Промты для рекрутинга
Используйте промты с четкими фильтрами для анализа резюме. Например, «найти кандидатов с опытом работы в логистике от 3 лет, владеющих английским языком на уровне B2, готовых к гибридному графику». По данным исследований HR-Tech, автоматизированная сортировка заявок сокращает время первичного отбора на 47%, если параметры заданы конкретно.
Шаблоны для первичного контакта должны заменять универсальные шаблоны. Вместо «Здравствуйте, мы рассмотрели ваше резюме…» применяйте персонализированные промты: «[Имя], ваши навыки в [специфика] соответствуют нашей вакансии [название]. Готовы обсудить проект [детали] в [время]?». Тестирование в Teamable показало: такие сообщения повышают отклик на 30%.
Анализируйте релевантность ответов через открытые вопросы в промтах. Запрос «перечислите три кейса из вашего опыта, где вы оптимизировали процессы» отсеивает 60% шаблонных ответов. Встраивайте проверку soft skills: «опишите конфликтную ситуацию с коллегой и ваши действия» с оценкой структуры ответа по шкале от 1 до 5.
Для поиска в нишевых областях добавьте в промты термины из профессиональных стандартов. Например, «SQL-разработчик с опытом миграции данных из Oracle в PostgreSQL» или «HRBP, работавший в компаниях с матричной структурой управления». Это снижает риск «пустых» откликов на 25%, согласно данным Hays.
Как составить промты для автоматической фильтрации резюме
Чётко определите критерии фильтрации: перечислите ключевые навыки, опыт работы, уровень образования, языки и профессиональные сертификаты. Например: «Найти резюме с опытом работы с Python от 3 лет, наличием сертификата AWS и знанием английского на уровне B2».
- Используйте конкретные метрики: «5+ лет в управлении проектами», «знание SQL на уровне написания сложных запросов».
- Добавьте условия исключения: «Не рассматривать кандидатов без опыта в fintech».
Формулируйте промты структурированно. Пример запроса для HR-системы:
Отфильтровать резюме, где:
- Должность в прошлых ролях содержит «аналитик данных»;
- В списке навыков есть «Power BI» или «Tableau»;
- Опыт работы в аналитике – не менее 2 лет.
Тестируйте и корректируйте промты. Проверьте выборку из 50 резюме: если система пропускает подходящих кандидатов или включает неподходящих, уточните параметры. Замените общие фразы («хорошее знание Excel») на конкретные («создание макросов в Excel»).
.png)
Автоматизируйте ранжирование. Настройте приоритеты: опыт в определённой отрасли оценивается выше, чем общий стаж. Добавьте весовые коэффициенты к навыкам (например, «React – 10 баллов, Angular – 5 баллов»).
Формулировка промтов для предварительного собеседования
Фокусируйте вопросы на конкретных компетенциях и реальных задачах, которые предстоит решать кандидату. Избегайте шаблонов – вместо "Расскажите о себе" используйте:
- "Приведите пример решения конфликта в команде за последние 6 месяцев. Что стало результатом?"
- "Опишите проект с использованием Python, где вы сократили время обработки данных минимум на 15%"
Для оценки soft skills применяйте ситуационные сценарии:
- "Клиент требует внести изменения в продукт за 24 часа до релиза. Ваши действия?"
- "Как будете мотивировать команду при срыве дедлайнов по вине третьих сторон?"
Технические роли требуют привязки к стеку компании:
- Укажите конкретные инструменты: "Опыт настройки CI/CD в GitLab – опишите самый сложный пайплайн"
- Добавьте ограничения: "Предложите архитектуру мессенджера с нагрузкой 10,000 пользователей/секунду"
Используйте принцип 5W:
- How: "Как проводили A/B-тестирование новой функции?"
- Why: "Почему выбрали Kubernetes вместо серверной инфраструктуры?"
Первый `` фокусируется на задаче создания шаблонных запросов для отсеивания кандидатов на этапе анализа резюме. Это решает вопрос, как сократить время на ручной просмотр документов.
Создайте шаблонные запросы с приоритезацией критериев. Пример структуры:
- Обязательные навыки: перечислите 3-5 ключевых компетенций, без которых кандидат автоматически исключается. Например: «Опыт работы с PostgreSQL от 2+ лет», «Знание Python на уровне написания скриптов».
- Фильтры-исключения: укажите параметры, которые сразу отсекают резюме. Например: «Отсутствие высшего технического образования», «Опыт ниже 1 года в управлении проектами».
Используйте регулярные выражения для автоматического поиска ключевых слов в резюме. Например:
/\b(Java|Kotlin|Android SDK)\b/gmi
Протестируйте шаблоны на 50-100 прошлых резюме: проверьте, сколько подходящих кандидатов было бы отфильтровано, и скорректируйте строгость условий. Внедрение такого подхода сокращает время первичного отбора на 30-40%.
- Добавьте веса к критериям: 5 баллов за опыт в Docker, 3 балла за сертификаты AWS.
- Откалибруйте пороговый балл: например, исключайте резюме с суммой менее 8 баллов.
Второй `` направлен на разработку вопросов или команд для начального этапа общения с кандидатом, например, при телефонном интервью. Это помогает стандартизировать оценку базовых компетенций.
Создайте два типа вопросов: ситуационные («Опишите случай, когда вам пришлось быстро адаптироваться к изменениям в проекте») и процессные («Какие инструменты вы используете для контроля сроков выполнения задач?»). Каждый вопрос должен проверять одну компетенцию из модели вакансии.
- Ситуационные вопросы: оценивают поведение в реальных условиях. Примеры: «Как вы поступаете при конфликте с коллегой?», «Что сделаете, если клиент откажется от предложенного решения?».
- Процессные вопросы: анализируют технические навыки. Примеры: «Назовите три шага для оптимизации workflow», «Как вы проводите ретроспективу спринта?».
Добавьте команды-кейсы: «Предложите стратегию снижения текучести кадров за две минуты» или «Продайте мне эту ручку за 30 секунд». Фиксируйте не только ответы, но и скорость реакции, структуру мышления.
- Для технических ролей: «Напишите псевдокод для сортировки массива» (устно) или «Объясните разницу между HTTP и HTTPS».
- Для менеджерских ролей: «Распределите бюджет проекта с учетом рисков» или «Составьте план переговоров с несогласным стейкхолдером».
Внедрите шкалу оценки от 1 до 5, где 1 – «отсутствие примера или логики», 3 – «базовый уровень», 5 – «детализированный ответ с доказательствами». Фиксируйте баллы сразу после интервью в CRM-системе с тегами: «адаптивность», «техническая грамотность», «коммуникация».
EdTech — термин, который сейчас довольно часто встречается в современной сфере обучения. В дословном переводе понятие означает «технологии образования». Попробуем более подробно рассказать, что такое EdTech.
