तुमच्या 1 मोकळ्या जागेसाठी 300 अर्ज आहेत, आणि प्रत्येक विक्रेता कोणता टप्पा आधी येतो हे न सांगता भरती ऑटोमेशन विकत घ्या असे सांगतो.
हा ढीग बाजाराचा आहे, तुमचा नाही. 2021 पासून प्रति भरती अर्ज तिप्पट झाले आहेत (Ashby), तर 2022 ते 2025 या काळात प्रति संस्था रिक्रूटर 55.6% ने घटले (Greenhouse). भरती वर्कफ्लो ऑटोमेशनच्या टॉप 10 निकालांपैकी 4 सांगतात की 1 अडथळ्यापासून सुरुवात करा, आणि एकही टप्प्यांची धोक्यानुसार मांडणी करत नाही.
चुकीचा टप्पा आधी सुरू केला तर तुम्ही कधीच न पाहिलेल्या लोकांना गमावता. 1 पायाभूत Harvard Business School आणि Accenture सर्वेक्षणात, 88% नियोक्त्यांनी सांगितले की अचूक-जुळणी फिल्टर पात्र उच्च-कौशल्य अर्जदारांना गाळून टाकतात.
हा मार्गदर्शक 6 टप्प्यांची धोक्यानुसार मांडणी करतो आणि प्रत्येक टप्पा किती तास परत देतो हे दाखवतो. ज्या 2 टप्प्यांमध्ये व्यक्तीबद्दल काहीही ठरत नाही त्यांपासून सुरुवात करा, तुमच्याच आकड्यांनी बचत मोजा, आणि कोणते नकार व्यक्तीनेच द्यायचे हे जाणून घ्या.
मुख्य मुद्दे
- भरतीत सर्वात आधी काय ऑटोमेट करावे? स्थिती अपडेट्स आणि शेड्युलिंग. त्यांमध्ये व्यक्तीबद्दल काहीही ठरत नाही आणि ते प्रति तिमाही 91.6 पैकी 26.1 निव्वळ तास परत देतात.
- भरती ऑटोमेशन किती तास वाचवते? एका जागेसाठी 300 अर्ज आणि 5 भरती असताना, 23 तासांच्या आढाव्यानंतर प्रति तिमाही सुमारे 92 निव्वळ तास.
- सॉफ्टवेअर माझ्यासाठी अर्जदार नाकारू शकते का? आमचा नियम: केवळ लिखित आवश्यकतेवरील होय/नाही नियमातून, जसे की काम करण्याचा अधिकार. स्वयंचलितपणे नकार देणाऱ्या स्कोअरला ICO स्वयंचलित निर्णयप्रक्रिया मानते, त्यामुळे इतर प्रत्येक नकारावर नामनिर्देशित व्यक्ती स्वाक्षरी करते.
- भरती साधनांसाठी EU च्या तारखा बदलल्या का? होय, 2 ऑगस्ट 2026 वरून 2 डिसेंबर 2027 वर.
- हे साधन चांगले लोक नाकारत आहे हे मला कसे कळेल? आमचा अंदाजाचा नियम: दर आठवड्याला प्रति जागा सर्वात कमी गुण मिळालेल्या 20 फाइल्स वाचा. तुम्ही 2 पेक्षा जास्त जणांचे मुलाखत घेतले असते, तर निकष दुरुस्त करा.
1. एकट्याने भरती करताना एका जागेसाठी 200 अर्ज असतील, तर मी कोणते भरती ऑटोमेशन आधी सुरू करावे?
ज्या 2 टप्प्यांमध्ये व्यक्तीबद्दल काहीही ठरत नाही ते आधी सुरू करा: स्थिती अपडेट्स, नंतर शेड्युलिंग. लोकांना गुण देणारे टप्पे नंतर जोडा, आणि नकार नामनिर्देशित व्यक्तीच्या स्वाक्षरीखाली ठेवा.
भरती ऑटोमेशन म्हणजे भरतीचे काम करणारे सॉफ्टवेअर, जेणेकरून व्यक्तीला ते पुन्हा पुन्हा करावे लागत नाही: एखादे अपडेट, बुकिंग, प्रश्न, गुण. Ashby प्रति भरती सरासरी 300 पेक्षा जास्त अर्ज सांगते, तर Greenhouse 2025 मध्ये प्रति जागा 244 मोजते. त्यामुळे एका जागेसाठी 200 ते 300 अर्जदार हे सामान्य आहे.
आम्ही 6 पायऱ्या या क्रमाने मांडल्या: प्रत्येक पायरी एखाद्या व्यक्तीबद्दल किती कमी निर्णय घेते, आणि नंतर तिचा निकाल किती सहज तपासता येतो. होय/नाही नियम वाचता आणि तपासता येतो, पण गुणसंख्या तपासता येत नाही, म्हणून पायरी 3 पायरी 4 च्या आधी येते.
तास क्रम ठरवत नाहीत, कारण CV गुणांकन सर्वाधिक (40.0 निव्वळ तास) परतावा देते आणि तरीही पाचव्या क्रमांकावर आहे. हा क्रम आमचा निर्णय आहे.
