Спасибо за подписку! 😊
Мы — FedAG, команда выпускников ИТМО. Наш канал — про разработку искусственного интеллекта и машинного обучения.
На канале будем:
🔶 Делиться экспертизой в AI, лайфхаками, чек-листами, статьями (в блоге, на vc.ru и др.) от нашей команды;
🔶 Разбирать реальные кейсы (их у нас более 30, и каждый день их становится больше);
🔶 Приглашать вас на мероприятия и вебинары
P.S. Здесь не будет лишних новостей о новой модели ChatGPT, только реальные проекты с ИИ, машинным обучением, LLM и RAG.
Будем знакомы! 👾
Мы — FedAG, команда выпускников ИТМО. Наш канал — про разработку искусственного интеллекта и машинного обучения.
На канале будем:
🔶 Делиться экспертизой в AI, лайфхаками, чек-листами, статьями (в блоге, на vc.ru и др.) от нашей команды;
🔶 Разбирать реальные кейсы (их у нас более 30, и каждый день их становится больше);
🔶 Приглашать вас на мероприятия и вебинары
P.S. Здесь не будет лишних новостей о новой модели ChatGPT, только реальные проекты с ИИ, машинным обучением, LLM и RAG.
Будем знакомы! 👾
🔥2
FedAG | AI-решения для бизнеса pinned «Спасибо за подписку! 😊 Мы — FedAG, команда выпускников ИТМО. Наш канал — про разработку искусственного интеллекта и машинного обучения. На канале будем: 🔶 Делиться экспертизой в AI, лайфхаками, чек-листами, статьями (в блоге, на vc.ru и др.) от нашей команды;…»
Как ИИ помог Дикси ускорить рекрутинг и снизить текучку кадров
В сети магазинов Дикси, текучка кадров достигала 13% на позициях кладовщика и менеджера торгового зала.
Для HR-специалистов это был вызов — каждый день они обрабатывали сотни резюме, и порой не успевали найти тех, кто подходил под вакансию. Казалось бы, решение очевидно: набрать больше людей в команду. Но проблема была еще и в другом — недостаточно объективный отбор кандидатов. И вот что они сделали…
Что изменилось с приходом ИИ?
Вместо того чтобы продолжать отбирать кандидатов по старинке, Дикси внедрили систему с ИИ, которая оценивает личные качества кандидатов. Стрессоустойчивость, адаптивность, проактивность — эти характеристики теперь влияют на успешность сотрудников и помогают сделать отбор гораздо более точным.
Как работает система с ИИ?
💥 Она автоматически анализирует резюме, выявляя тех, кто идеально подходит для вакансии.
💥 Оценивает личные качества кандидатов, помогая точно понять, кто будет работать долго и эффективно.
💥 Сокращает время на обработку резюме — теперь рекрутеры могут сосредоточиться на самых важных задачах, не тратя время на неподходящих кандидатов.
Результаты за 6 месяцев:
💥 Сэкономили 3 млн рублей на рекрутинге и снизили затраты на найм.
💥 Текучка кадров снизилась: 9% кладовщиков и 7% менеджеров торговых залов остались в компании более чем на 3 месяца.
💥 Время на обработку резюме сократилось на 14%, а рекрутеры стали обрабатывать на 18% больше заявок в день.
Как это работает на практике?
Мы обучили ИИ на данных о предыдущих сотрудниках, чтобы он мог предсказать, кто из новых кандидатов идеально подойдет для вакансии и останется в компании надолго. Искусственный интеллект анализирует, как кандидаты справлялись с задачами на прошлых работах, и какие качества были важны для их успеха.
В статье (https://fedag.tech/case/talent-mining_v2/) раскрываем все детали кейса и даем рекомендации, как применить этот подход в вашей компании.
В сети магазинов Дикси, текучка кадров достигала 13% на позициях кладовщика и менеджера торгового зала.
Для HR-специалистов это был вызов — каждый день они обрабатывали сотни резюме, и порой не успевали найти тех, кто подходил под вакансию. Казалось бы, решение очевидно: набрать больше людей в команду. Но проблема была еще и в другом — недостаточно объективный отбор кандидатов. И вот что они сделали…
Что изменилось с приходом ИИ?
Вместо того чтобы продолжать отбирать кандидатов по старинке, Дикси внедрили систему с ИИ, которая оценивает личные качества кандидатов. Стрессоустойчивость, адаптивность, проактивность — эти характеристики теперь влияют на успешность сотрудников и помогают сделать отбор гораздо более точным.
Как работает система с ИИ?
💥 Она автоматически анализирует резюме, выявляя тех, кто идеально подходит для вакансии.
💥 Оценивает личные качества кандидатов, помогая точно понять, кто будет работать долго и эффективно.
💥 Сокращает время на обработку резюме — теперь рекрутеры могут сосредоточиться на самых важных задачах, не тратя время на неподходящих кандидатов.
Результаты за 6 месяцев:
💥 Сэкономили 3 млн рублей на рекрутинге и снизили затраты на найм.
💥 Текучка кадров снизилась: 9% кладовщиков и 7% менеджеров торговых залов остались в компании более чем на 3 месяца.
💥 Время на обработку резюме сократилось на 14%, а рекрутеры стали обрабатывать на 18% больше заявок в день.
Как это работает на практике?
Мы обучили ИИ на данных о предыдущих сотрудниках, чтобы он мог предсказать, кто из новых кандидатов идеально подойдет для вакансии и останется в компании надолго. Искусственный интеллект анализирует, как кандидаты справлялись с задачами на прошлых работах, и какие качества были важны для их успеха.
В статье (https://fedag.tech/case/talent-mining_v2/) раскрываем все детали кейса и даем рекомендации, как применить этот подход в вашей компании.
🤝2