നിങ്ങളുടെ 1 ഓപ്പൺ തസ്തികയ്ക്ക് 300 അപേക്ഷകളുണ്ട്, ഏത് ഘട്ടമാണ് ആദ്യം വരേണ്ടതെന്ന് പറയാതെ എല്ലാ വെണ്ടർമാരും റിക്രൂട്ടിംഗ് ഓട്ടോമേഷൻ വാങ്ങാൻ പറയുന്നു.
ആ കൂമ്പാരം നിങ്ങളുടെ പ്രശ്നമല്ല, വിപണിയുടെ സ്വഭാവമാണ്. 2021 മുതൽ ഓരോ നിയമനത്തിനുമുള്ള അപേക്ഷകളുടെ എണ്ണം മൂന്നിരട്ടിയായി (Ashby), അതേസമയം 2022 മുതൽ 2025 വരെ ഓരോ സ്ഥാപനത്തിലെയും റിക്രൂട്ടർമാരുടെ എണ്ണം 55.6% കുറഞ്ഞു (Greenhouse). റിക്രൂട്ടിംഗ് വർക്ക്ഫ്ലോ ഓട്ടോമേഷനെക്കുറിച്ചുള്ള ടോപ്പ് 10 ഫലങ്ങളിൽ 4 എണ്ണം 1 തടസ്സത്തിൽ നിന്ന് തുടങ്ങാൻ പറയുന്നു, ഒന്നും ഘട്ടങ്ങളെ അപകടസാധ്യത അനുസരിച്ച് ക്രമീകരിക്കുന്നുമില്ല.
തെറ്റായ ഘട്ടം ആദ്യം ഓണാക്കിയാൽ നിങ്ങൾ ഒരിക്കലും കാണാത്ത ആളുകളെ നിങ്ങൾക്ക് നഷ്ടമാകും. 1 അടിസ്ഥാനപരമായ Harvard Business School and Accenture സർവേയിൽ, 88% തൊഴിലുടമകൾ പറഞ്ഞത് കൃത്യമായ പൊരുത്തപ്പെടുത്തൽ ഫിൽട്ടറുകൾ യോഗ്യരായ ഉയർന്ന നൈപുണ്യമുള്ള സ്ഥാനാർഥികളെ ഒഴിവാക്കുന്നു എന്നാണ്.
ഈ ഗൈഡ് 6 ഘട്ടങ്ങളെ അപകടസാധ്യത അനുസരിച്ച് ക്രമീകരിച്ച് ഓരോന്നും തിരികെ നൽകുന്ന മണിക്കൂറുകൾ കാണിക്കുന്നു. ഒരു വ്യക്തിയെക്കുറിച്ചും ഒന്നും തീരുമാനിക്കാത്ത 2 ഘട്ടങ്ങളിൽ നിന്ന് തുടങ്ങുക, നിങ്ങളുടെ സ്വന്തം കണക്കുകൾ ഉപയോഗിച്ച് ലാഭം കണക്കാക്കുക, ഏത് നിരസിക്കലുകളാണ് ഒരു വ്യക്തി തന്നെ ചെയ്യേണ്ടതെന്ന് അറിയുക.
പ്രധാന കാര്യങ്ങൾ
- നിയമനത്തിൽ ആദ്യം എന്താണ് ഓട്ടോമേറ്റ് ചെയ്യേണ്ടത്? സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളും ഷെഡ്യൂളിംഗും. അവ ഒരു വ്യക്തിയെക്കുറിച്ചും ഒന്നും തീരുമാനിക്കുന്നില്ല, ഒരു പാദത്തിൽ 91.6 നെറ്റ് മണിക്കൂറിൽ 26.1 തിരികെ നൽകുന്നു.
- റിക്രൂട്ടിംഗ് ഓട്ടോമേഷൻ എത്ര മണിക്കൂർ ലാഭിക്കുന്നു? ഒരു തസ്തികയ്ക്ക് 300 അപേക്ഷകരും 5 നിയമനങ്ങളും ഉള്ളപ്പോൾ, 23 മണിക്കൂർ അവലോകനത്തിന് ശേഷം ഒരു പാദത്തിൽ ഏകദേശം 92 നെറ്റ് മണിക്കൂർ.
- സോഫ്റ്റ്വെയർക്ക് എനിക്കുവേണ്ടി സ്ഥാനാർഥികളെ നിരസിക്കാമോ? ഞങ്ങളുടെ നിയമം: എഴുതപ്പെട്ട ഒരു ആവശ്യകതയിൽ, ജോലി ചെയ്യാനുള്ള അവകാശം പോലെ, ഒരു അതെ/അല്ലെങ്കിൽ നിയമത്തിലൂടെ മാത്രം. സ്വയമേവ നിരസിക്കുന്ന ഒരു സ്കോറിനെ ICO ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കലായി കണക്കാക്കുന്നു, അതിനാൽ മറ്റെല്ലാ നിരസിക്കലുകളും ഒരു പേരുള്ള വ്യക്തി അംഗീകരിക്കണം.
- നിയമന ഉപകരണങ്ങൾക്കുള്ള EU തീയതികൾ മാറിയോ? അതെ, 2026 ഓഗസ്റ്റ് 2 മുതൽ 2027 ഡിസംബർ 2 വരെ.
- ഉപകരണം നല്ല ആളുകളെ നിരസിക്കുന്നുണ്ടെന്ന് ഞാൻ എങ്ങനെ അറിയും? ഞങ്ങളുടെ പൊതുനിയമം: ഓരോ ആഴ്ചയും ഓരോ തസ്തികയിലെയും ഏറ്റവും കുറഞ്ഞ സ്കോർ ലഭിച്ച 20 ഫയലുകൾ വായിക്കുക. നിങ്ങൾ 2-ൽ കൂടുതൽ പേരെ ഇന്റർവ്യൂ ചെയ്തിരുന്നുവെങ്കിൽ, മാനദണ്ഡങ്ങൾ ശരിയാക്കുക.
1. ഒരു തസ്തികയ്ക്ക് 200 അപേക്ഷകരുമായി ഒറ്റയ്ക്ക് നിയമനം നടത്തുമ്പോൾ, ഏത് റിക്രൂട്ടിംഗ് ഓട്ടോമേഷനാണ് ഞാൻ ആദ്യം ഓണാക്കേണ്ടത്?
ഒരു വ്യക്തിയെക്കുറിച്ചും ഒന്നും തീരുമാനിക്കാത്ത 2 ഘട്ടങ്ങൾ ആദ്യം ഓണാക്കുക: സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ, തുടർന്ന് ഷെഡ്യൂളിംഗ്. ആളുകളെ സ്കോർ ചെയ്യുന്ന ഘട്ടങ്ങൾ പിന്നീട് ചേർക്കുക, നിരസിക്കലുകൾ ഒരു പേരുള്ള വ്യക്തിയുടെ അംഗീകാരത്തിൻ കീഴിൽ നിലനിർത്തുക.
റിക്രൂട്ടിംഗ് ഓട്ടോമേഷൻ എന്നത് ഒരു നിയമന ചുമതല ചെയ്തുതരുന്ന സോഫ്റ്റ്വെയറാണ്, അതുവഴി ഒരു വ്യക്തി അത് ആവർത്തിക്കേണ്ടതില്ല: ഒരു അപ്ഡേറ്റ്, ഒരു ബുക്കിംഗ്, ഒരു ചോദ്യം, ഒരു സ്കോർ. ഓരോ നിയമനത്തിനും ശരാശരി 300-ലധികം അപേക്ഷകളെന്ന് Ashby പറയുന്നു, 2025-ൽ ഓരോ ജോലിക്കും 244 എണ്ണമെന്ന് Greenhouse കണക്കാക്കുന്നു. അതിനാൽ ഒരു തസ്തികയ്ക്ക് 200 മുതൽ 300 അപേക്ഷകർ എന്നത് സാധാരണമാണ്.
ഒരു വ്യക്തിയെക്കുറിച്ച് ഓരോ ഘട്ടവും എത്ര കുറച്ച് തീരുമാനിക്കുന്നു എന്നതനുസരിച്ചും, തുടർന്ന് അതിന്റെ ഫലം എത്ര എളുപ്പത്തിൽ പരിശോധിക്കാം എന്നതനുസരിച്ചും ഞങ്ങൾ 6 ഘട്ടങ്ങൾ ക്രമീകരിച്ചു. അതെ/ഇല്ല എന്ന നിയമം വായിക്കാനും പരിശോധിക്കാനും കഴിയും, എന്നാൽ ഒരു സ്കോർ അങ്ങനെയല്ല, അതിനാൽ ഘട്ടം 3 ഘട്ടം 4-ന് മുൻപ് വരുന്നു.
മണിക്കൂറുകൾ ക്രമം നിർണ്ണയിക്കുന്നില്ല, കാരണം CV സ്കോറിംഗ് ഏറ്റവും കൂടുതൽ നൽകുന്നു (40.0 നെറ്റ് മണിക്കൂർ) എന്നിട്ടും അഞ്ചാം സ്ഥാനത്താണ്. ക്രമം ഞങ്ങളുടെ വിധിയാണ്.
