﻿---
title: HR и подбор
description: "Агенты в подборе: разбор резюме, вакансии и отбор — с приватностью, предвзятостью и юридическими ограничениями."
---

Подбор — домен, где агент экономит много времени на рутине (разбор резюме,
черновики вакансий) и где цена ошибки измеряется не только деньгами, но и
дискриминационными исками.

## Задачи

- Разбор резюме в структурированный профиль.
- Сопоставление профиля с требованиями вакансии.
- Черновик описания вакансии.
- Подготовка вопросов к интервью.
- Сопроводительное письмо со стороны кандидата.

Примеры: [09. Resume Parser Agent](https://wpcraft.ru/aia/examples/09-resume-parser-agent.md),
[18. Job Application Agent](https://wpcraft.ru/aia/examples/18-job-application-agent.md).

## Что агент делает хорошо

- **Извлечение полей.** Опыт, навыки, образование, языки — в структуру.
- **Черновик вакансии** по требованиям и стилю компании.
- **Подготовка вопросов** по заявленному стеку.
- **Сверка с чек-листом** требований.

## Что агент делать не должен

- **Принимать решение об отказе.** Автоматический отбор по модели — источник
  предвзятости и юридических рисков.
- **Оценивать «культурное соответствие».** Это поле для субъективных и
  дискриминационных суждений.
- **Читать лишние данные.** Возраст, семейное положение, фото, адрес — не должны
  попадать в контекст.

## Предвзятость

Модель воспроизводит распределение в данных. Если в исторических данных
преобладала определённая группа, оценка «соответствия» будет смещена. Признаки:

- разные оценки при одинаковом опыте и разных формулировках;
- систематически низкие оценки у определённых формулировок должностей;
- зависимость от названия университета сильнее, чем от навыков.

Лечение: явные критерии вместо «общей оценки», тестовый набор парных резюме,
человек в финальном решении.

## Приватность

Резюме — персональные данные. Требования:

- минимальный набор полей;
- срок хранения и удаление по запросу;
- отдельный контур, если данные уходят во внешнюю модель;
- журнал доступа.

Тема напрямую связана с [разбором 21](https://wpcraft.ru/aia/examples/21-pii-sanitization-agent.md):
очистка персональных данных до отправки в модель — не теоретическое требование, а
рабочий инструмент.

## Метрики

- Время на разбор одного резюме.
- Доля корректно извлечённых полей.
- Доля кандидатов, приглашённых после автоматической сверки и подтверждённых
  человеком.
- Число жалоб и инцидентов приватности.

## Риски

| Риск | Последствие |
| --- | --- |
| Смещённая оценка | Отсев квалифицированных кандидатов |
| Утечка резюме | Юридическая ответственность |
| Ложная точность | Доверие к оценке без проверки |
| Хранение без согласия | Нарушение требований о персональных данных |

## Материалы и источники

- [TrustBoost PII Sanitizer](https://github.com/teodorofodocrispin-cmyk/TrustBoost-PII-Sanitizer) — пример очистки персональных данных.