Blog/AI In HR

Penyenaraian pendek calon: tukar 244 CV menjadi senarai yang boleh anda pertahankan

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

Hari ini Selasa, 244 permohonan untuk 1 peranan menunggu dalam baris gilir anda, dan pengurus pengambilan mahukan nama menjelang Khamis. Penyenaraian pendek calon anda perlu menghasilkan satu set orang yang boleh dipertahankan untuk dinilai dalam kapasiti temu duga anda, bermula dengan saringan CV.

Permohonan bagi setiap pekerjaan meningkat daripada 116 pada 2022 kepada 244 pada 2025, sementara pasukan pengambilan mengecil 56% dalam penanda aras global Greenhouse.

Dalam tinjauan Gartner terhadap 3,290 calon, 39% menggunakan AI semasa memohon. Itulah sebabnya begitu banyak CV kedengaran serupa, dan gerak hati kurang cengkaman.

Dengan andaian 2 minit setiap CV, itu 8 jam membaca sebelum anda menulis sebarang nota. Dan bacaan itu menjadi tidak sekata: dalam kajian temu duga, orang menurunkan markah calon selepas berturut-turut calon yang kuat. Itu bukan kecuaian: penilai secara senyap menjimatkan 'ya' mereka dalam satu sesi.

Berikut cara menyenaraikan pendek calon dalam 3 langkah yang boleh anda pertahankan. Kunci kriteria berwajaran dengan pengurus pengambilan terlebih dahulu, nilai setiap CV dengan cara yang sama dalam susunan yang dikocok, dan tentukan saiz senarai berdasarkan jam temu duga anda.

Pengajaran utama

  • Berapa ramai yang patut saya senaraikan pendek? Kira ke belakang daripada kapasiti temu duga dan keperluan pekerjaan. Contoh 19 orang di bawah ialah aritmetik pada angka agregat, bukan sasaran untuk setiap peranan.
  • Mengapa tulis kriteria sebelum CV pertama? Penilai melenturkan kriteria ke arah CV yang mereka suka. Menulisnya terlebih dahulu menghapuskan bias gender dalam kajian Yale.
  • Patutkah saya hanya menyenaraikan pendek CV yang mendapat skor 8 daripada 10? Tidak. Dalam separuh (51.8%) daripada 1,024 projek Flowmingo dengan 20+ CV berskor AI, tiada satu pun mencapai 8.
  • Adakah susunan CV mengubah siapa yang masuk senarai? Ya. 22 model AI memilih CV pertama daripada 2 CV yang sama kelayakannya 63.5% daripada masa.
  • Bolehkah saya biarkan ChatGPT menyusun 200 CV? Hanya sebagai susunan awal yang disemak oleh manusia. Teks tersembunyi dalam CV memperdaya penyaring AI lebih 80% daripada masa dalam sesetengah ujian.

1. Dengan 244 pemohon dan 2 hari, bagaimana penyenaraian pendek calon berfungsi tanpa membaca setiap CV?

Jangan baca 244 CV mengikut susunan ketibaan. Jalankan penyenaraian pendek calon dalam 3 pusingan: fakta keras, kemudian skor berwajaran, kemudian bacaan manual bagi bahagian teratas dan jalur di bawahnya.

Urutan ketibaan nampak neutral, tetapi ia tiada kaitan dengan pekerjaan itu. Pemohon pertama mendapat perhatian anda yang paling segar, dan pemohon hari ke-4 mendapat apa yang berbaki. Pusingan menyelesaikan masalah itu, kerana setiap pusingan menanyakan soalan yang sama terhadap setiap CV.

Rajah di bawah menunjukkan 3 pusingan. Pusingan 1 menyemak 2 atau 3 fakta keras, seperti waktu teras, yang anda tanyakan dalam permohonan. Kerana ia lulus/gagal, calon menjawabnya dan anda tidak membuang masa membaca.

Pusingan 2 menilai semua yang tinggal berdasarkan 4 hingga 6 kriteria, 0 hingga 10 setiap satu, dengan formula yang sama untuk semua. Pusingan 3 mengembalikan pertimbangan anda: anda membaca sendiri calon di bahagian teratas kedudukan dan beberapa CV yang berada tepat di bawah potongan anda.

Bacaan manusia terakhir itu penting kerana formula pemarkahan boleh terlepas pandang CV yang luar biasa. Contohnya, seorang yang bertukar kerjaya mungkin pernah mengendalikan pembaharuan di bawah jawatan jualan yang tidak pernah disebut oleh kriteria anda.

