Минуты вместо часов: как мы разработали ИИ-анализатор интервью для оценки кандидатов для HT Lab

Час интервью. Два часа на отчет. Раньше это были обсуждения, правки и поиск формулировок. Сегодня ИИ подсказывает выводы и рекомендации, позволяя эксперту сосредоточиться на анализе.

В этом кейсе рассказываем, как за три недели для компании HT Lab ^[1]разработали сервис на нашей платформе PanteonOS ^[2], который автоматизирует обработку интервью и структурирует ответы по компетенциям, помогая экспертам быстрее готовить отчеты.

Дисклеймер: прежде чем мы начнем, рекомендуем подписаться на «Голос Технократии» ^[3] — мы регулярно рассказываем о новостях и новых релизах в сфере GenAI, а также делимся полезными мастридами и актуальными событиями.

Контекст

Одной из услуг компании HT Lab является оценка персонала: эксперты проводят интервью с кандидатами, анализируют ответы по компетенциям и готовят отчеты, которые используются для принятия управленческих решений и рекомендаций по развитию сотрудников.

После интервью процесс подготовки отчета был длительным. Если интервью проводили два эксперта, они сначала обсуждали оценки и фиксировали наблюдения, а затем ведущий эксперт оформлял отчёт на основе этих обсуждений. Один отчет обычно готовился в течение двух–трёх дней: эксперт заполнял шаблон, отправлял его на проверку другому специалисту, вносил правки, после чего текст проходил финальную проверку координатором.

Сложности заключались в длительности процесса и необходимости каждый раз подбирать формулировки под конкретного кандидата. Даже при наличии шаблонов текст приходилось адаптировать, чтобы отражать индивидуальные особенности ответов. 

Именно этот рутинный этап и стал точкой старта идеи автоматизации.

ИИ как помощник эксперта

После обсуждений с HT Lab стало ясно, что проект должен решать не только вопрос скорости подготовки отчетов. Эксперты ценят своё наблюдение и опыт ^[4], поэтому важно было, чтобы ИИ не заменял человека, а дополнял его:

• Автоматизировать рутинное в подготовке отчетов, чтобы эксперты могли сосредоточиться на анализе

• Структурировать интервью и анализировать ответы, не пропуская важные детали

• Подсвечивать моменты, которые могли быть упущены, и выделять сильные и слабые стороны компетенций

• Предоставлять рекомендации и аргументы, на основе которых эксперт принимает решения

«Нам было важно, чтобы ИИ выходил за рамки стандартного описания и давал более глубокий, многогранный взгляд на кандидата — с разных ракурсов, помогая увидеть детали, которые эксперт мог не заметить» — Анна Михмель, руководитель направления оценки и развития персонала HT Lab

Как пришла идея сервиса

Мы понимали, что ключевой момент — не сами интервью, а рутинная обработка их результатов. Сначала мы предлагали вариант, когда эксперт заполняет шаблон прямо во время интервью, а ИИ генерирует отчет на основе этих данных. Однако HT Lab отметили, что это может отвлекать специалистов.

Сначала мы изучили, какую часть отчета стоит оптимизировать. Основное внимание ^[5] решили сосредоточить на той части, которая занимала больше всего времени у экспертов после интервью, той, где фиксируются результаты по компетенциям. Мы попросили описание каждой компетенции, чтобы на их основе можно было настроить промпты для LLM и получать релевантные заключения. Проведя первые тесты с примерами отчетов, мы убедились, что подход работает и результаты соответствуют ожиданиям. И решили пойти дальше.

Мы предложили разработать сервис, который будет принимать запись интервью и генерировать заключение по компетенциям, которые ранее указываешь.

«У нас есть стандартные шаблонные тексты по каждой компетенции. И поэтому нам хотелось поручить системе, чтобы ИИ подстраивал их под конкретного человека, чтобы отчеты не были одинаковыми и отражали индивидуальные особенности кандидата» — Анна Михмель, руководитель направления оценки и развития персонала HT Lab

Начнем с UI

Сначала был разработан интуитивно понятный интерфейс. На главной странице виден список респондентов с основной информацией: имя, должность, email. 

Эксперт может создавать интервью, загружать аудиозапись и видеть статусы обработки. Транскрибация и генерация заключений расположены рядом, чтобы эксперт сразу видел текст и мог запускать анализ.

Администраторы могут управлять компетенциями и ролями, создавать новые компетенции и редактировать существующие.

Веб был сделан на Cursor, что позволило быстро собрать рабочее пространство и начать тестировать систему.

Подключаем ИИ

Дальше началась работа с ИИ — его нужно было подключить, протестировать и встроить в процесс анализа интервью.

Для этого мы использовали два компонента нашей платформы PanteonOS — системы с набором готовых ИИ-модулей. В проекте задействовали ASRBox и LLMBox:

• ASRBox — транскрибация аудиозаписей в текст с сохранением структуры и формулировок речи.

• LLMBox — интеграция с облачными LLM, анализ расшифровки, распределение ответов по компетенциям и генерация экспертного заключения.

Для транскрибации используется модель Whisper Large 3, а для анализа и генерации — ChatGPT 5.

Во время тестирования мы активно взаимодействовали с HT Lab, чтобы подобрать оптимальную модель. Пробовали несколько вариантов LLM, оценивая, где лучше передается смысл ответов респондентов, насколько формулировки совпадают с экспертными, а также учитывая скорость обработки и затраты на анализ.

На странице интервью теперь происходит вся «магия». Эксперт загружает аудиозапись интервью, ASRBox  транскрибирует ее в течение 5-7 минут в текст, затем эксперт выбирает компетенции для анализа, и ИИ за секунды генерирует заключение, которое можно просмотреть и при необходимости доработать. 

Важно, что персональные данные респондентов не передаются в облако — все интервью обезличены.

Эксперт может добавлять и редактировать компетенции, управлять респондентами и их интервью, а также сразу видеть стоимостные затраты на обработку и анализ.

Добавили  также чат с ИИ, где можно обсудить результаты, уточнять оценки, попросить переформулировать формулировки и получать дополнительные рекомендации прямо в сервисе.

Так как это был первый опыт взаимодействия команды HT Lab с ИИ, мы показали, как работать с системой, как формулировать промпты, корректировать выводы и использовать рекомендации ИИ в отчетах. Это помогло быстрее освоить сервис и повысит уверенность в работе с ИИ.

Что из этого вышло

• «Альтернативное мнение»: эксперты получают сгенерированный ИИ взгляд на респондента за 5 – 7 минут, что позволяет им сосредоточиться на анализе и оценке, а не на рутинной обработке

• Гибкая система: новые компетенции можно легко добавлять и настраивать, а сам сервис подходит для любых процессов оценки.

• Чат с ИИ теперь активно используют эксперты: чтобы уточнять выводы, обсуждать формулировки, получать рекомендации по индивидуальным планам развития и другим аспектам оценки кандидатов, интегрируя эти данные прямо в отчеты.

Другие наши ИИ-кейсы: 

Когда GenAI приходит на помощь: как мы разработали генератор тест-кейсов для IT Media Service ^[6]
От парсера до ИИ-платформы: как рекрутер «навайбкодил» инструмент, который экономит часы работы ^[7]