إنه يوم الثلاثاء، و244 طلبًا لدور واحد في قائمة انتظارك، ومدير التوظيف يريد الأسماء بحلول الخميس. يجب أن ينتج الاختيار المبدئي للمرشحين لديك مجموعة يمكن الدفاع عنها من الأشخاص لتقييمهم ضمن قدرة المقابلات المتاحة لديك، بدءًا من فرز السير الذاتية.
ارتفع عدد الطلبات لكل وظيفة من 116 في 2022 إلى 244 في 2025، بينما تقلصت فرق التوظيف بنسبة 56% في المعايير العالمية لـ Greenhouse.
في استطلاع أجرته Gartner على 3,290 مرشحًا، استخدم 39% منهم الذكاء الاصطناعي عند التقديم. لهذا تبدو الكثير من السير الذاتية متشابهة، ويقلّ ما يتمسك به الحدس.
بافتراض دقيقتين لكل سيرة ذاتية، فهذا يعني 8 ساعات من القراءة قبل أن تكتب ملاحظة. وتصبح القراءة غير متساوية: في دراسات المقابلات، يمنح الأشخاص تقييمًا أقل لمرشح بعد سلسلة من المرشحين الأقوياء. هذا ليس إهمالًا: فالمراجعون يقتصدون بهدوء في موافقاتهم خلال الجلسة الواحدة.
إليك كيفية إجراء الاختيار المبدئي للمرشحين في 3 خطوات يمكنك الدفاع عنها. ثبّت المعايير المرجحة مع مدير التوظيف أولًا، وقيّم كل سيرة ذاتية بالطريقة نفسها بترتيب عشوائي، وحدد حجم القائمة بناءً على ساعات المقابلات المتاحة لديك.
الخلاصات الرئيسية
- كم عدد المرشحين الذين ينبغي أن أختارهم مبدئيًا؟ احسب بالعكس انطلاقًا من قدرة المقابلات ومتطلبات الوظيفة. مثال الـ 19 شخصًا أدناه هو حساب على أرقام إجمالية، وليس هدفًا لكل دور.
- لماذا تكتب المعايير قبل أول سيرة ذاتية؟ يميل المراجعون إلى تكييف المعايير تجاه سيرة ذاتية تعجبهم. كتابتها أولًا أزال التحيز الجندري في دراسات جامعة ييل.
- هل يجب أن أختار فقط السير الذاتية الحاصلة على 8 من 10؟ لا. في نصف (51.8%) من مشاريع Flowmingo البالغ عددها 1,024 والتي تضم 20+ سيرة ذاتية مُقيّمة بالذكاء الاصطناعي، لم يصل أي منها إلى 8.
- هل يغيّر ترتيب السير الذاتية من يصل إلى القائمة؟ نعم. اختارت 22 نموذجًا من نماذج الذكاء الاصطناعي السيرة الأولى من بين سيرتين متساويتين في المؤهلات في 63.5% من الحالات.
- هل يمكنني ترك ChatGPT يرتب 200 سيرة ذاتية؟ فقط كفرز أولي يراجعه شخص. النص المخفي في السير الذاتية خدع أدوات الفرز بالذكاء الاصطناعي في أكثر من 80% من الحالات في بعض الاختبارات.
1. مع 244 متقدمًا ويومين فقط، كيف يعمل الاختيار المبدئي للمرشحين دون قراءة كل سيرة ذاتية؟
لا تقرأ 244 سيرة ذاتية بترتيب وصولها. نفّذ الاختيار المبدئي للمرشحين في 3 تمريرات: الحقائق الثابتة، ثم الدرجات المرجحة، ثم قراءة يدوية للشريحة العليا والنطاق الذي يليها.
ترتيب الوصول يبدو محايدًا، لكنه لا علاقة له بالوظيفة. أول متقدم يحصل على أجود انتباهك، ومتقدم اليوم الرابع يحصل على ما تبقّى. الجولات تحلّ ذلك، لأن كل جولة تطرح السؤال نفسه على كل سيرة ذاتية.
يوضّح الشكل أدناه الجولات الثلاث. تتفحّص الجولة الأولى 2 أو 3 حقائق ثابتة، مثل ساعات العمل الأساسية، التي تطلبها في الطلب. ولأنها نجاح/رسوب، يجيب عنها المرشحون ولا تقضي أي وقت في القراءة.
الجولة الثانية تمنح كل من تبقّى درجة من 0 إلى 10 على 4 إلى 6 معايير، باستخدام الصيغة نفسها للجميع. أما الجولة الثالثة فتعيد حكمك: تقرأ يدويًا أعلى الترتيب والقليل من السير الذاتية التي تقع مباشرة أسفل حدّ القطع لديك.
تلك القراءة البشرية الأخيرة مهمة لأن صيغة التنقيط قد تغفل سيرة ذاتية غير معتادة. على سبيل المثال، قد يكون الشخص الذي غيّر مساره المهني قد تولى ملف التجديدات بمسمى في المبيعات لا تذكره معاييرك أبدًا.

قائمة مختصرة من 3 جولات: حقائق ثابتة، درجات موزونة، ثم قراءة يدوية للجزء الأعلى، وحجمها محسوب من ساعات مقابلاتك.