Senarai pendek calon dalam 3 pusingan: fakta keras, skor berwajaran, kemudian bacaan sendiri bahagian teratas

Senarai pendek 3 pusingan: fakta keras, skor berwajaran, kemudian bacaan sendiri bahagian teratas, bersaiz mengikut waktu temuduga anda.

Data Flowmingo · 237,650 pemohon · 10,074 projek pengambilan · 4,857 syarikat · projek dicipta 1 Jul 2025 hingga 24 Ogos 2026

  • 50% daripada semua pemohon berada dalam projek pengambilan dengan 174 pemohon atau lebih.

Mengira setiap orang dalam projek (dimuat naik, dijemput atau daripada iklan pekerjaan), setiap pemohon bersiri dikira sekali. Banyak projek adalah percubaan.

2. Kriteria senarai pendek calon manakah yang patut saya tulis sebelum CV pertama, supaya setiap potongan kukuh?

Tulis 4 hingga 6 kriteria berdasarkan apa yang mesti disampaikan oleh pekerjaan itu, dan persetujuinya dengan pengurus pengambilan sebelum sesiapa membuka CV. Jadikan 2 atau 3 fakta keras sebagai lulus/gagal, dan beri wajaran kepada yang lain.

Menulisnya dahulu penting kerana membaca CV membengkokkan pertimbangan anda. Dalam kajian asas Yale, orang menilai pemohon untuk jawatan ketua polis yang direka-reka.

Apabila pemohon lelaki itu mempunyai lebih banyak pengalaman di jalanan, orang berkata pengalaman jalanan lebih penting. Apabila dia mempunyai lebih banyak pendidikan, mereka berkata pendidikan lebih penting.

Berkomitmen kepada kriteria terlebih dahulu menghapuskan bias gender itu dalam kajian ke-3, dan orang yang paling berasa objektif adalah yang paling bias. Pengambilan itu hipotetikal, tetapi amaran itu jelas: kriteria yang ditulis selepas membaca menggambarkan CV yang anda sudah suka.

Katakan anda sedang mengambil seorang Pengurus Kejayaan Pelanggan (ilustrasi, bukan data pelanggan). Tanya fakta sukar sebagai soalan temuduga pra-saringan, kemudian tulis bukti apa yang menjayakan setiap skor:

Kriteria Pemberat Bukti untuk 8 hingga 10 Untuk 3 hingga 5
Waktu teras; hak bekerja, jika sah untuk ditanya Lulus/gagal, ditanya Jawab ya
Pembaharuan pada buku B2B Mesti Ada, 4 Saiz buku dan hasil pembaharuan Tiada skop atau hasil
Orientasi pelanggan Sangat Penting, 3 Pelan yang mereka jalankan dan apa yang berubah Ikut serta
Penggunaan CRM harian Penting, 2 CRM dan apa yang mereka jejaki CRM bawah kemahiran
Pengalaman SaaS Elok Ada, 1 Bekerja pada produk SaaS Perisian bersebelahan
Tiada bukti Peraturan Skor 3, catat "tidak ditunjukkan": bukan sifar dan bukan dilangkau

Pembaharuan paling berat kerana Pengurus Kejayaan Pelanggan berjaya atau gagal padanya. CV yang senyap tentang sesuatu kriteria mendapat skor 3, kerana sifar akan menghukum seseorang yang terlepas pandang. Melangkau baris itu lebih buruk: CV yang menyatakan lebih sedikit kemudian hanya akan diskor pada kekuatannya.

3. Pengurus pengambilan saya terus menolak senarai pendek saya. Bagaimana kami bersetuju tentang potongan sebelum saringan?

Sepakati kriteria dan pemberat, kemudian anda dan pengurus pengambilan masing-masing skor 5 CV yang sama secara berasingan dan bandingkan. Di mana skor anda berbeza, betulkan kriterianya, bukan orangnya.

Senarai pendek boleh gagal kerana anda dan pengurus pengambilan membayangkan keperluan kerja yang berbeza.

Menurut Noise, sebuah buku asas tentang pertimbangan, 2 penemuduga dalam panel yang sama tidak bersetuju tentang calon mana yang lebih baik kira-kira 1 kali daripada 4.

