Blog/AI In HR

Preselección de candidatos: converte 244 CVs nunha lista que poidas defender

Flowmingo Editorial TeamFlowmingo Editorial Team15 min de lectura
Candidate shortlisting: turn 244 CVs into a list you can defend: 244 CVs in arrival order beside a list scored the same way and ranked

É martes, tes 244 candidaturas para 1 posto na túa cola e o responsable de contratación quere nomes para o xoves. A túa preselección de candidatos ten que producir un conxunto defendible de persoas para avaliar dentro da túa capacidade de entrevistas, empezando polo cribado de CVs.

As candidaturas por posto pasaron de 116 en 2022 a 244 en 2025, mentres que os equipos de selección diminuíron un 56% segundo os referentes globais de Greenhouse.

Nunha enquisa de Gartner a 3.290 candidatos, o 39% usou IA ao presentar a súa candidatura. Por iso tantos CVs soan iguais, e o instinto ten menos a que agarrarse.

Supoñendo 2 minutos por CV, iso son 8 horas de lectura antes de escribir unha nota. E a lectura desequilíbrase: nos estudos sobre entrevistas, as persoas puntúan peor a un candidato despois dunha serie de candidatos fortes. Non é descoido: os avaliadores racionan en silencio os seus "si" dentro dunha mesma sesión.

Velaquí como preseleccionar candidatos en 3 movementos que podes defender. Primeiro, fixa criterios ponderados co responsable de contratación; despois, puntúa todos os CVs do mesmo xeito e en orde aleatoria; e por último, dimensiona a lista a partir das túas horas de entrevista.

Conclusiones clave

  • Cantos debería preseleccionar? Calcula cara atrás desde a capacidade de entrevistas e os requisitos do posto. O exemplo de 19 persoas de abaixo é aritmética sobre cifras agregadas, non un obxectivo para cada posto.
  • Por que escribir os criterios antes do primeiro CV? Os avaliadores adaptan os criterios ao CV que lles gusta. Escribilos primeiro eliminou o sesgo de xénero nos estudos de Yale.
  • Debería preseleccionar só os CVs que puntúan 8 sobre 10? Non. Na metade (51,8%) de 1.024 proxectos de Flowmingo con 20 ou máis CVs puntuados por IA, ningún chegou a 8.
  • A orde dos CVs cambia quen entra na lista? Si. 22 modelos de IA escolleron o primeiro de 2 CVs igual de cualificados o 63,5% das veces.
  • Podo deixar que ChatGPT ordene 200 CVs? Só como primeira clasificación que unha persoa revise. O texto oculto nos CVs enganou aos cribadores de IA máis do 80% das veces nalgúns tests.

1. Con 244 solicitantes e 2 días, como funciona a preselección de candidatos sen ler todos os CVs?

Non leas 244 CVs na orde de chegada. Fai a preselección de candidatos en 3 pasadas: primeiro os feitos obxectivos, despois as puntuacións ponderadas e finalmente unha lectura manual da parte superior e da faixa inmediatamente inferior.

A orde de chegada parece neutra, pero non ten nada que ver co posto. O primeiro candidato recibe a túa atención máis fresca, e o candidato do día 4 recibe o que queda. As pasadas corrixen isto, porque cada pasada fai a mesma pregunta a cada CV.

A figura de abaixo mostra as 3 pasadas. A pasada 1 comproba 2 ou 3 feitos obxectivos, como o horario central, que pides na candidatura. Como son de pasa ou non pasa, os candidatos respóndenos e ti non gastas tempo de lectura.

A pasada 2 puntúa a todos os que quedan con 4 a 6 criterios, de 0 a 10 cada un, coa mesma fórmula para todos. A pasada 3 devolveche o teu criterio: les a man o principio da clasificación e os poucos CV que quedan xusto por debaixo do teu punto de corte.

Esa última lectura humana importa porque unha fórmula de puntuación pode pasar por alto un CV pouco habitual. Por exemplo, alguén que cambiou de carreira pode ter xestionado renovacións baixo un título de vendas que os teus criterios nunca mencionan.