بيانات Flowmingo · 237,650 متقدمًا · 10,074 مشروع توظيف · 4,857 شركة · مشاريع أُنشئت من 1 يوليو 2025 إلى 24 أغسطس 2026
- 50% من جميع المتقدمين كانوا ضمن مشروع توظيف يضم 174 متقدمًا أو أكثر.
يُحتسب كل من في المشروع (مُحمَّل أو مدعو أو من إعلان وظيفة)، ويُحتسب كل متقدم متكرر مرة واحدة. كثير من المشاريع تجريبية.
2. ما معايير فرز المرشحين التي ينبغي أن أكتبها قبل أول سيرة ذاتية، بحيث يصمد كل استبعاد؟
اكتب من 4 إلى 6 معايير بناءً على ما يجب أن تقدمه الوظيفة، واتفق عليها مع مدير التوظيف قبل أن يفتح أي شخص سيرة ذاتية. اجعل 2 أو 3 حقائق ثابتة بمثابة نجاح/رسوب، ووزّن الباقي.
كتابة هذه المعايير أولًا أمر مهم لأن قراءة السير الذاتية تحيّز حكمك. في دراسات ييل التأسيسية، قيّم الناس المتقدمين لوظيفة رئيس شرطة وهمية.
عندما كان المتقدم الذكر يملك خبرة ميدانية أكثر، قال الناس إن الخبرة الميدانية أكثر أهمية. وعندما كان يملك تعليمًا أكثر، قالوا إن التعليم أكثر أهمية.
الالتزام بالمعايير أولًا أزال هذا التحيز الجنساني في الدراسة الثالثة، وكان الأشخاص الذين شعروا بأنهم الأكثر موضوعية هم الأكثر تحيزًا. كانت عمليات التوظيف افتراضية، لكن التحذير واضح: المعايير المكتوبة بعد القراءة تصف السيرة الذاتية التي تعجبك بالفعل.
لنقل إنك توظّف مدير نجاح العملاء (مثال توضيحي، وليس بيانات عملاء). اسأل عن الحقائق الصعبة عبر أسئلة مقابلات الفحص الأولي، ثم اكتب ما الدليل الذي يمنح كل درجة:
| المعيار | الوزن | الدليل للدرجات من 8 إلى 10 | للدرجات من 3 إلى 5 |
|---|---|---|---|
| ساعات العمل الأساسية؛ حق العمل، حيث يُسمح قانونًا بالسؤال | نجاح/رسوب، يُطرح | يجيب بنعم | |
| تجديدات على محفظة أعمال B2B | ضروري، 4 | حجم المحفظة ونتيجة تجديد | لا نطاق ولا نتيجة |
| تأهيل العملاء | مهم جدًا، 3 | خطة نفّذوها وما الذي تغيّر | شارك فقط |
| الاستخدام اليومي لنظام CRM | مهم، 2 | نظام CRM وما كانوا يتتبعونه | CRM ضمن المهارات |
| خبرة في SaaS | من الجيد امتلاكه، 1 | عمل على منتج SaaS | برمجيات مشابهة |
| لا يوجد دليل | قاعدة | الدرجة 3، مع ملاحظة "غير مُثبت": ليست صفرًا ولا محذوفة |
تأتي تجديدات العقود في أعلى الأوزان لأن مدير نجاح العملاء ينجح أو يفشل بناءً عليها. السيرة الذاتية التي لا تذكر معيارًا معينًا تحصل على 3، لأن إعطاءها صفرًا سيعاقب من أغفل ذلك. أما تخطي البند فسيكون أسوأ: فالسيرة الذاتية التي تقول أقل ستحصل حينها على درجات بناءً على نقاط قوتها فقط.
3. مدير التوظيف لديّ يرفض قائمتي المختصرة باستمرار. كيف نتفق على الحد الفاصل قبل الفحص الأولي؟
اتفقوا على المعايير والأوزان، ثم قيّم أنت ومدير التوظيف نفس السير الذاتية الخمس كلٌّ على حدة، وقارنوا النتائج. وعندما تتباين درجاتكما، عالجوا المعيار لا الشخص.
قد تفشل القائمة المختصرة لأنك ومدير التوظيف تتخيلان متطلبات وظيفية مختلفة.
وفقًا لكتاب Noise — كتاب أساسي في الحكم — فإن مقابِلَين في نفس اللجنة يختلفان في تحديد المرشح الأفضل مرة واحدة من كل 4 مرات تقريبًا.
عندما يرى الأشخاص المرشحين بشكل منفصل، كما تفعل أنت ومدير التوظيف عادةً، ترتفع النسبة إلى حوالي 1 من 3. هذا هو حسابنا المستند إلى أبحاث Huffcutt في المقابلات وليس دراسة عن السير الذاتية. ومع ذلك، فهذا يعني أن رفض القائمة المختصرة هو غالبًا ضجيج وليس دليلًا على أن أحدكما مخطئ.