Apabila orang melihat calon secara berasingan, seperti yang biasanya anda dan pengurus pengambilan lakukan, ia meningkat kepada kira-kira 1 daripada 3. Itu aritmetik kami berdasarkan kajian temuduga Huffcutt, bukan kajian CV. Namun, ia bermakna senarai pendek yang ditolak biasanya bunyi bising, bukan bukti bahawa salah seorang daripada anda salah.

Katakan anda skor sesuatu CV 8 pada pembaharuan dan pengurus pengambilan anda skor 4. Selepas dibincangkan, anda dapati mereka mahukan pembaharuan perusahaan dan CV itu menunjukkan akaun kecil. Betulkan kriteria itu sekali, sebelum senarai pendek calon bermula, dan ia dibetulkan untuk semua 244 CV.

Penyelesaian buku itu, daripada amalan bukan kajian, adalah menilai setiap bahagian sebelum sebarang keputusan keseluruhan:

  1. Pilih 5 CV dari seluruh timbunan. Di mana skor anda berbeza 3+ mata, tulis satu contoh tinggi dan satu contoh rendah.
  2. Pengurus pengambilan menandatangani kriteria, dan sebarang penggantian kemudian mendapat alasan bertulis.
  3. Sepakati sebarang potongan menyeluruh, seperti "tiada ijazah, tiada panggilan", bersama secara bertulis, kerana peraturan seperti itu menyingkirkan orang dengan cepat.

4. Adakah senarai pendek calon untuk 200 CV memerlukan matriks pemarkahan, atau timbunan ya/mungkin/tidak sudah memadai?

Gunakan matriks berskor, kerana longgokan "mungkin" menyembunyikan sebab seseorang berada di dalamnya. Skorkan 4 hingga 6 kriteria berwajaran dari 0 hingga 10, dan jumlahkan dengan cara yang sama untuk semua orang.

Katakan 60 CV berada dalam kategori mungkin: menjelang hari ke-2, tiada siapa yang ingat sebabnya.

Satu kajian asas pada 2013 oleh Kuncel dan rakan-rakan membandingkan pakar yang membentuk pandangan keseluruhan dengan formula tetap yang menjumlahkan skor berasingan. Formula itu meramalkan prestasi kerja lebih 50% lebih baik, walaupun pakar-pakar itu mengenali pekerjaan tersebut.

Dalam amalan, masukkan pertimbangan anda ke dalam skor setiap kriteria, kemudian biarkan jumlah keseluruhan menentukan kedudukan.

Inilah contohnya pada bahagian 2 (ilustrasi, bukan data pelanggan):

Kriteria (wajaran) A B C
Pembaharuan (4) 8 4 9
Onboarding (3) 7 8 6
CRM (2) 6 9 4
SaaS (1) 5 10 2
Skor berwajaran /10 7.0 6.8 6.4
Purata biasa /10 6.5 7.75 5.25

Skor berwajaran = (4 x pembaharuan + 3 x onboarding + 2 x CRM + 1 x SaaS) / 10.

B mempunyai purata biasa terbaik, 7.75, berkat markah tertinggi dalam CRM dan SaaS, tetapi hanya 4 dalam pembaharuan, kriteria wajib. Secara berwajaran, A mendahului dengan 7.0, kerana A kuat pada bahagian yang paling sukar dalam pekerjaan itu.

C mempunyai pembaharuan terkuat, 9, tetapi butiran CRM dan SaaS yang tipis menarik C kepada 6.4, CV untuk bacaan pass 3 anda. Sebelum anda menetapkan markah lulus, lihat bagaimana CV sebenar mendapat skor.

Data Flowmingo · 105,648 CV · 50,546 calon · 3,815 projek pengambilan · 1,761 syarikat · 10 Julai hingga 24 September 2026

  • 5.4 daripada 10 ialah skor CV median terhadap kriteria berwajaran setiap pekerjaan itu sendiri.
  • 19.0% daripada CV mendapat skor 7 atau lebih daripada 10 terhadap kriteria pekerjaan mereka.
  • 4.0% daripada CV mendapat skor 8 atau lebih daripada 10 terhadap kriteria pekerjaan mereka.

Skor CV AI, bukan kualiti calon atau hasil pengambilan; tidak boleh dibandingkan antara pekerjaan. Kriteria yang ketat atau muat naik pukal menurunkan skor; CV yang tidak boleh diskor dan skor sebelum 10 Julai dikecualikan.

