"ОТП Банк" внедрил нейросети для оптимизации подбора персонала

2024: Внедрение ИИ в процесс поиска и подбора сотрудников

ОТП Банк 20 сентября 2024 года сообщил о внедрении нейросетевых технологий в процесс поиска и подбора сотрудников для повышения эффективности рекрутинга и оптимизации бизнес-процессов банка.

Цифровые инструменты помогают ОТП Банку ускорить сбор, анализ и обработку данных, а значит, принимать более обоснованные решения в кратчайшие сроки. В рамках стратегии цифровой трансформации банк представил модель подбора резюме для рекрутинга, основанную на технологиях машинного обучения и больших языковых моделей (LLM).

Данная модель позволяет при обработке запросов на подбор персонала автоматически осуществлять первоначальный этап поиска подходящих кандидатов, используя накопленную информацию об уже рассмотренных соискателях. В дальнейшем это сократит время закрытия вакансий, снизит стоимость найма и повысит общую эффективность рекрутинга. Разработанная модель анализирует заявку на подбор, выделяя ключевые смыслы, после чего база резюме фильтруется и сопоставляется. В результате формируется список наиболее подходящих кандидатов, который получают рекрутеры банка.

Мы уверены, что искусственный интеллект обладает огромным потенциалом для оптимизации бизнес-процессов и повышения эффективности работы всех функций банка, – отметила Наталья Рощина, Директор по персоналу ОТП Банка. – Благодаря совместной работе команд HR и ML-разработки нашего банка, поиск подходящих кандидатов в обширной внутренней базе данных теперь занимает всего несколько минут.

Внедрение нейросетевых технологий в подбор персонала является частью долгосрочной стратегии ОТП Банка по повышению операционной эффективности и точности прогнозов. Банк продолжает инвестировать в современные технологии, такие как машинное обучение и аналитические платформы, для улучшения качества принятия решений.

Команда ОТП Банка не намерена останавливаться на достигнутом – в работе создание системы «ранних сигналов» об изменении продуктивности сотрудников и прогнозирования их склонности к выгоранию, а также автоматизации подготовки кадровой документации с применением больших языковых моделей (LLM).