വിവരങ്ങൾ മനുഷ്യ പരിശോധനയ്ക്കായി സംഗ്രഹിക്കുക, ക്രമീകരിക്കുക, വിവർത്തനം ചെയ്യുക, കരട് തയ്യാറാക്കുക, റൂട്ട് ചെയ്യുക അല്ലെങ്കിൽ അവതരിപ്പിക്കുക എന്നിവ മാത്രം ചെയ്യുന്ന ഉപകരണങ്ങളെ Colorado's SB 26-189 ഒഴിവാക്കുന്നു, Proskauer അനുസരിച്ച്. ഞങ്ങളുടെ വായനയിൽ, അത് സ്റ്റാറ്റസും ഷെഡ്യൂളിംഗും ഉൾക്കൊള്ളുന്നു.
| ഘട്ടം | പ്രധാന അപകടസാധ്യത | ഒരു വ്യക്തി ഇപ്പോഴും |
|---|---|---|
| 1 സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ | പൊള്ളയായതോ തെറ്റായതോ ആയ അപ്ഡേറ്റുകൾ | ടെംപ്ലേറ്റുകളും തീയതികളും എഴുതുന്നു |
| 2 ഷെഡ്യൂളിംഗും ഓർമ്മപ്പെടുത്തലുകളും | തെറ്റായ സമയമേഖല, നിരസിച്ചവർക്കുള്ള ഓർമ്മപ്പെടുത്തലുകൾ | അപവാദങ്ങൾ കൈകാര്യം ചെയ്യുന്നു |
| 3 നോക്ക്-ഔട്ട് ചോദ്യങ്ങൾ | ഒരു പ്രോക്സി നിയമം നല്ല ആളുകളെ നിരസിക്കുന്നു | ലിസ്റ്റ് സ്വന്തമാക്കുന്നു, നിരസിക്കലുകൾ സാമ്പിൾ ചെയ്യുന്നു |
| 4 AI അഭിമുഖം | സ്ഥാനാർത്ഥിയുടെ വിശ്വാസം; EU-യിൽ ഉയർന്ന അപകടസാധ്യത | ഓരോ റിപ്പോർട്ടും വായിക്കുന്നു |
| 5 CV സ്കോറിംഗ് | നിശബ്ദ ഫിൽട്ടറിംഗ്, പേര്, ക്രമം എന്നിവയിലെ പക്ഷപാതം | ഒരു റോളിന് 60 CV-കൾ വായിക്കുന്നു, കട്ട് ഓഫ് അംഗീകരിക്കുന്നു |
| 6 നിരസിക്കൽ | GDPR ആർട്ടിക്കിൾ 22, Colorado, ICO പരിശോധനകൾ | തീരുമാനിക്കുന്നു, കാരണം എഴുതുന്നു |

ഓട്ടോമേഷൻ ഗോവണി: ഘട്ടം 1, 2 എന്നിവയ്ക്ക് കുറഞ്ഞ അപകടസാധ്യത, ഘട്ടം 3 ഇടത്തരം, ഘട്ടം 4, 5 എന്നിവയ്ക്ക് ഉയർന്നത്, ഘട്ടം 6 ആയ നിരസിക്കൽ ഒരു വ്യക്തിയോടൊപ്പം തുടരുന്നു.
ഒരു റിക്രൂട്ട്മെന്റ് ചാറ്റ്ബോട്ട് പ്രത്യേക ഘട്ടമല്ല: സ്റ്റാറ്റസിന് ഘട്ടം 1-ലും, നോക്ക്-ഔട്ടുകൾക്ക് 3-ലും, സ്കോറിംഗിന് 4 അല്ലെങ്കിൽ 5-ലും ഇത് വരുന്നു.
2. ഒരു റോളിന് 300 അപേക്ഷകർ, പാദത്തിൽ 5 നിയമനങ്ങൾ എന്നിവയിൽ റിക്രൂട്ടിംഗ് ഓട്ടോമേഷൻ എത്ര മണിക്കൂർ ലാഭിക്കുന്നു?
ഞങ്ങളുടെ കണക്കുകൂട്ടൽ ഉദാഹരണത്തിൽ പാദത്തിൽ ഏകദേശം 91.6 നെറ്റ് മണിക്കൂർ: 114.8 മണിക്കൂർ ഒഴിവാക്കി, തുടരുന്ന പരിശോധനയുടെ 23.2 മണിക്കൂർ കുറച്ച്.
Ashby-യുടെ ശരാശരി സൂചിപ്പിക്കുന്നതുപോലെ, 300 അപേക്ഷകരുള്ള 5 റോളുകളിൽ നിന്ന് പാദത്തിൽ 5 നിയമനങ്ങൾ നടത്തുന്നു എന്ന് കരുതുക. അതായത് 1,500 അപേക്ഷകർ, ഏകദേശം 114 അഭിമുഖങ്ങൾ, കാരണം Greenhouse ഓരോ ജോലിക്കും 22.7 അഭിമുഖങ്ങൾ കണക്കാക്കുന്നു.
ഘട്ടങ്ങൾ ഒന്നിനുമേൽ മറ്റൊന്നായി വരുന്നില്ല: ഘട്ടം 4-ലെ 100 AI അഭിമുഖങ്ങൾക്ക് ബുക്കിംഗ് ആവശ്യമില്ല, അതിനാൽ ഘട്ടം 2 കണക്കാക്കുന്നത് 14 ലൈവ് അഭിമുഖങ്ങൾ മാത്രമാണ്.
ഒരു റോളിന് 20 സ്ഥാനാർത്ഥികൾക്ക് 15 മിനിറ്റ് നീളുന്ന AI അഭിമുഖം ലഭിക്കുന്നു എന്ന് ഞങ്ങൾ അനുമാനിക്കുന്നു; മനുഷ്യർക്ക് Jabarian and Henkel റിപ്പോർട്ട് ചെയ്യുന്ന 10 മുതൽ 20 മിനിറ്റിന്റെ ഇടയിലുള്ളതാണിത്. പരിശോധന നിരയിൽ ഒരു റോളിന് 12 സന്ദേശങ്ങളും 24 നിരസിച്ച ഫയലുകളും സാമ്പിൾ ചെയ്യുന്നു, കൂടാതെ 10-ൽ 1 അഭിമുഖം വീണ്ടും ബുക്ക് ചെയ്യുന്നു.
| ഘട്ടം | ഇന്ന് കൈകൊണ്ട് (കണക്കാക്കിയത്) | ഒരു പാദത്തിൽ യൂണിറ്റുകൾ | മൊത്തം മണിക്കൂർ | നിലനിൽക്കുന്ന അവലോകനം | അറ്റ മണിക്കൂർ |
|---|---|---|---|---|---|
| സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ | ഓരോ അപേക്ഷകനും 1 മിനിറ്റ് | 1,500 | 25.0 | 1.0 (60 സന്ദേശങ്ങൾ, 1 മിനിറ്റ്) | 24.0 |
| ഷെഡ്യൂളിംഗും ഓർമ്മപ്പെടുത്തലുകളും | ഓരോ ഇന്റർവ്യൂവിനും 10 മിനിറ്റ് | 14 (114 കുറച്ച് 100) | 2.3 | 0.2 (10-ൽ 1 പുനഃക്രമീകരിച്ചു, 10 മിനിറ്റ്) | 2.1 |
| നോക്ക്-ഔട്ട് ചോദ്യങ്ങൾ | ഓരോ അപേക്ഷകനും 0.5 മിനിറ്റ് | 1,500 | 12.5 | 2.0 (120 നിരസിച്ച ഫയലുകൾ, 1 മിനിറ്റ്) | 10.5 |
| AI ഇന്റർവ്യൂ | ഓരോ കോളിനും 15 മിനിറ്റ് | 100 | 25.0 | 10.0 (100 റിപ്പോർട്ടുകൾ, 6 മിനിറ്റ്) | 15.0 |
| CV സ്കോറിംഗ് | ഓരോ CV-ക്കും 2 മിനിറ്റ് | 1,500 | 50.0 | 10.0 (ഒരു റോളിന് 60 CV, 5 റോളുകൾ, 2 മിനിറ്റ്) | 40.0 |
| ആകെ | 114.8 | 23.2 | 91.6 |
CV സ്കോറിംഗ് ആദ്യ വായനകളുടെ 50.0 മണിക്കൂർ ഒഴിവാക്കുന്നു, ഒരു റോളിന് 60 CV-കളിൽ ഒരു വ്യക്തി ചെലവഴിക്കുന്ന 10.0 മണിക്കൂർ അത് കൂടുതൽ സുരക്ഷിതമാക്കുന്നു. ഏറ്റവും സുരക്ഷിതമായ 2 ഘട്ടങ്ങൾ 26.1 അറ്റ മണിക്കൂർ തിരികെ നൽകുന്നു, അത് ആകെയുള്ളതിന്റെ 28.5%.

ഘട്ടം തിരിച്ചുള്ള അറ്റ മണിക്കൂർ: ഒരു പാദത്തിൽ 24.0, 2.1, 10.5, 15.0, 40.0 എന്നിവ ചേർന്ന് 91.6. സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളും ഷെഡ്യൂളിംഗും ചേർന്ന് 26.1 തിരികെ നൽകുന്നു (ദൃഷ്ടാന്ത ഉദാഹരണം, ഉപഭോക്തൃ ഡാറ്റയല്ല).
വിഭാഗം 8-ലെ പ്രതിവാര ഓഡിറ്റ് ഏകദേശം 13.3 മണിക്കൂർ കൂട്ടിച്ചേർക്കുന്നു: ആഴ്ചയിൽ 20 ഫയലുകൾ, ഓരോന്നിനും 2 മിനിറ്റ്, ഏകദേശം 4 ആഴ്ച തുറന്നിരിക്കുന്ന 5 റോളുകൾക്ക്. അത് സൂക്ഷ്മമായ അറ്റം ഏകദേശം 78 ആക്കുന്നു.
3. സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളും ഷെഡ്യൂളിംഗും എനിക്ക് സുരക്ഷിതമായി ഓട്ടോമേറ്റ് ചെയ്യാമോ, അതോ ഒരു ബോട്ട് അപേക്ഷകരെ അവഗണിക്കുന്നതായി തോന്നിപ്പിക്കുമോ?
അതെ, റിക്രൂട്ടിംഗ് ഓട്ടോമേഷന്റെ ഏറ്റവും സുരക്ഷിതമായ ഘട്ടങ്ങളാണ് ഈ 2 എണ്ണം, കാരണം അവ ഒരു വ്യക്തിയെക്കുറിച്ച് ഒന്നും തീരുമാനിക്കുന്നില്ല. ഓരോ സന്ദേശവും സത്യമായി സൂക്ഷിക്കുക: പാലിക്കാൻ കഴിയാത്ത ഒരു മറുപടി വാഗ്ദാനം ചെയ്യുന്ന ബോട്ട് അവഗണനയായി തോന്നും.