Carta di bawah menunjukkan betapa cepatnya skor menipis. Sedikit lebih separuh CV (56.4%) mencapai 5, dan kira-kira 1 daripada 5 (19.0%) mencapai 7. Hanya 4.0% mencapai 8, dan 0.1% mencapai 9.

Skor saringan CV: 56.4% CV mendapat skor 5 atau lebih, 19.0% mendapat skor 7 atau lebih dan 4.0% mendapat skor 8 atau lebih daripada 10

Sebaran skor CV, data Flowmingo: hanya 4.0% daripada 105,648 CV mendapat skor 8 atau lebih daripada 10 berbanding kriteria kerja itu sendiri.

Skor 8 memerlukan bukti yang jelas pada hampir setiap kriteria, dan sedikit CV yang menyatakannya secara terperinci. Jadi peraturan seperti "temu duga hanya yang skor 8" meninggalkan banyak peranan dengan senarai yang sangat kecil, atau langsung tiada.

Bagaimana Flowmingo membantu

Penilaian CV menukar deskripsi kerja menjadi kriteria yang anda sunting dan nilai dari Must Have (4) hingga Good to Have (1). Ia menilai setiap CV 0 hingga 10 bagi setiap kriteria dengan bukti bertulis, dan tiada bukti dikira sebagai 3. Ia tidak menapis sesiapa secara automatik: berdasarkan angka di atas, susun mengikut skor CV dan bukannya menapis kepada 8-10.

5. Separuh CV saya bunyinya seperti ChatGPT. Apa lagi yang boleh diberitahu oleh CV sebelum penyenaraian pendek?

Gunakan CV untuk fakta keras dan soalan yang perlu ditanya, bukan sebagai bukti kemahiran. Penggilapan tidak lagi memerlukan usaha, jadi berikan kepada semua yang melepasi tapisan CV sampel kerja atau temu duga berstruktur yang sama.

Penggilapan dahulunya memerlukan usaha. Kini, dalam tinjauan Gartner yang sama terhadap 3,290 calon, 54% daripada mereka yang menggunakan AI menulis teks CV dengannya.

Carta di bawah menilai setiap kaedah dari 0, tiada kaitan dengan prestasi kerja kemudian, hingga 1, padanan sempurna yang tidak dicapai oleh mana-mana kaedah. Temu duga berstruktur mendahului pada 0.42, menurut analisis semula asas 2022 oleh Sackett dan rakan-rakan.

Dalam analisis semula yang sama, ujian pengetahuan kerja menyusul pada 0.40, sampel kerja pada 0.33 dan ujian kebolehan kognitif pada 0.31. Perkara yang paling kerap diutamakan dalam CV berada di akhir: pengalaman dalam kerja yang relevan pada 0.07, pengalaman kerja terdahulu pada 0.06 (Van Iddekinge).

Cara menilai calon: temu duga berstruktur meramal prestasi kerja pada 0.42, pengalaman kerja terdahulu pada 0.06

Apa yang meramal prestasi: temu duga berstruktur paling baik meramal prestasi kerja kemudian, manakala tahun pengalaman hampir tidak langsung.

Ini bermakna tahun pengalaman pada CV memberitahu anda sedikit sahaja tentang siapa yang akan berjaya. Jadi periksa apa yang sukar dipalsukan:

  • Hasil yang boleh anda sahkan: angka, sistem yang dinamakan dan tarikh.
  • 1 sampel kerja pendek, sama untuk semua, seperti e-mel pembaharuan kepada pelanggan yang tidak berpuas hati. Untuk melihat kerja itu dilakukan, Showcase membolehkan calon merakam skrin mereka semasa melakukan tugasan.
  • Temu duga berstruktur yang dibina atas soalan temu duga yang meramal prestasi kerja.

5.1 Perlukah saya menolak calon kerana AI membantu menulis CV mereka?

Tidak, bukan atas dasar itu sahaja. Anda tidak boleh mengesannya dengan pasti, dan penyaring AI mungkin malah memihak kepadanya.

Dalam tinjauan TopResume terhadap 600 pengurus pengambilan kerja di AS, hanya 33.5% yang mengesan resume tulisan AI antara 4. Jadi larangan sedemikian hanya berdasarkan tekaan.

