🧠 LLM в HR: как Evrone оптимизировал работу с зарплатами

Сбор и обработка зарплатных ожиданий из резюме и Huntflow — рутинная задача, отнимающая время. Evrone внедрил LLM для автоматизации этих процессов и сделал работу HR более продуктивной.

Основные этапы внедрения:

1. Парсинг резюме с Qwen 💻

• Извлекаются грейд, профиль позиции, гео, тайм-зона, уровень английского и зарплата.
• Формат данных соответствует JSON Schema, чтобы система могла автоматически вносить их в ERP.

2. Нормализация зарплат через YandexGPT 💰

• Обрабатываются разные форматы: «от 300k net», «$4000–5000», «min 180».
• Дообучение модели методом LoRA увеличило точность до 95%.

3. Минимизация галлюцинаций ИИ 🛡

• Если данных нет — модель не придумывает значения.
• Перед загрузкой проверяется реалистичность по грейдам и рынку.
• В интерфейсе рекрутер видит, какие данные сгенерировал AI.

4. Результаты 📊

• Переходы в сторонние сервисы сократились на 90%.
• Время рекрутера теперь тратится на общение с кандидатами и закрытие вакансий.

5. Будущее 🚀

• Дальнейшее улучшение точности и чат-интерфейс для ERP.

✨ Evrone доказал, что внедрение ИИ в HR эффективно, когда технологии работают вместе с людьми, а не вместо них. Это превращает рутинные процессы в интеллектуальный инструмент для роста компании.