Preselección de candidatos en 3 pasadas: feitos obxectivos, puntuacións ponderadas e despois unha lectura manual da parte superior

Preselección en 3 pasadas: feitos obxectivos, puntuacións ponderadas e despois unha lectura manual da parte superior, dimensionada segundo as túas horas de entrevista.

Datos de Flowmingo · 237.650 candidatos · 10.074 proxectos de contratación · 4.857 empresas · proxectos creados do 1 de xul. de 2025 ao 24 de ago. de 2026

  • 50% de todos os candidatos estaban nun proxecto de contratación con 174 ou máis candidatos.

Conta a todos os dun proxecto (subidos, invitados ou procedentes dunha oferta de emprego), cada candidato por orde de chegada unha soa vez. Moitos proxectos son probas.

2. Que criterios de preselección de candidatos debería escribir antes do primeiro CV, para que cada corte se sosteña?

Escribe de 4 a 6 criterios a partir do que o posto debe entregar, e acórdaos co responsable da contratación antes de que ninguén abra un CV. Fai que 2 ou 3 feitos obxectivos sexan de pasa ou non pasa, e pondera o resto.

Escribilos primeiro importa porque ler CV deforma o teu criterio. Nos estudos fundacionais de Yale, a xente puntuaba candidatos para un posto inventado de xefe de policía.

Cando o candidato home tiña máis experiencia na rúa, a xente dicía que a experiencia na rúa importaba máis. Cando tiña máis formación, dicía que a formación importaba máis.

Comprometerse cos criterios primeiro eliminou ese sesgo de xénero no 3º estudo, e as persoas que se sentían máis obxectivas eran as máis sesgadas. As contratacións eran hipotéticas, pero a advertencia é clara: os criterios escritos despois de ler describen o CV que xa che gusta.

Imaxina que estás a contratar un Customer Success Manager (exemplo ilustrativo, non son datos de clientes). Fai as preguntas difíciles como preguntas de entrevista de preselección e despois escribe que evidencia xustifica cada puntuación:

Criterio Peso Evidencia para 8 a 10 Para 3 a 5
Horario central; dereito a traballar, cando é lícito preguntar Apto/non apto, preguntado Responde que si
Renovacións nunha carteira B2B Imprescindible, 4 Tamaño da carteira e un resultado de renovación Sen alcance nin resultado
Onboarding de clientes Moi importante, 3 Un plan que executou e que cambiou Participou
Uso diario do CRM Importante, 2 O CRM e que seguía nel CRM nas habilidades
Experiencia en SaaS Desexable, 1 Traballou nun produto SaaS Software afín
Sen evidencia Regra Puntuación 3, nota "non mostrado": nin cero nin omitido

As renovacións pesan máis porque un Customer Success Manager triunfa ou fracasa con elas. Un CV que non di nada sobre un criterio puntúa 3, porque un cero penalizaría a alguén que o omitiu. Saltar a liña sería peor: un CV que di menos puntuaría só polos seus puntos fortes.

3. O meu hiring manager rexeita sempre a miña lista de preseleccionados. Como acordamos o corte antes da selección?

Acordade os criterios e os pesos, e despois ti e o hiring manager puntuades os mesmos 5 CV por separado e comparades. Onde as vosas puntuacións diverxan, corrixide o criterio, non a persoa.

Unha lista de preseleccionados pode fracasar porque ti e o hiring manager imaxinades requisitos do posto diferentes.

Segundo Noise, un libro fundamental sobre o xuízo, 2 entrevistadores do mesmo panel discrepan sobre que candidato era mellor aproximadamente 1 de cada 4 veces.

Cando as persoas ven os candidatos por separado, como fan habitualmente ti e o teu hiring manager, a cifra sobe a aproximadamente 1 de cada 3. É a nosa aritmética sobre a investigación de entrevistas de Huffcutt, non un estudo de CV. Aínda así, significa que unha lista rexeitada adoita ser ruído, non proba de que ningún de vós estea equivocado.

Imaxina que puntúas un CV cun 8 en renovacións e o teu hiring manager puntúao cun 4. Ao falalo, descobres que quere renovacións enterprise e o CV amosa contas pequenas. Corrixe ese criterio unha vez, antes de que comece a preselección de candidatos, e queda corrixido para os 244 CV.

