Երեքշաբթի է, 1 պաշտոնի համար 244 դիմում է կուտակվել հերթում, և հավաքագրման մենեջերը անուններ է ուզում հինգշաբթի օրը։ Քո թեկնածուների կարճ ցուցակագրումը պետք է ստեղծի գնահատելի մարդկանց պաշտպանելի ցուցակ՝ հարցազրույցների քո հնարավորությունների սահմաններում՝ սկսած CV-ների սքրինինգից։
Մեկ աշխատատեղի համար դիմումների թիվը 2022-ի 116-ից 2025-ին հասել է 244-ի, մինչդեռ հավաքագրման թիմերը կրճատվել են 56%-ով Greenhouse-ի գլոբալ չափանիշներով։
Gartner 3,290 թեկնածուների շրջանում անցկացրած հարցման համաձայն՝ 39%-ը AI է օգտագործել դիմելիս։ Ահա թե ինչու այդքան շատ CV-ներ նույն ձևով են հնչում, և ինտուիցիային այնքան էլ բռնելու բան չի մնում։
Ենթադրելով 2 րոպե մեկ CV-ի համար՝ սա 8 ժամ ընթերցում է՝ մինչև գրառում անելը։ Ընդ որում՝ ընթերցումը անհավասար է դառնում. հարցազրույցների ուսումնասիրություններում մարդիկ թեկնածուին ցածր գնահատական են տալիս ուժեղ թեկնածուների շարքից հետո։ Դա անուշադրություն չէ. գնահատողները լուռ չափաբաժին են դնում իրենց «այո»-ներին մեկ նստաշրջանի ընթացքում։
Ահա թե ինչպես կարճ ցուցակագրել թեկնածուներին 3 քայլով, որոնք կարող ես պաշտպանել։ Նախ հավաքագրման մենեջերի հետ ամրագրիր կշռված չափանիշները, հետո բոլոր CV-ները գնահատիր նույն ձևով՝ խառնված հերթականությամբ, և վերջում ցուցակի չափը որոշիր հարցազրույցների քո ժամերի հիման վրա։
Հիմնական եզրակացություններ
- Քանի՞սը պետք է կարճ ցուցակեմ։ Ելիր հարցազրույցների հնարավորությունից և աշխատանքի պահանջներից։ Ստորև բերված 19 մարդու օրինակը թվաբանություն է համախառն ցուցանիշների վրա, ոչ թե նպատակաթիվ յուրաքանչյուր պաշտոնի համար։
- Ինչու՞ գրել չափանիշները մինչև առաջին CV-ն։ Գնահատողները չափանիշները թեքում են դեպի իրենց դուր եկած CV-ն։ Չափանիշները նախապես գրելը վերացրել է գենդերային կողմնակալությունը Yale-ի ուսումնասիրություններում։
- Պե՞տք է կարճ ցուցակեմ միայն 10-ից 8 գնահատական ստացած CV-ները։ Ոչ։ 20+ AI-ով գնահատված CV ունեցող 1,024 Flowmingo նախագծերի կեսում (51.8%) ոչ մի CV չի հասել 8-ի։
- CV-ների հերթականությունը փոխո՞ւմ է, թե ով է հայտնվում ցուցակում։ Այո։ 22 AI մոդել 2 հավասարապես որակավորված CV-ներից առաջինն ընտրել է դեպքերի 63.5%-ում։
- Կարո՞ղ եմ թույլ տալ, որ ChatGPT-ն դասակարգի 200 CV։ Միայն որպես նախնական դասավորություն, որը մարդը ստուգում է։ CV-ներում թաքնված տեքստը որոշ թեստերում խաբել է AI սքրիներներին դեպքերի 80%-ից ավելիում։
1. 244 դիմորդով և 2 օրով՝ ինչպե՞ս է աշխատում թեկնածուների կարճ ցուցակագրումը՝ առանց բոլոր CV-ները կարդալու։
Մի՛ կարդա 244 CV ստացման հերթականությամբ։ Թեկնածուների կարճ ցուցակագրումն անցկացրու 3 փուլով. կոշտ փաստեր, ապա կշռված գնահատականներ, ապա ձեռքով ընթերցիր վերին հատվածը և դրա տակի շերտը։
Հերթականությունը չեզոք է թվում, բայց աշխատանքի հետ կապ չունի։ Առաջին դիմորդն ստանում է ձեր առավել թարմ ուշադրությունը, իսկ 4-րդ օրվա դիմորդին մնում է այն, ինչ մնացել է։ Փուլերը շտկում են դա, որովհետև յուրաքանչյուր փուլ նույն հարցն է տալիս բոլոր CV-ներին։
Ստորև նկարը ցույց է տալիս 3 փուլերը։ Փուլ 1-ը ստուգում է 2 կամ 3 հաստատուն փաստ, օրինակ՝ հիմնական աշխատաժամերը, որոնք դուք հարցնում եք դիմումի մեջ։ Քանի որ դրանք անցում/ձախողում են, թեկնածուները պատասխանում են դրանց, և դուք ընթերցելու ժամանակ չեք ծախսում։
Փուլ 2-ը գնահատում է մնացած բոլորին 4-6 չափանիշով՝ յուրաքանչյուրը 0-ից 10, բոլորի համար նույն բանաձևով։ Փուլ 3-ը վերադարձնում է ձեր դատողությունը. դուք ձեռքով կարդում եք վարկանիշի վերին մասը և ձեր շեմից անմիջապես ներքև գտնվող մի քանի CV-ները։