Colorado's SB 26-189 फक्त सारांश देणे, आयोजित करणे, भाषांतर करणे, मसुदा तयार करणे, मार्गस्थ करणे किंवा मानवी पुनरावलोकनासाठी माहिती सादर करणे एवढेच करणाऱ्या साधनांना वगळते, असे Proskauer म्हणते. आमच्या वाचनानुसार, त्यात स्थिती आणि वेळापत्रक यांचा समावेश होतो.
| पायरी | मुख्य धोका | व्यक्ती अजूनही |
|---|---|---|
| 1 स्थिती अद्ययावत | पोकळ किंवा खोटे अद्ययावत | टेम्पलेट्स आणि तारखा लिहिते |
| 2 वेळापत्रक आणि स्मरणपत्रे | चुकीचा वेळ क्षेत्र, नकार दिलेल्या लोकांना स्मरणपत्रे | अपवाद हाताळते |
| 3 नाकआउट प्रश्न | प्रॉक्सी नियम चांगल्या लोकांना नाकारतो | यादीची मालकी घेते, नकारांचे नमुने तपासते |
| 4 AI मुलाखत | उमेदवारांचा विश्वास; EU मध्ये उच्च-धोका | प्रत्येक अहवाल वाचते |
| 5 CV गुणांकन | गुप्त गाळणी, नाव आणि क्रम पूर्वग्रह | एका भूमिकेसाठी 60 CV वाचते, कपातीवर स्वाक्षरी करते |
| 6 नकार | GDPR कलम 22, Colorado, ICO चाचण्या | कारण ठरवते आणि लिहिते |

ऑटोमेशन शिडी: पायऱ्या 1 आणि 2 कमी धोका घेतात, पायरी 3 मध्यम, पायऱ्या 4 आणि 5 उच्च, आणि पायरी 6, म्हणजे नकार, व्यक्तीकडेच राहते.
भरती चॅटबॉट ही स्वतंत्र पायरी नाही: ती स्थितीसाठी पायरी 1 वर, नाकआउटसाठी 3 वर आणि गुणांकनासाठी 4 किंवा 5 वर बसते.
2. एका भूमिकेसाठी 300 अर्जदार आणि तिमाहीत 5 भरती या प्रमाणात भरती ऑटोमेशन किती तास वाचवते?
आमच्या काम केलेल्या उदाहरणात तिमाहीत सुमारे 91.6 निव्वळ तास: 114.8 तास वाचले, वजा 23.2 तास पुनरावलोकन जे राहते.
समजा, Ashby च्या सरासरीनुसार, 300 अर्जदारांच्या 5 भूमिकांतून तिमाहीत 5 भरती करता. ते म्हणजे 1,500 अर्जदार आणि सुमारे 114 मुलाखती, कारण Greenhouse प्रत्येक नोकरीमागे 22.7 मुलाखती मोजते.
या पायऱ्या एकमेकांवर आच्छादित होत नाहीत: पायरी 4 मधील 100 AI मुलाखतींना बुकिंगची गरज नाही, म्हणून पायरी 2 फक्त 14 थेट मुलाखती मोजते.
एका भूमिकेसाठी 20 उमेदवारांना 15 मिनिटांची AI मुलाखत मिळते, असे आम्ही गृहीत धरतो, जे Jabarian and Henkel यांनी मानवांसाठी नोंदवलेल्या 10 ते 20 मिनिटांच्या मध्यभागी आहे. पुनरावलोकन स्तंभ एका भूमिकेसाठी 12 संदेश आणि 24 नाकारलेल्या फाइलींचे नमुने तपासतो, आणि 10 पैकी 1 मुलाखत पुन्हा बुक करतो.
| पायरी | आज हाताने (गृहीत) | तिमाहीत युनिट्स | एकूण तास | राहणारा आढावा | निव्वळ तास |
|---|---|---|---|---|---|
| स्थिती अपडेट्स | प्रति अर्जदार 1 मिनिट | 1,500 | 25.0 | 1.0 (60 संदेश, 1 मिनिट) | 24.0 |
| वेळापत्रक आणि स्मरणपत्रे | प्रति मुलाखत 10 मिनिटे | 14 (114 वजा 100) | 2.3 | 0.2 (10 पैकी 1 पुन्हा बुक, 10 मिनिटे) | 2.1 |
| नाकआउट प्रश्न | प्रति अर्जदार 0.5 मिनिट | 1,500 | 12.5 | 2.0 (120 नाकारलेल्या फाइल्स, 1 मिनिट) | 10.5 |
| AI मुलाखत | प्रति कॉल 15 मिनिटे | 100 | 25.0 | 10.0 (100 अहवाल, 6 मिनिटे) | 15.0 |
| CV स्कोअरिंग | प्रति CV 2 मिनिटे | 1,500 | 50.0 | 10.0 (प्रति भूमिका 60 CV, 5 भूमिका, 2 मिनिटे) | 40.0 |
| एकूण | 114.8 | 23.2 | 91.6 |
CV स्कोअरिंग पहिल्या वाचनाचे 50.0 तास वाचवते, आणि प्रति भूमिका 60 CV वर एखादी व्यक्ती 10.0 तास घालवते त्यामुळे ते अधिक सुरक्षित होते. 2 सर्वात सुरक्षित पायऱ्या 26.1 निव्वळ तास परत देतात, जे एकूणच्या 28.5% आहे.

पायरीनुसार निव्वळ तास: तिमाहीत 24.0, 2.1, 10.5, 15.0 आणि 40.0 तास मिळून 91.6 होतात. स्थिती अपडेट्स अधिक वेळापत्रक 26.1 परत देतात (उदाहरणादाखल, ग्राहक डेटा नाही).
विभाग 8 मधील साप्ताहिक ऑडिट सुमारे 13.3 तास जोडते: आठवड्याला 20 फाइल्स प्रत्येकी 2 मिनिटांनी, सुमारे 4 आठवडे उघड्या असलेल्या 5 भूमिकांसाठी. त्यामुळे सावध निव्वळ सुमारे 78 होते.