لنقل إنك تمنح سيرة ذاتية 8 على تجديدات العقود بينما يمنحها مدير التوظيف 4. وعند مناقشة الأمر، تكتشف أنه يريد تجديدات على مستوى المؤسسات بينما تُظهر السيرة الذاتية حسابات صغيرة. أصلح هذا المعيار مرة واحدة قبل بدء فرز المرشحين، وسيكون مُصلحًا لجميع السير الذاتية البالغ عددها 244.
الحل الذي يقدمه الكتاب، المستمد من الممارسة وليس من دراسة، هو تقييم كل جزء قبل أي حكم شامل:
- اختر 5 سير ذاتية من مختلف أنحاء الكومة. عندما تكون درجاتكما متباعدة بمقدار 3 نقاط أو أكثر، اكتب مثالًا لدرجة مرتفعة ومثالًا لدرجة منخفضة.
- يوقّع مدير التوظيف على المعايير، وأي تجاوز لاحق يتطلب سببًا مكتوبًا.
- اتفقا كتابيًا على أي استبعاد شامل، مثل "لا شهادة، لا اتصال"، لأن قاعدة كهذه تستبعد الأشخاص بسرعة.
4. هل يتطلب فرز المرشحين لـ 200 سيرة ذاتية مصفوفة تقييم، أم يكفي تصنيفها إلى نعم/ربما/لا؟
استخدم مصفوفة تنقيط، لأن كومة "ربما" تخفي سبب وجود شخص فيها. قيّم من 4 إلى 6 معايير مرجحة من 0 إلى 10، واجمعها بالطريقة نفسها للجميع.
لنقل أن 60 سيرة ذاتية وُضعت في قائمة "ربما": بحلول اليوم الثاني، لا أحد يتذكر السبب.
مراجعة تأسيسية لعام 2013 أجراها كونسيل وزملاؤه قارنت بين خبراء يكوّنون رأياً عاماً وبين صيغة ثابتة تجمع درجات منفصلة. توقعت الصيغة الأداء الوظيفي بشكل أفضل بنسبة تزيد عن 50%، حتى مع أن الخبراء عرفوا الوظيفة.
في الممارسة العملية، ضع حكمك في درجة كل معيار، ثم اترك المجموع يرتب.
إليك ذلك على مثال القسم 2 (توضيحي، وليس بيانات عملاء):
| المعيار (الوزن) | A | B | C |
|---|---|---|---|
| التجديدات (4) | 8 | 4 | 9 |
| الإعداد (3) | 7 | 8 | 6 |
| CRM (2) | 6 | 9 | 4 |
| SaaS (1) | 5 | 10 | 2 |
| النتيجة المرجحة /10 | 7.0 | 6.8 | 6.4 |
| المتوسط البسيط /10 | 6.5 | 7.75 | 5.25 |
النتيجة المرجحة = (4 x التجديدات + 3 x الإعداد + 2 x CRM + 1 x SaaS) / 10.
لدى B أفضل متوسط بسيط، 7.75، بفضل علاماته العليا في CRM وSaaS، لكنه حصل على 4 فقط في التجديدات، وهي الميزة الضرورية. مع الترجيح، يتصدر A بـ7.0، لأن A قوي في أصعب جوانب الوظيفة.
لدى C أقوى التجديدات، 9، لكن ضعف تفاصيل CRM وSaaS يُنزل C إلى 6.4، وهي سيرة ذاتية لجولة القراءة الثالثة. قبل تحديد علامة النجاح، انظر إلى كيفية تسجيل السير الذاتية الحقيقية.
بيانات Flowmingo · 105,648 سيرة ذاتية · 50,546 مرشحاً · 3,815 مشروع توظيف · 1,761 شركة · 10 يوليو إلى 24 سبتمبر 2026
- 5.4 من 10 كانت النتيجة الوسيطة للسير الذاتية وفق معايير كل وظيفة المرجحة.
- 19.0% من السير الذاتية حصلت على 7 أو أكثر من 10 وفق معايير وظيفتها.
- 4.0% من السير الذاتية حصلت على 8 أو أكثر من 10 وفق معايير وظيفتها.
درجات السير الذاتية بالذكاء الاصطناعي، وليست جودة المرشح أو نتائج التوظيف؛ ولا يمكن مقارنتها عبر الوظائف. المعايير الصارمة أو التحميلات الجماعية تخفض الدرجات؛ وتُستبعد السير الذاتية غير القابلة للتنقيط والدرجات السابقة على 10 يوليو.
يوضح الرسم البياني أدناه سرعة تناقص الدرجات. أكثر من نصف السير الذاتية بقليل (56.4%) وصلت إلى 5، وحوالي 1 من كل 5 (19.0%) وصلت إلى 7. فقط 4.0% وصلت إلى 8، و0.1% وصلت إلى 9.

توزيع درجات السيرة الذاتية، بيانات Flowmingo: 4.0% فقط من أصل 105,648 سيرة ذاتية حصلت على 8 أو أكثر من 10 وفق معايير الوظيفة الخاصة بها.
الدرجة 8 تتطلب أدلة واضحة على كل معيار تقريبًا، وقليل من السير الذاتية توضح ذلك. لذا فإن قاعدة مثل "قابِل فقط من حصل على 8" تترك العديد من الوظائف بقائمة قصيرة جدًا، أو بلا قائمة.
