Wyodrębnianie danych kandydatów przez AI

Dlaczego to ważne

AI może wyodrębnić z CV, formularzy i kwestionariuszy informacje takie jak oczekiwania płacowe czy termin rozpoczęcia pracy. Kit zapisuje je w niestandardowych polach danych, które zespół widzi przy aplikacji kandydata. Wybierasz pola do uzupełnienia i określasz, czego model ma szukać.

Jak to działa

Ekstrakcja AI przebiega w trzech krokach:

1. Włącz wyodrębnianie przez AI: w dowolnym niestandardowym polu danych włącz przełącznik ekstrakcji AI
2. Napisz prompt ekstrakcji: powiedz AI dokładnie, czego szukać w danym polu
3. Poczekaj na aplikację kandydata: ekstrakcja uruchomi się automatycznie po jej przesłaniu

Obok wyodrębnionej wartości pojawia się wskaźnik pewności podany przez model. Wartości o wysokiej i średniej pewności pojawiają się na kartach kanban i w Slacku. Wartości o niskiej pewności są zapisywane, ale oznaczane do weryfikacji.

Włączanie ekstrakcji AI

Otwórz ogłoszenie o pracę, przejdź do Pola danych i edytuj dowolne pole. Włącz przełącznik Wyodrębnianie AI. Pojawi się wymagane pole promptu.

Napisz prompt, który mówi AI dokładnie, czego szukać. Prompt staje się instrukcją ekstrakcji wysyłaną do modelu.

Przykłady dobrych promptów:

Pole	Dobry prompt
Salary Expectation	Extract the candidate’s expected salary, compensation range, or rate. Return null if not mentioned.
Availability	Extract when the candidate can start or their notice period. Return null if not mentioned.
Location Preference	Extract the candidate’s location, city, country, or remote work preference.
Years of Experience	Extract total years of professional experience. Return a number. Return null if not clear.
Open to Relocation	Return true if the candidate mentions willingness to relocate. Return false if they say they cannot. Return null if not mentioned.
Technical Skills	Extract all programming languages, frameworks, and tools mentioned. Return as a list.

Instrukcja „Return null if not mentioned” każe modelowi zwrócić pustą wartość, gdy nie znajdzie informacji w materiałach. Sprawdź wyniki, zwłaszcza jeśli mają wpłynąć na decyzję o kandydacie.

Wstępne wypełnianie z CV (ekstrakcja w czasie rzeczywistym)

Niezależnie od ekstrakcji metapól po złożeniu aplikacji, Kit oferuje również wstępne wypełnianie z CV w czasie rzeczywistym na publicznym formularzu aplikacyjnym. Gdy kandydat przesyła CV w formacie PDF, Kit natychmiast wyodrębnia dane kontaktowe (imię, nazwisko, e-mail, telefon, URL LinkedIn) i automatycznie wypełnia pola formularza w około 2 sekundy.

Najważniejsze różnice w porównaniu z ekstrakcją metapól:

	Wstępne wypełnianie z CV	Ekstrakcja metapól
Kiedy	Natychmiast po przesłaniu pliku	Po złożeniu aplikacji
Co	Tylko dane kontaktowe (5 pól)	Niestandardowe pola danych, które definiujesz
Poziom AI	Economy (najtańszy)	Standard lub Economy (zależnie od złożoności)
Trwałość	Brak (tylko wypełnienie formularza)	Zapisywane w rekordzie kandydata
Limit pliku	Tylko PDF, maks. 2 MB	PDF/DOCX/DOC, maks. 10 MB

Wstępne wypełnianie z CV wymaga włączonego limitu AI. Jeśli limit jest wyczerpany lub plik nie może zostać przetworzony, formularz działa normalnie, a kandydaci wypełniają pola ręcznie.

Co jest analizowane

AI otrzymuje wszystko, co kandydat przesłał, uporządkowane w sekcje:

Źródło	Co jest uwzględniane
Profil kandydata	Imię i nazwisko, e-mail, telefon, nazwa użytkownika GitHub, URL LinkedIn
CV	Pełny tekst CV, przeanalizowana historia zatrudnienia, wykształcenie, lista umiejętności, podsumowanie doświadczenia
Odpowiedzi z formularza	Wszystkie odpowiedzi przesłane w formularzu aplikacyjnym
Odpowiedzi z kwestionariusza	Pisemne odpowiedzi z dowolnych etapów kwestionariuszowych, które kandydat ukończył

AI otrzymuje wyłącznie materiały przesłane przez kandydata albo CV zaimportowane przez twój zespół. Wewnętrzne notatki ani oceny zespołu nie trafiają do modelu.

Pisanie skutecznych promptów

Prompt jest najważniejszym elementem wpływającym na jakość ekstrakcji. Dopasuj prompt do typu pola:

Typ pola	Przykładowe pole	Skuteczny prompt
Tekst	Salary Expectation	„Extract the candidate’s expected salary or compensation range. Include currency if mentioned. Return null if not mentioned.”
Liczba	Years of Experience	„Count total years of professional experience from work history. Return a number only. Return null if not determinable.”
Tak / Nie	Open to Management	„Return true if the candidate has managed a team or expresses interest in management. Return false if they prefer individual contributor work. Return null if not mentioned.”
Tagi	Technical Skills	„Extract all programming languages, frameworks, databases, and tools the candidate mentions. Return as a list of strings.”
Wybór	Seniority Level	„Classify the candidate as Junior, Mid, or Senior based on their experience. Return null if not enough information.”
Data	Available From	„Extract the earliest date or timeframe the candidate can start. Convert to a date if possible. Return null if not mentioned.”