Այդ վերջին մարդկային ընթերցումը կարևոր է, որովհետև գնահատման բանաձևը կարող է բաց թողնել անսովոր CV։ Օրինակ՝ մասնագիտությունը փոխած մարդը կարող է զբաղվել վերանորոգումներով վաճառքի այնպիսի կոչումով, որը ձեր չափանիշները երբեք չեն նշում։

3 փուլով կարճ ցուցակ՝ հաստատուն փաստեր, կշռված միավորներ, ապա վերին մասի ձեռքով ընթերցում՝ չափսավորված ձեր հարցազրույցի ժամերով։
Flowmingo տվյալներ · 237,650 դիմորդ · 10,074 հավաքագրման նախագիծ · 4,857 ընկերություն · նախագծերը ստեղծված 2025 թ. հուլիսի 1-ից մինչև 2026 թ. օգոստոսի 24-ը
- Բոլոր դիմորդների 50%-ը եղել է 174 կամ ավելի դիմորդ ունեցող հավաքագրման նախագծում։
Հաշվում է նախագծում գտնվող բոլորին (վերբեռնված, հրավիրված կամ աշխատանքի հայտարարությունից), յուրաքանչյուր հաջորդական դիմորդին մեկ անգամ։ Շատ նախագծեր փորձնական են։
2. Թեկնածուների ընտրության ո՞ր չափանիշները պետք է գրեմ առաջին CV-ից առաջ, որպեսզի յուրաքանչյուր զտում դիմանա՞
Գրեք 4-6 չափանիշ՝ ելնելով այն բանից, ինչ աշխատանքը պետք է ապահովի, և համաձայնեցրեք դրանք հավաքագրման մենեջերի հետ, նախքան որևէ մեկը կբացի CV։ Դարձրեք 2 կամ 3 հաստատուն փաստ անցում/ձախողում, իսկ մնացածը կշռեք։
Դրանք նախապես գրելը կարևոր է, որովհետև CV-ներ կարդալը ծռում է ձեր դատողությունը։ Yale-ի հիմնարար ուսումնասիրություններում մարդիկ գնահատում էին դիմորդներին հորինված ոստիկանապետի աշխատանքի համար։
Երբ արական սեռի դիմորդն ավելի շատ փողոցային փորձ ուներ, մարդիկ ասում էին, որ փողոցային փորձն ավելի կարևոր է։ Երբ նա ավելի շատ կրթություն ուներ, ասում էին, որ կրթությունն ավելի կարևոր է։
Չափանիշներին նախապես հավատարիմ մնալը վերացրեց այդ գենդերային կողմնակալությունը 3-րդ ուսումնասիրության մեջ, և ամենաօբյեկտիվ զգացող մարդիկ ամենակողմնակալներն էին։ Աշխատանքի ընդունումները հիպոթետիկ էին, բայց նախազգուշացումը հստակ է. ընթերցելուց հետո գրված չափանիշները նկարագրում են այն CV-ն, որն արդեն հավանում եք։
Ասենք թե հավաքագրում եք Customer Success Manager (պատկերավոր օրինակ, ոչ հաճախորդի տվյալներ)։ Տվեք կոշտ փաստերը որպես նախնական զննման հարցազրույցի հարցեր, ապա գրեք, թե որ ապացույցն է վաստակում յուրաքանչյուր միավորը.
| Չափանիշ | Կշիռ | Ապացույց 8-ից 10-ի համար | 3-ից 5-ի համար |
|---|---|---|---|
| Հիմնական աշխատաժամեր; աշխատելու իրավունք, որտեղ օրինական է հարցնել | Անցում/ձախողում, հարցվում է | Պատասխանում է այո | |
| Վերականգնումներ B2B պորտֆելի վրա | Պարտադիր, 4 | Պորտֆելի ծավալ և վերականգնման արդյունք | Չափի կամ արդյունքի բացակայություն |
| Հաճախորդի ներդրում | Շատ կարևոր, 3 | Ծրագիր, որը նրանք իրականացրել են, և ինչ փոխվեց | Մասնակցել է |
| CRM-ի ամենօրյա օգտագործում | Կարևոր, 2 | CRM-ը և ինչ են հետևել | CRM-ը հմտությունների մեջ |
| SaaS փորձ | Ցանկալի է, 1 | Աշխատել է SaaS ապրանքի վրա | Հարակից ծրագրակազմ |
| Ապացույց չկա | Կանոն | Միավոր 3, նշում "ցույց չի տրված". ոչ զրո, ոչ բաց թողնված |
Վերականգնումները ամենածանր կշիռն ունեն, որովհետև Customer Success Manager-ի հաջողությունը կամ ձախողումը դրանց վրա է հիմնված։ CV-ն, որը լուռ է չափանիշի մասին, ստանում է 3, քանի որ զրոն կպատժեր նրան, ով դա բաց է թողել։ Տողը բաց թողնելն ավելի վատ կլիներ. CV-ն, որը քիչ բան է ասում, այդ դեպքում կգնահատվեր միայն իր ուժեղ կողմերով։
3. Իմ հավաքագրման մենեջերը շարունակ մերժում է իմ կարճ ցուցակը։ Ինչպե՞ս պայմանավորվել կտրվածքի շուրջ նախքան զննումը։
Համաձայնեցրեք չափանիշներն ու կշիռները, ապա դուք և հավաքագրման մենեջերը ինքնուրույն գնահատեք նույն 5 CV-ները և համեմատեք։ Այնտեղ, որտեղ ձեր միավորները տարբերվում են, ուղղեք չափանիշը, ոչ թե մարդուն։
Կարճ ցուցակը կարող է ձախողվել, քանի որ դուք և հավաքագրման մենեջերը տարբեր պատկերացումներ ունեք աշխատանքի պահանջների մասին։