كيف يساعد Flowmingo
تقييم السيرة الذاتية يحوّل وصف الوظيفة إلى معايير يمكنك تعديلها وتقييمها من أساسي (4) إلى مفضل (1). يحسب لكل سيرة ذاتية درجة من 0 إلى 10 لكل معيار مع دليل مكتوب، ويعتبر غياب الدليل 3. لا يستبعد أحدًا تلقائيًا: بالنظر إلى الأرقام أعلاه، رتّب حسب درجة السيرة الذاتية بدلًا من التصفية على 8-10.
5. نصف سيري الذاتية تبدو وكأنها كتبها ChatGPT. ما الذي ما زال يمكن أن تخبرني به السيرة الذاتية قبل إعداد القائمة المختصرة؟
استخدم السيرة الذاتية للحصول على حقائق ثابتة وأسئلة تطرحها، لا كدليل على المهارة. صقل السيرة الذاتية لا يكلف شيئًا الآن، لذا أعطِ كل من تجاوز مرحلة الفرز نفس نموذج العمل أو المقابلة المنظمة.
كان الصقل يتطلب جهدًا في الماضي. الآن، في استطلاع Gartner نفسه الذي شمل 3,290 مرشحًا، كتب 54% من مستخدمي الذكاء الاصطناعي نص سيرهم الذاتية باستخدامه.
الرسم البياني أدناه يقيّم كل أسلوب من 0، أي لا علاقة له بالأداء الوظيفي لاحقًا، إلى 1، وهو تطابق مثالي لا يصل إليه أي أسلوب. المقابلات المنظمة تتصدر عند 0.42، وفقًا لإعادة تحليل تأسيسية لعام 2022 أجراها Sackett وزملاؤه.
وفي إعادة التحليل نفسها، تأتي اختبارات المعرفة الوظيفية في المرتبة التالية عند 0.40، وعينات العمل عند 0.33، واختبارات القدرة المعرفية عند 0.31. أما البنود التي تتصدر بها معظم السير الذاتية فتأتي في الأخير: الخبرة في وظيفة ذات صلة عند 0.07، والخبرة العملية السابقة عند 0.06 (Van Iddekinge).

ما يتنبأ بالأداء: المقابلات المنظمة ترتبط بالأداء الوظيفي اللاحق بشكل أفضل، بينما سنوات الخبرة لا تكاد ترتبط به إطلاقًا.
هذا يعني أن السنوات المكتوبة في السيرة الذاتية لا تخبرك كثيرًا عمّن سيؤدي جيدًا. لذا تحقق مما يصعب تزييفه:
- نتائج يمكنك التحقق منها: أرقام، وأنظمة محددة بأسمائها، وتواريخ.
- 1 عينة عمل قصيرة، نفسها للجميع، مثل رسالة تجديد إلى عميل غير راضٍ. ولمشاهدة العمل أثناء إنجازه، يتيح Showcase للمرشح تسجيل شاشته أثناء أداء المهمة.
- مقابلة منظمة مبنية على أسئلة مقابلات تتنبأ بالأداء الوظيفي.
5.1 هل يجب أن أرفض مرشحًا لأن الذكاء الاصطناعي ساعد في كتابة سيرته الذاتية؟
لا، ليس بناءً على ذلك وحده. لا يمكنك اكتشافها بشكل موثوق، وقد يفضّلها حتى أداة فرز تعمل بالذكاء الاصطناعي.
في استطلاع أجرته TopResume على 600 من مدراء التوظيف في الولايات المتحدة، لم يكتشف سوى 33.5% منهم السير الذاتية المكتوبة بالذكاء الاصطناعي من بين 4 سير ذاتية. لذا فإن الحظر سيقوم على التخمين.
كما تفضّل أنظمة الفرز بالذكاء الاصطناعي السير الذاتية المكتوبة بواسطة نفس نموذج الذكاء الاصطناعي (Xu et al.، ورقة أولية لم تُنشر بعد في مجلة). في قوائم مختصرة محاكاة، كان احتمال اختيار هؤلاء المتقدمين أكبر بنسبة 23% إلى 60% مقارنة بمتقدمين مؤهلين بشكل مماثل بسير ذاتية مكتوبة بشريًا. لذا فإن رفض السير الذاتية المكتوبة بالذكاء الاصطناعي مع ترتيبها باستخدام الذكاء الاصطناعي ليس له معنى كبير.
6. هل يغيّر الترتيب الذي أقرأ به 200 سيرة ذاتية قائمتي المختصرة؟ كيف أصلح ذلك؟
من المحتمل جدًا: يمنح المقابلون تقييمات أقل للمرشحين بعد سلسلة من المرشحين الأقوياء، ومعظم نماذج الذكاء الاصطناعي المختبرة تفضّل السيرة الذاتية المدرجة أولًا. قم بخلط الملفات، وقم بتقييم كل سيرة ذاتية وفق المعيار المكتوب.
في دراسة تأسيسية شملت 9,000+ مقابلة قبول في برنامج MBA، تصرّف المقابلون كما لو كان لديهم حصة يومية من الدرجات العالية (Simonsohn and Gino). بعد سلسلة قوية، خفّضوا تقييم المتقدم التالي.