Penyaring AI juga memihak kepada CV yang ditulis oleh model AI yang sama (Xu et al., pracetak, belum diterbitkan dalam jurnal). Dalam senarai pendek simulasi, pemohon tersebut 23% hingga 60% lebih berkemungkinan terpilih berbanding pemohon yang sama kelayakannya dengan CV tulisan manusia. Jadi menolak CV tulisan AI sambil menyusun ranking dengan AI kurang masuk akal.

6. Adakah susunan saya membaca 200 CV mengubah senarai pendek saya? Bagaimana saya membetulkannya?

Kemungkinan besar ya: penemuduga memberi markah rendah kepada calon selepas berturut-turut calon yang kuat, dan kebanyakan model AI yang diuji memihak kepada CV yang tersenarai dahulu. Kocok longgokan itu, dan nilai setiap CV berdasarkan penanda aras bertulis.

Dalam kajian asas terhadap 9,000+ temu duga kemasukan MBA, penemuduga bertindak seolah-olah mereka mempunyai kuota harian markah tinggi (Simonsohn dan Gino). Selepas berturut-turut calon yang kuat, mereka memberi markah rendah kepada pemohon seterusnya.

Hukuman itu bernilai kira-kira 23 bulan pengalaman kerja, dan ia meningkat sepanjang hari. Ini bermakna pendahulu yang kuat boleh merugikan calon. Ini adalah temu duga, bukan pembacaan CV, jadi penggunaan kepada longgokan anda adalah inferens kami.

AI mempunyai kesan susunan tersendiri. Rozado menunjukkan 22 model AI pasangan CV yang sama kelayakannya, setiap pasangan dua kali dengan susunan diterbalikkan.

Merentas 30,690 keputusan, CV yang tersenarai dahulu menang 63.5% kali dan yang kedua 36.5%, sedangkan peluang adil ialah 50%. Jadi pada keputusan yang hampir, kedudukan semata-mata boleh menentukan siapa yang masuk senarai anda.

Kesan susunan saringan CV AI: CV pertama daripada 2 CV yang sama kelayakannya dipilih 63.5% kali

Kesan susunan AI: merentas 22 model AI, CV pertama daripada 2 CV yang sama kelayakannya menang 63.5% keputusan, sedangkan peluang adil sepatutnya 50%.

Pembetulan untuk risiko ini dalam senarai pendek calon adalah murah:

  • Kocok longgokan itu daripada membacanya mengikut susunan ketibaan atau abjad.
  • Nilai berdasarkan penanda yang tertulis, bukan CV yang baru anda baca.
  • Jangan tetapkan sebarang kuota "ya" bagi setiap sesi, dan berehatlah.
  • Nilai semula 10 CV pertama pada penghujungnya.
  • Dengan AI, jalankan setiap perbandingan dua kali dengan susunan diterbalikkan, dan hantar sebarang keputusan yang berbelah bahagi kepada manusia.

7. Berapa ramai calon yang patut saya senaraikan pendek untuk temu duga apabila 200+ orang memohon bagi 1 peranan?

Kira ke belakang daripada jam temu duga anda dan keperluan minimum pekerjaan: pada 2025 kira-kira 7.6% pemohon lulus peringkat pertama, lebih kurang 19 daripada 244. Untuk senarai pendek calon, susun kedudukan semua orang dan ambil bahagian teratas, bukan markah lulus yang tetap.

7.6% itu ialah purata Amerika Utara Greenhouse 2025 merentas 6,000+ organisasi. Corong di bawah menggunakannya pada 1 pekerjaan: daripada 244 pemohon, kira-kira 19 lulus peringkat 1. Kira-kira 4 daripadanya lulus peringkat 2, pada 22.0%.

Corong senarai pendek calon: 244 pemohon, kira-kira 19 melepasi peringkat 1 pada kadar lulus 7.6%, kira-kira 4 melepasi peringkat 2

Corong senarai pendek, 2025: daripada 244 pemohon, kira-kira 19 lulus peringkat 1 dan kira-kira 4 lulus peringkat 2, berdasarkan pengiraan kami atas purata Greenhouse.

Kira-kira 19 temu duga pertama campur kira-kira 4 temu duga kedua hampir menyamai 22.7 temu duga setiap pekerjaan menurut Greenhouse, pada 12.3 jam temu duga setiap pengambilan. Namun, 19 dan 4 itu ialah pengiraan kami atas purata, dan Greenhouse tidak mentakrifkan peringkatnya, jadi anggaplah ia sebagai panduan.