Ըստ Noise գրքի, որը հիմնարար աշխատություն է դատողության մասին, նույն հանձնաժողովի 2 հարցազրուցավարներ համաձայն չեն, թե ով էր ավելի լավ թեկնածու, մոտավորապես 4-ից 1 անգամ։
Երբ մարդիկ թեկնածուներին առանձին են տեսնում, ինչպես սովորաբար անում են դուք և ձեր հավաքագրման մենեջերը, այդ թիվը բարձրանում է մոտավորապես 3-ից 1։ Սա մեր հաշվարկն է Huffcutt-ի հարցազրույցի հետազոտության հիման վրա, ոչ թե CV-ի ուսումնասիրություն։ Այնուամենայնիվ, դա նշանակում է, որ մերժված կարճ ցուցակը սովորաբար աղմուկ է, ոչ թե ապացույց, որ ձեզանից մեկը սխալ է։
Ասենք թե դուք CV-ին վերականգնումների համար տալիս եք 8, իսկ ձեր հավաքագրման մենեջերը՝ 4։ Քննարկելով՝ պարզում եք, որ նրանք ցանկանում են խոշոր ձեռնարկությունների վերականգնումներ, իսկ CV-ն ցույց է տալիս փոքր հաշիվներ։ Ուղղեք այդ չափանիշը մեկ անգամ, նախքան թեկնածուների կարճ ցուցակագրումը սկսելը, և այն ուղղված կլինի բոլոր 244 CV-ների համար։
Գրքի լուծումը, որը գալիս է պրակտիկայից, ոչ թե ուսումնասիրությունից, այն է, որ յուրաքանչյուր մասը դատվի նախքան որևէ ընդհանուր եզրակացություն.
- Ընտրեք 5 CV ամբողջ կույտից։ Այնտեղ, որտեղ ձեր միավորները տարբերվում են 3+ միավորով, գրեք բարձր և ցածր օրինակ։
- Հավաքագրման մենեջերը հաստատում է չափանիշները, և ցանկացած հետագա վերափոխում ստանում է գրավոր հիմնավորում։
- Համաձայնեցրեք ցանկացած ընդհանուր կտրվածք, օրինակ՝ «ոչ դիպլոմ, ոչ զանգ», միասին գրավոր, քանի որ նման կանոնը արագ հեռացնում է մարդկանց։
4. Արդյո՞ք 200 CV-ի համար թեկնածուների կարճ ցուցակագրումը պահանջում է գնահատման մատրիցա, թե՞ այո/միգուցե/ոչ կույտը բավական է։
Օգտագործեք գնահատված մատրիցա, որովհետև «միգուցե» կույտը թաքցնում է, թե ինչու ինչ-որ մեկը հայտնվել է այնտեղ։ Գնահատեք 4-6 կշռված չափանիշներ 0-ից 10 սանդղակով և բոլորի համար նույն ձևով գումարեք դրանք։
Ասենք՝ 60 CV ընկած է «միգուցե»-ում․ մինչև 2-րդ օրը ոչ ոք չի հիշում, թե ինչու։
2013 թվականի հիմնարար ակնարկում Kuncel-ը և գործընկերները համեմատել են փորձագետներին, ովքեր ընդհանուր պատկերացում են կազմում, ֆիքսված բանաձևի հետ, որը գումարում է առանձին գնահատականները։ Բանաձևը աշխատանքի արդյունավետությունը կանխատեսել է ավելի քան 50%-ով ավելի լավ, թեև փորձագետները ճանաչում էին այդ աշխատանքը։
Գործնականում ձեր դատողությունը դրեք յուրաքանչյուր չափանիշի գնահատականի մեջ, ապա թողեք, որ ընդհանուր գումարը դասավորի։
Ահա այն 2-րդ բաժնի օրինակի վրա (պատկերավոր, ոչ թե հաճախորդի տվյալներ)․
| Չափանիշ (կշիռ) | A | B | C |
|---|---|---|---|
| Վերականգնումներ (4) | 8 | 4 | 9 |
| Ներգրավում (3) | 7 | 8 | 6 |
| CRM (2) | 6 | 9 | 4 |
| SaaS (1) | 5 | 10 | 2 |
| Կշռված գնահատական /10 | 7.0 | 6.8 | 6.4 |
| Պարզ միջին /10 | 6.5 | 7.75 | 5.25 |
Կշռված գնահատական = (4 x վերականգնումներ + 3 x ներգրավում + 2 x CRM + 1 x SaaS) / 10։
B-ն ունի ամենալավ պարզ միջինը՝ 7.75, շնորհիվ CRM-ում և SaaS-ում բարձրագույն գնահատականների, սակայն ընդամենը 4՝ վերականգնումներում, որն անհրաժեշտ պայմանն է։ Կշռված հաշվարկով A-ն առաջատարն է՝ 7.0, որովհետև A-ն ուժեղ է այնտեղ, որտեղ աշխատանքն ամենադժվարն է։
C-ն ունի ամենաուժեղ վերականգնումները՝ 9, սակայն CRM-ի և SaaS-ի թույլ մանրամասնությունը C-ին իջեցնում է մինչև 6.4՝ CV ձեր 3-րդ փուլի ընթերցման համար։ Նախքան անցողիկ շեմ սահմանելը, նայեք, թե ինչպես են իրական CV-ները գնահատվում։
Flowmingo տվյալներ · 105,648 CV · 50,546 թեկնածու · 3,815 հավաքագրման նախագիծ · 1,761 ընկերություն · 10 հուլիսից 24 սեպտեմբեր 2026
- 5.4-ը 10-ից եղել է CV-ի միջին գնահատականը՝ յուրաքանչյուր աշխատանքի սեփական կշռված չափանիշների համեմատ։
- CV-ների 19.0%-ը ստացել է 7 կամ ավելի 10-ից՝ իրենց աշխատանքի չափանիշների համեմատ։