നിശ്ശബ്ദത നിങ്ങളുടെ എംപ്ലോയർ ബ്രാൻഡിനെ ഹാനികരമാക്കുന്നു. 2025-ലെ CandE ബെഞ്ച്മാർക്കിൽ, വടക്കേ അമേരിക്കയിലെ 31% ഉദ്യോഗാർത്ഥികൾ അപേക്ഷിച്ച് 1-2 മാസത്തിനുശേഷവും മറുപടി കേട്ടിരുന്നില്ല. AI അല്ലെങ്കിൽ ഓട്ടോമേറ്റഡ് സ്ക്രീനിംഗിനെക്കുറിച്ചുള്ള പരാതികൾ മികച്ച 3 നെഗറ്റീവ് വിഷയങ്ങളിൽ ഉൾപ്പെട്ടിരുന്നു, എന്നിട്ടും ടോപ്പ്-10 വിജയികളിൽ ഓരോരുത്തരും ഏതെങ്കിലും തരത്തിലുള്ള AI ഉപയോഗിച്ചിരുന്നു.
ഒരു മെയിൽ മെർജ് അല്ലെങ്കിൽ ATS ഓട്ടോ-ഇമെയിൽ ആദ്യ 2 സന്ദേശങ്ങൾ അയയ്ക്കാം, ഒരു ബുക്കിംഗ് ലിങ്ക് ഷെഡ്യൂളിംഗ് ഉൾക്കൊള്ളുന്നു. സ്വീകരണം 1 മണിക്കൂറിനുള്ളിൽ അയയ്ക്കുക.
വിഷയം: [കമ്പനി]-യിലെ [റോളിന്] നിങ്ങളുടെ അപേക്ഷ ഞങ്ങൾക്ക് ലഭിച്ചു
ഹായ് [ആദ്യ പേര്], [റോൾ]-ന് അപേക്ഷിച്ചതിന് നന്ദി. നിങ്ങൾ മുന്നോട്ട് പോകുന്നുണ്ടോ എന്ന് [തീയതി, 7 ദിവസത്തിനുള്ളിൽ] ഞങ്ങൾ നിങ്ങളെ അറിയിക്കും. ഒരു ക്രമീകരണം ആവശ്യപ്പെടാൻ, ഈ ഇമെയിലിന് മറുപടി നൽകുക.
[പേര്], [കമ്പനി]
വിഷയം: [റോൾ]-നെക്കുറിച്ച് ഇപ്പോഴും തീരുമാനിക്കുന്നു: [പുതിയ തീയതി]-യ്ക്ക് അപ്ഡേറ്റ്
ഹായ് [ആദ്യ പേര്], [റോൾ]-നെക്കുറിച്ച് [തീയതി]-യ്ക്ക് ഒരു ഉത്തരം നൽകാമെന്ന് ഞങ്ങൾ വാഗ്ദാനം ചെയ്തിരുന്നു, എന്നാൽ ഇപ്പോഴും അവിടെ എത്തിയിട്ടില്ല. [പുതിയ തീയതി, 7 ദിവസത്തിനുള്ളിൽ] ഞങ്ങൾ എഴുതും.
[പേര്], [കമ്പനി]
ഓരോ സന്ദേശവും 4 നിയമങ്ങൾ പാലിക്കുന്നു:
- ഒരു ആഴ്ചയ്ക്കുള്ളിൽ അതെ അല്ലെങ്കിൽ ഇല്ല എന്ന് അറിയിക്കുക, ഇതാണ് ഞങ്ങളുടെ നിയമം. Talent Board-ന്റെ അടിസ്ഥാന ബെഞ്ച്മാർക്ക് പരമാവധി 1 മുതൽ 2 ആഴ്ച വരെയാണ് (ERE).
- ഒരു വ്യക്തി വായിക്കുന്ന പേരും മറുപടി വിലാസവും ചേർത്ത് ഒപ്പിടുക, കാരണം 2025 CandE ബെഞ്ച്മാർക്കിൽ നിരസിക്കപ്പെട്ട 33% ഉദ്യോഗാർത്ഥികൾക്കും ലഭിച്ചത് do-not-reply ഇമെയിലാണ്.
- നിങ്ങൾ വാഗ്ദാനം ചെയ്ത തീയതിയിൽ "ഇതുവരെ വാർത്തയില്ല" എന്ന് അയക്കുക, കാരണം ഒരിക്കലും മാറാത്ത ഒരു സ്റ്റാറ്റസ് നിശബ്ദതയായി വായിക്കപ്പെടുന്നു.
- നിങ്ങൾ നിരസിച്ച ഒരാളെ ഒരിക്കലും ഓർമ്മിപ്പിക്കരുത്, കാരണം അത് സിസ്റ്റം വഴിതെറ്റിയതായി കാണിക്കുന്നു.
Flowmingo data · റിക്രൂട്ടർമാർ അയച്ച 52,078 AI ഇന്റർവ്യൂ ക്ഷണങ്ങൾ · 866 കമ്പനികൾ · 15 ജൂൺ മുതൽ 13 സെപ്റ്റം 2026 വരെ
- ക്ഷണിക്കപ്പെട്ട അപേക്ഷകരിൽ 30.9% പേർ 14 ദിവസത്തിനുള്ളിൽ AI ഇന്റർവ്യൂ പൂർത്തിയാക്കി, 14.9% പേർ 24 മണിക്കൂറിനുള്ളിൽ പൂർത്തിയാക്കി.
- പൂർത്തിയാക്കിയ 16,071 പേരിൽ, ക്ഷണത്തിൽ നിന്ന് AI ഇന്റർവ്യൂ പൂർത്തിയാക്കുന്നതുവരെയുള്ള ശരാശരി സമയം 24.8 മണിക്കൂർ ആയിരുന്നു.
- ആ 16,071 പേരിൽ 22.2% പേർ വന്നത്, ശരാശരി 48 മണിക്കൂറിൽ അയച്ച ആദ്യത്തെ ഓട്ടോമാറ്റിക് ഓർമ്മപ്പെടുത്തലിന് ശേഷമാണ്.
Matched Talent ക്ഷണങ്ങൾ ഒഴിവാക്കിയിട്ടുണ്ട്. പൂർത്തിയാക്കിയവർക്ക് മാത്രമാണ് സമയം ഉള്ളത്. ലിങ്ക് തുറക്കാത്ത ക്ഷണിക്കപ്പെട്ടവർക്കാണ് ഓർമ്മപ്പെടുത്തലുകൾ പോകുന്നത്, അതിനാൽ ഇത് കാരണമല്ല, സമയക്രമം കാണിക്കുന്നു.

ക്ഷണം പൂർത്തിയാക്കാനുള്ള വക്രം: റിക്രൂട്ടർ ക്ഷണത്തിന് 14 ദിവസത്തിനുള്ളിൽ പൂർത്തിയാക്കിയ 16,071 പേരിൽ, 4.9% പേർ 1 മണിക്കൂറിനുള്ളിലും 48.2% പേർ 24 മണിക്കൂറിനുള്ളിലും പൂർത്തിയാക്കി. 74.3% പേർ 48 മണിക്കൂറിനുള്ളിലും 98.3% പേർ 7 ദിവസത്തിനുള്ളിലും പൂർത്തിയാക്കി.
ക്ഷണിക്കപ്പെട്ട അപേക്ഷകരിൽ 14.9% പേർ മാത്രമാണ് ഒരു ദിവസത്തിനുള്ളിൽ പൂർത്തിയാക്കുന്നത്, പൂർത്തിയാക്കിയവരിൽ 22.2% പേർ വന്നത് ആദ്യ ഓർമ്മപ്പെടുത്തലിന് ശേഷമാണ്. സ്വയം നിയന്ത്രിക്കാവുന്ന ഇന്റർവ്യൂവിന്, നിങ്ങളുടെ ടൂൾ ഇത് ചെയ്യുന്നില്ലെങ്കിൽ, 2-ാം ദിവസവും 5-ാം ദിവസവും ഓർമ്മപ്പെടുത്തുക. തത്സമയ സ്ലോട്ടിന്, ഞങ്ങളുടെ ഇന്റർവ്യൂ ക്ഷണ ഗൈഡിൽ ഉള്ള തലേദിവസത്തെ ഓർമ്മപ്പെടുത്തൽ ഉപയോഗിക്കുക.
4. നല്ല ഉദ്യോഗാർത്ഥികളെ നിരസിക്കാതെ എന്റെ കൂമ്പാരം കുറയ്ക്കാൻ knock-out ചോദ്യങ്ങൾക്ക് കഴിയുമോ?
കഴിയും, ഓരോ knock-out-ഉം ജോലിക്ക് യഥാർത്ഥത്തിൽ ആവശ്യമായ ഒരു രേഖാമൂലമുള്ള ആവശ്യകതയുടെ അതെ/ഇല്ല പരിശോധനയാണെങ്കിൽ. ഇടവേളകൾ അല്ലെങ്കിൽ ബിരുദങ്ങൾ പോലുള്ള പ്രോക്സികളിൽ നിർമ്മിച്ച നിയമങ്ങൾ, കാണാതെ നല്ല ആളുകളെ നിരസിക്കുന്നു.
UK-യിൽ ഒരു ഓട്ടോമാറ്റിക് ഇല്ല സമർത്ഥിക്കാവുന്ന ഒറ്റ ഘട്ടമാണ് ഇത്. ജോലി ചെയ്യാനുള്ള അവകാശം പോലുള്ള രേഖാമൂലമുള്ള ആവശ്യകതയിൽ ഒരു അതെ/ഇല്ല knock-out ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കലല്ല എന്ന് ICO പറയുന്നു. പാസ് മാർക്കിന് താഴെയുള്ളവരെ യാന്ത്രികമായി നിരസിക്കുന്ന ഒരു ഫിറ്റ് സ്കോർ അതാണ്.