A solución do libro, baseada na práctica máis que nun estudo, é xulgar cada parte antes de calquera veredicto global:

  1. Escolle os 5 CV de todo o montón. Onde as vosas puntuacións estean a 3+ puntos de distancia, escribe un exemplo alto e un baixo.
  2. O hiring manager aproba os criterios, e calquera anulación posterior leva unha razón por escrito.
  3. Acordade por escrito calquera corte xeral, como "sen título, sen chamada", porque unha regra así elimina xente rápido.

4. A preselección de candidatos para 200 CV necesita unha matriz de puntuación, ou abonda con montóns de si/quizais/non?

Usa unha matriz puntuada, porque unha morea de "quizais" agocha por que está aí alguén. Puntúa de 4 a 6 criterios ponderados de 0 a 10 e totalízaos do mesmo xeito para todos.

Imaxina 60 CV na morea de quizais: para o día 2, ninguén lembra por que.

Unha revisión fundamental de 2013 de Kuncel e colegas comparou expertos que formaban unha visión xeral cunha fórmula fixa que sumaba puntuacións separadas. A fórmula predicía o rendemento laboral máis dun 50% mellor, aínda que os expertos coñecían o posto.

Na práctica, pon o teu xuízo na puntuación de cada criterio e deixa que o total ordene.

Velaquí o exemplo da sección 2 (ilustrativo, non son datos de clientes):

Criterio (peso) A B C
Renovacións (4) 8 4 9
Onboarding (3) 7 8 6
CRM (2) 6 9 4
SaaS (1) 5 10 2
Puntuación ponderada /10 7.0 6.8 6.4
Media simple /10 6.5 7.75 5.25

Puntuación ponderada = (4 x renovacións + 3 x onboarding + 2 x CRM + 1 x SaaS) / 10.

B ten a mellor media simple, 7.75, grazas ás notas máximas en CRM e SaaS, pero só un 4 en renovacións, o imprescindible. Ponderada, A lidera con 7.0, porque A é forte onde o posto é máis difícil.

C ten as renovacións máis fortes, 9, pero o pouco detalle en CRM e SaaS fai baixar a C a 6.4, un CV para a túa lectura da pasada 3. Antes de fixar unha nota de corte, mira como puntúan CV reais.

Datos de Flowmingo · 105.648 CV · 50.546 candidatos · 3.815 proxectos de contratación · 1.761 empresas · do 10 de xul ao 24 de set de 2026

  • 5,4 sobre 10 foi a puntuación mediana dos CV fronte aos criterios ponderados propios de cada posto.
  • 19,0% dos CV puntuaron 7 ou máis sobre 10 fronte aos criterios do seu posto.
  • 4,0% dos CV puntuaron 8 ou máis sobre 10 fronte aos criterios do seu posto.

Puntuacións de CV por IA, non calidade dos candidatos nin resultados de contratación; non comparables entre postos. Criterios estritos ou cargas masivas baixan as puntuacións; exclúense os CV non puntuables e as puntuacións anteriores ao 10 de xul.

O gráfico de abaixo mostra con que rapidez se reducen as puntuacións. Algo máis da metade dos CV (56,4%) chegaron a 5, e arredor de 1 de cada 5 (19,0%) chegou a 7. Só o 4,0% chegou a 8, e o 0,1% chegou a 9.

Puntuacións de cribado de CV: o 56,4% dos CV puntuaron 5 ou máis, o 19,0% puntuou 7 ou máis e o 4,0% puntuou 8 ou máis sobre 10

Dispersión das puntuacións dos CV, datos de Flowmingo: só o 4,0% de 105.648 CV obtivo 8 ou máis sobre 10 fronte aos criterios propios do seu posto.

Un 8 esixe evidencias claras en case todos os criterios, e poucos CV o detallan. Así que unha regra como "entrevistar só aos 8" deixa moitos postos cunha lista mínima, ou ningunha.

Como axuda Flowmingo

CV Evaluation converte unha descrición do posto en criterios que editas e puntúas desde Imprescindible (4) ata Desexable (1). Puntúa cada CV de 0 a 10 por criterio con evidencias escritas, contando a ausencia de evidencias como 3. Non descarta a ninguén automaticamente: cos números de arriba, ordena por puntuación do CV en vez de filtrar a 8-10.

