17 октября в Москве прошел митап, посвященный генеративному искусственному интеллекту. Компания «МегаФон» видит большой потенциал в данной технологии, поэтому уже второй год подряд именно искусственный интеллект является темой митапа. Представители технологических компаний, предприниматели и разработчики собрались в офисе «МегаФона», чтобы обсудить перспективные направления развития ИИ и способы его применения для оптимизации бизнес-процессов и сервисов.
Старт мероприятию дал Виталий Щербаков, директор департамента по большим данным и развитию дата-продуктов. Первый выступающий Максим Бердутин, руководитель направления разработки моделей машинного обучения по клиентской базе, представил интересную статистику: 84% респондентов из России знают, что такое ИИ, в то время как в США и Германии этот показатель существенно ниже – 67% и 64% соответственно. Спикер отметил, что в России после первого пика интерес не только не снизился, но и продолжил расти: «Когда вышла модель ChatGPT, о ней писали все газеты, и это был пик интереса. Со временем интерес к ИИ не угас, а начал расти». По мнению спикера, это свидетельствует о том, что данная технология действительно полезна людям.
Максим Бердутин подчеркнул, что Россия является одной из немногих стран, у которых есть собственные технологии генеративного ИИ, и выделил четыре архетипа в отношении к генеративному ИИ, основанные на потребностях клиентов и технологических тенденциях: технологические компании-экосистемы, AI-стартапы, лидеры отраслевых рынков, входящие в группы компаний, и крупные отраслевые игроки. Среди всех представленных компаний особое внимание было уделено «Яндексу» и «Сберу».
YandexGPT: помощник в процессах массового найма
Одним из наиболее интересных спикеров митапа, на наш взгляд, оказалась Дарья Шатько, руководитель ML-группы «Яндекс Крауд». Основная тема ее доклада – опыт использования ИИ для масс-рекрутинга.
Краудсорсинг представляет собой организацию процесса, при котором задачи выполняются не штатными сотрудниками, а внешними исполнителями, работающими неполный рабочий день и под конкретные цели. Эти исполнители могут обладать различными компетенциями и работать в режиме партайма. В случае «Яндекса» речь идет о десятках тысяч исполнителей, которые решают всевозможные вопросы: от разметки данных до поддержки пользователей.
К основным направлениям краудсорсинга в «Яндексе» относятся разметка и модерация данных, сервисные функции и контентные задачи. Разметка и модерация данных включают подготовку датасетов для обучения моделей, например, разметку изображений или текстов для тренировки алгоритмов машинного обучения. Сервисные функции – поддержка пользователей, телемаркетинг, документирование и др., связанные с взаимодействием с клиентами. В списке контентных вопросов – редактура, дизайн и иные творческие задачи, требующие специфических навыков. По словам докладчика, краудсорсинг позволяет «Яндексу» существенно ускорять продуктовые запуски, легко масштабироваться и оптимизировать затраты.
Исполнители в краудсорсинге бывают разного уровня: простые задачи могут выполнять люди, не обладающие специфическими компетенциями, например, разметка изображений; нестандартные вопросы, в частности, поддержка пользователей требуют определенного обучения; экспертные функции выполняются AI-тренерами, обладающими определенным уровнем знаний и компетенций. «Яндекс» активно использует передовые технологии для автоматизации процессов краудсорсинга, в том числе генеративные и негенеративные, такие как ЯндексGPT, VLM, Grounding Dean и Segment Anything.
Одной из ключевых задач, с которыми помогает справляться ИИ, является масс-найм. В «Яндексе» он включает обработку десятков тысяч резюме и проведение тысяч интервью в месяц. Для ускорения процесса компания внедрила автоматизацию с помощью моделей машинного обучения. Видеоинтервью проводятся на специализированной платформе: кандидат получает ссылку на платформу, записывает свои ответы на вопросы, и рекрутер оценивает запись. При этом используются транскрибация аудиодорожки в текст и последующая оценка моделью, что позволяет сократить время обработки видеоинтервью с 24 часов до 48 минут. Готовая аудиодорожка и промт отправляются на анализ ИИ, который дает ответ в виде оценки и комментария. Готовый результат предоставляется рекрутерам.
Для достижения высокой точности оценки видеоинтервью «Яндекс» использовал различные методы дообучения моделей, в частности, P-tuning, LoRA и Fine-tuning. В результате удалось добиться точности оценки в 90%, что значительно ускорило процесс найма.
Одним из важных аспектов автоматизации процессов краудсорсинга является скоринг резюме. В «Яндексе» для этой задачи используется модель машинного обучения, которая анализирует резюме кандидатов и присваивает им оценки на основе заданных критериев. Процесс скоринга включает несколько этапов: парсинг резюме, адаптация промта под вакансию, анализ и валидация результатов. Резюме приходят с разных площадок и могут иметь разные форматы. Для упрощения анализа все они «парсятся» и приводятся к единому формату. Промт адаптируется под конкретную вакансию, чтобы модель могла учитывать специфические критерии и требования. Резюме отправляется на анализ модели, которая присваивает оценку и комментарии на основе заданных критериев. Результаты предоставляются рекрутеру через тикетную систему, где он проверяет оценки и комментарии, а также может внести свои коррективы.
В заключение спикер заявила, что компания продолжит использовать ИИ для развития направления масс-найма, регулярно собирая и добавляя в обучение сложные кейсы, подключая модели на новые компетенции и тестируя свежие версии YandexGPT.