- CV-ների 4.0%-ը ստացել է 8 կամ ավելի 10-ից՝ իրենց աշխատանքի չափանիշների համեմատ։
AI-ի CV գնահատականներ, ոչ թե թեկնածուի որակ կամ հավաքագրման արդյունքներ. համադրելի չեն աշխատանքների միջև։ Խիստ չափանիշները կամ զանգվածային վերբեռնումները իջեցնում են գնահատականները. չգնահատվող CV-ները և մինչև 10 հուլիսի գնահատականները բացառված են։
Ստորև գծապատկերը ցույց է տալիս, թե որքան արագ են գնահատականները նոսրանում։ CV-ների կեսից մի փոքր ավելին (56.4%) հասել է 5-ի, իսկ մոտավորապես 5-ից 1-ը (19.0%)՝ 7-ի։ Միայն 4.0%-ն է հասել 8-ի, իսկ 0.1%-ը՝ 9-ի։

CV միավորների տարածվածությունը, Flowmingo-ի տվյալներով՝ 105,648 CV-ից միայն 4.0%-ն է ստացել 8 կամ ավելի միավոր 10-ից՝ ըստ տվյալ աշխատանքի սեփական չափանիշների։
8-ը պահանջում է հստակ ապացույց գրեթե բոլոր չափանիշների համար, և քիչ CV-ներ են դա այդպես մանրամասն ներկայացնում։ Այսպիսով, «հարցազրույց անցկացնել միայն 8-երով» կանոնը շատ պաշտոնների համար թողնում է շատ կարճ ցուցակ կամ ընդհանրապես ոչինչ։
Ինչպես է օգնում Flowmingo-ն
CV գնահատումը աշխատանքի նկարագրությունը վերածում է չափանիշների, որոնք դուք խմբագրում եք և գնահատում Must Have-ից (4) մինչև Good to Have (1)։ Այն յուրաքանչյուր CV գնահատում է 0-ից 10-ը՝ ըստ յուրաքանչյուր չափանիշի, գրավոր ապացույցով՝ ապացույցի բացակայությունը հաշվելով որպես 3։ Այն ոչ մեկին ավտոմատ չի զտում․ հաշվի առնելով վերը նշված թվերը՝ դասակարգեք ըստ CV միավորի, այլ ոչ թե զտեք 8-10-ի։
5. Իմ CV-ների կեսը հնչում է ChatGPT-ի պես։ Ի՞նչ կարող է CV-ն դեռ ինձ պատմել նախնական ընտրությունից առաջ։
CV-ն օգտագործեք կոշտ փաստերի և տալու ենթակա հարցերի համար, ոչ թե որպես հմտության ապացույց։ Հղկելը հիմա ոչինչ չարժե, ուստի CV-ի զտումն անցած յուրաքանչյուրին տվեք նույն աշխատանքային նմուշը կամ կառուցվածքային հարցազրույցը։
Հղկելը նախկինում ջանք էր պահանջում։ Հիմա, Gartner-ի նույն հարցման մեջ, որն ընդգրկել է 3,290 թեկնածու, AI օգտագործողների 54%-ը դրանով գրել է CV-ի տեքստը։
Ստորև գծապատկերը գնահատում է յուրաքանչյուր մեթոդ 0-ից, երբ կապ չկա հետագա աշխատանքային արդյունքի հետ, մինչև 1, կատարյալ համընկնում, որին ոչ մի մեթոդ չի հասնում։ Կառուցվածքային հարցազրույցները գլխավորում են 0.42-ով՝ ըստ Sackett-ի և գործընկերների 2022-ի հիմնարար վերավերլուծության։
Նույն վերավերլուծության մեջ աշխատանքային գիտելիքի թեստերը հաջորդում են 0.40-ով, աշխատանքային նմուշները՝ 0.33-ով, իսկ ճանաչողական կարողությունների թեստերը՝ 0.31-ով։ Այն տողերը, որոնցով սկսում են CV-ների մեծ մասը, վերջում են՝ փորձ համապատասխան աշխատանքում՝ 0.07, նախկին աշխատանքային փորձ՝ 0.06 (Van Iddekinge)։

Ինչն է կանխատեսում արդյունքը․ կառուցվածքային հարցազրույցները լավագույնս կապված են հետագա աշխատանքային արդյունքի հետ, իսկ փորձի տարիները՝ գրեթե ընդհանրապես ոչ։
Սա նշանակում է, որ CV-ում նշված տարիները քիչ բան են պատմում այն մասին, թե ով լավ կաշխատի։ Ուստի ստուգեք այն, ինչը դժվար է կեղծել․
- Արդյունքներ, որոնք կարող եք ստուգել՝ թվեր, անվանված համակարգեր և ամսաթվեր։
- 1 կարճ աշխատանքային նմուշ՝ նույնը բոլորի համար, օրինակ՝ վերականգնման նամակ դժգոհ հաճախորդին։ Աշխատանքի կատարմանը հետևելու համար Showcase-ում թեկնածուն ձայնագրում է իր էկրանը, մինչ առաջադրանքը կատարում է։
- Կառուցվածքային հարցազրույց՝ հիմնված աշխատանքային արդյունքը կանխատեսող հարցազրույցի հարցերի վրա։
5.1 Պե՞տք է արդյոք մերժել թեկնածուին, քանի որ AI-ն օգնել է գրել նրա CV-ն:
Ոչ, միայն դրա հիման վրա՝ ոչ: Դուք չեք կարող հուսալիորեն նկատել դա, և AI-սկրիները կարող է նույնիսկ նպաստել դրան:
TopResume-ի կողմից 600 ամերիկացի հավաքագրման մենեջերների շրջանում անցկացված հարցման ժամանակ միայն 33.5%-ը նկատեց AI-ով գրված ռեզյումեները 4-ից: Այսպիսով, արգելքը կհիմնվեր ենթադրությունների վրա:
AI-սկրիներները նաև նպաստում են նույն AI մոդելի կողմից գրված CV-ներին (Xu et al., preprint, դեռևս ոչ ամսագրում): Սիմուլացված կարճ ցուցակներում այդ դիմորդները 23%-ից 60%-ով ավելի հավանական էր, որ կընդգրկվեին, քան հավասարապես որակավորված դիմորդները՝ մարդու կողմից գրված CV-ներով: Այսպիսով, AI-ով գրված CV-ները մերժելը, միաժամանակ AI-ով դասակարգելով, քիչ իմաստ ունի:
6. Արդյո՞ք 200 CV-ների ընթերցման հերթականությունը փոխում է իմ կարճ ցուցակը: Ինչպե՞ս շտկել դա:
Շատ հավանական է. հարցազրույց վարողները մարդկանց ավելի ցածր են գնահատում ուժեղ թեկնածուների հաջորդականությունից հետո, և փորձարկված AI մոդելներից մեծ մասը նպաստում է առաջինը ցուցակված CV-ին: Խառնեք փաթեթը և գնահատեք յուրաքանչյուր CV-ն գրավոր չափանիշի համեմատ:
9,000+-ից ավելի MBA ընդունելության հարցազրույցների հիմնարար ուսումնասիրության ժամանակ հարցազրույց վարողներն իրենց պահում էին այնպես, կարծես բարձր գնահատականների օրական քվոտա ունեին (Simonsohn and Gino): Ուժեղ հաջորդականությունից հետո նրանք հաջորդ դիմորդին ավելի ցածր գնահատեցին:
Տույժն արժեր մոտ 23 ամսվա աշխատանքային փորձ, և այն աճում էր օրվա ընթացքում: Սա նշանակում է, որ ուժեղ նախորդները կարող են վնասել թեկնածուներին: Սրանք հարցազրույցներ էին, ոչ թե CV-ների ընթերցում, ուստի դրանք ձեր փաթեթի վրա կիրառելը մեր ենթադրությունն է:
AI-ն ունի իր սեփական հերթականության էֆեկտը: Rozado-ն 22 AI մոդելների ցույց տվեց հավասարապես որակավորված CV-ների զույգեր, յուրաքանչյուր զույգը երկու անգամ՝ հերթականությունը փոխված:
30,690 որոշումների ընթացքում առաջինը ցուցակված CV-ն հաղթեց դեպքերի 63.5%-ում, իսկ երկրորդը՝ 36.5%-ում, մինչդեռ արդար հավանականությունը 50% է: Այսպիսով, մոտ մրցակցության դեպքում միայն դիրքը կարող է որոշել, թե ով կհայտնվի ձեր ցուցակում:

AI հերթականության էֆեկտ. 22 AI մոդելների ընթացքում 2 հավասարապես որակավորված CV-ներից առաջինը հաղթել է որոշումների 63.5%-ում, մինչդեռ արդար հավանականությունը կլիներ 50%:
Թեկնածուների կարճ ցուցակի ձևավորման այս ռիսկի լուծումները էժան են.
- Մինչ կարդալը խառնեք կույտը՝ ստացման կամ այբբենական կարգով կարդալու փոխարեն։
- Գնահատեք ըստ գրավոր չափանիշի, ոչ թե հենց նոր կարդացած ձեր CV-ի։
- Մեկ նստելու համար «այո»-ների քվոտա մի՛ դրեք և ընդմիջումներ արեք։
- Վերջում նորից գնահատեք առաջին 10 CV-ները։
- AI-ի դեպքում յուրաքանչյուր համեմատություն անցկացրեք երկու անգամ՝ հերթականությունը փոխած, և ցանկացած տարաձայնություն ուղարկեք մարդուն։
7. Քանի՞ թեկնածու պետք է կարճ ցուցակում ընդգրկեմ հարցազրույցների համար, երբ 1 դերի համար դիմել է 200+ մարդ։
Ելեք ձեր հարցազրույցի ժամերից և աշխատանքի նվազագույն պահանջներից. 2025-ին դիմորդների մոտ 7.6%-ն անցել է առաջին փուլը՝ 244-ից մոտավորապես 19-ը։ Թեկնածուների կարճ ցուցակի ձևավորման համար դասակարգեք բոլորին և վերցրեք լավագույն մասը, ոչ թե հաստատուն անցողիկ շեմ։
7.6%-ը Greenhouse-ի 2025 թվականի հյուսիսամերիկյան միջինն է՝ 6,000+ կազմակերպությունների շրջանում։ Ստորև բերված փոխակերպման ուղին այն կիրառում է 1 աշխատանքի վրա. 244 դիմորդից մոտ 19-ն է անցնում 1-ին փուլը։ Նրանցից մոտ 4-ն է անցնում 2-րդ փուլը՝ 22.0% ցուցանիշով։

Կարճ ցուցակի ուղին, 2025. 244 դիմորդից մոտ 19-ն է անցնում 1-ին փուլը, իսկ մոտ 4-ը՝ 2-րդ փուլը՝ մեր հաշվարկով Greenhouse-ի միջինների հիման վրա։