കെണി പ്രോക്സിയാണ്. അതേ അടിസ്ഥാന Harvard Business School, Accenture പഠനത്തിൽ, മിഡിൽ-സ്കിൽ ഉദ്യോഗാർത്ഥികളെ ഫിൽട്ടർ ചെയ്ത 48% തൊഴിലുടമകൾ 6 മാസത്തിലധികം നീളുന്ന ഒരു തൊഴിൽ ഇടവേള ഉപയോഗിച്ചു. ഒരു അടിസ്ഥാന കേസിൽ, ഉദ്യോഗാർത്ഥികളെ പ്രായം അനുസരിച്ച് നിരസിക്കുന്നു എന്ന് ആരോപിക്കപ്പെട്ട സോഫ്റ്റ്വെയറിന് iTutorGroup $365,000 നൽകി (EEOC).
ഓരോ നിയമവും ലൈവ് ആകുന്നതിന് മുമ്പ് 20 മുൻ അപേക്ഷകരിൽ പരീക്ഷിക്കുക, തുടർന്ന് ഓരോ റോളിനും നിരസിച്ച 24 ഫയലുകൾ വീണ്ടും വായിക്കുക, 300-ന്റെ 8%.
| നിയമം | നിലനിർത്തണോ? | എന്തുകൊണ്ട് |
|---|---|---|
| ജോലി ചെയ്യാനുള്ള അവകാശം അല്ലെങ്കിൽ ആവശ്യമായ ലൈസൻസ് | നിലനിർത്തുക | രേഖാമൂലമുള്ള നിയമപരമായ ആവശ്യകത |
| പോസ്റ്റിംഗിൽ അച്ചടിച്ച ഷിഫ്റ്റുകൾ അല്ലെങ്കിൽ ശമ്പള പരിധി | നിലനിർത്തുക | അച്ചടിച്ചത്, അതിനാൽ അതെ അല്ലെങ്കിൽ ഇല്ല; ശമ്പള ചരിത്രം ഒരിക്കലും ചോദിക്കരുത് |
| 6 മാസത്തിലധികം നീളുന്ന തൊഴിൽ ഇടവേള | ഒഴിവാക്കുക | ഒരു പ്രോക്സി, 48% പേർ ഉപയോഗിച്ചത് |
| നിയമം ആവശ്യപ്പെടാത്ത ബിരുദം | ഒഴിവാക്കുക | ഒരു പ്രോക്സി, പകരം നൈപുണ്യം സ്കോർ ചെയ്യുക |
| പ്രായം അല്ലെങ്കിൽ ജനനത്തീയതി | ഒഴിവാക്കുക | നേരിട്ടുള്ള പ്രായ സ്ക്രീനിംഗ് |
| ബിരുദവർഷം | ഒഴിവാക്കുക | ഒരു പ്രായ പ്രോക്സി, പകരം നൈപുണ്യങ്ങൾ ചോദിക്കുക |
അപേക്ഷിച്ചതിന് 3 മുതൽ 5 ദിവസത്തിനുള്ളിൽ നിരസിക്കൽ അയക്കുക, 2025 CandE ടോപ്പ്-10 വിജയികളിൽ 60% പേർ പാലിച്ച വേഗതയാണിത്. കാരണം വ്യക്തമാക്കുക, സ്കോർ പ്രയോഗിച്ചിട്ടില്ല എന്ന് പറയുക, ഒരു വ്യക്തിയിലേക്ക് എത്താനുള്ള വഴി വാഗ്ദാനം ചെയ്യുക. ഞങ്ങളുടെ നിരസിക്കൽ ഇമെയിൽ ടെംപ്ലേറ്റുകളിൽ ടയറുകൾ ഉണ്ട്.
വിഷയം: [Company]-യിൽ [Role]: ഞങ്ങളുടെ തീരുമാനം
ഹായ് [First name], [Role]-ന് അപേക്ഷിച്ചതിന് നന്ദി. ഈ റോളിന് [requirement] ആവശ്യമാണ്, നിങ്ങളുടെ ഉത്തരം നിങ്ങൾക്ക് അതില്ല എന്ന് പറയുന്നു. ഈ തീരുമാനം ആ ഉത്തരത്തിൽ മാത്രം അധിഷ്ഠിതമാണ്, CV സ്കോർ ഒന്നുമില്ല. ഞങ്ങൾ അത് തെറ്റായി വായിച്ചെങ്കിൽ, മറുപടി അയക്കുക, ഒരു വ്യക്തി വീണ്ടും നോക്കും.
[Name], [Company]
5. ഒരു AI ആദ്യ ഇന്റർവ്യൂ നടത്തിയാൽ നല്ല സ്ഥാനാർത്ഥികൾ പിന്മാറുമോ, അതല്ലെങ്കിൽ ഞങ്ങളെ വിശ്വസിക്കുന്നത് നിർത്തുമോ?
ചിലർ അങ്ങനെ ചെയ്യും, അതിനാൽ ഇത് ഒരു AI ആണെന്നും ഉത്തരങ്ങളുമായി അത് എന്ത് ചെയ്യുന്നു എന്നും വ്യക്തമായി പറയുക. 1 വലിയ ഫീൽഡ് ടെസ്റ്റിൽ, AI ഇന്റർവ്യൂ ചെയ്ത സ്ഥാനാർത്ഥികൾക്ക് കൂടുതൽ ഓഫറുകൾ ലഭിച്ചു, തിരഞ്ഞെടുപ്പ് നൽകിയപ്പോൾ 78% അത് തിരഞ്ഞെടുത്തു.
വിശ്വാസവിടവ് യാഥാർത്ഥ്യമാണ്, കാരണം 1Q25-ലെ Gartner സർവേയിൽ 2,918 സ്ഥാനാർത്ഥികളിൽ 26% മാത്രമാണ് AI തങ്ങളെ നീതിയോടെ മൂല്യനിർണ്ണയം ചെയ്യുമെന്ന് വിശ്വസിച്ചത്. US ജോബ് സീക്കർമാരെക്കുറിച്ചുള്ള Greenhouse-ന്റെ 2026 സർവേയിൽ, 38% AI ഇന്റർവ്യൂ കാരണം പിന്മാറിയിരുന്നു, 44% മുൻകൂട്ടി അറിയിക്കണമെന്ന് ആഗ്രഹിച്ചു.
ഈ ഫീൽഡ് ടെസ്റ്റ് എൻട്രി-ലെവൽ കസ്റ്റമർ-സർവീസ് ജോലികൾക്ക് നിയമനം നടത്തുന്ന 1 ഫിലിപ്പീൻ റിക്രൂട്ട്മെന്റ് സ്ഥാപനത്തിലെ Jabarian, Henkel എന്നിവരുടെ ഒരു പ്രീപ്രിന്റ് ആണ്. റാൻഡമൈസ് ചെയ്ത 67,056 അപേക്ഷകളിൽ 53,660 ഒരു AI-ക്കോ മനുഷ്യ ഇന്റർവ്യൂവർക്കോ പോയി. AI-യിൽ ഓഫറുകൾ 9.73% ആയിരുന്നു, മനുഷ്യരിൽ 8.70%, എല്ലാ നിയമന തീരുമാനങ്ങളും എടുത്തത് മനുഷ്യരാണ്.
അപേക്ഷകർ AI ഇന്റർവ്യൂകളെ കുറച്ചുകൂടി സ്വാഭാവികത കുറഞ്ഞതായി വിലയിരുത്തി, AI തിരഞ്ഞെടുത്തവർ ഭാഷാ, വിശകലന പരീക്ഷകളിൽ കുറഞ്ഞ സ്കോർ നേടി.
മനുഷ്യർ നടത്തിയ ഇന്റർവ്യൂകളെക്കുറിച്ചുള്ള ഒരു അടിസ്ഥാനപരമായ 2022 അവലോകനത്തിൽ, എഴുത്തുരൂപത്തിലുള്ള ഒരു റൂബ്രിക്കിൽ ഒരേ ചോദ്യങ്ങൾ ചോദിച്ചത് അയഞ്ഞ സംഭാഷണങ്ങളെക്കാൾ പ്രകടനം നന്നായി പ്രവചിച്ചു.
AI ഒരു വീഡിയോ ഇന്റർവ്യൂ വിശകലനം ചെയ്യുന്നതിന് മുൻപ് Illinois ആവശ്യപ്പെടുന്ന സമ്മത ചെക്ക്ബോക്സിനൊപ്പം ഈ അറിയിപ്പ് നിങ്ങളുടെ ഇന്റർവ്യൂ ക്ഷണത്തിൽ ഉൾപ്പെടുത്തുക.
ഈ ഇന്റർവ്യൂ ഒരു AI നടത്തുന്നു. എല്ലാ അപേക്ഷകരോടും ഇത് ഒരേ ചോദ്യങ്ങൾ ചോദിക്കുന്നു, ഉത്തരം അപര്യാപ്തമാകുമ്പോൾ ഒരു ഫോളോ-അപ്പും ചോദിക്കുന്നു, ഉത്തരങ്ങൾ റോളിന്റെ മാനദണ്ഡങ്ങൾക്കെതിരെ സ്കോർ ചെയ്യുന്നു. [ഞങ്ങളുടെ റിക്രൂട്ടർമാർക്കും ഹയറിംഗ് മാനേജർക്കും] നിങ്ങളുടെ റെക്കോർഡിംഗ് കാണാം, ഞങ്ങൾ അത് [period] സൂക്ഷിക്കും. ഒരു വ്യക്തി റിപ്പോർട്ട് വായിച്ച് തീരുമാനമെടുക്കും. ഒരു ക്രമീകരണത്തിനോ ഒരു വ്യക്തിക്കോ വേണ്ടി, ഈ ഇമെയിലിന് മറുപടി നൽകുക.
[ ] ഈ AI നടത്തുന്ന ഇന്റർവ്യൂവിൽ പങ്കെടുക്കാൻ ഞാൻ സമ്മതിക്കുന്നു.