Katakan anda boleh luangkan 14 jam temu duga, pada 45 minit satu temu duga pertama: itu kira-kira 19 slot. Simpan 3 hingga 5 nama sebagai simpanan untuk yang menarik diri, dan semak kadar penyempurnaan temu duga AI untuk berapa ramai yang menyelesaikannya.

Penyusunan kedudukan mengelakkan potongan markah yang sewenang-wenangnya, tetapi jangan majukan seseorang yang tidak mempunyai keperluan penting semata-mata untuk memenuhi senarai itu. Dalam separuh projek pelanggan kami dengan 20+ CV yang dinilai, tidak ada satu pun CV yang mencapai 8.

Data Flowmingo · 1,024 projek pengambilan dengan 20+ CV dinilai · 90,629 CV · 549 syarikat · 10 Jul hingga 24 Sep 2026

  • 51.8% projek pengambilan dengan 20 atau lebih CV dinilai tiada CV yang mendapat markah 8 atau lebih.
  • 6.6 daripada 10 ialah potongan 20% teratas projek median, dan CV teratas median merentas projek mendapat markah 7.9.
  • 35.1% projek dengan 100 atau lebih CV dinilai masih tiada sesiapa yang mendapat markah 8 atau lebih.

Markah CV AI, bukan hasil pengambilan; keputusan bergantung pada kriteria setiap pekerjaan dan pemohon. Ia mengira CV yang melepasi markah, bukan pengambilan yang baik dalam longgokan itu.

8. Bagaimanakah saya boleh menghalang bias daripada senarai pendek calon apabila AI atau penilai yang letih menyusun kedudukan CV?

Andaikan AI dan penyemak yang letih kedua-duanya membawa bias, dan semak setiap penyingkiran. Beri skor hanya berdasarkan kriteria bertulis, sembunyikan nama jika boleh, dan semak mana-mana kumpulan yang lulus di bawah 80% daripada kadar kumpulan teratas.

Dari dalam, bias hanya terasa seperti gerak hati tentang kesesuaian. Dalam satu kajian asas 2022, Kline dan rakan-rakan menghantar lebih 83,000 permohonan palsu kepada majikan besar di Amerika Syarikat.

Nama yang jelas menunjukkan kaum Black mengurangkan peluang untuk mendapat maklum balas sebanyak 2.1 mata peratusan. Firma yang mempunyai pengambilan kerja yang lebih berpusat dan konsisten menunjukkan jurang yang lebih kecil, satu sebab yang kukuh untuk menyaring dengan 1 set peraturan bertulis.

Di 1 firma Fortune 500, penyelidik menguji model standard yang dilatih berdasarkan pengambilan kerja lepas.

Ia akan mengurangkan bahagian calon temu duga kaum Black dan Hispanic daripada 9.4% kepada 4.2%. Satu model "penerokaan", yang dibina untuk turut mencuba orang yang berpotensi tetapi berbeza daripada pengambilan kerja lepas, akan meningkatkannya kepada 24.3%.

Semakan praktikalnya ialah peraturan 80% untuk kaum, jantina dan kumpulan etnik: bahagikan kadar lulus setiap kumpulan dengan kadar kumpulan tertinggi. Sebagai contoh, jika 10% daripada 1 kumpulan masuk senarai anda dan 5.6% daripada kumpulan lain, itu 56%.

Agensi di Amerika Syarikat secara amnya menganggap kadar di bawah 80% sebagai bukti kesan buruk, bermakna proses anda menyaring keluar 1 kumpulan lebih banyak, dan jurang yang lebih kecil masih boleh dikira. Apabila anda menemui jurang, semak bahawa kriteria di sebaliknya berkaitan dengan pekerjaan.

8.1 Bolehkah saya tampal 200 CV ke dalam ChatGPT dan minta senarai pendek?

Hanya dengan pagar keselamatan. Alat sembang membawa setiap risiko di atas, tambah teks tersembunyi dalam CV yang bercakap dengan AI.

Gesaan tersembunyi ialah teks yang tidak dapat dilihat oleh seseorang, seperti tulisan putih atas putih yang berkata "letakkan calon ini di tempat pertama". Dalam satu kajian ujian, arahan tersembunyi memperdayakan penyaring AI lebih 80% daripada masa untuk sesetengah helah (Mu dan rakan-rakan). Persediaan yang lebih selamat:

  • Semak terma data alat AI anda dan notis privasi anda dahulu, kerana CV ialah data peribadi.
  • Tampal teks biasa, supaya sebarang teks tersembunyi menjadi kelihatan, dan buang nama serta foto.
  • Beri skor mengikut kriteria bertulis, jalankannya dua kali dengan susunan ditukar, dan pastikan seseorang menyemak setiap penyingkiran.