5. A metade dos meus CV parecen escritos por ChatGPT. Que me pode dicir aínda un CV antes da preselección?

Usa o CV para feitos comprobables e para preguntas que facer, non como proba de habilidade. Agora retocar un CV non custa nada, así que dá a todos os que pasen o corte do CV a mesma mostra de traballo ou a mesma entrevista estruturada.

Retocar un CV antes requiría esforzo. Agora, na mesma enquisa de Gartner a 3.290 candidatos, o 54% dos que usan IA escribiron con ela o texto do seu CV.

O gráfico de abaixo puntúa cada método de 0, ningunha relación co rendemento laboral posterior, a 1, unha coincidencia perfecta que ningún método acada. As entrevistas estruturadas lideran con 0,42, segundo unha reanálise fundamental de 2022 de Sackett e colegas.

Na mesma reanálise, séguenlle as probas de coñecementos do posto con 0,40, as mostras de traballo con 0,33 e as probas de capacidade cognitiva con 0,31. Ao final quedan as liñas que máis CV destacan: experiencia nun posto relevante con 0,07, experiencia laboral previa con 0,06 (Van Iddekinge).

Como avaliar candidatos: as entrevistas estruturadas relaciónanse co rendemento no posto cun 0,42, a experiencia laboral previa cun 0,06

Que predí o rendemento: as entrevistas estruturadas son o que mellor se relaciona co rendemento laboral posterior, e os anos de experiencia case nada.

Isto significa que os anos nun CV dinche pouco sobre quen o fará ben. Así que comproba o que é difícil de finxir:

5.1 Debo rexeitar a un candidato porque a IA axudou a escribir o seu CV?

Non, non só por iso. Non podes detectalo con fiabilidade, e un filtro de IA pode mesmo favorecelo.

Nunha enquisa de TopResume a 600 responsables de contratación dos EUA, só o 33,5% detectou os currículos escritos por IA entre 4. Así que unha prohibición basearíase en conxecturas.

Os filtros de IA tamén favorecen os CV escritos polo mesmo modelo de IA (Xu et al., unha prepublicación, aínda non nunha revista). En listas de preselección simuladas, eses candidatos tiñan entre un 23% e un 60% máis de probabilidades de pasar o corte ca candidatos igual de cualificados con CV escritos por persoas. Así que rexeitar CV escritos por IA mentres se clasifica con IA ten pouco sentido.

6. A orde na que leo 200 CV cambia a miña lista de preselección? Como o soluciono?

Moi probablemente: os entrevistadores puntúan máis baixo ás persoas despois dunha serie de candidatos fortes, e a maioría dos modelos de IA testados favorecen o CV que aparece primeiro. Baralla a pila e puntúa cada CV segundo o criterio escrito.

Nun estudo fundamental sobre máis de 9.000 entrevistas de admisión a un MBA, os entrevistadores actuaban coma se tivesen unha cota diaria de puntuacións altas (Simonsohn e Gino). Despois dunha serie forte, puntuaban máis baixo ao seguinte candidato.

A penalización equivalía a uns 23 meses de experiencia laboral, e aumentaba ao longo do día. Isto significa que os predecesores fortes poden prexudicar aos candidatos. Eran entrevistas, non lecturas de CV, así que aplicalo á túa pila é unha inferencia nosa.

A IA ten o seu propio efecto de orde. Rozado mostrou a 22 modelos de IA pares de CV igual de cualificados, cada par dúas veces coa orde invertida.

En 30.690 decisións, o CV que aparecía primeiro gañou o 63,5% das veces e o segundo o 36,5%, cando unhas probabilidades xustas serían do 50%. Así que nunha decisión axustada, só a posición pode decidir quen entra na túa lista.

Efecto de orde na criba de CV con IA: o primeiro de 2 CV igual de cualificados foi escollido o 63,5% das veces

Efecto de orde da IA: en 22 modelos de IA, o primeiro de 2 CV igual de cualificados gañou o 63,5% das decisións, cando unhas probabilidades xustas serían do 50%.