Flowmingo ഡാറ്റ · 41,126 പൂർത്തിയായ AI ഇന്റർവ്യൂകൾ · 856 കമ്പനികൾ · ഇന്റർവ്യൂകൾ ആരംഭിച്ചത് 24 ജൂൺ മുതൽ 19 സെപ്റ്റംബർ 2026 വരെ
- പൂർത്തിയായ AI ഇന്റർവ്യൂകളിൽ 60.6% സ്ഥാനാർത്ഥിയുടെ പ്രാദേശിക സമയത്ത് തിങ്കൾ മുതൽ വെള്ളി വരെ 9:00 മുതൽ 17:00 വരെയുള്ള സമയത്തിന് പുറത്താണ് പൂർത്തിയായത്.
- 34.4% പ്രവൃത്തിദിവസങ്ങളിലെ വൈകുന്നേരങ്ങളിൽ 17:00 മുതൽ അർദ്ധരാത്രി വരെ പൂർത്തിയായി, 17.6% വാരാന്ത്യങ്ങളിൽ.
പ്രാദേശിക സമയം സ്ഥാനാർത്ഥിയുടെ കണക്ഷനിൽ നിന്ന് കണക്കാക്കുന്നു, പ്രവൃത്തിദിവസങ്ങളിൽ 9 മുതൽ 5 വരെ എന്ന് അനുമാനിക്കുന്നു. അപേക്ഷകരിൽ ഏകദേശം 61% ഇന്ത്യയിലും നൈജീരിയയിലുമാണ്, ഇത് സമയം കാണിക്കുന്നു, മുൻഗണനയല്ല.

സമയത്തിന് പുറത്തുള്ള പൂർത്തീകരണങ്ങൾ: 41,126 പൂർത്തിയായ AI ഇന്റർവ്യൂകളിൽ, 34.4% പ്രവൃത്തിദിവസങ്ങളിലെ വൈകുന്നേരങ്ങളിൽ, 17.6% വാരാന്ത്യങ്ങളിൽ, 8.6% പ്രവൃത്തിദിവസങ്ങളിൽ 9:00-ന് മുൻപ് പൂർത്തിയായി. അതായത് 39.4% പ്രവൃത്തിദിവസത്തിലെ 9 മുതൽ 5 വരെയുള്ള സമയത്ത് പൂർത്തിയായി.
അതായത് 10 സ്ഥാനാർത്ഥികളിൽ 6 പേരും തങ്ങളുടെ സ്വന്തം ടൈം സോണിൽ ആഴ്ചയിലെ ജോലിദിവസത്തിലെ രാവിലെ 9 മുതൽ വൈകുന്നേരം 5 വരെയുള്ള സമയത്തിന് പുറത്താണ് പൂർത്തിയാക്കിയത്.
Flowmingo എങ്ങനെ സഹായിക്കുന്നു
AI ഇന്റർവ്യൂവർ ഉപയോഗിച്ച് നിങ്ങൾ 1 ലിങ്ക് അയയ്ക്കുന്നു, ഓരോ അപേക്ഷകനും അവരവരുടെ സമയത്ത് ഇന്റർവ്യൂ നടത്തുന്നു. റെക്കോർഡിംഗ്, ട്രാൻസ്ക്രിപ്റ്റ്, ഓരോ മാനദണ്ഡത്തിനും കാരണത്തോടെ 10-ൽ ഒരു സ്കോർ എന്നിവ നിങ്ങൾക്ക് ലഭിക്കും, ആരാണ് മുന്നോട്ട് പോകുന്നതെന്ന് തീരുമാനിക്കുന്നത് എപ്പോഴും നിങ്ങളുടെ വിളിയാണ്.
6. സോഫ്റ്റ്വെയർ എന്റെ CV-കൾ സ്കോർ ചെയ്ത് റാങ്ക് ചെയ്യണോ, അതോ അവിടെയാണോ ഓട്ടോമേഷൻ തെറ്റിപ്പോകുന്നത്?
കൂമ്പാരം ക്രമീകരിക്കാൻ സ്കോറുകൾ ഉപയോഗിക്കുക, അതിന് മുകളിലും താഴെയുമുള്ള സാമ്പിളുകൾ വായിച്ചതിന് ശേഷം കട്ട് ഓഫ് ചെയ്യുന്നത് പേര് പറയുന്ന ഒരു വ്യക്തി അംഗീകരിക്കട്ടെ.
സ്കോറിംഗിന് രേഖപ്പെടുത്തിയ 2 പരാജയങ്ങളുണ്ട്:
- പേരുകൾ: എംബെഡ്ഡിംഗ് മോഡലുകളുടെ ഒരു റെസ്യൂം ഓഡിറ്റിൽ, വെള്ളക്കാരുമായി ബന്ധപ്പെട്ട പേരുകൾ മത്സര താരതമ്യങ്ങളിൽ 85.1% വിജയിച്ചു, എന്നിരുന്നാലും ഫലം ഉപയോഗിച്ച പേരുകളെ ആശ്രയിച്ചിരിക്കുന്നു.
- ക്രമം: 22 AI മോഡലുകൾ തുല്യ യോഗ്യതയുള്ള 2 CV-കളിൽ ആദ്യം ലിസ്റ്റ് ചെയ്തതിനെ 63.5% സമയത്ത് തിരഞ്ഞെടുത്തു.
മനുഷ്യന്റെ സ്ക്രീനിംഗും സുരക്ഷിതമായ അടിസ്ഥാനരേഖയല്ല. ഒരു Fortune 500 കമ്പനിയിൽ, റിക്രൂട്ടർമാർ ഇന്റർവ്യൂ ചെയ്യാൻ തിരഞ്ഞെടുത്തവരിൽ 10% പേർക്കാണ് ജോലി ലഭിച്ചത്, മോഡലുകൾക്ക് കണക്കാക്കിയ 27% മുതൽ 32% വരെയുള്ളതിനെതിരെ.
എന്നിട്ടും സ്റ്റാൻഡേർഡ് മോഡൽ ഇന്റർവ്യൂ ചെയ്യപ്പെട്ടവരിൽ കറുത്തവരുടെയും ഹിസ്പാനിക് വിഭാഗത്തിന്റെയും പങ്ക് 9.4% ൽ നിന്ന് 4.2% ആയി കുറച്ചു. ഒരു എക്സ്പ്ലോറേഷൻ മോഡൽ അത് 24.3% ആയി ഉയർത്തി, അതിനാൽ ആരാണ് ഒഴിവാക്കപ്പെടുന്നതെന്ന് രൂപകൽപ്പനയാണ് തീരുമാനിക്കുന്നത്.
കട്ട് ഓഫിന്റെ ഉടമസ്ഥൻ അതിന് താഴെയുള്ള ബാൻഡും ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത 20 CV-കളും വായിച്ചതിന് ശേഷം മാത്രമേ വരിയുടെ താഴെയുള്ള നിരസനങ്ങളിൽ ഒപ്പിടൂ. ആ 20-ൽ 2-ൽ കൂടുതൽ പേർ നിങ്ങൾ ഇന്റർവ്യൂ ചെയ്യുന്ന വ്യക്തികളാണെങ്കിൽ, ആദ്യം അടുത്ത 20 വായിക്കൂ.
എല്ലാ അപേക്ഷകളും പരിഗണിക്കാതെ റാങ്ക് ചെയ്ത് പിന്നീട് നിരസിക്കുന്നതിനെ ICO ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കലായി കണക്കാക്കുന്നു. അതിനാൽ 300-ൽ 60 എണ്ണം വായിക്കുന്നത് ബാക്കി 240 നിരസനങ്ങളെ മനുഷ്യന്റെ തീരുമാനങ്ങളാക്കുന്നില്ല.
EU-യിൽ, ഒരു നിരസനത്തിന് മുമ്പ് ഓരോ ഫയലും ഒരു വ്യക്തി നോക്കണം (വിഭാഗം 7.1). UK-യിൽ, സുരക്ഷാ സംവിധാനങ്ങളോടെ ഓട്ടോമേറ്റഡ് നിരസനങ്ങൾ അനുവദനീയമാണ്: ഒരു സ്കോർ ഉപയോഗിച്ചിരുന്നുവെന്ന് പറയുകയും ഒരു വ്യക്തിയെ വാഗ്ദാനം ചെയ്യുകയും ചെയ്യുക.

അടുത്തതായി ക്രമീകരിക്കുക, തുടർന്ന് ഒരു വ്യക്തി കട്ട് അംഗീകരിക്കുന്നു: മുകളിലെ 20, അടുത്ത 20, ബാക്കിയുള്ള 260-ൽ നിന്ന് ക്രമരഹിതമായി 20 എന്നിവ വായിക്കുക. അതായത് 300 CV-കളിൽ 60, വായിക്കാത്ത 240 നിരസിക്കലുകൾ ഓട്ടോമേറ്റഡ് ആയി കണക്കാക്കുന്നു.
ഏതെങ്കിലും AI താരതമ്യത്തിന് മുമ്പ് ക്രമം കലക്കി മാറ്റി രണ്ടുതവണ പ്രവർത്തിപ്പിക്കുക, കാരണം ആദ്യം ലിസ്റ്റ് ചെയ്ത CV കൂടുതൽ തവണ വിജയിക്കുന്നു. ഞങ്ങളുടെ candidate shortlisting guide-ൽ പൂർണ്ണ രീതി ഉണ്ട്.
Flowmingo എങ്ങനെ സഹായിക്കുന്നു
CV Evaluation ഒരു ജോലി വിവരണം പേസ്റ്റ് ചെയ്യുമ്പോൾ നിങ്ങൾ തിരുത്താവുന്നതും പ്രാധാന്യം അനുസരിച്ച് റേറ്റ് ചെയ്യാവുന്നതുമായ മാനദണ്ഡങ്ങളാക്കി മാറ്റുന്നു, കൂടാതെ ഓരോ CV-യും എഴുതപ്പെട്ട തെളിവുകളോടെ 10-ൽ സ്കോർ ചെയ്യുന്നു. ഒരു Must Have ഭാരം മാത്രം മാറ്റുന്നു, അതിനാൽ ആര് മുന്നോട്ട് പോകണം എന്ന് നിങ്ങൾ തീരുമാനിക്കുന്നു.
