Два способа разобрать тысячу откликов.
Массовые вакансии выглядят простыми ровно до момента публикации. Дальше начинается то, к чему мало кто готов: сотни откликов, которые нужно как-то разобрать.
Мы искали дизайнера визуальных коммуникаций для ИТ-стартапа. Специалиста, который умеет держать единый стиль в презентациях, интерфейсах, соцсетях и полиграфии — и при этом не воспринимает бренд-гайд как формальность.
Откликов пришло больше тысячи.
Прочитать тысячу резюме вручную нельзя. Точнее, можно, но это недели работы рекрутера, и к сотому отклику внимание всё равно поплывёт.
Дизайнеров это касается вдвойне: резюме о них почти ничего не говорит. Смотреть нужно портфолио, а оно лежит на Behance, в Google Drive, в PDF-файлах, в Telegram — где угодно, только не в едином формате.
Мы попробовали два подхода.
Сначала мы описали, кого считаем идеальным кандидатом:
Систему настроили на этот портрет, и она отранжировала отклики. Из примерно пятисот резюме, которые прошли базовый фильтр, наверх поднялись десять человек.
Такой список удобно отдать заказчику: десять кандидатов, каждого можно посмотреть внимательно.
Проблема в том, что формальные признаки — это не то же самое, что нужный вам дизайнер. Шесть лет опыта и работа в известном агентстве не гарантируют, что человеку близка ваша визуальная задача. А кто-то без профильного диплома вполне может оказаться сильнее всей десятки.
После первой попытки мы поняли, что искать дизайнера по формальным признакам почти бессмысленно. Опыт, образование и названия компаний в резюме слишком мало говорят о том, нравится ли нам то, что человек делает.
Поэтому мы поменяли сам принцип отбора.
В текст вакансии добавили ссылку на форму и попросили каждого кандидата загрузить три свои лучшие работы. Не ссылки на Behance, Google Drive или Telegram, а именно три работы, которые он сам считает лучшими.
Все файлы автоматически попадали в одну облачную папку. Каждая работа получала имя с идентификатором кандидата, поэтому от понравившейся картинки можно было за несколько секунд перейти к его отклику.
Дальше отбор шёл в обратном порядке: сначала работы, потом резюме.
Арт-директор компании, для которой мы искали дизайнера, открывал общую папку и быстро просматривал работы одну за другой. Не изучал каждую подробно — просто смотрел по диагонали, пока взгляд за что-то не цеплялся.
Если работа нравилась, только тогда мы открывали профиль кандидата, смотрели его опыт и остальные материалы. При необходимости просили прислать дополнительные работы и уже после этого переходили к следующим этапам отбора.
Так тысяча откликов превратилась не в тысячу резюме, которые нужно внимательно прочитать, а в одну папку с работами, которую можно довольно быстро просмотреть глазами.
Вакансию закрыли примерно за три недели.
Главное изменение было не в том, что мы придумали более точный алгоритм оценки кандидатов. Наоборот — мы перестали пытаться определить хорошего дизайнера по резюме.
Сработали три вещи:
В результате сначала решение принималось глазами, а уже потом мы изучали резюме.
Для разных специалистов автоматизировать нужно разные части отбора.
В случае разработчиков многое можно проверить тестированием: знания, код, понимание архитектуры. У дизайнеров главный сигнал находится совсем в другом месте — в их работах.
Поэтому здесь автоматизация была нужна не для того, чтобы машина выбрала лучших кандидатов. Она просто собрала работы в одном месте и связала каждую из них с конкретным откликом.
А дальше выбор делал арт-директор.
Мы используем тот же общий принцип и в подборе разработчиков: автоматизируем механику там, где она мешает человеку сосредоточиться на главном. Но саму профессиональную оценку оставляем специалисту.
Давайте разберём её, рассмотрим возможные подходы и сориентируем по срокам и бюджету.