As correccións para este risco na preselección de candidatos son baratas:

  • Barallar a pila en vez de ler por orde de chegada ou alfabética.
  • Puntuar contra o criterio escrito, non contra o CV que acabas de ler.
  • Non fixar unha cota de síes por sesión, e facer pausas.
  • Volver puntuar os 10 primeiros CV ao final.
  • Con IA, executar cada comparación dúas veces coa orde invertida, e enviar calquera empate a unha persoa.

7. Cantos candidatos debería preseleccionar para entrevistas cando se presentaron máis de 200 persoas para 1 posto?

Parte das túas horas de entrevista e dos requisitos mínimos do posto: en 2025 arredor do 7,6% dos candidatos superaron a primeira fase, aproximadamente 19 de 244. Para a preselección de candidatos, ordena a todos e queda coa mellor parte, non cunha nota de corte fixa.

O 7,6% é a media norteamericana de Greenhouse de 2025 en máis de 6.000 organizacións. O funil de abaixo aplícao a 1 posto: de 244 candidatos, uns 19 superan a fase 1. Uns 4 deses superan a fase 2, cun 22,0%.

Funil de preselección de candidatos: 244 candidatos, uns 19 superan a fase 1 cunha taxa de superación do 7,6%, uns 4 superan a fase 2

Funil de preselección, 2025: de 244 candidatos, uns 19 superan a fase 1 e uns 4 superan a fase 2, segundo os nosos cálculos sobre as medias de Greenhouse.

Unhas 19 primeiras entrevistas máis unhas 4 segundas acércanse ás 22,7 entrevistas por posto de Greenhouse, con 12,3 horas de entrevista por contratación. Aínda así, o 19 e o 4 son os nosos cálculos sobre medias, e Greenhouse non define as súas fases, así que tómaos como orientación.

Digamos que podes liberar 14 horas de entrevista, a 45 minutos por primeira entrevista: iso son unhas 19 quendas. Deixa 3 a 5 nomes en reserva para baixas, e consulta as taxas de finalización das entrevistas con IA para saber cantos rematan.

A ordenación evita un corte de puntuación arbitrario, pero non fagas avanzar a alguén que carece dun requisito esencial só para encher a lista. Na metade dos proxectos dos nosos clientes con máis de 20 CV puntuados, ningún CV chegou a 8.

Datos de Flowmingo · 1.024 proxectos de contratación con máis de 20 CV puntuados · 90.629 CV · 549 empresas · do 10 de xul. ao 24 de set. de 2026

  • O 51,8% dos proxectos de contratación con 20 ou máis CV puntuados non tiñan ningún CV con puntuación de 8 ou máis.
  • 6,6 sobre 10 era o corte do 20% superior do proxecto mediano, e o CV superior mediano entre proxectos puntuaba 7,9.
  • O 35,1% dos proxectos con 100 ou máis CV puntuados seguían sen ninguén con puntuación de 8 ou máis.

Puntuacións de CV con IA, non resultados de contratación; os resultados dependen dos criterios de cada posto e dos candidatos. Conta os CV que superan unha puntuación, non as boas contratacións da pila.

8. Como evito os sesgos na preselección de candidatos cando a IA ou revisores cansados ordenan os CV?

Supón que tanto a IA como o revisor cansado teñen sesgo, e revisa cada descarte. Puntúa só con criterios escritos, oculta os nomes cando poidas e revisa calquera grupo cuxa taxa de paso estea por debaixo do 80% da taxa do grupo principal.

Desde dentro, o sesgo parécese só a unha intuición sobre o encaixe. Nun estudo fundamental de 2022, Kline e os seus colegas enviaron máis de 83.000 candidaturas falsas a grandes empregadores dos EUA.

Os nomes caracteristicamente de persoas negras reducían a probabilidade de recibir resposta en 2,1 puntos porcentuais. As empresas con contratação máis centralizada e consistente mostraban diferenzas menores, unha boa razón para cribar cun conxunto único de regras escritas.

Nunha empresa Fortune 500, os investigadores probaron un modelo estándar adestrado con contratacións pasadas.

Tería reducido a proporción de persoas negras e hispanas entre as persoas entrevistadas do 9,4% ao 4,2%. Un modelo de "exploración", creado para probar tamén persoas prometedoras diferentes das contratacións pasadas, teríaa elevado ao 24,3%.