7. ഓരോ നിരസിക്കലും ഒരു വ്യക്തി വായിക്കേണ്ടതുണ്ടോ, അല്ലെങ്കിൽ കുറഞ്ഞ സ്കോർ ഉള്ളവരെ recruiting automation ഓട്ടോ-റിജക്റ്റ് ചെയ്യാമോ?
ഞങ്ങളുടെ നിയമം: എഴുതപ്പെട്ട ഒരു ആവശ്യകതയ്ക്കുള്ള അതെ/ഇല്ല എന്ന നിയമത്തിൽ മാത്രം ഓട്ടോ-റിജക്റ്റ് ചെയ്യുക. മറ്റെല്ലാ നിരസിക്കലുകൾക്കും തെളിവുകൾ വായിച്ച ഒരു പേരുള്ള വ്യക്തി വേണം, അല്ലെങ്കിൽ ഒരു വ്യക്തിയിലേക്കുള്ള വഴിയോടെ ഓട്ടോമേറ്റഡ് തീരുമാനമായി പോകണം.
ഇതിൽ 5 വ്യവസ്ഥകളുണ്ട്:
- ഏക ഓട്ടോമാറ്റിക് നോ എന്നത് എല്ലാവർക്കും ബാധകമാക്കുന്ന, ഒരു വ്യക്തിയുടെ ഉടമസ്ഥതയിലുള്ള എഴുതപ്പെട്ട നോക്ക്-ഔട്ട് മാത്രമാണ്.
- അത് മറികടക്കാനുള്ള അധികാരമുള്ള ഒരു പേരുള്ള വ്യക്തി മറ്റെല്ലാ നിരസിക്കലുകളും എടുക്കുകയോ അംഗീകരിക്കുകയോ ചെയ്യുന്നു (Article 26 കൂടാതെ Article 14, 2027 ഡിസംബർ 2 മുതൽ). വായിക്കാത്ത നിരസിക്കലുകൾ ഓട്ടോമേറ്റഡ് ആയി കണക്കാക്കുന്നു (വിഭാഗം 7.1).
- AI-യുടെ തിരഞ്ഞെടുപ്പിന് മുമ്പ് ഒരു അഭിപ്രായം രൂപപ്പെടുത്തുക, കാരണം 2025-ലെ ഒരു പരീക്ഷണത്തിൽ 528 പേർ പിന്തുടർന്നു മനഃപൂർവം പക്ഷപാതമുള്ള ഒരു AI-യെ 90% വരെ.
- ഓരോ നിരസിക്കലും ലളിതമായ ഒരു കാരണവും ഒരു വ്യക്തിയിലേക്കുള്ള വഴിയും വഹിക്കുന്നു.
- EU-വിൽ കുറഞ്ഞത് 6 മാസം, California-യിൽ കുറഞ്ഞത് 4 വർഷം, ലോ-ഫേം സംഗ്രഹങ്ങൾ പ്രകാരം Colorado-യിൽ 3 വർഷം ലോഗുകൾ സൂക്ഷിക്കുക.
7.1 ഒരു വ്യക്തി നോക്കാതെ EU-വിലോ UK-യിലോ ഞാൻ ഓട്ടോ-റിജക്റ്റ് ചെയ്യാമോ, അതോ GDPR Article 22 അത് വിലക്കുന്നുണ്ടോ?
EU-യിൽ, ഒരു സ്കോർ മാത്രം അടിസ്ഥാനമാക്കി അല്ല: ആർട്ടിക്കിൾ 22(1) സ്വയമേവയുള്ള പ്രോസസ്സിംഗ് മാത്രം അടിസ്ഥാനമാക്കിയുള്ള ഒരു പ്രധാന തീരുമാനം നേരിടേണ്ടിവരാതിരിക്കാനുള്ള അവകാശം ആളുകൾക്ക് നൽകുന്നു. UK-യിൽ 2026 ഫെബ്രുവരി 5 മുതൽ സുരക്ഷാ ഉറപ്പുകളോടെ ഇത് ചെയ്യാം, പക്ഷേ സ്വയമേവ നിരസിക്കുന്ന ഒരു fit സ്കോറിനെ ICO ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കലായി കണക്കാക്കുന്നു.
മനുഷ്യ ഇടപെടലില്ലാത്ത e-recruiting-നെ Recital 71 ഒരു ഉദാഹരണമായി പേരെടുത്ത് പറയുന്നു. അടിസ്ഥാന SCHUFA വിധിയിൽ, ഒരു ക്രെഡിറ്റ് കേസിൽ, ഉപയോക്താക്കൾ ഒരു സ്കോറിനെ ശക്തമായി ആശ്രയിക്കുമ്പോൾ അതിനെ തീരുമാനമായി കോടതി കണക്കാക്കി.
8. recruiting automation നല്ല ആളുകളെ നിശ്ശബ്ദമായി നിരസിക്കുന്നുണ്ടെന്ന് ഞാൻ എങ്ങനെ അറിയും, ആദ്യം എന്താണ് തകരുന്നത്?
നിങ്ങൾ ഒരിക്കലും കാണാത്ത കൂമ്പാരം നോക്കുക, കാരണം ഒരു നിശ്ശബ്ദ നിയമം അവിടെയാണ് ഒളിക്കുന്നത്. ഓരോ ആഴ്ചയും ഏറ്റവും കുറഞ്ഞ സ്കോറുകളും നിരസിക്കലുകളും സാമ്പിൾ ചെയ്യുക, കൂടാതെ ഗ്രൂപ്പ് അനുസരിച്ച് ഫലങ്ങൾ താരതമ്യം ചെയ്യുക.
ഞങ്ങളുടെ വിലയിരുത്തലിൽ, പ്രോക്സി നിയമങ്ങളാണ് ആദ്യം തകരുന്നത്, പിന്നെ സ്കോറിംഗും ക്രമ ബയസും, അതിനുശേഷം ടൂൾ ദുരുപയോഗം ചെയ്യുന്ന സ്ഥാനാർത്ഥികളും. 1,200 US ജോലി അന്വേഷകരിൽ Greenhouse നടത്തിയ 2025-ലെ സർവേയിൽ, 41% പേർ prompt injections ഉപയോഗിക്കുന്നതായി സമ്മതിക്കുന്നു.
2025 ജൂണിൽ 2 ഗവേഷകർ McDonald's ഫ്രാഞ്ചൈസികൾക്കുള്ള Paradox.ai-യുടെ റിക്രൂട്ട്മെന്റ് ചാറ്റ്ബോട്ടായ McHire-ൽ, സ്ഥിരസ്ഥിതി ലോഗിൻ 123456 ഉപയോഗിച്ച് പ്രവേശിച്ചു (Carroll and Curry). റെക്കോർഡ് നമ്പറിംഗിൽ നിന്ന് കണക്കാക്കിയതനുസരിച്ച്, 64 ദശലക്ഷത്തിലധികം അപേക്ഷകരുടെ വ്യക്തിഗത വിവരങ്ങൾ ഇവർക്ക് ലഭ്യമായിരുന്നുവെന്ന് അവർ പറഞ്ഞു.
ഞങ്ങളുടെ അനുഭവാധിഷ്ഠിത ക്യാഡൻസുകളിൽ ഈ 5 പരിശോധനകൾ നടത്തുക:
- ആഴ്ചതോറും, ഓരോ റോളിനും ഏകദേശം 40 മിനിറ്റ്: ഏറ്റവും കുറഞ്ഞ സ്കോർ ലഭിച്ചതോ നിരസിക്കപ്പെട്ടതോ ആയ 20 ഫയലുകൾ വായിക്കുക.
- ആഴ്ചതോറും: 48 മണിക്കൂറിനുള്ളിൽ ഒരു വ്യക്തി വീണ്ടും തുറക്കുകയോ തിരുത്തുകയോ ചെയ്യുന്ന പ്രവർത്തനങ്ങൾ എണ്ണുക.
- മാസംതോറും: ടൂളിന്റെ ടോപ്പ് 20-നെ 10 CV-കളിൽ നിങ്ങളുടേതുമായി താരതമ്യം ചെയ്യുക.
- പാദവാർഷികമായി: ശേഖരിക്കാൻ നിയമപരമായി അനുവദനീയമായിടത്ത്, ഓരോ ഗ്രൂപ്പിന്റെയും സെലക്ഷൻ നിരക്കിനെ ടോപ്പ് ഗ്രൂപ്പിന്റേതുകൊണ്ട് ഹരിക്കുക. 80%-ൽ താഴെയുള്ളത്, ദീർഘകാലമായി നിലനിൽക്കുന്ന ഒരു US അനുഭവതത്വമാണ്, നിങ്ങളുടെ സ്വന്തം മോണിറ്ററായി കണക്കാക്കുക. 2026 ജൂൺ 9-ന് ജസ്റ്റിസ് ഡിപ്പാർട്ട്മെന്റിന്റെ Office of Legal Counsel അതിന് പിന്നിലുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങൾ Title VII-ന്റെ ഭരണഘടനാവിരുദ്ധമായ വ്യാഖ്യാനത്തിൽ അധിഷ്ഠിതമാണെന്ന് പറഞ്ഞു.
- പാദവാർഷികമായി: പേരുകൾ മറച്ച്, ക്രമം മാറ്റി 5 CV-കൾ വീണ്ടും പ്രവർത്തിപ്പിക്കുക.

ആഴ്ചതോറുമുള്ള ഓഡിറ്റ്: 5 പരിശോധനകൾ, 2 ആഴ്ചതോറും, 1 മാസംതോറും, 2 പാദവാർഷികമായും. കുറഞ്ഞ സ്കോർ ലഭിച്ച 20 ഫയലുകൾ വായിക്കുന്നത് മുതൽ പേരുകൾ മറച്ച് ക്രമം മാറ്റി 5 CV-കൾ വീണ്ടും പ്രവർത്തിപ്പിക്കുന്നത് വരെയാണ് അവ.