3. मी स्थिती अपडेट्स आणि वेळापत्रक सुरक्षितपणे ऑटोमेट करू शकतो, की उमेदवारांना बॉटकडून दुर्लक्ष झाल्यासारखे वाटेल?
होय, या 2 भरती ऑटोमेशनच्या सर्वात सुरक्षित पायऱ्या आहेत, कारण त्या व्यक्तीबद्दल कोणताही निर्णय घेत नाहीत. प्रत्येक संदेश खरा ठेवा: जो बॉट पाळता येणार नाही असे उत्तर देण्याचे वचन देतो, तो दुर्लक्ष केल्यासारखा वाटतो.
गोंधळ तुमच्या employer brand ला हानी पोहोचवतो. 2025 च्या CandE benchmark मध्ये, उत्तर अमेरिकेतील 31% उमेदवारांना अर्ज केल्यानंतर 1-2 महिन्यांत काहीच उत्तर मिळाले नव्हते. AI किंवा स्वयंचलित स्क्रीनिंगबद्दलच्या तक्रारी शीर्ष 3 नकारात्मक विषयांमध्ये होत्या, तरीही प्रत्येक शीर्ष-10 विजेत्याने काही प्रमाणात AI वापरले होते.
मेल मर्ज किंवा ATS ऑटो-ईमेल पहिले 2 संदेश पाठवू शकते, आणि बुकिंग लिंक वेळापत्रक भागवते. पोच 1 तासाच्या आत पाठवा.
विषय: [Company] मधील [Role] साठी तुमचा अर्ज आम्हाला मिळाला आहे
नमस्कार [First name], [Role] साठी अर्ज केल्याबद्दल धन्यवाद. तुम्ही पुढे जाता की नाही हे आम्ही [date, 7 दिवसांच्या आत] पर्यंत कळवू. समायोजनाची विनंती करण्यासाठी, या ईमेलला उत्तर द्या.
[Name], [Company]
विषय: [Role] वर अजून निर्णय घेत आहोत: [new date] पर्यंत अपडेट
नमस्कार [First name], [Role] बद्दल [date] पर्यंत उत्तर देण्याचे आम्ही वचन दिले होते आणि अजून तिथवर पोहोचलो नाही. आम्ही [new date, 7 दिवसांच्या आत] पर्यंत लिहू.
[Name], [Company]
प्रत्येक संदेश 4 नियम पाळतो:
- 1 आठवड्यात हो किंवा नाही असे उत्तर देण्याचे आश्वासन द्या, हा आमचा नियम. Talent Board चा पायाभूत बेंचमार्क जास्तीत जास्त 1 ते 2 आठवडे आहे (ERE).
- नाव आणि एखादी व्यक्ती वाचते अशा उत्तराच्या पत्त्यासह स्वाक्षरी करा, कारण 2025 CandE बेंचमार्कमधील 33% नाकारलेल्या उमेदवारांना do-not-reply ईमेल मिळाला.
- तुम्ही वचन दिलेल्या तारखेला "अजून बातमी नाही" पाठवा, कारण कधीही न बदलणारी स्थिती शांततेसारखी वाटते.
- तुम्ही नाकारलेल्या व्यक्तीला कधीही आठवण करून देऊ नका, कारण त्यातून सिस्टमचा मागोवा सुटला आहे हे दिसते.
Flowmingo डेटा · रिक्रूटर्सनी पाठवलेली 52,078 AI मुलाखत निमंत्रणे · 866 कंपन्या · 15 जून ते 13 सप्टें 2026
- आमंत्रित अर्जदारांपैकी 30.9% ने 14 दिवसांत AI मुलाखत पूर्ण केली, आणि 14.9% ने 24 तासांत पूर्ण केली.
- पूर्ण करणाऱ्या 16,071 जणांमध्ये, निमंत्रणापासून पूर्ण झालेल्या AI मुलाखतीपर्यंतचा मध्यक वेळ 24.8 तास होता.
- त्या 16,071 पूर्ण करणाऱ्यांपैकी 22.2% पहिल्या स्वयंचलित स्मरणानंतर आले, जे मध्यक 48 तासांनी पाठवले जाते.
Matched Talent निमंत्रणे वगळली आहेत. फक्त पूर्ण करणाऱ्यांचाच वेळ आहे. ज्यांनी लिंक उघडली नाही अशा आमंत्रितांना स्मरणे जातात, त्यामुळे हे वेळ दाखवते, कारण नाही.

निमंत्रण पूर्णता वक्र: रिक्रूटर निमंत्रणानंतर 14 दिवसांत पूर्ण करणाऱ्या 16,071 जणांपैकी, 4.9% ने 1 तासात आणि 48.2% ने 24 तासांत पूर्ण केले. 74.3% ने 48 तासांत आणि 98.3% ने 7 दिवसांत पूर्ण केले.
आमंत्रित अर्जदारांपैकी फक्त 14.9% एका दिवसात पूर्ण करतात, आणि पूर्ण करणाऱ्यांपैकी 22.2% पहिल्या स्मरणानंतर आले. स्वयं-गतीने चालणाऱ्या मुलाखतीसाठी, दिवस 2 आणि दिवस 5 रोजी स्मरण करा, तुमचे साधन आधीच करत नसेल तर. थेट स्लॉटसाठी, आमच्या मुलाखत निमंत्रण मार्गदर्शकातील आदल्या दिवसाचे स्मरण वापरा.
4. चांगले उमेदवार नाकारल्याशिवाय नॉक-आउट प्रश्न माझा ढीग कमी करू शकतात का?
