Как мы сделали Джуна — AI-платформу, которая сэкономила рекрутерам месяцы работы и разобрала миллион откликов
Привет! Это Настя, СМО Рефни, а теперь ещё и Джуна — AI-платформы для разбора откликов и холодного поиска кандидатов. Неожиданно для нас самих мы взялись за разработку AI-решения, а основой для него стало внутреннее решение нашего рекомендательного сервиса. Как так получилось — расскажем в статье, а также вы узнаете:
- Как мы разработали MVP за месяц и нашли первых клиентов;
- С какими сложностями мы встретились при разработке решения;
- Каких результатов достигли за 9 месяцев работы.
Рассказываем обо всём по порядку!
С чего начинается Джун: потребности рынка и решение для них
Почти три года назад мы мужем и небольшой командой создали Рефни — сервис для рекомендации друзей и знакомых в IT на работу. Историю о его создании и запуске мы рассказывали тут. Каждую входящую рекомендацию в Рефни обрабатывают наши модераторы, чтобы передавать компаниям только релевантных специалистов. В какой-то момент резюме стало так много, что мы перестали справляться. Нам показалось, что самое логичное решение — автоматизировать этот процесс с помощью AI. Простыми словами, создать алгоритм, который сможет анализировать резюме и распознавать неподходящих соискателей.
Сделать его для внутренних задач казалось нетрудной задачей: есть команда разработки, заморачиваться с дизайном не нужно, принцип работы очевиден — даже во сне мы могли сказать, на что смотрят работодатели и какие фильтры работают лучше всего. Уже через пару недель наша модерация пользовалась инструментом. Как-то мы заикнулись о решении на встрече с клиентом Рефни — и нас спросили: «А можете с нашими откликами сделать так же?».
Когда мы начали общаться с остальными заказчиками, мы поняли, что автоматизация разбора откликов — это не прихоть или лень рекрутеров, а реальная необходимость. Известно, что рынок в IT испытывает не лучшие времена, и на некоторые позиции поступают сотни, а то и тысячи резюме в день. При этом, забегая вперед, расскажем, что с помощью Джуна мы выяснили неутешительную статистику: из 12 114 откликов, разобранных с помощью AI, — только 15% оказались релевантными. Сколько времени HR-менеджеру пришлось бы смотреть резюме кандидатов, которые даже не подходят на позицию? Если на каждый профиль потратить 1 минуту, то больше 171 часа или 21 рабочего дня.
Разработка MVP и первые результаты
Изначально фокус в развитии Джуна был направлен на IT-рынок. Во-первых, он нам хорошо знаком, во-вторых, почти все клиенты Рефни — крупные IT-компании: они могли оперативно делиться своими болями и даже стать первопроходцами. Так, кстати, и получилось — несколько команд начали пользоваться ещё демо-версией продукта, давали нам постоянный фидбек, помогали улучшать интерфейс и развивали Джуна вместе с нами (спасибо вам, ребят!).
Первая версия Джуна, предназначенная для внутренних нужд, была далека от идеала — её нужно было доработать прежде чем показывать клиентам. Этот процесс мы разделили на несколько блоков:
- Опрос целевой аудитории. Исследование показало, что важно рекрутерам при просмотре откликов, какой интерфейс им удобен, каких фильтров им не хватает. Так, в Джуне появился фильтр «Бегун», который может отсеять тех, кто часто меняет работу.
- Механика. Примера для подражания у нас не было, поэтому пришлось придумывать всю логику с нуля, ориентируясь на опросы ЦА.
- Разработка собственных алгоритмов. В качестве основы платформы мы взяли одну из LLM-моделей, поместили её на свои сервера и дополнили огромным количеством собственных фильтров.
- Отрисовка дизайна состояла только в том, что мы взяли близкие к Рефни стиль, палитру и всем понятные эмодзи. Опытным путём мы поняли, что дизайн на стадии MVP не так важен — для начала нужно проверить все гипотезы, а внешний вид можно доработать.
Кроме этого, нам нужно было выбрать, откуда в Джуна будут поступать отклики — ведь работодатели получают их на разных джоб-бордах, карьерных сайтах и платформах. Сделать универсальное решение для всех ресурсов сразу слишком долго и трудно, поэтому мы выбрали самый крупный отечественный работный сайт hh.ru и подключились через HeadHunter API. API позволяет сторонним приложениям получать доступ к данным о вакансиях, резюме и другим функциям hh.ru.
Когда Джун был готов, мы провели его тестирование на целевой группе рекрутеров, чтобы замерить эффективность и точность инструмента. Выглядело это так: специалисты из разных команд пришли на онлайн-встречу и получили задание — проверить 100 резюме вручную. Выяснилось, что платформа в среднем разбирает резюме на 8% эффективнее HR-специалистов из-за человеческих факторов, вроде усталости и невнимательности, а общие показатели точности работы Джуна составили почти 98%.
Как рекомендатели и компании узнавали о Джуне
Выходить на рынок с Джуном нам было проще, нежели с Рефни — всё-таки у нас была наработанная база клиентов и подписчиков. Что мы делали:
- Рассказывали о новом решении клиентам Рефни — более 100 крупных компаний;
- Подключали коммуникационные каналы, например Telegram и LinkedIn с несколькими тысячами подписчиков, регулярно размещали статьи и кейсы в блоге и публиковали новости в рассылке;
- Публиковали анонсы на личных страницах в LinkedIn;
- Коллабились с коллегами из HR и рекрутмента, с кем давно взаимодействуем и дружим.