20-ൽ 2-ൽ കൂടുതൽ പേർക്ക് ഇന്റർവ്യൂ ലഭിക്കുമായിരുന്നെങ്കിൽ, മാനദണ്ഡങ്ങൾ തിരുത്തുക — ഇതാണ് ഞങ്ങളുടെ അനുഭവതത്വം.
9. EU AI Act പ്രകാരം എന്റെ സ്ക്രീനിംഗ് ടൂൾ ഉയർന്ന അപകടസാധ്യതയുള്ളതാണോ, പുതിയ തീയതികൾ ഏതൊക്കെയാണ്?
നിങ്ങളുടെ റിക്രൂട്ടിംഗ് ഓട്ടോമേഷനിലെ AI CV-കൾ ഫിൽട്ടർ ചെയ്യുകയോ സ്ഥാനാർത്ഥികളെ സ്കോർ ചെയ്യുകയോ റാങ്ക് ചെയ്യുകയോ ഇന്റർവ്യൂവിൽ അവരെ വിലയിരുത്തുകയോ ചെയ്യുന്നുണ്ടെങ്കിൽ, അതെ. തൊഴിലുടമകൾക്കുള്ള ബാധ്യതകൾ 2026 ഓഗസ്റ്റ് 2-ൽ നിന്ന് 2027 ഡിസംബർ 2-ലേക്ക് മാറ്റി.
Annex III point 4(a) അപേക്ഷകൾ വിശകലനം ചെയ്യുകയും ഫിൽട്ടർ ചെയ്യുകയും സ്ഥാനാർത്ഥികളെ വിലയിരുത്തുകയും ചെയ്യുന്ന AI-യെ ഉയർന്ന അപകടസാധ്യതയുള്ളതായി പട്ടികപ്പെടുത്തുന്നു, ഷെഡ്യൂളിംഗ് അല്ലെങ്കിൽ സ്റ്റാറ്റസ് സന്ദേശങ്ങളെ പേരെടുത്ത് പറയുന്നുമില്ല. Regulation (EU) 2026/1744 തീയതി മാറ്റി, 2026 ജൂലൈ 27 മുതൽ ഇത് പ്രാബല്യത്തിലുണ്ട് (EUR-Lex, Steptoe).
| തീയതി | എന്താണ് തുടങ്ങുന്നത് |
|---|---|
| 2025 ഫെബ്രുവരി 2 | Article 5-ലെ നിരോധനങ്ങൾ, ഹയറിംഗിൽ വികാരങ്ങൾ വായിക്കുന്നത് ഉൾപ്പെടെ |
| 2026 ഓഗസ്റ്റ് 2 | Article 50(1), ഒരു ദാതാവിന്റെ ബാധ്യത: ആളുകളോട് സംസാരിക്കുന്ന AI അത് ഒരു AI ആണെന്ന് അവരോട് പറയണം |
| 2027 ഡിസംബർ 2 | ഹയറിംഗ് AI ഉപയോഗിക്കുന്ന തൊഴിലുടമകൾക്കുള്ള Annex III ബാധ്യതകൾ: മേൽനോട്ടം, കുറഞ്ഞത് 6 മാസത്തെ ലോഗുകൾ, അറിയിപ്പ് |

AI ഉപയോഗിച്ചുള്ള നിയമനത്തിനായുള്ള EU തീയതികൾ: വികാരങ്ങൾ വായിക്കുന്നതിനുള്ള നിരോധനം 2025 ഫെബ്രുവരി 2 മുതൽ ബാധകമാണ്. നിയമന ഉപകരണങ്ങൾക്കായുള്ള തൊഴിലുടമയുടെ ചുമതലകൾ 2027 ഡിസംബർ 2 മുതൽ ആരംഭിക്കുന്നു.
വികാര നിരോധനവും ആർട്ടിക്കിൾ 50(1)-ഉം മാറിയിട്ടില്ല.
ആർട്ടിക്കിൾ 26-ൽ വിന്യസിക്കുന്നവർക്കായി ചെറുകിട സ്ഥാപനങ്ങൾക്കുള്ള ഒഴിവ് ഞങ്ങൾ കണ്ടെത്തിയില്ല; SMEs-ന് കുറഞ്ഞ പിഴ മാത്രമാണുള്ളത്. അതായത് ഒരു ഉയർന്ന അപകടസാധ്യതയുള്ള ഉപകരണം ഉപയോഗിക്കുന്ന ടീമിന് തയ്യാറാകാൻ ഏകദേശം 14 മാസമുണ്ട്.
തൊഴിലുടമയുടെ ചുമതലകൾ ലംഘിച്ചാൽ പിഴ EUR 15,000,000 അല്ലെങ്കിൽ ആഗോള വിറ്റുവരവിന്റെ 3%, ഇവയിൽ കൂടുതലുള്ളത്, SMEs-ന് കുറഞ്ഞ തുക വരെ എത്തുന്നു. മുഖം, ശബ്ദം അല്ലെങ്കിൽ ആംഗ്യങ്ങൾ എന്നിവയിൽ നിന്ന് നിയമനത്തിൽ വികാരങ്ങൾ അനുമാനിക്കുന്നതിനുള്ള നിരോധനം EUR 35,000,000 അല്ലെങ്കിൽ 7% വരെ ചെലവാകാം.
ഒരു ഉത്തരത്തിലെ വാക്കുകൾ ഒരു റൂബ്രിക്കിനെതിരെ സ്കോർ ചെയ്യുന്നത് മുഖമോ ശബ്ദമോ വായിക്കുന്നതിൽ നിന്ന് വ്യത്യസ്തമാണ്. വിഭാഗം 10.1-ലെ വിതരണക്കാരന്റെ ചോദ്യം 3 ഏതാണെന്ന് ചോദിക്കുന്നു. പൊതുവിവരം, നിയമോപദേശമല്ല.
10. NYC, Illinois, Colorado അല്ലെങ്കിൽ California നിയമങ്ങൾ 15 പേരുള്ള ഒരു കമ്പനിയെ ബാധിക്കുമോ, ആരാണ് ബാധ്യസ്ഥൻ?
അവർക്ക് സാധിക്കുമെന്ന് കരുതുക: NYC-യുടെ അടിസ്ഥാന FAQ വലിപ്പത്തിന്റെ പരിധി നിശ്ചയിക്കുന്നില്ല, കൂടാതെ ഒരു ലോ ഫേം Colorado-യുടെ നിയമം വെബ്-നിയമനം നടത്തുന്ന തൊഴിലുടമകൾക്ക് ഒഴിവാക്കാൻ പ്രയാസമാണെന്ന് വായിക്കുന്നു. ഒടുവിൽ ഉത്തരവാദിത്വം തൊഴിലുടമയ്ക്കാണ്, കൂടാതെ വിതരണക്കാരനും ക്ലെയിമുകൾ നേരിടേണ്ടിവരാം.
| എവിടെ | നിയമവും ആരംഭ തീയതിയും | നിങ്ങൾ നൽകേണ്ടത് |
|---|---|---|
| NYC | ലോക്കൽ ലോ 144 (അടിസ്ഥാനം), 2023 ജൂലൈ 5 മുതൽ നടപ്പാക്കി | NYC-ഓഫീസ് ജോലികൾക്ക്: ഒരു വർഷത്തിനുള്ളിൽ പക്ഷപാതത്തിനായുള്ള സ്വതന്ത്ര ഓഡിറ്റ്, പൊതു സംഗ്രഹം, NYC താമസക്കാർക്ക് 10 പ്രവൃത്തിദിവസം മുൻപ് അറിയിപ്പ് |
| Illinois | HB 3773, 2026 ജനുവരി 1; AI വീഡിയോ ഇന്റർവ്യൂ ആക്ട് | വിവേചനപരമായ AI-യോ സിപ് കോഡ് പ്രോക്സിയോ പാടില്ല; അറിയിപ്പ്. AI വീഡിയോ വിശകലനത്തിന്: അപേക്ഷകനെ അറിയിക്കുക, എന്താണ് പരിശോധിക്കുന്നതെന്ന് വിശദീകരിക്കുക, സമ്മതം നേടുക, ഒരു അഭ്യർത്ഥനയുടെ 30 ദിവസത്തിനുള്ളിൽ വീഡിയോ ഇല്ലാതാക്കുക |
| California | സിവിൽ റൈറ്റ്സ് കൗൺസിൽ, 2025 ഒക്ടോബർ 1 | വിതരണക്കാരെ നിങ്ങളുടെ ഏജന്റായി കണക്കാക്കുന്നു; ഓട്ടോമേറ്റഡ്-തീരുമാന ഡാറ്റ കുറഞ്ഞത് 4 വർഷം സൂക്ഷിക്കുക |
| Colorado | SB 26-189, 2027 ജനുവരി 1 | അറിയിപ്പ്; പ്രതികൂല തീരുമാനത്തിന്റെ 30 ദിവസത്തിനുള്ളിൽ ലളിതമായ വിവരണം; വാണിജ്യപരമായി ന്യായമായ സാഹചര്യത്തിൽ അഭ്യർത്ഥന പ്രകാരം മനുഷ്യ പരിശോധന |
പൊതുവിവരം, നിയമോപദേശമല്ല: Colorado-യുടെ നിയമത്തിൽ ചെറുകിട തൊഴിലുടമയ്ക്കുള്ള ഒഴിവ് ഞങ്ങൾ കണ്ടെത്തിയില്ല.
10.1 എന്റെ വിതരണക്കാരന്റെ ഉപകരണം വിവേചനം കാണിക്കുന്നുവെങ്കിൽ, ഞാൻ ബാധ്യസ്ഥനാണോ, ഒപ്പിടുന്നതിന് മുൻപ് ഞാൻ എന്ത് ചോദിക്കണം?