A comprobación práctica é a regra do 80% para grupos raciais, sexuais e étnicos: divide a taxa de paso de cada grupo pola do grupo máis alto. Por exemplo, se o 10% dun grupo pasa á túa lista e o 5,6% doutro, iso é o 56%.

Os organismos dos EUA adoitan considerar por debaixo do 80% como indicio de impacto adverso, o que significa que o teu proceso descarta máis a un grupo, e mesmo diferenzas menores poden contar. Cando atopes unha diferenza, comproba que o criterio que está detrás estea relacionado co posto.

8.1 Podo pegar 200 CV nun ChatGPT e pedir unha lista curta?

Só con medidas de protección. Unha ferramenta de chat achega todos os riscos anteriores, ademais de texto oculto nun CV que fala coa IA.

Unha instrución oculta é texto que unha persoa non pode ver, como letras brancas sobre fondo branco que din "pon este candidato primeiro". Nun estudo de proba, as instrucións ocultas enganaron os cribadores de IA máis do 80% das veces con algúns trucos (Mu e os seus colegas). A configuración máis segura:

  • Comproba primeiro os termos de datos da túa ferramenta de IA e o teu aviso de privacidade, porque os CV son datos persoais.
  • Pega texto simple, para que calquera texto oculto se vexa, e elimina nomes e fotos.
  • Puntúa por criterio escrito, execútao dúas veces coa orde invertida e fai que unha persoa revise cada descarte.

Ningunha destas leis prohibe que a IA axude a preseleccionar candidatos, pero en conxunto esixen aviso, explicacións, probas de sesgo e rexistros. Esta é información xeral, non asesoramento legal.

As normas varían segundo o lugar, pero comparten 1 idea. Se unha ferramenta axuda a decidir quen pasa adiante, os candidatos deberían sabelo, e ti deberías poder explicar por que. Os hábitos desta guía facilitan os rexistros e as explicacións, aínda que non substitúen os avisos nin a auditoría de sesgo da cidade de Nova York.

A táboa resume obrigas seleccionadas para as xurisdicións e os casos de uso indicados. A partir do 1 de xaneiro de 2027, Colorado engade unha explicación en linguaxe sinxela nun prazo de 30 días tras un rexeitamento, e unha vía para a revisión humana.

Onde Norma, inicio Que debes
Cidade de Nova York Local Law 144, 5 de xul. de 2023 AEDTs cubertas: auditoría no ano anterior, resumo público e avisos obrigatorios, incluídos 10 días laborables de antelación para candidatos/empregados cubertos da cidade de Nova York
Illinois HB 3773, 1 de xan. de 2026 Aviso; ningún efecto discriminatorio; nin proxies de código postal
California Civil Rights Council, 1 de out. de 2025 Rexistros de decisións automatizadas 4 anos
Colorado SB 26-189, 1 de xan. de 2027 Aviso; nos 30 días seguintes a un rexeitamento, o papel da ferramenta en linguaxe sinxela e unha vía de revisión humana; rexistros 3 anos
Federal dos EUA 29 CFR 1607.4 e 1602.14 Regra xeral do 80% de impacto adverso; rexistros 1 ano ou ata que se peche calquera acusación
UE Regulamento 2026/1744 Obrigas de alto risco desde o 2 de dec. de 2027; límites de almacenamento do RGPD agora
Reino Unido Orientacións do ICO, en revisión Rexistros dos candidatos rexeitados: non máis alá do prazo de reclamación sen unha razón empresarial clara
Singapur Workplace Fairness Act, finais de 2027 Ningunha decisión sobre características protexidas; reclamacións de ata 250.000 S$

A cobertura inclúe usar só o resultado, por riba de calquera outro criterio, ou para anular outras conclusións. Consulta as normas de ámbito e aviso da DCWP: a revisión humana por si soa non é unha exención.

Os reguladores aplicaron pouco. Cando a cidade de Nova York revisou 32 empresas, atopou 1 problema. Os auditores estatais que comprobaron as mesmas empresas atoparon polo menos 17 posibles infraccións (NY State Comptroller).

