процесс

Исходный процесс

01
02
03

Заявка от прораба

8 монтажников, старт через 2 недели

Размещение вакансии

Отклики сыпятся 30–50 в день

Ручной разбор

8–10 мин на каждый отклик

04
05
06

Мусор в потоке

Не тот опыт, регион — видно после прочтения

Звонки подходящим

50% не берут трубку, 30% уже нашли

До собеседования

Доходят 10–15% подходящих

07
08

Через 2 недели

Позиции закрыты на 60%

Старт с недокомплектом

Срывы сроков, штрафы

←свайп→

Типичный процесс обработки откликов до внедрения

Архитектура

Автоматизированный pipeline

Люди

Заявка

  • Прораб/РП формирует заявку:
  • Специальность, разряд, допуски
  • Объект, дата старта
Скрипт

Сбор откликов

  • Агрегация из всех источников:
  • HH API, Авито
  • Telegram-бот, email
Скрипт

Парсинг

  • Извлечение резюме из PDF/DOCX/текста
AI

Извлечение

  • Парсит резюме:
  • Опыт, специальности, разряд
  • Допуски, сертификаты
  • География, контакты
AI

Матчинг

  • Сопоставление с заявкой:
  • Соответствие специальности
  • Наличие допусков
  • Удалённость от объекта
AI

Red flags

  • Выявление рисков:
  • Частая смена работы
  • «Дыры» в опыте
  • Несоответствия в резюме
Скрипт

Скоринг

  • Тир-лист:
  • A — звонить сегодня
  • B — резерв
  • C — отсев
Люди

HR

  • Просматривает тир-лист за 15–20 мин
  • Корректирует приоритеты
Скрипт

Выходы

  • Очередь обзвона с карточками
  • Автоотказы категории D

Полный цикл: от заявки до тир-листа

Детали решения

Что делает AI

01

Извлечение

Парсинг резюме в структурированные данные

специальность: "монтажник" разряд: 5 НАКС: true опыт: "5 лет"

02

Матчинг

Сопоставление с требованиями заявки

соответствие: 94% разряд: ✓ НАКС: ✓ география: ✓

03

Red flags

Выявление рисков

[!] 4 места за 2 года [!] частая смена работы

Примеры решений по откликам

КандидатТирВердиктПричина
Козлов А.AПриоритетСварщик НАКС, 5 лет опыта, 12 км от объекта, свободен
Сидоров В.BРезервОпыт есть, но НАКС не указан — нужно уточнить
Новиков И.DОтсевИщет офисную работу, опыт не по профилю

←свайп→

Функции AI и примеры скоринга

Архитектура данных

Данные и интеграции

01Входы
HH API (отклики и резюме)
Авито (парсинг или ручной импорт)
Email (IMAP)
Telegram-бот для прямых откликов
02Справочники
Матрица требований по позициям (разряды, допуски)
География объектов
03Выходы
Тир-лист в интерфейсе / GSheet
Очередь обзвона с карточками
Автоотказы категории D
Интеграция с ATS (Хантфлоу / Talantix / E-Staff)

rev. 01 · data flow schematic · bluecollar-resume-screener

Внедрение

С чем столкнулись при внедрении

01

Резюме рабочих — без структуры

Проблема

Резюме монтажников, сварщиков, бетонщиков — это хаос. Кто-то пишет в свободной форме, кто-то присылает фото удостоверения, кто-то — голосовое сообщение в Telegram. Стандартные HR-tech парсеры выдают мусор.

Решение

Построили robust-парсер под специфику blue-collar: обучили модель на 200+ реальных резюме...

  • Обучили модель на 200+ реальных резюме рабочих специальностей из стройки
  • Добавили распознавание фото документов (удостоверения, сертификаты)
  • Для голосовых — speech-to-text + извлечение фактов
  • Если резюме совсем без структуры — система задаёт уточняющие вопросы через Telegram/SMS

Сейчас 98%+ откликов парсятся автоматически с нужной точностью.

Срок решения — 8 рабочих дней

Раскрыть ↓
02

Допуски и сертификаты не указаны в резюме

Проблема

НАКС, удостоверения по охране труда, допуски на высоту — критичны для стройки. Но в резюме их часто нет: кандидат не подумал указать, или указал просто «есть допуски» без деталей.

Решение

Добавили автоматический запрос недостающих данных: при отклике без допусков система сразу отправляет короткую форму...

  • При отклике без допусков система сразу отправляет короткую форму: «Укажите ваши допуски и сертификаты»
  • Форма элементарная, понятная любому — в Telegram-боте или по SMS со ссылкой
  • Кандидат может приложить фото удостоверений — система распознает
  • Пока данные не получены — кандидат в категории B с пометкой «ждём допуски»

70% кандидатов заполняют форму в течение 2–4 часов.

Срок решения — 5 рабочих дней

Раскрыть ↓

←свайп→

Ключевые проблемы и их решения

Результаты

Сравнительная таблица

МетрикаБылоСталоΔПримечание
Обработано качественно25 %~97 %×4Все отклики получают оценку
Время до первого контакта2–3 дня2–6 часов−85 %Звоним в тот же день
Время HR на отклик8–10 мин1–2 мин−85 %Проверка готового скоринга
Закрытие позиций в срок60 %85–90 %+25–30 %Объекты стартуют укомплектованными

←свайп→

Метрики до и после внедрения