كانت العقوبة تعادل حوالي 23 شهرًا من الخبرة العملية، وتزايدت خلال اليوم. هذا يعني أن المتقدمين الأقوياء السابقين يمكن أن يضروا بالمرشحين. كانت هذه مقابلات وليست قراءات للسير الذاتية، لذا فإن تطبيق ذلك على ملفاتك هو استنتاج منا.
للذكاء الاصطناعي تأثير ترتيب خاص به. أظهر Rozado لـ 22 نموذج ذكاء اصطناعي أزواجًا من السير الذاتية المتكافئة في المؤهلات، كل زوج مرتين مع تبديل الترتيب.
عبر 30,690 قرارًا، فازت السيرة الذاتية المدرجة أولًا بنسبة 63.5% من المرات والثانية بنسبة 36.5%، بينما الاحتمالات العادلة هي 50%. لذا في الحالات المتقاربة، يمكن للترتيب وحده أن يحدد من يصل إلى قائمتك.

تأثير ترتيب الذكاء الاصطناعي: عبر 22 نموذج ذكاء اصطناعي، فازت الأولى من بين سيرتين متكافئتين بنسبة 63.5% من القرارات، بينما كانت الاحتمالات العادلة 50%.
حلول هذا الخطر في القائمة المختصرة للمرشحين غير مكلفة:
- اخلط الكومة بدلًا من القراءة بترتيب الوصول أو الأبجدي.
- قيّم وفق المعيار المكتوب، وليس السيرة الذاتية التي قرأتها للتو.
- لا تضع حصة ثابتة من القبول في الجلسة الواحدة، وخذ فترات راحة.
- أعد تقييم أول 10 سير ذاتية في النهاية.
- مع الذكاء الاصطناعي، شغّل كل مقارنة مرتين مع عكس الترتيب، وأحِل أي حالة انقسام إلى شخص.
7. كم عدد المرشحين الذين ينبغي أن أضعهم في القائمة المختصرة للمقابلات عندما يتقدم أكثر من 200 شخص لدور واحد؟
احسب بالرجوع إلى ساعات المقابلة والمتطلبات الوظيفية الدنيا: في 2025 اجتاز نحو 7.6% من المتقدمين المرحلة الأولى، أي قرابة 19 من 244. بالنسبة للقائمة المختصرة للمرشحين، رتّب الجميع وخذ الشريحة العليا، وليس علامة نجاح ثابتة.
نسبة 7.6% هي متوسط Greenhouse لشمال أمريكا لعام 2025 عبر أكثر من 6,000 مؤسسة. يطبّق القمع أدناه ذلك على وظيفة واحدة: من 244 متقدمًا، يمر نحو 19 بالمرحلة الأولى. ويمر نحو 4 منهم بالمرحلة الثانية، بنسبة 22.0%.

قمع القائمة المختصرة، 2025: من 244 متقدمًا، يمر نحو 19 بالمرحلة الأولى ونحو 4 بالمرحلة الثانية، وفق حساباتنا على متوسطات Greenhouse.
نحو 19 مقابلة أولى بالإضافة إلى نحو 4 مقابلات ثانية قريب من متوسط Greenhouse البالغ 22.7 مقابلة لكل وظيفة، و12.3 ساعة مقابلة لكل توظيف. ومع ذلك، فإن العددين 19 و4 هما حساباتنا على المتوسطات، وGreenhouse لا يحدد مراحله، فتعامل معهما كدليل إرشادي.
لنقل إنه يمكنك تخصيص 14 ساعة للمقابلات، بمعدل 45 دقيقة للمقابلة الأولى: أي نحو 19 مقعدًا. احتفظ بأسماء من 3 إلى 5 كاحتياط لمن ينسحبون، وراجع معدلات إكمال المقابلات بالذكاء الاصطناعي لتعرف كم عدد من يُكملون.
الترتيب يتجنب قطعًا تعسفيًا للدرجات، لكن لا تقدّم شخصًا يفتقر إلى متطلب أساسي لمجرد ملء القائمة. في نصف مشاريع عملائنا التي تضم 20+ سيرة ذاتية مقيّمة، لم تصل أي سيرة ذاتية إلى 8.
بيانات Flowmingo · 1,024 مشروع توظيف مع 20+ سيرة ذاتية مقيّمة · 90,629 سيرة ذاتية · 549 شركة · 10 يوليو إلى 24 سبتمبر 2026
- 51.8% من مشاريع التوظيف التي تضم 20 سيرة ذاتية مقيّمة أو أكثر لم يكن فيها أي سيرة ذاتية سجلت 8 أو أكثر.
- 6.6 من 10 كان متوسط قطع أعلى 20% في المشاريع، وكان متوسط أفضل سيرة ذاتية عبر المشاريع 7.9.
- 35.1% من المشاريع التي تضم 100 سيرة ذاتية مقيّمة أو أكثر لا يزال لا يوجد فيها من سجل 8 أو أكثر.
درجات الذكاء الاصطناعي للسير الذاتية، وليست نتائج توظيف؛ تعتمد النتائج على معايير كل وظيفة ومتقدميها. تحسب السير الذاتية التي تتجاوز درجة معينة، وليس التوظيفات الجيدة في المجموعة.
