Нейронка в проекте Comind

Наверное, уже много раз вы слышали, что технологий становится всё больше и с каждым разом они делают работу людей проще.

Comind рассказывает и показывает как этот факт коснулся и нас. Прошу минутку внимания: наша нейронка!

Чтобы всё было максимально точно, CIO Comind, Дениз Муллагалиев, ответил нам на все вопросы:

- Для начала разберёмся в том, что знают о нас не все: кто такой Мэлс?

Мэлс — это бот-рекрутёр с ИИ. Говоря же на языке технологий — это комплекс нейронных сетей и алгоритмов машинного обучения для глубокого анализа заказов на фрилансе, поиске исполнителей под определённый заказ, прогнозированию траектории развития стартапов и компаний, размещающих свои заказы.

- А зачем Вам нужно использовать ИИ и машинное обучение в продукте?

Мы работаем с большими объёмами данных и, конечно, хотим делать расчёты наших алгоритмов каждый раз лучше и лучше. А также, ИИ можно использовать решения нестандартных задач, что действительно очень удобно и полезно. Например, как линейный алгоритм найдет специалиста, если таковой специальности не будет в базе? ИИ же спрогнозирует, какой специалист сможет его заменить. И последняя, самая важная причина: мы хотим создавать будущее!

- Как Мэлс определяет, какой исполнитель наиболее подходит для конкретного заказчика?

С помощью технологии ML, которая на данный момент находится на стадии MVP. Для решения этой задачи мы используем алгоритмы машинного обучения Python библиотеки SKlearn. В частности, основным критерием выбора является косинусная близость каждого специалиста к запросу клиента.

Помимо этого, мы рассматриваем такие критерии, как:

· Специализация самого исполнителя;

· Уровень образования;

· Пол специалиста (если заказчик указал этот критерий в анкете);

· Опыт работы в указанной специализации;

· Уровень его компетенции по шкале junior-middle-senior;

· Оценка компетенции специалиста модератором / результатом тестового задания; *

• Дополнительные консультации дизайн-менеджеров (которых инливидуально для исполнителя подобрал Мэлс) по проработке портфолио и улучшению личного бренда.*

Эти желаемые характеристики указывает сам заказчик, заполняя анкету заказа. На основе этих данных Мэлс рассчитывает коэффициент совместимости “отфильтрованных” исполнителей с заказом и располагает в списке в порядке возрастания.

- Как Мэлс определяет сферу заказчика?

Здесь уже используется технология NLP. Мы используем её алгоритмы для глубокого анализа описаний компаний. На его основе мы определяем сферу деятельности заказчика, что он вообще из себя представляет (малый / средний / крупный бизнес).

Использовать данное решение мы планируем в:

· Алгоритмах прямого поиска (для определения количества нужных исполнителей для выполнения заказа и анализа самого заказчика)

· В системе рекомендаций

А что касаемо воплощения в жизнь, релиз данных функций планируется в сентябре 2022 года.

- Я заметил, что у вас есть «система рекомендаций». Что это такое?

Тут уже используется не одна технология: AI, NLP, ML.

Проще говоря - это ИИ, который самостоятельно заполнит за заказчика анкету, сам подберёт заказчиков, а также определит сложность заказа и количество исполнителей, необходимых для его выполнения. Всё, что нужно от заказчика - это описание заказа и своей деятельности.

Наша обученная модель ИИ проанализирует описание заказа, его сложность с помощью NLP алгоритмов, далее по представленным моделям предположит, какие исполнители нужны под определённый заказ. Таким образом, мы значительно экономим время заказчика.

- А почему я должен доверить подбор исполнителей искусственному интеллекту?

Технологии ИИ развиваются с каждым днём и внедряются во многие сферы. Наш стартап не отстаёт от мировых технологических трендов!

Здесь я коротко опишу преимущества таких алгоритмов перед рекрутёрами:

· Буквально за пару минут проанализирует тысячи резюме исполнителей;

· Логика ИИ основывается на чётких математических расчётах;

· Мы используем машинное обучение, что улучшает качество работы нашего после каждого выполненного поиска (ИИ самообучаем);

· Машина не делает ошибок в расчётах.

- Чему новому научится Мэлс в ближайшее время?

1. Первое, что мы хотим добавить после релиза MVP - это систему рекомендаций. Это интересный кейс для нас, как начинающих data-science специалистов, так и для наших клиентов.

Релиз: 10-20 сентября 2022

2. Мелкие доработки и функции в прямом поиске:

На основе отзывов первых клиентов о работе MVP мы внесём корректировки в структуру алгоритма. Также, у нас в планах добавить функцию вычисления количества нужных для выполнения заказа исполнителей с помощью NLP.

Релиз: 1-5 сентября

3. Возможность учитывать личностные качества исполнителя при выполнении прямого поиска:

С помощью психологического теста и ИИ Мэлс определит личностные качества исполнителя. А заказчик сможет указать желаемые в анкете. Ведь иногда и такое нужно)

- Кто создавал Мэлса?

· Дениз Муллагалиев

Техлид стартапа, Data Scientist, Java Разработчик

· Андрей Катасонов

Data Scientist

· Ярослав Яхонтов

Backend разработчик

* является платной услугой

** пример из корпоративного сервиса для контроля работы Мэлса