Ekstrakcja AI danych kandydatów

Dlaczego to ważne

Przeglądanie dziesiątek aplikacji oznacza ręczne czytanie każdego CV, szukanie oczekiwań płacowych ukrytych w liście motywacyjnym i wpisywanie ich do pola. To szybko się sumuje. Ekstrakcja AI odczytuje każdy materiał przesłany przez kandydata — CV, odpowiedzi z formularzy, kwestionariusze — i automatycznie wypełnia niestandardowe pola danych, dzięki czemu zespół otwiera każdą aplikację z kluczowymi informacjami już wyodrębnionymi.

Jak to działa

Ekstrakcja AI przebiega w trzech krokach:

1. Oznacz pole jako możliwe do wyodrębnienia przez AI — w dowolnym niestandardowym polu danych włącz przełącznik ekstrakcji AI
2. Napisz prompt ekstrakcji — powiedz AI dokładnie, czego szukać w danym polu
3. AI przetwarza po złożeniu aplikacji — gdy kandydat aplikuje, ekstrakcja uruchamia się automatycznie i wypełnia pole

Wyodrębniona wartość jest wyświetlana wraz ze wskaźnikiem pewności, dzięki czemu zespół wie, jak bardzo AI było pewne wyniku. Wartości o wysokiej i średniej pewności pojawiają się na kartach kanban i w Slack. Wartości o niskiej pewności są zapisywane, ale oznaczane do weryfikacji.

Włączanie ekstrakcji AI

Otwórz ogłoszenie o pracę, przejdź do Data Fields i edytuj dowolne pole. Włącz przełącznik AI Extractable. Pojawi się pole promptu — jest ono wymagane.

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.

Prompty zawierające „Return null if not mentioned” zmniejszają liczbę fałszywych trafień — AI nie będzie zgadywać, gdy informacja nie jest dostępna.

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.

Kluczowe 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 zdefiniowane przez Ciebie
Warstwa AI	Economy (najtańsza)	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 włączonych kredytów AI. Jeśli kredyty są wyczerpane 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 — nic z wewnętrznych notatek ani ocen zespołu.

Pisanie skutecznych promptów

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

Typ pola	Przykładowe pole	Skuteczny prompt
Text	Salary Expectation	„Extract the candidate’s expected salary or compensation range. Include currency if mentioned. Return null if not mentioned.”
Number	Years of Experience	„Count total years of professional experience from work history. Return a number only. Return null if not determinable.”
Boolean	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.”
Tags	Technical Skills	„Extract all programming languages, frameworks, databases, and tools the candidate mentions. Return as a list of strings.”
Select	Seniority Level	„Classify the candidate as Junior, Mid, or Senior based on their experience. Return null if not enough information.”
Date	Available From	„Extract the earliest date or timeframe the candidate can start. Convert to a date if possible. Return null if not mentioned.”

Prompty powinny być skoncentrowane na jednej informacji. Prompty złożone („extract salary and notice period”) dają niespójne wyniki.

Wskaźniki pewności

Każda wartość wyodrębniona przez AI ma wskaźnik pewności od 0.0 do 1.0, pogrupowany w trzy poziomy:

Poziom	Zakres	Znaczenie	Widoczne na kartach/Slack
Wysoki	0.75 – 1.0	AI znalazło jasną, jednoznaczną odpowiedź	Tak
Średni	0.50 – 0.74	AI znalazło prawdopodobną odpowiedź z pewną niejednoznacznością	Tak
Niski	Poniżej 0.50	AI zgadywało lub wnioskowało — zweryfikuj przed podjęciem działań	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.

Podczas przeglądania aplikacji wskaźnik pewności jest wyświetlany obok każdego pola wypełnionego przez AI, dzięki czemu zespół od razu wie, czy może zaufać wartości, czy powinien sam przeczytać materiał źródłowy.

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.

Aby wymusić ponowną ekstrakcję na ręcznie edytowanym polu, najpierw wyczyść wartość, a następnie uruchom ponowną ekstrakcję.

Ponowna ekstrakcja

Automatyczna: Ekstrakcja uruchamia się raz, gdy kandydat aplikuje. Nowe aplikacje są przetwarzane automatycznie — nie wymaga to żadnych działań.

Ręczna ponowna ekstrakcja: Otwórz aplikację, przewiń do sekcji Data Fields i kliknij Re-extract. 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 respektuje ręczne korekty — pola edytowane przez zespół nie zostaną nadpisane.

Status ekstrakcji

Każda aplikacja ma status ekstrakcji widoczny w sekcji Data Fields:

Status	Znaczenie
Pending	Ekstrakcja jest w kolejce, ale jeszcze się nie rozpoczęła
Processing	Ekstrakcja jest w toku
Completed	Ekstrakcja zakończona — wyniki są dostępne
Failed	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 kredytów AI. W przypadku niepowodzenia ekstrakcji napraw przyczynę i użyj przycisku ręcznej ponownej ekstrakcji, aby ponowić próbę.

W skrócie

• Dodaj niestandardowe pola danych do ogłoszenia o pracę
• Włącz AI Extractable na polach, które mają być wypełniane automatycznie
• Napisz skoncentrowany prompt ekstrakcji dla każdego pola
• Używaj „Return null if not mentioned”, aby unikać fałszywych trafień
• Weryfikuj wartości o średniej pewności przed podejmowaniem decyzji
• Edytuj niepoprawne wartości AI bezpośrednio — edycja blokuje pole przed ponowną ekstrakcją
• Użyj Re-extract po dodaniu nowych pól do istniejących aplikacji