Но, на самом деле, говорить о Джуне мы начали задолго до официального релиза. В октябре 2024 года мы проводили конференцию «ЛЕЧО 2024» — про данные в IT-рекрутменте. Среди гостей были коллеги, которые могли заинтересоваться продуктом. В рамках официального открытия Женя сделал краткий обзор платформы, а сразу после конференции к нам обратились несколько заинтересованных компаний. Также мы часто слышим от новых клиентов, что Джуна им посоветовали коллеги из других компаний — и мы, конечно, рады это слышать.
Как выглядит продукт
Начинали мы с разбора откликов на hh.ru, но сегодня Джун — это полноценный ИИ-помощник рекрутера: за полгода существования продукта мы значительно расширили функционал. Что умеет Джун:
Разбирать отклики кандидатов — со скоростью 1500 резюме в минуту
Чтобы начать работу, рекрутеру нужно добавить ссылку на вакансию hh.ru в Джуна — платформа автоматически генерирует требования к соискателям, разделив их на обязательные и желательные. В любой момент их можно поправить или дополнить: у Джуна «под капотом» множество готовых фильтров, таких как желаемая зарплата, местоположение, образование, навыки, опыт и так далее. Можно добавить и собственные фильтры текстом.
Установив параметры, HR-менеджеру остается только кликнуть на кнопку, налить кофе и приступить к работе только с релевантными кандидатами. Если говорить о скорости, Джун способен отфильтровать около 1500 откликов в минуту. Для сравнения — человеку понадобится более 24 часов, чтобы посмотреть такое же количество резюме.
Искать кандидатов «в холодную» — по поисковой выдаче hh.ru
Стандартный поиск специалистов на hh.ru далек от совершенства — рекрутеру приходится просматривать сотни и тысячи нерелевантных резюме, прежде чем найти того, кто нужен. Холодный поиск с Джуном позволяет фильтровать поисковую выдачу hh.ru со скоростью до 1500 профилей в минуту. Работает это так:
- Рекрутер создаёт поисковый запрос на hh.ru, копирует ссылку и добавляет её в Джуна;
- Для искомого кандидата автоматически генерируются требования, их можно редактировать;
- На выходе мы получаем список подходящих и неподходящих специалистов с подробным объяснением.
При этом резюме остаётся зашифрованным на стороне hh.ru — за его обработку и просмотр квоты не списываются.
Общаться с кандидатами — пока что на базовом уровне
Мы не стали идти в историю со стандартными чат-ботами со сценариями — таких на рынке уже много. В будущем мы хотим научить Джуна переписываться и проводить интервью с соискателями, но пока это в разработке. Сейчас он автоматически отправляет отказы нерелевантным специалистам и приглашения на интервью тем, кто подходит. Можно полностью настроить сообщение и время его отправки. Благодаря этому функционалу ни один кандидат не остаётся без ответа.
Интеграция с ATS
Кандидаты из Джуна могут сразу попадать в ATS компании — платформу для автоматизации и управления процессом подбора персонала. Практически сразу после запуска мы настроили интеграцию с одной из самых популярных систем на рынке — Хантфлоу. Это позволило рекрутерам ускорить работу с соискателями в несколько раз:
- Синхронизировать статусы кандидатов в Джуне и Хантфлоу;
- Разбирать в Джуне отклики из любых источников;
- Отказывать кандидатам и приглашать их на собеседования прямо в ATS.
Совсем скоро будет готова интеграция с E-Staff, но также мы делаем интеграции с отдельными системами под заказчика.
Результаты
Официально Джун был запущен в декабре 2024 года. За 10 месяцев существования продукта:
- У Джуна более 60 клиентов, среди которых такие крупные компании как Авито, Циан, Звук, Точка, Туту, Островок, Иви, Ростик’с;
- Через платформу разобрано более миллиона откликов;
- Функционал постоянно расширяется и обновляется;
- Клиенты рассказывают о нас на конференциях и делятся позитивными отзывами.
«Я большой радостью пользуюсь всеми продуктами, которые выпускает команда Евгения. Во-первых, это всегда качественные вещи, которые решают реальную боль найма за комфортный чек. Во-вторых, это всегда очень кастомный и клиентоориентированный подход. Если бы все работали с таким уровнем качества и вовлечения, мы бы горя не знали! Пользуюсь и Рефни, и Джуном, жду когда появится еще что-нибудь :)»
И, конечно, у нас уже накопилось немало классных кейсов. Будем рады, если забежите почитать:
- Как команда Звука освободила 20% времени рекрутеров с помощью Джуна. Внутри и про то, почему нельзя игнорировать отклики, и про разбор тысяч резюме, и про сорсинг, и про интеграцию с Хантфлоу — команда подключила уже все возможности Джуна;
- Как deeplay автоматизировала разбор откликов с ИИ-помощником Джуном — здесь только про отклики, зато есть точные цифры.
Планы
В ближайшее время мы хотим:
- Расширять функционал платформы — умные чат-боты, AI-интервьюер и полноценная аналитика;
- Доделать интеграции с платформами;
- Сделать редизайн — у нас уже готов макет, осталось найти время у разработчиков 🙂
- Подключить более 100 клиентов.
Спасибо всем за прочтение статьи и наблюдение за нашим развитием! Будем очень рады услышать ваше мнение и пообщаться — пишите комментарии под статьёй и в личку в телеграм @e_selivanov92.
И, конечно, следите за нашими новостями — удобнее всего это делать в нашем телеграм-канале.