دراسة حالة

Baserah AI، تحويل بيانات HR غير المنظمة لتقييمات

منصة ذكاء اصطناعي متكاملة للموارد البشرية بتؤتمت استخراج الجدارات ومؤشرات الأداء من الوصف الوظيفي، وبتولّد التقييمات، وبتقيّم المواهب بشكل منظم، وهي ثنائية اللغة للمؤسسات الكبيرة.

دوري في المشروع
مطور Full-Stack
نطاق العمل
خطوط استخراج بالذكاء الاصطناعي، توليد تقييمات، دورات تقييم
الجمهور المستهدف
فرق الموارد البشرية في مؤسسات كبيرة عربية/إنجليزية
Baserah AI، تحويل بيانات HR غير المنظمة لتقييمات

التحدي

فرق الـ HR قاعدة على أكوام نصوص غير منظمة (أوصاف وظيفية ومتطلبات وملاحظات تقييم)، وتحويل ده لجدارات قابلة للقياس وتقييمات عادلة شغل يدوي بطيء. المنصة كان لازم تستخرج البنية من النص ده بشكل موثوق وتنتج تقييمات فريق الـ HR يقدر يدافع عنها.

  • الأوصاف الوظيفية بتوصل كنص غير منظم
  • استخراج الجدارات والـ KPIs بشكل متسق مش عشوائي
  • التقييمات بتتولد مش بتتكتب يدوياً لكل وظيفة
  • العربي والإنجليزي على قدم المساواة

المنهجية

الخلفية FastAPI على MongoDB بدورات عمل غير متزامنة معيارية، وخطوات الاستخراج والتوليد بتشتغل بذكاء اصطناعي مبني على Gemini: الجدارات والـ KPIs بتتسحب من الوصف الوظيفي، واختبارات MCQ بتتولد منها، والمواهب بتتقيّم على البنية المستخرجة.

  • FastAPI + MongoDB بدورات عمل غير متزامنة معيارية
  • استخراج الجدارات والـ KPIs بالذكاء الاصطناعي
  • توليد اختبارات MCQ آلياً
  • تقييم مواهب منظم وقابل للتكرار

اللي تم بناؤه

خط HR كامل من النص الخام للتقييم المنظم.

  • استخراج مؤتمت للجدارات والـ KPIs من الأوصاف الوظيفية
  • تقييمات مولّدة بالذكاء الاصطناعي
  • دورات عمل تقييم مواهب منظمة
  • واجهة معرّبة عربي/إنجليزي

النتيجة

بصيرة بتحوّل أيام من التحليل اليدوي لخط مؤتمت، وده نموذج لشغل الـ AI التطبيقي في الباك إند اللي ببنيه أبعد من منصات الـ CRUD التقليدية.

  • شغل الاستخراج اليدوي اتأتمت بالكامل
  • تقييمات متسقة ومنظمة
  • ذكاء اصطناعي تطبيقي في معمارية باك إند إنتاجية

التقنيات المستخدمة

FastAPIPythonMongoDBAIGemini

عندك مشروع شبه ده؟

قوللي إنت بتبني إيه وهرجع لك بنطاق مقترح وجدول زمني وسعر.