हो, जर प्रत्येक नॉक-आउट म्हणजे नोकरीला खरोखर आवश्यक असलेल्या लिखित आवश्यकतेवरील हो/नाही तपासणी असेल तर. अंतर किंवा पदव्या यांसारख्या प्रॉक्सीवर बांधलेले नियम चांगल्या लोकांना न दिसता नाकारतात.
UK मध्ये स्वयंचलित "नाही" समर्थनीय ठरू शकतो अशी ही 1 पायरी आहे. ICO म्हणते की लिखित आवश्यकतेवरील हो/नाही नॉक-आउट, जसे की काम करण्याचा अधिकार, हे स्वयंचलित निर्णय-प्रक्रिया नाही. पास मार्कखाली स्वयंचलितपणे नाकारणारा फिट स्कोअर मात्र आहे.
सापळा म्हणजे प्रॉक्सी. त्याच पायाभूत Harvard Business School आणि Accenture अभ्यासात, मध्यम-कौशल्य उमेदवार फिल्टर करणाऱ्या 48% नियोक्त्यांनी 6 महिन्यांपेक्षा जास्त रोजगार अंतर वापरले. एका पायाभूत प्रकरणात, iTutorGroup ने वयानुसार अर्जदार नाकारल्याचा आरोप असलेल्या सॉफ्टवेअरसाठी $365,000 भरले (EEOC).
प्रत्येक नियम लागू होण्यापूर्वी 20 मागील अर्जदारांवर तपासा, नंतर प्रत्येक भूमिकेसाठी 24 नाकारलेल्या फाइल्स पुन्हा वाचा, 300 पैकी 8%.
| नियम | ठेवायचा? | का |
|---|---|---|
| काम करण्याचा अधिकार किंवा आवश्यक परवाना | ठेवा | लिखित कायदेशीर आवश्यकता |
| जाहिरातीत छापलेल्या शिफ्ट्स किंवा वेतन श्रेणी | ठेवा | छापलेले, त्यामुळे हो किंवा नाही; वेतन इतिहास कधीही विचारू नका |
| 6 महिन्यांपेक्षा जास्त रोजगार अंतर | काढा | एक प्रॉक्सी, 48% ने वापरलेली |
| कायदा आवश्यक नसलेली पदवी | काढा | एक प्रॉक्सी, त्याऐवजी कौशल्याला गुण द्या |
| वय किंवा जन्मतारीख | काढा | थेट वय तपासणी |
| पदवी वर्ष | काढा | वयाची प्रॉक्सी, त्याऐवजी कौशल्ये विचारा |
अर्ज केल्यानंतर 3 ते 5 दिवसांत नकार पाठवा, 2025 CandE टॉप-10 विजेत्यांपैकी 60% ने हा वेग राखला. कारण सांगा, कोणताही स्कोअर लागू केलेला नाही असे सांगा आणि व्यक्तीपर्यंत पोहोचण्याचा मार्ग देऊ करा. आमच्या नकार ईमेल टेम्पलेट्समध्ये स्तर आहेत.
विषय: [Company] मधील [Role]: आमचा निर्णय
नमस्कार [First name], [Role] साठी अर्ज केल्याबद्दल धन्यवाद. या भूमिकेसाठी [requirement] आवश्यक आहे, आणि तुमच्या उत्तरात तुमच्याकडे ते नाही असे म्हटले आहे. हा निर्णय केवळ त्या उत्तरावरून घेतला आहे, कोणत्याही CV गुणांवरून नाही. आम्ही ते चुकीचे वाचले असल्यास, उत्तर द्या आणि एक व्यक्ती पुन्हा पाहील.
[Name], [Company]
5. पहिली मुलाखत AI घेत असेल, तर चांगले उमेदवार दूर जातील का, किंवा आमच्यावर विश्वास ठेवणे बंद करतील का?
काही जातील, म्हणून हे AI आहे आणि ते उत्तरांचे काय करते हे स्पष्टपणे सांगा. 1 मोठ्या क्षेत्रीय चाचणीत, AI ने मुलाखत घेतलेल्या उमेदवारांना अधिक ऑफर मिळाल्या, आणि निवड दिली असता 78% ने तेच निवडले.
विश्वासाचे अंतर खरे आहे, कारण 1Q25 च्या Gartner सर्वेक्षणात 2,918 उमेदवारांपैकी केवळ 26% ने AI आपले निष्पक्ष मूल्यांकन करेल असा विश्वास ठेवला. Greenhouse's 2026 survey मध्ये US नोकरी शोधणाऱ्यांपैकी 38% ने AI मुलाखतीमुळे अर्ज मागे घेतला आणि 44% ला आधीच सांगावे असे वाटले.
ही क्षेत्रीय चाचणी Jabarian and Henkel यांचा preprint आहे, जी 1 Philippine भरती कंपनीत एंट्री-लेव्हल ग्राहक-सेवा नोकऱ्यांसाठी भरतीसाठी करण्यात आली. 67,056 यादृच्छिक अर्जांपैकी 53,660 AI किंवा मानवी मुलाखतकाराकडे गेले. AI सह ऑफर 9.73% होत्या तर मानवांसह 8.70%, आणि प्रत्येक भरतीचा निर्णय मानवांनी घेतला.
उमेदवारांनी AI मुलाखती कमी नैसर्गिक अशा ठरवल्या, आणि ज्यांनी AI निवडले त्यांनी भाषा व विश्लेषणात्मक चाचण्यांमध्ये कमी गुण मिळवले.
