A CV-szűrés az egyes jelentkezők önéletrajzának első ellenőrzése az állás elvárásaihoz képest. Ez dönti el, ki jut tovább az interjúra.
Akkor találkozik vele, amikor egy pozíció megnyílik. Az állásonkénti jelentkezések száma 2022-ben körülbelül 115-ről 2025-ben 244-re nőtt a Greenhouse észak-amerikai benchmarkjában. Így az önéletrajzok szűrése ma a toborzási hetének legnagyobb részét veszi igénybe.
Kulcsfontosságú tanulságok
- Mit dönt el a CV-szűrés? Azt, hogy ki kap interjút. 2025-ben a jelentkezők 7,6%-a jutott át az első szakaszon, 244-ből körülbelül 19.
- Ugyanazt jelenti az önéletrajzok szűrése? Igen. A „resume” az amerikai, a „CV” a brit és ázsiai szó rá.
- Mit keressen a CV-szűrés? Az állás elvárt készségeinek bizonyítékát, nem az évek számát. 81 minta áttekintésekor a korábbi munkatapasztalat szinte semmit sem mondott a későbbi teljesítményről.
- Szűrhetik a CV-ket AI-val? Pontozhatja őket, de tesztelje: 22 AI-modell az esetek 63,5%-ában az elsőként megjelenített CV-t választotta.
1. Mi a CV-szűrés a toborzásban?
A CV-szűrés az a lépés, amikor valaki az állás kritériumaihoz mérve elolvassa az egyes önéletrajzokat, és a jelentkezőket igen, nem és talán kategóriákba sorolja. A jelentkezés után és bármely interjú előtt helyezkedik el.
Kétféle ellenőrzést tartalmaz. A kizáró ellenőrzések megfelel vagy nem felel meg tények, például a munkavállalási jogosultság vagy egy előírt engedély. A bizonyítékellenőrzések azt kérdezik, hogy a CV mutatja-e: az illető végzett ilyen jellegű munkát, eredményekkel.
Ez nem önéletrajz-feldolgozás, amely csak a CV-t másolja egy jelentkezőkövető rendszer mezőibe. Interjú sem, mert a CV azt mutatja, mit állít valaki, nem azt, hogyan gondolkodik. Ezért a szűrésnek csak arra szabad támaszkodnia, amit a CV bizonyítani tud.
2. Hogyan néz ki a CV-szűrés egy valós pozícióban?
Egy valós pozícióban a szűrés egy tölcsér. A kizáró ellenőrzések eltávolítják a egyértelmű nemeket, a bizonyítékellenőrzés sorba rendezi a többieket, és a legfelső rész az interjúra kerül.
Íme 1 kidolgozott pozíció. A 244 CV és a 7,6%-os első szakaszos arány 2025-ös átlagok a Greenhousetól, amely nem határozza meg a szakaszait. A köztes felosztás egy példa.
Tegyük fel, hogy ügyfélszolgálati vezetőt keres, és egy hét alatt 244 CV érkezik. Például az elvárásai: munkavállalási jogosultság Szingapúrban, írott angol nyelvtudás és 2 év chat- vagy telefonos támogatás. A bizonyíték kritériumai: egy csapat vagy ügyfélsor, amelyet vezetett, és egy eredmény, amelyet meg tud nevezni.

CV-szűrés egy support lead pozícióra: 244 CV érkezik, 98 megbukik egy kötelező elváráson, 127 nem mutat bizonyítékot, és 19 megy interjúra.
A 98 jelentkező, aki elvét egy kizáró feltételt, elsőként esik ki, ami percek kérdése, mert minden ellenőrzés egy tény. A maradék 146 CV-t bizonyítékok szempontjából olvassuk át, és közülük 127 soha nem említ sort, csapatot vagy eredményt. Így 19 ember marad, az a 7,6%, amelyről a Greenhouse benchmark beszámol, és ők kapnak interjút.
3. Hogyan szűrjük a CV-ket tisztességesen, lépésről lépésre?
Írjuk meg a kritériumokat, mielőtt kinyitnánk az első CV-t, majd ugyanazokat az ellenőrzéseket ugyanabban a sorrendben alkalmazzuk minden jelentkezőre. Így a szűrés gyors marad, és minden elutasítást meg tudunk indokolni.