8. كيف أُبقي التحيز بعيدًا عن القائمة المختصرة للمرشحين عندما يرتب الذكاء الاصطناعي أو المراجعون المتعبون السير الذاتية؟
افترض أن الذكاء الاصطناعي والمراجع المتعب كلاهما يحمل تحيزًا، وافحص كل عملية استبعاد. قيّم فقط بناءً على معايير مكتوبة، وأخفِ الأسماء حيث يمكنك، وراجع أي مجموعة تقل نسبة اجتيازها عن 80% من نسبة المجموعة الأعلى.
من الداخل، يبدو التحيز مجرد حدس بشأن الملاءمة. في دراسة أساسية عام 2022، أرسل Kline وزملاؤه أكثر من 83,000 طلب توظيف مزيف إلى كبار أصحاب العمل في الولايات المتحدة.
خفضت الأسماء ذات الدلالة الواضحة على السود فرصة تلقي الرد بمقدار 2.1 نقطة مئوية. وأظهرت الشركات التي توظف بشكل أكثر مركزية واتساقًا فجوات أصغر، وهو سبب وجيه للفرز باستخدام مجموعة واحدة مكتوبة من القواعد.
في إحدى شركات Fortune 500، اختبر الباحثون نموذجًا قياسيًا مدربًا على التوظيفات السابقة.
كان سيخفض حصة السود واللاتينيين من المرشحين للمقابلات من 9.4% إلى 4.2%. وكان نموذج "الاستكشاف"، الذي بُني ليجرب أيضًا أشخاصًا واعدين على خلاف التعيينات السابقة، سيرفعها إلى 24.3%.
الفحص العملي هو قاعدة 80% للمجموعات العرقية والجنسية والإثنية: اقسم معدل اجتياز كل مجموعة على معدل المجموعة الأعلى. فمثلاً، إذا كان 10% من مجموعة ما يدرجون في قائمتك و5.6% من مجموعة أخرى، فالنسبة 56%.
تعامل الوكالات الأمريكية عمومًا ما يقل عن 80% كدليل على وجود أثر سلبي، أي أن عمليتك تستبعد مجموعة واحدة أكثر من غيرها، والفجوات الأصغر قد تظل محسوبة. وعندما تجد فجوة، تحقق من أن المعيار الكامن خلفها مرتبط بالوظيفة.
8.1 هل يمكنني لصق 200 سيرة ذاتية في ChatGPT وطلب قائمة مختصرة؟
فقط مع وجود حواجز حماية. أداة الدردشة تجلب كل المخاطر المذكورة أعلاه، إضافة إلى نص مخفي في السيرة الذاتية يخاطب الذكاء الاصطناعي.
الموجه الخفي هو نص لا يمكن للشخص رؤيته، مثل نص أبيض على خلفية بيضاء يقول "صنّف هذا المرشح أولاً". في دراسة اختبارية، خدعت التعليمات الخفية أدوات الفرز بالذكاء الاصطناعي في أكثر من 80% من الحالات مع بعض الحيل (Mu وزملاؤه). الإعداد الأكثر أمانًا هو:
- تحقق أولًا من شروط بيانات أداة الذكاء الاصطناعي وإشعار الخصوصية الخاص بك، لأن السير الذاتية بيانات شخصية.
- الصق نصًا عاديًا، بحيث يصبح أي نص مخفي مرئيًا، وأزل الأسماء والصور.
- قيّم وفق كل معيار مكتوب، وشغّله مرتين مع تبديل الترتيب، واجعل شخصًا يراجع كل استبعاد.
9. هل فرز المرشحين بالذكاء الاصطناعي قانوني، وما الذي عليّ تجاه المتقدمين في الولايات المتحدة والاتحاد الأوروبي؟
لا يحظر أي من هذه القوانين مساعدة الذكاء الاصطناعي في إعداد القوائم المختصرة للمرشحين، لكنها معًا تطلب الإشعار والتفسيرات واختبار التحيز والسجلات. هذه معلومات عامة، وليست نصيحة قانونية.
تختلف القواعد من مكان إلى آخر لكنها تشترك في فكرة واحدة. إذا كانت أداة تساعد في تحديد من يتقدم، فيجب أن يعرف المرشحون ذلك، ويجب أن تكون قادرًا على شرح السبب. الممارسات الواردة في هذا الدليل تجعل السجلات والتفسيرات أسهل، رغم أنها لا تحل محل الإشعارات أو تدقيق التحيز في مدينة نيويورك.