मानवांनी घेतलेल्या मुलाखतींच्या foundational 2022 review मध्ये, लिखित रुब्रिकवरील समान प्रश्नांनी सुटसुटीत गप्पांपेक्षा कामगिरीचा अधिक चांगला अंदाज लावला.
AI व्हिडिओ मुलाखतीचे विश्लेषण करण्यापूर्वी Illinois ज्या संमती-चेकबॉक्सची मागणी करते, त्यासह ही सूचना तुमच्या मुलाखतीच्या निमंत्रणात टाका.
ही मुलाखत AI घेत आहे. ते प्रत्येक अर्जदाराला समान प्रश्न विचारते, उत्तर अल्प असल्यास पुढील प्रश्न विचारते, आणि उत्तरांना भूमिकेच्या निकषांविरुद्ध गुण देते. [आमचे भरती अधिकारी आणि भरती व्यवस्थापक] तुमचे रेकॉर्डिंग पाहू शकतात, आणि आम्ही ते [period] पर्यंत ठेवतो. अहवाल एक व्यक्ती वाचते आणि निर्णय घेते. समायोजनासाठी किंवा एखाद्या व्यक्तीसाठी, या ईमेलला उत्तर द्या.
[ ] मी या AI-चालित मुलाखतीत सहभागी होण्यास संमती देतो.
Flowmingo data · 41,126 पूर्ण झालेल्या AI मुलाखती · 856 कंपन्या · मुलाखती 24 Jun ते 19 Sep 2026 दरम्यान सुरू
- पूर्ण झालेल्या AI मुलाखतींपैकी 60.6% उमेदवाराच्या स्थानिक वेळेनुसार सोमवार ते शुक्रवार 9:00 ते 17:00 बाहेर पूर्ण झाल्या.
- 34.4% आठवड्याच्या दिवशी संध्याकाळी 17:00 ते मध्यरात्री पूर्ण झाल्या, आणि 17.6% आठवड्याच्या शेवटी.
स्थानिक वेळ उमेदवाराच्या कनेक्शनवरून अंदाजित केला जातो, आणि आठवड्याच्या दिवशी 9 ते 5 गृहीत धरले जाते. सुमारे 61% अर्जदार India आणि Nigeria मध्ये आहेत, आणि हे वेळ दर्शवते, पसंती नाही.

वेळेबाहेर पूर्ण: 41,126 पूर्ण झालेल्या AI मुलाखतींपैकी, 34.4% आठवड्याच्या दिवशी संध्याकाळी, 17.6% आठवड्याच्या शेवटी आणि 8.6% आठवड्याच्या दिवशी 9:00 पूर्वी पूर्ण झाल्या. त्यामुळे 39.4% आठवड्याच्या दिवशी 9-ते-5 मध्ये पूर्ण झाल्या.
म्हणजेच १० पैकी ६ उमेदवारांनी आपल्या स्वतःच्या टाइम झोनमध्ये आठवड्याच्या दिवशी सकाळी ९ ते संध्याकाळी ५ च्या बाहेर, स्वतःच्या वेळेत ते पूर्ण केले.
Flowmingo कशी मदत करते
AI इंटरव्ह्यूअर वापरून तुम्ही १ लिंक पाठवता, आणि प्रत्येक अर्जदार आपल्या स्वतःच्या वेळेत इंटरव्ह्यू देतो. तुम्हाला रेकॉर्डिंग, ट्रान्स्क्रिप्ट आणि प्रत्येक निकषासाठी कारणासह १० पैकी स्कोअर मिळतो, आणि पुढे कोण जाईल हे ठरवणे नेहमी तुमचेच.
६. सॉफ्टवेअरने माझी CV स्कोअर करून रँक करावी का, की तिथेच ऑटोमेशन चुकते?
स्कोअरचा वापर ढिग क्रमाने लावण्यासाठी करा, आणि कटच्या वरचे व खालचे नमुने वाचल्यानंतर नावनिशी असलेल्या व्यक्तीने तो कट मंजूर करावा.
स्कोअरिंगमध्ये २ नोंदवलेल्या चुका आहेत:
- नावे: एम्बेडिंग मॉडेल्सच्या रेझ्युमे ऑडिटमध्ये, श्वेतवर्णीयांशी जोडलेली नावे शर्यतीतील तुलनांमध्ये ८५.१% जिंकली, तथापि हा निकाल वापरलेल्या नावांवर अवलंबून असतो.
- क्रम: २२ AI मॉडेल्सनी समान पात्रतेच्या २ CV पैकी पहिल्यांदा सूचीबद्ध केलेली ६३.५% वेळा निवडली.
मानवी स्क्रीनिंगही सुरक्षित आधाररेषा नाही. फॉर्च्यून ५०० मधील एका कंपनीत, रिक्रूटर्सनी इंटरव्ह्यूसाठी निवडलेल्या १०% लोकांना नोकरी मिळाली, तर मॉडेल्ससाठी हे प्रमाण अंदाजे २७% ते ३२% होते.
तरीही प्रमाणित मॉडेलने इंटरव्ह्यू घेणाऱ्यांमधील कृष्णवर्णीय आणि हिस्पॅनिक लोकांचा वाटा ९.४% वरून ४.२% पर्यंत कमी केला. एका एक्सप्लोरेशन मॉडेलने तो २४.३% पर्यंत वाढवला, म्हणजे कोणाचा कट होईल हे डिझाइन ठरवते.
कटचा मालक रेषेखालील नकारांवर स्वाक्षरी करतो, तोही तिच्या खालचा पट्टा आणि २० यादृच्छिक CV वाचल्यानंतरच. त्या २० पैकी २ पेक्षा जास्त जण तुम्ही इंटरव्ह्यू घ्याल असे असतील, तर आधी पुढील २० वाचा.
