Vai al contenuto principale
Come l'AI vede un candidato

Skill estratte da quello che un candidato ha costruito. Non da quello che ha scritto.

La nostra AI legge i file di progetto — codice, tesi, asset di design, report di tirocinio — e produce una lista skill strutturata con link alle evidenze. Il grafo skill è funzione di ciò che lo studente ha effettivamente prodotto. Auditabile, spiegabile, conforme AI Act.

Connettiamo persone e valori.

Come funziona

Artefatto in entrata, skill strutturate in uscita

Quattro fasi, completamente automatiche. Il candidato carica, l'AI estrae, la piattaforma mostra l'evidenza, il recruiter cerca. Niente tagging manuale.

01

Caricamento

Il candidato carica i file di progetto: codice sorgente, PDF della tesi, file di design, report di tirocinio, quaderni di laboratorio. Un paragrafo di descrizione nella propria lingua.

02

Estrazione

L'AI legge gli artefatti. Parsa il codice, sintetizza i documenti, trascrive i video walkthrough. Produce una lista skill strutturata su cinque bucket tipizzati.

03

Evidenza

Ogni skill estratta è memorizzata con un confidence score e un link all'artefatto da cui proviene. Il recruiter clicca sulla skill, vede il codice o documento dove è stata dimostrata.

04

Ricerca

I recruiter cercano per skill, ruolo, sede, o in linguaggio naturale. I match sono ranked sull'evidenza estratta, non sull'overlap di parole chiave con il CV.

Cosa viene estratto

Cinque bucket skill tipizzati

Le skill non sono mai una lista piatta. Ogni estrazione categorizza negli stessi cinque bucket, così un recruiter che cerca soft skill non deve filtrare query SQL.

Hard skill

Linguaggi di programmazione, framework, database, strumenti. Estratte da repository di codice e artefatti tecnici.

Soft skill

Comunicazione, collaborazione, project management. Estratte dalla qualità della documentazione, struttura del README, valutazioni di tirocinio.

Skill di design

UI/UX, CAD meccanico, disegno architettonico, design grafico. Estratte da file di design, sketch, prototipi.

Conoscenza di dominio

Competenza specifica di settore: finance, biotech, manifattura, istruzione, settore pubblico. Estratta dal contesto del progetto e dal lavoro applicato.

Lingue

Lingue di lavoro, livelli certificati, evidenza nel lavoro del candidato. Allineate al CEFR dove possibile.

Esempio reale

Un README in entrata, cinque bucket tipizzati in uscita

Logica di estrazione reale eseguita su un frammento di una tesi Politecnico. Frammento a sinistra, output dell'AI a destra.

Input — estratto del README di progetto
# Adaptive reuse of the ex-Falck industrial site

Master thesis · Politecnico di Milano · Architecture · 2025

Designed a mixed-use intervention on 12,000 m² of the
former Falck steelworks in Sesto San Giovanni. The plan
keeps three of the original blast-furnace structures
(listed under Italian heritage law D.Lgs. 42/2004) and
inserts new residential, retail, and public-space programs
around them.

Deliverables: 1:200 master plan, 1:50 sectional studies of
the heritage shells, full sustainability assessment under
LEED v4 BD+C, structural feasibility study with FEM
analysis on the reused frames.

Software: Revit (BIM model), AutoCAD, Grasshopper + Rhino,
Adobe InDesign for the boards. Worked with two structural
engineers on the FEM model and with the municipality's
heritage office on the listed-element constraints.

Final review: presented to the jury in English; final PDF
set in Italian for the regional planning authority.
Output — bucket skill tipizzati
Hard skills
Revit (BIM)AutoCADGrasshopperRhinoFEM analysisAdobe InDesign
Soft skills
Cross-disciplinary collaborationHeritage-office negotiationPublic review presentationMulti-stakeholder coordination
Design skills
Master planning (urban scale)Sectional designAdaptive reuseMaterial composition
Domain knowledge
Italian heritage law (D.Lgs. 42/2004)LEED v4 BD+CIndustrial heritage / brownfield reuse
Languages
Italian (native)English (B2+, jury presentation)

Ogni badge è cliccabile nel prodotto reale — porta alla riga dell'artefatto dove l'evidenza è stata trovata.

Cosa mostriamo

Ogni claim ha un link alla prova

Non chiediamo a nessuno di fidarsi dell'AI sulla parola. Ogni skill sul profilo di un candidato è cliccabile. Il recruiter vede l'artefatto da cui è stata estratta.

  • Confidence score per ogni skill — visibile ai recruiter e al candidato
  • Link all'artefatto sorgente (repository codice, documento, file) per ogni skill estratta
  • Algorithm registry pubblico che spiega come il motore di matching ranka i candidati
Cosa non affermiamo

Cosa l'AI non può fare

Siamo trasparenti sui limiti perché la fiducia viene dall'onestà su entrambi. Ecco cosa l'estrazione basata su artefatti non è.

  • Non misura il potenziale di un candidato — solo le skill evidenziate in ciò che ha già costruito
  • Non sostituisce il colloquio — toglie lo screening che non avrebbe mai dovuto essere un colloquio
  • Non certifica che il lavoro sia del candidato — è qui che l'endorsement opzionale del docente aggiunge un livello di fiducia

Cerca candidati su evidenze, non su dichiarazioni.

Sfogli il pool verificato gratis, contatti 5 candidati al mese con email aziendale. Prova la ricerca AI prima di iscriverti.

    InTransparency — Verified Student Profiles | University-to-Work Platform