Մոտ 19 առաջին հարցազրույց գումարած մոտ 4 երկրորդը մոտ է Greenhouse-ի՝ մեկ աշխատանքի համար 22.7 հարցազրույց ցուցանիշին՝ մեկ ընդունվածի համար 12.3 հարցազրույց-ժամով։ Այնուամենայնիվ, 19-ը և 4-ը մեր հաշվարկն են՝ հիմնված միջինների վրա, և Greenhouse-ը չի սահմանում իր փուլերը, ուստի դրանք դիտարկեք որպես ուղեցույց։
Ասենք՝ կարող եք ազատել 14 հարցազրույց-ժամ, առաջին հարցազրույցը՝ 45 րոպե. դա մոտ 19 տեղ է։ Պահեք 3-ից 5 անուն ռեզերվում՝ դուրս մնացողների համար, և ստուգեք AI հարցազրույցի ավարտման ցուցանիշները՝ տեսնելու, թե քանիսն են ավարտում։
Դասակարգումը խուսափում է կամայական միավորային շեմից, բայց մի՛ առաջացրեք մեկին, ով չունի էական պահանջ, միայն ցուցակը լրացնելու համար։ Մեր հաճախորդների 20+ գնահատված CV ունեցող նախագծերի կեսում ոչ մի CV չի հասել 8-ի։
Flowmingo-ի տվյալներ · 1,024 հավաքագրման նախագիծ՝ 20+ գնահատված CV-ով · 90,629 CV · 549 ընկերություն · 2026 թ. հուլիսի 10-ից սեպտեմբերի 24-ը
- 51.8%-ը 20 և ավելի գնահատված CV ունեցող հավաքագրման նախագծերի չուներ 8 և ավելի միավոր հավաքած ոչ մի CV։
- 10-ից 6.6-ը միջին նախագծի լավագույն 20%-ի շեմն էր, և նախագծերի միջին լավագույն CV-ն հավաքել է 7.9 միավոր։
- 35.1%-ը 100 և ավելի գնահատված CV ունեցող նախագծերի դեռևս չուներ ոչ ոք, ով հավաքել է 8 և ավելի միավոր։
AI-ի CV միավորներ, ոչ թե հավաքագրման արդյունքներ. արդյունքները կախված են յուրաքանչյուր աշխատանքի չափանիշներից և դիմորդներից։ Հաշվվում են շեմը հաղթահարած CV-ները, ոչ թե կույտում եղած լավ ընդունվածները։
8. Ինչպե՞ս կանխել կողմնակալությունը թեկնածուների կարճ ցուցակի ձևավորման ժամանակ, երբ AI-ն կամ հոգնած գնահատողները դասակարգում են CV-ները։
Ենթադրենք, որ և՛ AI-ը, և՛ հոգնած գնահատողը կողմնակալ են, և ստուգեք յուրաքանչյուր զտում։ Գնահատեք միայն գրավոր չափանիշներով, հնարավորության դեպքում թաքցրեք անունները և վերանայեք ցանկացած խումբ, որն անցնում է լավագույն խմբի ցուցանիշի 80%-ից ցածր։
Ներսից կողմնակալությունը պարզապես զգացվում է որպես համապատասխանության վերաբերյալ կանխազգացում։ 2022-ի հիմնարար ուսումնասիրության մեջ Kline-ը և գործընկերները ուղարկեցին 83,000+ կեղծ դիմում խոշոր ամերիկյան գործատուներին։
Հատկապես սևամորթ անունները պատասխան ստանալու հավանականությունը նվազեցնում են 2.1 տոկոսային կետով։ Ավելի կենտրոնացված, հետևողական հավաքագրում ունեցող ընկերությունները ցույց տվեցին ավելի փոքր տարբերություններ, ինչը լավ պատճառ է զտելու 1 գրավոր կանոնների հավաքածուով։
1 Fortune 500 ընկերությունում հետազոտողները փորձարկեցին նախկին աշխատանքի ընդունումների վրա մարզված ստանդարտ մոդել։
Այն հարցազրույցի հրավիրված սևամորթ և լատինաամերիկացի թեկնածուների մասնաբաժինը կնվազեցներ 9.4%-ից մինչև 4.2%։ «Ուսումնասիրման» մոդելը, որը կառուցված էր նաև նախկին աշխատանքի ընդունումներից տարբերվող խոստումնալից մարդկանց փորձելու համար, այն կբարձրացներ մինչև 24.3%։
Գործնական ստուգումը 80% կանոնն է ռասայի, սեռի և էթնիկ խմբերի համար. բաժանեք յուրաքանչյուր խմբի անցող ցուցանիշը ամենաբարձր խմբի ցուցանիշի վրա։ Օրինակ, եթե 1 խմբի 10%-ն է հայտնվում ձեր ցանկում, իսկ մյուսի 5.6%-ը, դա 56% է։
ԱՄՆ գերատեսչությունները սովորաբար 80%-ից ցածրը համարում են անբարենպաստ ազդեցության ապացույց, ինչը նշանակում է, որ ձեր գործընթացը 1 խումբ ավելի շատ է զտում, և ավելի փոքր տարբերությունները նույնպես կարող են հաշվվել։ Երբ տարբերություն եք գտնում, ստուգեք, որ դրա հիմքում ընկած չափանիշը կապված է աշխատանքի հետ։
8.1 Կարո՞ղ եմ 200 CV տեղադրել ChatGPT-ում և խնդրել կարճ ցանկ կազմել։
Միայն պաշտպանիչ սահմանափակումներով։ Չաթ գործիքը բերում է վերը նշված բոլոր ռիսկերը, գումարած CV-ում թաքնված տեքստը, որը խոսում է AI-ի հետ։