ICO प्रत्येक अर्जाचा विचार न करता रँक करून नंतर नाकारण्याला ऑटोमेटेड निर्णयप्रक्रिया मानते. म्हणजे ३०० पैकी ६० वाचल्याने उर्वरित २४० नकार मानवी निर्णय होत नाहीत.
EU मध्ये, नकार देण्यापूर्वी प्रत्येक फाइल एका व्यक्तीने पाहावी (विभाग ७.१). UK मध्ये, सुरक्षा उपायांसह ऑटोमेटेड नकारांना परवानगी आहे: स्कोअर वापरला गेल्याचे सांगा आणि एका व्यक्तीची ऑफर द्या.

क्रमवार लावा, नंतर एखादी व्यक्ती या निवडीवर स्वाक्षरी करते: वरचे २०, त्यानंतरचे २० आणि उर्वरित २६० मधून यादृच्छिक २० वाचा. हे ३०० CV पैकी ६० होतात, आणि न वाचलेल्या २४० नाकारणांची गणना स्वयंचलित म्हणून होते.
कोणत्याही AI तुलनेपूर्वी क्रम बदला आणि तो दोन वेळा, अदलाबदल करून चालवा, कारण पहिल्यांदा दिलेला CV जास्त वेळा जिंकतो. आमच्या candidate shortlisting guide मध्ये संपूर्ण पद्धत आहे.
Flowmingo कशी मदत करते
CV Evaluation पेस्ट केलेल्या जॉब वर्णनाचे तुम्ही संपादित करू शकता आणि महत्त्वानुसार रेट करू शकता अशा निकषांमध्ये रूपांतर करते, आणि प्रत्येक CV ला लिखित पुराव्यासह १० पैकी गुण देते. Must Have फक्त वजन बदलते, त्यामुळे पुढे कोण जाईल हे तुम्ही ठरवता.
७. प्रत्येक नकार वाचणे एखाद्या व्यक्तीसाठी आवश्यक आहे का, की recruiting automation कमी गुण मिळालेल्यांना स्वयंचलितपणे नाकारू शकते?
आमचा नियम: लिखित आवश्यकतेसाठी होय/नाही नियमावरच स्वयंचलित नकार. इतर प्रत्येक नकारासाठी पुरावा वाचलेली नामनिर्देशित व्यक्ती हवी, किंवा तो व्यक्तीपर्यंत पोहोचण्याचा मार्ग असलेला स्वयंचलित निर्णय म्हणून पाठवला जातो.
त्यात ५ कलमे आहेत:
- एकमेव स्वयंचलित नाही म्हणजे सर्वांना लागू केलेला लिखित नॉक-आउट, ज्याची जबाबदारी एका व्यक्तीकडे असते.
- तो उलथवण्याचा अधिकार असलेली नामनिर्देशित व्यक्ती इतर प्रत्येक नकार करते किंवा त्यावर स्वाक्षरी करते (Article 26 आणि Article 14, २ डिसेंबर २०२७ पासून). न वाचलेल्या नाकारणांची गणना स्वयंचलित म्हणून होते (विभाग ७.१).
- AI च्या निवडीपूर्वी आपला दृष्टिकोन तयार करा, कारण २०२५ च्या एका प्रयोगात ५२८ लोकांनी जाणीवपूर्वक पक्षपाती AI ला ९०% पर्यंत अनुसरण केले.
- प्रत्येक नकारात स्पष्ट कारण आणि व्यक्तीपर्यंत पोहोचण्याचा मार्ग असतो.
- EU मध्ये किमान ६ महिने, California मध्ये किमान ४ वर्षे आणि कायदा-संस्थांच्या सारांशांनुसार Colorado मध्ये ३ वर्षे लॉग ठेवा.
७.१ EU किंवा UK मध्ये कोणी न पाहता मी स्वयंचलितपणे नाकारू शकतो का, की GDPR Article 22 ते प्रतिबंधित करते?
EU मध्ये, केवळ स्कोअरवर नाही: Article 22(1) लोकांना केवळ स्वयंचलित प्रक्रियेवर आधारित महत्त्वाच्या निर्णयाला सामोरे जाऊ नये अशी हक्क देते. UK मध्ये 5 फेब्रुवारी 2026 पासून सुरक्षिततेसह हे करू शकता, परंतु ICO स्वयंचलितपणे नाकारणाऱ्या fit score ला स्वयंचलित निर्णय घेणे मानते.
Recital 71 मानवी हस्तक्षेपाशिवाय e-recruiting चे उदाहरण देते. पायाभूत SCHUFA निकाल मध्ये, जो कर्जाचा खटला होता, वापरकर्ते गुणांवर जास्त अवलंबून असताना Court of Justice ने गुणांलाच निर्णय मानले.
८. recruiting automation गुपचूप चांगल्या लोकांना नाकारत आहे हे मला कसे कळेल, आणि सर्वात आधी काय तुटते?
तुम्ही कधीच न पाहिलेल्या ढिगाकडे पाहा, कारण एक गुपचूप नियम तिथे लपलेला असतो. दर आठवड्याला सर्वात कमी गुण आणि नकारांचा नमुना घ्या, आणि गटानुसार निकालांची तुलना करा.
आमच्या अंदाजानुसार प्रॉक्सी नियम पहिले मोडतात, नंतर स्कोअरिंग आणि क्रम पूर्वग्रह, आणि नंतर उमेदवार साधनाचा गैरवापर करतात. Greenhouse च्या 2025 मधील 1,200 अमेरिकन नोकरी-शोधकांच्या सर्वेक्षणात, 41% जणांनी प्रॉम्प्ट इंजेक्शन्स वापरल्याचे कबूल केले.