- Írjunk 3–5 kötelező elvárást és 2–3 bizonyítékkritériumot a munkakör alapján. Szingapúr TAFEP-iránymutatása azt írja elő a munkáltatóknak, hogy sorolják fel a kiválasztási kritériumokat, és azokat következetesen alkalmazzák minden jelöltre.
- Először a kizáró ellenőrzéseket futtassuk. Ezek tények, így gyorsak, és nehéz vitatkozni velük.
- A készség bizonyítékát keressük, ne az évek számát. A Van Iddekinge és munkatársai 2019-es, 81 mintát áttekintő alapvető tanulmánya szerint a korábbi tapasztalat mindössze 0,06-os mértékben jelzett előre munkateljesítményt. Ezen a skálán a 0 teljesen hiányzó kapcsolatot jelent.
- Pontozzuk minden CV-t ugyanazon kritériumok szerint, ugyanazzal a szabállyal. Ezután rangsoroljunk, és hívjuk be a felső szeletet, amennyit az interjúóráink befogadnak.
- Írjunk egy sort arról, miért jutott tovább vagy miért állt meg az adott jelölt. Így később tudunk válaszolni a jelöltnek vagy a felvételi vezetőnek.
3.1 Mely hibák teszik tisztességtelenné a CV-szűrést?
A legköltségesebb hiba, ha a nevek és a sorrend befolyásolják az eredményt. Kline, Rose és Walters 2022-es alapvető tanulmánya több mint 83 000 tesztjelentkezést küldött el 108 nagy amerikai munkáltatónak. A jellegzetesen fekete nevek 2,1 százalékponttal csökkentették a visszahívás esélyét.
A sorrend a szoftvereknél is számít. Egy 2026-os tesztben, ahol 22 AI-modellt egyenlően erős párokon vizsgáltak, az elsőként megmutatott CV 63,5%-ban nyert (Rozado, PeerJ Computer Science). Keverjük tehát meg a sorrendet, vagy ellenőrizzük, hogy az eszközünk minden CV-t önmagában pontoz.
A jelölt szűkítéséről szóló útmutatónk megmutatja, hogyan állítsuk be a ponthatárt, amikor megvannak a pontszámok.
4. Hogyan végezzük a CV-szűrést a Flowmingo-val?
A kritériumokat egyszer állítjuk be, és minden CV-t ezekhez mérten pontozunk, minden pontszám mellé odaírva az indoklást. A bizonyítékokat elolvassuk, és eldöntjük, ki jut tovább.
Mielőtt elkezded, készíts elő 2 dolgot: a munkaköri leírást és az 1. lépésben meghatározott 3–5 elengedhetetlen követelményt. A szempontok fontosabbak, mint az eszköz, mert minden pontszám csak annyira jó, amennyire a mért követelmény. Például a „2 év chat támogatás” egyértelmű pontszámot ad, míg a „kiváló kommunikátor” csak találgatást.
Tartsd meg mindenkinél az 1 soros indoklást az 5. lépés szerint, hogy a felvételi vezető lássa, miért.
Hogyan segít a Flowmingo
Illeszd be a munkaköri leírást, ellenőrizd az elengedhetetlen követelményeket, és a Flowmingo minden önéletrajzot pontoz ezekhez képest, minden követelményt 0-tól 10-ig értékelve és fontosság szerint súlyozva. Egy rangsorolt szűkített listát kapsz a hozzá tartozó indoklással, a döntés pedig a csapatodé marad. Regisztrálj ingyen, hogy a következő önéletrajz-szűrést a Flowmingóval futtasd.
5. Források
A szószedet bejegyzésében szereplő minden tanulmány, benchmark és iránymutatás alább a forrására mutató hivatkozással szerepel.
- Greenhouse. (2026, March). The Hire Standard: Greenhouse benchmark report, North America. Greenhouse
- Kline, P., Rose, E., & Walters, C. (2022). Systemic discrimination among large U.S. employers. Quarterly Journal of Economics, 137(4), 1963-2036. NBER w29053
- Rozado, D. (2026). Gender and positional biases in LLM-based hiring decisions: Evidence from comparative CV/resume evaluations. PeerJ Computer Science, 12, e3628. PeerJ
- Tripartite Alliance for Fair and Progressive Employment Practices. (n.d.). Conducting job interviews. Retrieved 26 October 2026. TAFEP
- 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, 72(4), 571-598. UNF Digital Commons



