Opis
Przed wdrożeniem każdy profil kandydata wymagał ręcznego usuwania danych wrażliwych, co ograniczało skalę procesu.
Wyzwanie
Obsługa wielu formatów i języków wymagała połączenia OCR, precyzyjnego rozpoznawania encji (NER) oraz wiarygodnych logów zmian dla audytu.
Nasze podejście
Zbudowaliśmy proces OCR oraz prywatny model NER hostowany w UE, który zwraca zanonimizowany dokument oraz rejestr wykonanych maskowań w formacie JSON.
Co dostarczyliśmy
- •Obsługa OCR dla CV skanowanych i tekstowych
- •Prywatny model NER do wykrywania pól chronionych
- •Ustrukturyzowany rejestr anonimizacji dla każdego dokumentu
- •Skonteneryzowany moduł zintegrowany z platformą klienta
Architektura i wdrożenie
- •Brak zależności od zewnętrznych API przy przetwarzaniu danych osobowych
- •Rozdzielenie anonimizacji i rejestrowania zmian na potrzeby audytu
- •Wdrożenie hostowane w UE z przewidywalnym skalowaniem
Harmonogram prac
Tydz. 1
Mapowanie wejść i zasad
Ustalenie pól chronionych oraz reguł anonimizacji.
Tydz. 2–5
Budowa procesu
Implementacja OCR, NER i anonimizacji z zachowaniem formatowania.
Tydz. 6–7
Integracja i QA
Integracja z procesem klienta oraz walidacja wielojęzyczna.
Tydz. 8
Uruchomienie
Stabilizacja i przekazanie instrukcji operacyjnych.
Ekrany i materiały
Czas przetwarzania CV
Technologia
Zgodność i kontrola
- Rezydencja danych wymuszona w infrastrukturze UE
- Rejestry anonimizacji gotowe do audytu
- Maskowanie pól chronionych przed oceną przez AI
Najważniejsze efekty
- ✓Znaczne ograniczenie ręcznej pracy rekruterów
- ✓Ujednolicenie anonimizacji między językami i formatami
- ✓Zgodność wbudowana w przetwarzanie każdego dokumentu
Powiązane case studies
To case study pokazujemy w skróconej formie ze względu na NDA. Pełne szczegóły techniczne i referencje udostępniamy na prośbę. Nazwa klienta oraz część wewnętrznych progów polityk są ukryte. Skontaktuj się.