जून 2025 मध्ये 2 संशोधकांनी McDonald's फ्रँचायझींसाठी Paradox.ai च्या भरती चॅटबॉट असलेल्या McHire मध्ये डीफॉल्ट लॉगिन 123456 वापरून प्रवेश मिळवला (Carroll आणि Curry). रेकॉर्ड क्रमांकावरून अंदाज केल्याप्रमाणे, 64 दशलक्षाहून अधिक अर्जदारांचा वैयक्तिक डेटा उपलब्ध होता, असे त्यांनी सांगितले.
आमच्या अंदाजे वेळापत्रकांवर ह्या 5 तपासण्या करा:
- साप्ताहिक, एका भूमिकेसाठी सुमारे 40 मिनिटे: सर्वात कमी गुण मिळालेल्या किंवा नाकारलेल्या 20 फाइल्स वाचा.
- साप्ताहिक: एखादी व्यक्ती 48 तासांच्या आत पुन्हा उघडतो किंवा दुरुस्त करतो त्या क्रियांची मोजणी करा.
- मासिक: साधनाच्या टॉप 20 ची तुमच्या स्वतःच्या 10 CV शी तुलना करा.
- त्रैमासिक: संकलन करणे कायदेशीर असेल तेथे, प्रत्येक गटाचा निवड दर टॉप गटाच्या दराने भागा. 80% पेक्षा कमी — हा अमेरिकेतील जुना अंदाज — तुमचा स्वतःचा मॉनिटर माना. 9 जून 2026 रोजी न्याय विभागाच्या Office of Legal Counsel ने सांगितले की त्यामागील मार्गदर्शक तत्त्वे Title VII च्या असांविधानिक अर्थावर आधारित आहेत.
- त्रैमासिक: नावे लपवून आणि क्रम बदलून 5 CV पुन्हा चालवा.

साप्ताहिक ऑडिट: 5 तपासण्या, 2 साप्ताहिक, 1 मासिक आणि 2 त्रैमासिक. त्या कमी गुण मिळालेल्या 20 फाइल्स वाचण्यापासून ते नावे लपवून आणि क्रम बदलून 5 CV पुन्हा चालवण्यापर्यंत चालतात.
जर त्या 20 पैकी 2 पेक्षा जास्त जणांना मुलाखतीसाठी पात्रता मिळाली असती, तर निकष दुरुस्त करा — हा आमचा अंदाज.
9. EU AI Act अंतर्गत माझे स्क्रीनिंग साधन उच्च-जोखीम आहे का, आणि नवीन तारखा कोणत्या आहेत?
जर तुमच्या भरती ऑटोमेशनमधील AI CV फिल्टर करते, उमेदवारांना गुण किंवा क्रम देते किंवा मुलाखतीत त्यांचे मूल्यांकन करते, तर होय. नियोक्त्यांसाठीची कर्तव्ये 2 ऑगस्ट 2026 वरून 2 डिसेंबर 2027 वर हलवली गेली.
Annex III बिंदू 4(a) अर्जांचे विश्लेषण व फिल्टरिंग करणारे आणि उमेदवारांचे मूल्यांकन करणारे AI उच्च-जोखीम म्हणून सूचीबद्ध करते, आणि शेड्यूलिंग किंवा स्थिती संदेशांचा उल्लेख करत नाही. Regulation (EU) 2026/1744 ने तारीख हलवली, जी 27 जुलै 2026 पासून लागू आहे (EUR-Lex, Steptoe).
| तारीख | काय सुरू होते |
|---|---|
| 2 फेब्रु 2025 | Article 5 च्या बंदी, यासह भरतीत भावना वाचणे |
| 2 ऑग 2026 | Article 50(1), प्रदात्याचे कर्तव्य: लोकांशी बोलणारे AI त्यांना सांगते की ते AI आहे |
| 2 डिसें 2027 | भरती AI वापरणाऱ्या नियोक्त्यांसाठी Annex III ची कर्तव्ये: देखरेख, किमान 6 महिन्यांचे लॉग, सूचना |

AI भरतीसाठी EU च्या तारखा: भावना वाचण्यावरील बंदी 2 फेब्रु 2025 पासून लागू आहे. भरती साधनांसाठी नियोक्त्याच्या जबाबदाऱ्या 2 डिसें 2027 पासून सुरू होतात.
भावनांवरील बंदी आणि कलम 50(1) जसे होते तसेच राहिले.
कलम 26 मध्ये deployers साठी लहान-व्यवसाय सूट आम्हाला आढळली नाही, फक्त SMEs साठी कमी दंड आहे. याचा अर्थ उच्च-जोखीम साधन वापरणाऱ्या टीमला तयार होण्यासाठी सुमारे 14 महिने आहेत.
नियोक्त्याच्या जबाबदाऱ्या मोडल्याबद्दलचा दंड EUR 15,000,000 किंवा जागतिक उलाढालीच्या 3% पर्यंत पोहोचतो, यापैकी जे जास्त असेल ते, आणि SMEs साठी कमी रक्कम. भरतीमध्ये चेहरा, आवाज किंवा हावभावांवरून भावना ओळखण्यावरील बंदी EUR 35,000,000 किंवा 7% पर्यंत खर्च करू शकते.
उत्तरातील शब्दांना rubric विरुद्ध गुण देणे हे चेहरा किंवा आवाज वाचण्यापेक्षा वेगळे आहे. विभाग 10.1 मधील विक्रेता प्रश्न 3 कोणते, हे विचारते. सामान्य माहिती, कायदेशीर सल्ला नाही.