Każdy prompt powinien dotyczyć jednej informacji. Połączenie kilku poleceń („extract salary and notice period”) może prowadzić do niespójnych wyników.

Wskaźniki pewności

Model przypisuje każdej wyodrębnionej wartości wskaźnik pewności od 0.0 do 1.0. Kit dzieli wyniki na trzy poziomy:

Poziom	Zakres	Znaczenie	Widoczne na kartach/Slack
Wysoki	0.75–1.0	Według modelu odpowiedź jest podana wprost	Tak
Średni	0.50–0.74	Według modelu odpowiedź jest prawdopodobna, ale niejednoznaczna	Tak
Niski	Poniżej 0.50	Model nie znalazł jednoznacznej odpowiedzi: sprawdź materiał źródłowy	Nie

Wartości o wysokiej i średniej pewności pojawiają się na kartach kanban i na kanałach Slack kandydatów. Wartości o niskiej pewności są zapisywane w rekordzie aplikacji, ale ukrywane w widokach kompaktowych, aby uniknąć wyświetlania nierzetelnych danych.

Wskaźnik pewności pojawia się obok każdego pola wypełnionego przez AI. To ocena samego modelu, nie potwierdzenie poprawności danych.

Ręczna korekta

Każdą wartość wyodrębnioną przez AI można edytować bezpośrednio. Kliknij wartość pola na stronie aplikacji, aby ją edytować. Po zapisaniu pole zostaje oznaczone jako ustawione ręcznie. AI nie nadpisze go przy przyszłych ekstrakcjach.

Oryginalna wartość wyodrębniona przez AI jest zachowywana w rekordzie nawet po edycji, dzięki czemu zawsze można zobaczyć, co AI znalazło, zanim zespół wprowadził zmianę.

Ręczna ponowna ekstrakcja również pozostawia takie pole bez zmian. Wyczyszczenie wartości nie przywraca możliwości ekstrakcji przez AI: zapisanie pustej wartości również liczy się jako ręczna edycja, więc pole nadal może edytować tylko twój zespół. Obecnie nie ma żadnego sposobu, aby z poziomu interfejsu przywrócić ręcznie ustawionemu polu możliwość zapisu przez AI.

Jeśli wartość AI nie jest błędna, lecz niepełna, możesz poprosić kandydata o wyjaśnienie zamiast zastępować ją własnym założeniem. Zobacz Prośby o doprecyzowanie informacji. Odpowiedź trafi do pola z oznaczeniem Kandydat i nie zostanie nadpisana podczas ponownej ekstrakcji, tak samo jak wartość wpisana przez zespół.

Ponowna ekstrakcja

Automatyczna: Ekstrakcja uruchamia się raz po złożeniu aplikacji przez kandydata. Nie musisz jej uruchamiać dla każdej nowej aplikacji.

Ręczna ponowna ekstrakcja: Otwórz aplikację, przewiń do sekcji Pola danych i kliknij Wyodrębnij ponownie. Spowoduje to ponowne uruchomienie ekstrakcji na podstawie wszystkich aktualnych materiałów kandydata z użyciem bieżących promptów pól.

Ponowna ekstrakcja jest przydatna, gdy:

• Dodano nowe pole z wyodrębnianiem przez AI po otrzymaniu aplikacji
• Zaktualizowano prompt pola i potrzebne są świeże wyniki
• Początkowa ekstrakcja się nie powiodła

Ponowna ekstrakcja nie nadpisuje pól edytowanych przez zespół.

Status ekstrakcji

Każda aplikacja ma status ekstrakcji widoczny w sekcji Pola danych:

Status	Znaczenie
Oczekująca	Ekstrakcja jest w kolejce, ale jeszcze się nie rozpoczęła
Przetwarzanie	Ekstrakcja jest w toku
Ukończona	Ekstrakcja zakończona: wyniki są dostępne
Niepowodzenie	Ekstrakcja napotkała błąd: szczegóły w komunikacie o błędzie

Najczęstsze przyczyny niepowodzenia to brak materiałów źródłowych (kandydat nie przesłał niczego, co AI może odczytać) lub wyczerpanie limitu AI. Usuń przyczynę błędu, a następnie kliknij Wyodrębnij ponownie.

W skrócie

• Dodaj niestandardowe pola danych do ogłoszenia o pracę
• Włącz Wyodrębnianie AI na polach, które mają być wypełniane automatycznie
• Napisz prompt ekstrakcji dotyczący jednej informacji dla każdego pola
• Używaj „Return null if not mentioned”, aby model zwracał pustą wartość, gdy nie znajdzie informacji
• Weryfikuj wartości o średniej pewności przed podejmowaniem decyzji
• Edytuj niepoprawne wartości AI bezpośrednio: edycja blokuje pole przed ponowną ekstrakcją
• Użyj przycisku „Wyodrębnij ponownie” po dodaniu nowych pól do istniejących aplikacji