يلخص الجدول الواجبات المختارة للولايات القضائية وحالات الاستخدام المعروضة. اعتبارًا من 1 يناير 2027، تضيف كولورادو شرحًا بلغة واضحة خلال 30 يومًا من الرفض، ومسارًا للمراجعة البشرية.
| المكان | القاعدة، تاريخ البدء | ما يترتب عليك |
|---|---|---|
| مدينة نيويورك | Local Law 144، 5 يوليو 2023 | أدوات التوظيف الآلية المشمولة (AEDTs): تدقيق خلال العام السابق، وملخص عام وإشعارات مطلوبة، بما في ذلك إشعار قبل 10 أيام عمل لمرشحي/موظفي مدينة نيويورك المشمولين |
| إلينوي | HB 3773، 1 يناير 2026 | إشعار؛ لا تأثير تمييزي؛ لا استخدام للرموز البريدية كبدائل |
| كاليفورنيا | مجلس الحقوق المدنية، 1 أكتوبر 2025 | سجلات القرارات الآلية لمدة 4 سنوات |
| كولورادو | SB 26-189، 1 يناير 2027 | إشعار؛ خلال 30 يومًا من الرفض، بيان دور الأداة بلغة واضحة ومسار للمراجعة البشرية؛ سجلات لمدة 3 سنوات |
| الحكومة الفيدرالية الأمريكية | 29 CFR 1607.4 و1602.14 | قاعدة 80% للأثر السلبي كمبدأ استرشادي؛ سجلات لمدة سنة أو حتى إغلاق أي شكوى |
| الاتحاد الأوروبي | اللائحة 2026/1744 | واجبات عالية الخطورة من 2 ديسمبر 2027؛ حدود تخزين اللائحة العامة لحماية البيانات (GDPR) مفروضة الآن |
| المملكة المتحدة | إرشادات ICO، قيد المراجعة | سجلات المرشحين المرفوضين: لا يجوز الاحتفاظ بها بعد فترة المطالبة دون سبب تجاري واضح |
| سنغافورة | قانون العدالة في مكان العمل، نهاية 2027 | لا تُتخذ قرارات بناءً على سمات محمية؛ مطالبات تصل إلى S$250,000 |
يشمل التغطية استخدام الناتج وحده، فوق كل معيار آخر، أو لتجاوز استنتاجات أخرى. اطلع على قواعد النطاق والإشعار الخاصة بـ DCWP: المراجعة البشرية وحدها ليست إعفاءً.
كان الإنفاذ التنظيمي محدودًا. عندما راجعت مدينة نيويورك 32 شركة، وجدت مشكلة واحدة. مدققو الولاية الذين فحصوا الشركات نفسها وجدوا 17 انتهاكًا محتملًا على الأقل (مراقب ولاية نيويورك).
تتحرك الدعاوى القضائية الخاصة بشكل أسرع. في قضية Workday، يقول المتقدمون الذين تبلغ أعمارهم 40 عامًا أو أكثر إن برنامج الفرز في Workday ساعد في رفضهم.
سمحت محكمة لدعواهم المتعلقة بالعمر على المستوى الوطني بالمضي قدمًا (Forbes). وهذا يعني أن ضعف الإنفاذ ليس دفاعًا إذا رفع مرشح مرفوض دعوى قضائية.
10. عندما تتعارض درجات الذكاء الاصطناعي مع قائمتي المختصرة، أيهما يفوز، وماذا أخبر مديري؟
لا تثق بأي منهما بشكل أعمى: ضع درجة الذكاء الاصطناعي ودرجتك والأدلة جنبًا إلى جنب، ودع المعايير المكتوبة تقرر. أعطِ مديرك قائمة مرتبة تتضمن درجة كل اسم وأدلته والفجوة التي يجب فحصها.
الخلاف مفيد، لأنه يشير إلى معيار قرأته أنت والذكاء الاصطناعي بشكل مختلف. تحقق من تلك الأدلة قبل الجدال حول الإجمالي.
في نفس شركة Fortune 500، تتبع لي وزملاؤه 88,666 طلبًا لمعرفة أي اختيارات المقابلات حصلت على وظيفة.
من بين الأشخاص الذين اختارهم الفرز البشري لإجراء المقابلات، حصل 10% على الوظيفة. أما اختيارات النماذج فكانت معدلات التوظيف المقدرة لها 27% (نموذج الاستكشاف) و32% (النموذج القياسي).

أيُّ الاختيارات تم تعيين أصحابها: اختيارات المُفرِزين البشريين للمقابلات مقابل اختيارات نموذجي فرز في شركة واحدة من فورتشن 500.
لكنها شركة واحدة بنسب تقديرية. كان من شأن ذلك النموذج المعياري أيضًا أن يخفض حصة السود والهسبانيك من المُقابَلين إلى أقل من النصف (القسم 8). لذا افحص الاثنين، ولا تُسلّم القرار لأيٍّ منهما.
ثم قارن الأسماء النهائية جنبًا إلى جنب وفق المعايير نفسها، بحيث يكون الدليل هو من يختار، وليس آخر شخص قرأت عنه.
سلِّم الدليل مع كل اسم، كما في بطاقة تقييم المقابلة (توضيحي، وليس بيانات عملاء):
| الترتيب | المرشح | درجة السيرة الذاتية | الدليل | الفجوة التي يجب استكشافها | القرار |
|---|---|---|---|---|---|
| 1 | A | 7.0 | تجديدات مع نتيجة احتفاظ | عمق الإعداد | مقابلة |
| 2 | B | 6.8 | تفاصيل قوية في CRM وSaaS | لا نطاق للتجديدات | مقابلة |
| 3 | C | 6.4 | تجديدات مع نتائج | تفاصيل قليلة عن CRM | احتياط |
| قريب من الاختيار | D | 5.9 | تفاصيل الإعداد وCRM | المتطلب الإلزامي حصل على 3 | مستبعد: أدنى إجمالي (5.9) |
يحمل صف D السبب المكتوب: لا يوجد دليل على التجديدات، لذا حصل المتطلب الإلزامي على 3 وانخفض الإجمالي إلى 5.9. هذا ما ستخبر به مديرك، أو مرشحًا يسأل.