10. NYC, Illinois, Colorado किंवा California चे नियम 15-व्यक्तींच्या कंपनीपर्यंत पोहोचतात का, आणि जबाबदार कोण?
ते पोहोचू शकतात असे गृहीत धरा: NYC च्या पायाभूत FAQ कोणतीही आकार-मर्यादा ठरवत नाही, आणि एक लॉ फर्म Colorado च्या कायद्याचा अर्थ वेब-भरती करणाऱ्या नियोक्त्यांसाठी टाळणे कठीण असा लावते. अंतिम जबाबदारी नियोक्त्याची असते, आणि विक्रेत्यालाही दाव्यांना तोंड द्यावे लागू शकते.
| कुठे | नियम आणि सुरू होण्याची तारीख | तुमचे काय देणे आहे |
|---|---|---|
| NYC | Local Law 144 (पायाभूत), 5 जुलै 2023 पासून अंमलात | NYC-कार्यालयातील नोकऱ्यांसाठी: एका वर्षात पक्षपातासाठी स्वतंत्र ऑडिट, सार्वजनिक सारांश, NYC रहिवाशांना 10 व्यावसायिक दिवस आधी सूचना |
| Illinois | HB 3773, 1 जाने 2026; AI Video Interview Act | भेदभाव करणारे AI किंवा zip code proxy नाही; सूचना. AI व्हिडिओ विश्लेषणासाठी: अर्जदाराला सांगा, ते काय तपासते ते समजावून सांगा, संमती घ्या, विनंतीनंतर 30 दिवसांत व्हिडिओ हटवा |
| California | Civil Rights Council, 1 ऑक्टो 2025 | विक्रेते तुमचे प्रतिनिधी म्हणून मोजले जातात; स्वयंचलित-निर्णय डेटा किमान 4 वर्षे ठेवा |
| Colorado | SB 26-189, 1 जाने 2027 | सूचना; प्रतिकूल निर्णयानंतर 30 दिवसांत स्पष्ट वर्णन; व्यावसायिकदृष्ट्या वाजवी असेल तिथे विनंतीनुसार मानवी पुनरावलोकन |
सामान्य माहिती, कायदेशीर सल्ला नाही: Colorado च्या कायद्यात आम्हाला लहान-नियोक्ता सूट आढळली नाही.
10.1 माझ्या विक्रेत्याचे साधन भेदभाव करत असेल, तर मी जबाबदार आहे का, आणि सही करण्यापूर्वी मी काय विचारावे?
होय, तुम्ही असू शकता, कारण California तुमच्यासाठी स्क्रीनिंग करणाऱ्या विक्रेत्याला तुमचा प्रतिनिधी मानते. Mobley प्रकरणात, एका न्यायालयाने Workday विरुद्ध दावे पुढे चालू दिले, जे दर्शवते की विक्रेत्यांना दाव्यांना तोंड द्यावे लागते, तुम्ही मोकळे आहात असे नाही. सही करण्यापूर्वी हे 7 प्रश्न विचारा:
- EU Annex III अंतर्गत तुम्ही साधनाचे वर्गीकरण कसे करता?
- गेल्या वर्षातील पक्षपातासाठीचे स्वतंत्र ऑडिट तुम्ही सामायिक करू शकता का?
- ते शब्दांना गुण देते की आवाजाला?
- उमेदवार डेटा कुठे साठवला जातो, आणि मी तो कसा हटवू?
- McHire पाहता, तुम्ही सुरक्षा कशी तपासता?
- प्रत्येक निर्णयाचे कारण आणि लॉग मी निर्यात करू शकतो का?
- उमेदवारांना हे AI आहे हे कोण सांगते?
10.2 मी HR नसलेली 15 व्यक्तींची कंपनी चालवतो: या महिन्यात मी किमान काय केले पाहिजे?
या 4 गोष्टी करा, ही आमची किमान आवश्यकता आहे आणि कायदेशीर मानक नाही:
- स्कोअर, रँक किंवा स्क्रीन करणारे प्रत्येक साधन यादी करा, आणि होय/नाही नॉक-आउट्स सोडून स्वयंचलित नाकारणी बंद करा.
- जर खरे असेल, तर जाहिरातींमध्ये AI अर्जांची छाननी करण्यास मदत करते अशी 1 ओळ जोडा.
- नाकारण्यांना मंजुरी देणाऱ्या व्यक्तीचे नाव द्या, आणि न वाचलेल्या नकारांना स्वयंचलित माना.
- विभाग 7 मधील कालावधीसाठी अर्ज, स्कोअर आणि कारणे ठेवा, आणि प्रत्येक तिमाहीत गटानुसार निकाल तपासा.
Flowmingo कशी मदत करते
Flowmingo हा भरती करणाऱ्यांसाठी एक मोफत AI इंटरव्ह्यूअर आहे, आणि प्रत्येक भरतीचा निर्णय तुमच्या टीमकडेच राहतो. जेव्हा तुम्ही पायरी 4 वर पोहोचता, तेव्हा तुमच्या भरती ऑटोमेशनच्या AI इंटरव्ह्यू पायरीसाठी Flowmingo वापरून पहा.
11. स्रोत
या मार्गदर्शकातील प्रत्येक अभ्यास, कायदा आणि सर्वेक्षण खाली स्रोताशी लिंक केलेले आहे; Flowmingo चे आकडे Flowmingo च्याच प्लॅटफॉर्म डेटामधून आले आहेत.
- 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).