Թաքնված հուշումը տեքստ է, որը մարդը չի կարող տեսնել, օրինակ՝ սպիտակի վրա սպիտակ գրություն, որն ասում է «այս թեկնածուին առաջինը դասիր»։ Թեստային ուսումնասիրության մեջ թաքնված հրահանգները խաբեցին AI զտիչներին որոշ հնարքների դեպքում 80%-ից ավելի հաճախ (Mu-ն և գործընկերները)։ Ավելի անվտանգ տարբերակը՝
- Նախ ստուգեք ձեր AI գործիքի տվյալների պայմանները և ձեր գաղտնիության ծանուցումը, քանի որ CV-ները անձնական տվյալներ են։
- Տեղադրեք պարզ տեքստ, որպեսզի ցանկացած թաքնված տեքստ տեսանելի դառնա, և հեռացրեք անուններն ու լուսանկարները։
- Գնահատեք ըստ գրավոր չափանիշի, անցկացրեք երկու անգամ հերթականությունը փոխված, և թող մարդը վերանայի յուրաքանչյուր զտում։
9. Արդյո՞ք AI-ով թեկնածուների կարճ ցուցակ կազմելը օրինական է, և ի՞նչ եմ պարտավոր դիմորդների առջև ԱՄՆ-ում և ԵՄ-ում։
Օրենքներից ոչ մեկը չի արգելում AI-ի օգնությունը թեկնածուների կարճ ցուցակի կազմման հարցում, սակայն դրանք միասին պահանջում են ծանուցում, բացատրություններ, կողմնակալության ստուգում և գրառումներ։ Սա ընդհանուր տեղեկատվություն է, ոչ թե իրավաբանական խորհրդատվություն։
Կանոնները տարբերվում են ըստ տեղի, բայց ունեն 1 ընդհանուր գաղափար։ Եթե գործիքն օգնում է որոշել, թե ով է անցնում հաջորդ փուլ, թեկնածուները պետք է իմանան դա, և դուք պետք է կարողանաք բացատրել, թե ինչու։ Այս ուղեցույցի սովորությունները հեշտացնում են գրառումներն ու բացատրությունները, թեև դրանք չեն փոխարինում ծանուցումներին կամ Նյու Յորք քաղաքի կողմնակալության աուդիտին։
Աղյուսակը ամփոփում է ընտրված պարտականությունները նշված իրավասությունների և կիրառման դեպքերի համար։ 2027 թ. հունվարի 1-ից Կոլորադոն ավելացնում է պարզ լեզվով բացատրություն մերժումից հետո 30 օրվա ընթացքում, ինչպես նաև մարդու կողմից վերանայման ուղի։
| Որտեղ | Կանոն, սկիզբ | Ինչ եք պարտավոր |
|---|---|---|
| Նյու Յորք քաղաք | Local Law 144, 5 հուլիսի 2023 | Ընդգրկված AEDT-ներ. աուդիտ նախորդ տարվա ընթացքում, հրապարակային ամփոփում և պահանջվող ծանուցումներ, ներառյալ 10 աշխատանքային օր առաջ NYC-ի ընդգրկված թեկնածուների/աշխատողների համար |
| Իլինոյս | HB 3773, 1 հունվարի 2026 | Ծանուցում, խտրական ազդեցություն չկա, առանց փոստային ինդեքսի փոխարինիչների |
| Կալիֆոռնիա | Civil Rights Council, 1 հոկտեմբերի 2025 | Ավտոմատացված որոշումների գրառումներ 4 տարի |
| Կոլորադո | SB 26-189, 1 հունվարի 2027 | Ծանուցում, մերժումից հետո 30 օրվա ընթացքում գործիքի դերը պարզ լեզվով և մարդու կողմից վերանայման ուղի, գրառումներ 3 տարի |
| ԱՄՆ դաշնային | 29 CFR 1607.4 և 1602.14 | Անբարենպաստ ազդեցության 80% կանոն, գրառումներ 1 տարի կամ մինչև ցանկացած գործի փակումը |
| ԵՄ | Regulation 2026/1744 | Բարձր ռիսկի պարտականություններ 2 դեկտեմբերի 2027-ից, GDPR-ի պահպանման սահմանափակումները հիմա |
| ՄԹ | ICO guidance, վերանայման փուլում | Մերժված թեկնածուների գրառումներ. ոչ ավելի, քան հայցի ժամկետը՝ առանց հստակ գործարար պատճառի |
| Սինգապուր | Workplace Fairness Act, 2027-ի վերջ | Որոշումներ չկան պաշտպանված հատկանիշների հիման վրա, հայցեր՝ մինչև S$250,000 |
Ընդգրկվածությունը ներառում է արդյունքի օգտագործումը միայնակ, բոլոր այլ չափանիշներից վեր, կամ այլ եզրակացությունները վերացնելու համար։ Ստուգեք DCWP-ի շրջանակի և ծանուցման կանոնները. միայն մարդկային վերանայումը բացառություն չէ։
Կարգավորողները քիչ են կիրառել օրենքը։ Երբ Նյու Յորք քաղաքը ստուգեց 32 ընկերություն, հայտնաբերեց 1 խնդիր։ Նույն ընկերությունները ստուգող նահանգային աուդիտորները գտան առնվազն 17 հնարավոր խախտում (NY State Comptroller)։
Մասնավոր հայցերը ավելի արագ են ընթանում։ Workday-ի գործով 40 և ավելի տարեկան դիմորդները պնդում են, որ Workday-ի սքրինինգային ծրագիրը օգնել է մերժել իրենց։