As demandas privadas avanzan máis rápido. No caso de Workday, os solicitantes de 40 anos ou máis din que o software de cribado de Workday axudou a rexeitalos.

Un tribunal permitiu que a súa reclamación por idade a nivel nacional seguise adiante (Forbes). Isto significa que a escasa aplicación non é defensa se un candidato rexeitado demanda.

10. Cando a puntuación da IA e a miña preselección non coinciden, cal gaña, e que lle digo ao meu xefe?

Non confíes cegamente en ningunha das dúas: pon a puntuación da IA, a túa puntuación e as evidencias lado a lado, e deixa que decidan os criterios escritos. Dálle ao teu xefe unha lista ordenada coa puntuación, a evidencia e a lagoa a sondar de cada nome.

Un desacordo é útil, porque sinala un criterio que ti e a IA ledes de forma diferente. Comproba esa evidencia antes de discutir sobre o total.

Na mesma empresa Fortune 500, Li e colegas seguiron 88.666 candidaturas para ver a quen elixían para entrevista acababa sendo contratado.

Das persoas que os seleccionadores humanos elixiron para entrevista, o 10% conseguiu o traballo. As eleccións dos modelos tiñan taxas de contratación estimadas do 27% (modelo de exploración) e do 32% (modelo estándar).

Cribado de CV por humanos e un modelo: o 10% das persoas entrevistadas escollidas por humanos foron contratadas, fronte a unha estimación do 27% ao 32% das escollidas polo modelo

Quen foron contratadas: as escollas para entrevista de cribadores humanos fronte ás de 2 modelos de cribado nunha empresa Fortune 500.

Pero trátase dunha soa empresa con taxas estimadas. Ese modelo estándar tamén tería reducido a máis da metade a proporción de persoas negras e hispanas entre as persoas entrevistadas (sección 8). Así que revisa ambas as dúas cousas e non lle entregues a decisión a ningunha delas.

Despois compara os nomes finais lado a lado cos mesmos criterios, para que decida a evidencia, non quen leses por última vez.

Entrega a evidencia con cada nome, como nunha ficha de avaliación de entrevista (ilustrativa, non son datos de clientes):

Posición Candidato Puntuación do CV Evidencia Oco a sondar Decisión
1 A 7,0 Renovacións cun resultado de retención Profundidade en onboarding Entrevista
2 B 6,8 Forte detalle en CRM e SaaS Sen alcance de renovacións Entrevista
3 C 6,4 Renovacións con resultados Pouco detalle de CRM Reserva
Case D 5,9 Detalle en onboarding e CRM Requisito imprescindible puntuado con 3 Descartar: total máis baixo (5,9)

A fila de D contén o motivo escrito: sen evidencia de renovacións, así que o requirimento imprescindible puntuou 3 e o total baixou a 5,9. Iso é o que lle dirías ao teu xefe, ou a unha persoa candidata que pregunte.

Unha vez que o teu xefe estea de acordo, comunica a cada persoa candidata preseleccionada o seguinte paso, o seu formato, o prazo e a quen preguntar. Despois avisa a todos os demais, cos nosos modelos de correo de rexeitamento de candidatos.

Como axuda Flowmingo

Flowmingo é un entrevistador de IA gratuíto para recrutadores. Cada CV recibe unha puntuación por criterio, evidencia, fortalezas, carencias e o que sondar a continuación: as columnas de arriba. Despois as persoas solicitantes fan a entrevista con IA no seu propio tempo, e ti comparte cada informe co teu responsable de contratación mediante unha ligazón. Quen avanza é sempre decisión túa. Proba Flowmingo gratis para a túa próxima preselección de candidatos.

11. Fontes

Todos os estudos, leis e enquisas desta guía enlazan cunha fonte a continuación; os datos de Flowmingo proveñen dos datos da propia plataforma de Flowmingo.

Rexístrate e comeza en aproximadamente 60 segundos. Sen tarxeta, sen chamada

Rexístrate gratis
Flowmingo Editorial Team

Flowmingo Editorial Team

We write practical guides for recruiters and HR teams who want to hire faster and more fairly. Each guide draws on hiring research, employment rules and Flowmingo's own data from real interviews, and lists its sources.

LinkedInYouTubeFacebook