അതെ, നിങ്ങൾ ആകാം, കാരണം നിങ്ങൾക്കുവേണ്ടി സ്ക്രീൻ ചെയ്യുന്ന ഒരു വിതരണക്കാരനെ California നിങ്ങളുടെ ഏജന്റായി കണക്കാക്കുന്നു. Mobley കേസിൽ, Workday-നെതിരെ ക്ലെയിമുകൾ തുടരാൻ ഒരു കോടതി അനുവദിച്ചു; ഇത് വിതരണക്കാർ ക്ലെയിമുകൾ നേരിടുന്നു എന്ന് കാണിക്കുന്നു, നിങ്ങൾ കുറ്റവിമുക്തനാണെന്നല്ല. ഒപ്പിടുന്നതിന് മുൻപ് ഈ 7 ചോദ്യങ്ങൾ ചോദിക്കുക:
- EU അനെക്സ് III പ്രകാരം ഉപകരണത്തെ എങ്ങനെ വർഗ്ഗീകരിക്കുന്നു?
- കഴിഞ്ഞ വർഷത്തെ പക്ഷപാതത്തിനായുള്ള ഒരു സ്വതന്ത്ര ഓഡിറ്റ് പങ്കിടാമോ?
- ഇത് വാക്കുകളാണോ ശബ്ദമാണോ സ്കോർ ചെയ്യുന്നത്?
- സ്ഥാനാർത്ഥി ഡാറ്റ എവിടെയാണ് സൂക്ഷിക്കുന്നത്, ഞാൻ അത് എങ്ങനെ ഇല്ലാതാക്കും?
- McHire കണക്കിലെടുത്ത്, സുരക്ഷ എങ്ങനെ പരിശോധിക്കുന്നു?
- ഓരോ തീരുമാനത്തിന്റെയും കാരണവും ലോഗും എനിക്ക് എക്സ്പോർട്ട് ചെയ്യാമോ?
- ഇത് AI ആണെന്ന് സ്ഥാനാർത്ഥികളെ ആരാണ് അറിയിക്കുന്നത്?
10.2 എനിക്ക് HR ഇല്ലാത്ത 15 പേരുള്ള ഒരു കമ്പനിയുണ്ട്: ഈ മാസം ഞാൻ ചെയ്യേണ്ട ഏറ്റവും കുറഞ്ഞത് എന്താണ്?
ഈ 4 കാര്യങ്ങൾ ചെയ്യുക, ഇതാണ് ഞങ്ങളുടെ ഏറ്റവും കുറഞ്ഞ നിലവാരം, നിയമപരമായ മാനദണ്ഡമല്ല:
- സ്കോർ ചെയ്യുന്നതോ റാങ്ക് ചെയ്യുന്നതോ സ്ക്രീൻ ചെയ്യുന്നതോ ആയ എല്ലാ ടൂളുകളും പട്ടികപ്പെടുത്തുക, ശരി/അല്ല എന്ന നോക്ക്-ഔട്ടുകൾ ഒഴികെയുള്ള ഓട്ടോമാറ്റിക് നിരസനം ഓഫാക്കുക.
- AI അപേക്ഷകൾ തരംതിരിക്കാൻ സഹായിക്കുന്നു എന്ന് ഇത് ശരിയാണെങ്കിൽ, ജോലി പ്രഖ്യാപനങ്ങളിൽ 1 വരി ചേർക്കുക.
- നിരസനങ്ങൾക്ക് അംഗീകാരം നൽകുന്ന വ്യക്തിയെ പേരെടുത്ത് പറയുക, വായിക്കാത്ത നിരസനങ്ങളെ ഓട്ടോമാറ്റഡ് ആയി കണക്കാക്കുക.
- സെക്ഷൻ 7-ലെ കാലയളവുകൾക്ക് അപേക്ഷകൾ, സ്കോറുകൾ, കാരണങ്ങൾ എന്നിവ സൂക്ഷിക്കുക, ഓരോ ത്രൈമാസവും ഗ്രൂപ്പ് അനുസരിച്ച് ഫലങ്ങൾ പരിശോധിക്കുക.
Flowmingo എങ്ങനെ സഹായിക്കുന്നു
Flowmingo റിക്രൂട്ടർമാർക്കുള്ള ഒരു സൗജന്യ AI ഇന്റർവ്യൂവറാണ്, എല്ലാ ഹയറിംഗ് തീരുമാനങ്ങളും നിങ്ങളുടെ ടീമിനോടൊപ്പം തന്നെ തുടരുന്നു. നിങ്ങൾ ഘട്ടം 4-ൽ എത്തുമ്പോൾ, നിങ്ങളുടെ റിക്രൂട്ടിംഗ് ഓട്ടോമേഷന്റെ AI ഇന്റർവ്യൂ ഘട്ടത്തിനായി Flowmingo പരീക്ഷിക്കുക.
11. സ്രോതസ്സുകൾ
ഈ ഗൈഡിലെ ഓരോ പഠനവും നിയമവും സർവേയും താഴെയുള്ള ഒരു ഉറവിടത്തിലേക്ക് ലിങ്ക് ചെയ്യുന്നു; Flowmingo കണക്കുകൾ Flowmingo-യുടെ സ്വന്തം പ്ലാറ്റ്ഫോം ഡാറ്റയിൽ നിന്നാണ്.
- Ashby (2026, May 7). New data from Ashby reveals surge in applications, rising selectivity, and shifting recruiter workloads. PR Newswire.
- California Civil Rights Department (2025, June 30). Civil Rights Council secures approval for regulations to protect against employment discrimination related to artificial intelligence. State of California.
- Carroll, I., & Curry, S. (2025). Would you like an IDOR with that? Leaking 64 million McDonald's job applications. ian.sh.
- Civil Rights Litigation Clearinghouse (2026). Mobley v. Workday, Inc., No. 3:23-cv-00770 (N.D. Cal.). Clearinghouse.
- Colorado General Assembly (2026). SB26-189: Automated decision-making technology. Colorado General Assembly.
- Court of Justice of the European Union (2023, December 7). Press release No 186/23: Judgment in Case C-634/21, SCHUFA Holding (Scoring). CJEU.
- Equal Employment Opportunity Commission (2023, September 11). iTutorGroup to pay $365,000 to settle EEOC discriminatory hiring suit. EEOC.
- European Commission (2025). Guidelines on prohibited artificial intelligence practices established by Regulation (EU) 2024/1689 (AI Act), C(2025) 5052 final. European Commission.
- European Union (2026). Regulation (EU) 2026/1744 amending Regulation (EU) 2024/1689, the Digital Omnibus on AI. Official Journal of the European Union.
- EU Artificial Intelligence Act (n.d.). Annex III: High-risk AI systems. Future of Life Institute.
- EU Artificial Intelligence Act (n.d.). Article 14: Human oversight. Future of Life Institute.
- EU Artificial Intelligence Act (n.d.). Article 26: Obligations of deployers of high-risk AI systems. Future of Life Institute.
- EU Artificial Intelligence Act (n.d.). Article 50: Transparency obligations. Future of Life Institute.
- EU Artificial Intelligence Act (n.d.). Article 99: Penalties. Future of Life Institute.
- Fuller, J., Raman, M., Sage-Gavin, E., & Hines, K. (2021). Hidden workers: Untapped talent. Harvard Business School and Accenture (archived copy; the original page now returns 404).
- Gartner (2025, July 31). Gartner survey shows just 26% of job applicants trust AI will fairly evaluate them. Gartner newsroom.
- Greenhouse (2025, November 19). An AI trust crisis: 70% of hiring managers trust AI to make faster and better hiring decisions, only 8% of job seekers call it fair. Greenhouse newsroom.
- Greenhouse (2026, March). The Hire Standard: Greenhouse benchmark report, North America. Greenhouse.
- Greenhouse (2026, May 1). 63% of job seekers have faced an AI interview. Most haven't had a good one yet. Greenhouse 2026 Candidate AI Interview Report.
- Grossman, K. (2025, January 23). 12 key takeaways from the 2024 Candidate Experience Benchmark Research. ERE.
- Illinois General Assembly (2019). Artificial Intelligence Video Interview Act, 820 ILCS 42. Illinois Compiled Statutes.
- Information Commissioner's Office (2026). Recruitment Rewired: Introduction, key findings and use cases. ICO.
- Information Commissioner's Office (n.d., read 2026). Recruitment Rewired: Understanding how meaningful human involvement applies, use cases. ICO.
- Intersoft Consulting (n.d.). Art. 22 GDPR: Automated individual decision-making, including profiling. GDPR-info.eu.
- Intersoft Consulting (n.d.). Recital 71: Profiling. GDPR-info.eu.
- Jabarian, B., & Henkel, L. (2026). Voice AI in firms: A natural field experiment on automated job interviews (arXiv:2607.28222v2). Preprint.
- Li, D., Raymond, L., & Bergman, P. (2025). Hiring as exploration. The Review of Economic Studies (author version).
- NYC Department of Consumer and Worker Protection (2023, June 29). Automated employment decision tools (AEDT): Frequently asked questions. City of New York.
- Office of Legal Counsel, US Department of Justice (2026, June 9). Constitutionality of disparate-impact liability under Title VII. DOJ.
- Ogletree Deakins (2026, June). Illinois postpones proposed regulations on AI in employment. National Law Review.
- Proskauer Rose LLP (2026, May 26). Colorado's AI law gets major rewrite: What now for employers?. National Law Review.
- Rozado, D. (2026). Gender and positional biases in LLM-based hiring decisions: Evidence from comparative CV/resume evaluations. PeerJ Computer Science, 12, e3628.
- 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.
- Steptoe (2026, July 30). EU AI Act amendments enter into force. Steptoe blog.
- Survale (2025). 2025 Candidate Experience (CandE) benchmark research: Key statistics. Talent Board benchmark, via Survale.
- Wilson, K., & Caliskan, A. (2024). Gender, race, and intersectional bias in resume screening via language model retrieval. AAAI/ACM Conference on AI, Ethics, and Society, 7. Race results only: the authors' August 2026 erratum says a code bug inverted the gender-only results.
- Wilson, K., Sim, M., Gueorguieva, A., & Caliskan, A. (2025). No thoughts just AI: Biased LLM hiring recommendations alter human decision making and limit human autonomy. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(3).