Դատարանը թույլ տվեց, որ նրանց համազգային տարիքային հայցը շարունակվի (Forbes)։ Սա նշանակում է, որ օրենքի թույլ կիրառումը պաշտպանություն չէ, եթե մերժված թեկնածուն հայց ներկայացնի։
10. Երբ AI-ի գնահատականը և իմ կարճ ցուցակը չեն համընկնում, ո՞րն է հաղթում, և ի՞նչ ասեմ ղեկավարիս։
Ոչ մեկին մի՛ վստահեք կուրորեն. AI-ի գնահատականը, ձեր գնահատականը և ապացույցները դրեք կողք կողքի, և թող գրավոր չափանիշները որոշեն։ Ղեկավարիդ տվեք դասակարգված ցուցակ՝ յուրաքանչյուր անվան գնահատականով, ապացույցով և ստուգման ենթակա բացով։
Անհամաձայնությունը օգտակար է, քանի որ մատնանշում է մի չափանիշ, որը դուք և AI-ը տարբեր կերպ եք մեկնաբանում։ Ստուգեք այդ ապացույցը նախքան ընդհանուր գումարի շուրջ վիճելը։
Նույն Fortune 500 ընկերությունում Li և գործընկերները հետևել են 88,666 դիմումների՝ պարզելու, թե ում հարցազրույցի ընտրություններն ավարտվեցին աշխատանքի ընդունմամբ։
Մարդ սքրիներների կողմից հարցազրույցի ընտրված մարդկանցից 10%-ը ստացավ աշխատանքը։ Մոդելների ընտրություններն ունեին գնահատված ընդունման ցուցանիշներ՝ 27% (հետազոտական մոդել) և 32% (ստանդարտ մոդել)։

Ում ընտրություններն են աշխատանքի ընդունվել. մարդ զտողների հարցազրույցի ընտրությունները՝ ընդդեմ 2 զտման մոդելների ընտրությունների 1 Fortune 500 ընկերությունում։
Բայց սա 1 ընկերություն է՝ գնահատված ցուցանիշներով։ Այդ ստանդարտ մոդելը նաև ավելի քան կրկնակի կկրճատեր սևամորթ և լատինաամերիկյան թեկնածուների մասնաբաժինը հարցազրույց անցնողների շրջանում (բաժին 8)։ Ուստի ստուգեք երկուսն էլ, և որոշումը ոչ մեկին չհանձնեք։
Այնուհետև համեմատեք վերջնական անունները կողք կողքի՝ նույն չափանիշներով, որպեսզի որոշի ապացույցը, ոչ թե նա, ում վերջինը կարդացիք։
Յուրաքանչյուր անվան հետ հանձնեք ապացույցը, ինչպես հարցազրույցի գնահատաթերթում (պատկերավոր, ոչ հաճախորդի տվյալներ)․
| Դիրք | Թեկնածու | CV-ի միավոր | Ապացույց | Ուսումնասիրվող բացը | Որոշում |
|---|---|---|---|---|---|
| 1 | A | 7.0 | Վերականգնումներ՝ պահպանման արդյունքով | Ներդրման խորություն | Հարցազրույց |
| 2 | B | 6.8 | Ուժեղ CRM և SaaS մանրամասներ | Վերականգնման ծավալ չկա | Հարցազրույց |
| 3 | C | 6.4 | Վերականգնումներ արդյունքներով | CRM-ի մանրամասները քիչ են | Պահուստ |
| Գրեթե անցողիկ | D | 5.9 | Ներդրման և CRM-ի մանրամասներ | Պարտադիր չափանիշը գնահատվել է 3 | Հեռացվել է. ամենացածր ընդհանուր միավորը (5.9) |
D-ի տողը պարունակում է գրավոր պատճառը. վերականգնումների ապացույց չկա, ուստի պարտադիր չափանիշը գնահատվել է 3, և ընդհանուր միավորը իջել է մինչև 5.9։ Սա է, ինչ կասեիք ձեր ղեկավարին կամ հարցնող թեկնածուին։
Երբ ձեր ղեկավարը համաձայնի, յուրաքանչյուր կարճ ցուցակում ընդգրկված թեկնածուի տեղեկացրեք հաջորդ քայլի, դրա ձևաչափի, վերջնաժամկետի և ում դիմելու մասին։ Այնուհետև տեղեկացրեք մյուս բոլորին՝ մեր թեկնածուին մերժելու նամակի ձևանմուշներով։
Ինչպես է օգնում Flowmingo-ն
Flowmingo-ն անվճար AI հարցազրուցավար է հավաքագրման մասնագետների համար։ Յուրաքանչյուր CV ստանում է միավոր յուրաքանչյուր չափանիշի համար, ապացույց, ուժեղ կողմեր, բացեր և ինչ ուսումնասիրել հաջորդիվ՝ վերը նշված սյունակները։ Այնուհետև դիմորդները AI հարցազրույցն անցնում են իրենց հարմար ժամանակ, և դուք յուրաքանչյուր հաշվետվություն հղումով կիսում եք ձեր հավաքագրման մենեջերի հետ։ Ով է առաջ շարժվում, միշտ ձեր որոշումն է։ Փորձեք Flowmingo-ն անվճար ձեր հաջորդ թեկնածուների կարճ ցուցակագրման համար։
11. Աղբյուրներ
Այս ուղեցույցում նշված յուրաքանչյուր ուսումնասիրություն, օրենք և հարցում հղում ունի դեպի աղբյուր ներքևում. Flowmingo-ի թվերը վերցված են Flowmingo-ի սեփական պլատֆորմի տվյալներից:
- 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.