بمجرد موافقة مديرك، أخبر كل مرشح في القائمة المختصرة بالخطوة التالية وصيغتها والموعد النهائي ومن يمكنه سؤاله. ثم أخبر البقية، باستخدام قوالب رسائل رفض المرشحين.
كيف يساعد Flowmingo
Flowmingo هو مُقابِل ذكي مجاني لمختصي التوظيف. تحصل كل سيرة ذاتية على درجة لكل معيار، ودليل، ونقاط قوة، وفجوات، وما يجب استكشافه بعد ذلك: الأعمدة أعلاه. ثم يُجري المتقدمون المقابلة الذكية في وقتهم الخاص، وتشارك كل تقرير مع مدير التوظيف عبر رابط. من ينتقل إلى الأمام هو دائمًا قرارك. جرّب Flowmingo مجانًا لاختيار مرشحيك القادمين.
11. المصادر
كل دراسة وقانون واستطلاع في هذا الدليل يرتبط بمصدر مذكور أدناه؛ أرقام Flowmingo مستمدة من بيانات منصة Flowmingo الخاصة.
- California Civil Rights Department (2025). Civil Rights Council secures approval for regulations to protect against employment discrimination related to artificial intelligence. State of California.
- Callaham, S. (2026). A federal judge, a 1967 law and a billion rejected job applications. Forbes.
- Colorado General Assembly (2026). SB26-189: Automated decision-making technology. Colorado General Assembly.
- Crowell & Moring (2024). Artificial intelligence in employment update: Illinois requires notice and prohibits discriminatory impact in use of AI. Crowell & Moring LLP.
- European Parliament and Council (2026). Regulation (EU) 2026/1744 amending Regulation (EU) 2024/1689, the Digital Omnibus on AI. Official Journal of the European Union.
- Gartner (2025). Gartner survey shows just 26% of job applicants trust AI will fairly evaluate them. Gartner newsroom.
- Greenhouse (2026). The Hire Standard: Greenhouse benchmark report, North America. Greenhouse.
- Huffcutt, A. I., Culbertson, S. S., & Weyhrauch, W. S. (2013). Employment interview reliability: New meta-analytic estimates by structure and format. International Journal of Selection and Assessment.
- Information Commissioner's Office (n.d., read 2026). Keeping recruitment records. ICO.
- Kahneman, D., Sibony, O., & Sunstein, C. R. (2021; paperback 2022). Noise: A flaw in human judgment. Little, Brown Spark.
- Kline, P., Rose, E. K., & Walters, C. R. (2022). Systemic discrimination among large U.S. employers. The Quarterly Journal of Economics.
- Kuncel, N. R., Klieger, D. M., Connelly, B. S., & Ones, D. S. (2013). Mechanical versus clinical data combination in selection and admissions decisions: A meta-analysis. Journal of Applied Psychology.
- Li, D., Raymond, L., & Bergman, P. (2025). Hiring as exploration. The Review of Economic Studies.
- Ministry of Manpower, Singapore (2025). Workplace Fairness (Dispute Resolution) Bill press release. MOM.
- Mu, H., Liu, J., Wan, K., Xing, R., Chen, X., Baldwin, T., & Che, W. (2025). AI security beyond core domains: Resume screening as a case study of adversarial vulnerabilities in specialized LLM applications. arXiv preprint.
- NYC Department of Consumer and Worker Protection (n.d., read 2026). Automated employment decision tools (AEDT). City of New York.
- Office of the New York State Comptroller (2025). Enforcement of Local Law 144: Automated employment decision tools. Report 2024-N-6.
- Rozado, D. (2026). Gender and positional biases in LLM-based hiring decisions: Evidence from comparative CV/resume evaluations. PeerJ Computer Science.
- Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology.
- Simonsohn, U., & Gino, F. (2013). Daily horizons: Evidence of narrow bracketing in judgment from 10 years of MBA admissions interviews. Psychological Science, via EurekAlert.
- TopResume (2025). AI in hiring survey. TopResume.
- U.S. Code of Federal Regulations (current text). 29 CFR 1602.14, preservation of records. Legal Information Institute.
- U.S. Code of Federal Regulations (current text). 29 CFR 1607.4, information on impact. Legal Information Institute.
- Uhlmann, E. L., & Cohen, G. L. (2005). Constructed criteria: Redefining merit to justify discrimination. Psychological Science, via Yale News.
- Van Iddekinge, C. H., Arnold, J. D., Frieder, R. E., & Roth, P. L. (2019). A meta-analysis of the criterion-related validity of prehire work experience. Personnel Psychology.
- Xu, J., Li, G., & Jiang, J. Y. (2026). AI self-preferencing in algorithmic hiring: Empirical evidence and insights. arXiv preprint.