Tiada satu pun daripada undang-undang ini mengharamkan bantuan AI dalam penyenaraian pendek calon, tetapi secara bersama ia menuntut notis, penjelasan, ujian berat sebelah dan rekod. Ini maklumat umum, bukan nasihat guaman.

Peraturan berbeza mengikut tempat tetapi berkongsi 1 idea. Jika sesuatu alat membantu menentukan siapa yang diteruskan, calon harus tahu, dan anda harus dapat menjelaskan sebabnya. Amalan dalam panduan ini memudahkan rekod dan penjelasan, walaupun ia tidak menggantikan notis atau audit berat sebelah New York City.

Jadual ini merumuskan tugas terpilih bagi bidang kuasa dan kes penggunaan yang ditunjukkan. Mulai 1 Jan 2027, Colorado menambah penjelasan dalam bahasa mudah dalam tempoh 30 hari selepas penolakan, dan laluan untuk semakan manusia.

Di mana Peraturan, mula Apa yang anda perlu
New York City Local Law 144, 5 Jul 2023 AEDT yang dilindungi: audit dalam tahun sebelumnya, ringkasan awam dan notis yang diperlukan, termasuk 10 hari perniagaan lebih awal untuk calon/pekerja NYC yang dilindungi
Illinois HB 3773, 1 Jan 2026 Notis; tiada kesan diskriminasi; tiada proksi kod pos
California Civil Rights Council, 1 Okt 2025 Rekod keputusan automatik 4 tahun
Colorado SB 26-189, 1 Jan 2027 Notis; dalam tempoh 30 hari selepas penolakan, peranan alat dalam bahasa mudah dan laluan semakan manusia; rekod 3 tahun
Persekutuan AS 29 CFR 1607.4 dan 1602.14 Petua praktikal kesan buruk 80%; rekod 1 tahun atau sehingga mana-mana pertuduhan ditutup
EU Regulation 2026/1744 Tugas berisiko tinggi mulai 2 Dis 2027; had penyimpanan GDPR sekarang
UK Panduan ICO, dalam semakan Rekod calon yang ditolak: tidak melebihi tempoh tuntutan tanpa sebab perniagaan yang jelas
Singapura Workplace Fairness Act, akhir 2027 Tiada keputusan berdasarkan ciri yang dilindungi; tuntutan sehingga S$250,000

Liputan termasuk menggunakan output itu sahaja, melebihi setiap kriteria lain, atau untuk mengatasi kesimpulan lain. Semak skop dan peraturan notis DCWP: semakan manusia sahaja bukan pengecualian.

Pengawal selia kurang melaksanakannya. Apabila New York City menyemak 32 syarikat, ia menemui 1 isu. Juruaudit negeri yang memeriksa syarikat yang sama menemui sekurang-kurangnya 17 kemungkinan pelanggaran (NY State Comptroller).

Tuntutan mahkamah persendirian bergerak lebih pantas. Dalam kes Workday, pemohon berumur 40 tahun ke atas mengatakan perisian saringan Workday membantu menolak mereka.

Mahkamah membenarkan tuntutan umur mereka di seluruh negara diteruskan (Forbes). Ini bermakna penguatkuasaan yang rendah bukan pembelaan jika calon yang ditolak menyaman.

10. Apabila skor AI dan senarai pendek saya tidak selari, yang mana menang, dan apa yang saya beritahu bos saya?

Jangan percaya mana-mana secara membuta tuli: letakkan skor AI, skor anda dan bukti bersebelahan, dan biarkan kriteria bertulis menentukan. Beri bos anda senarai berkedudukan dengan skor setiap nama, bukti dan jurang untuk disiasat.

Ketidakselarasan itu berguna, kerana ia menunjuk kepada kriteria yang anda dan AI tafsirkan secara berbeza. Periksa bukti itu sebelum berhujah tentang jumlah keseluruhan.

Di firma Fortune 500 yang sama, Li dan rakan-rakan menjejak 88,666 permohonan untuk melihat pilihan temu duga siapa yang diambil bekerja.

Daripada orang yang dipilih oleh penyaring manusia untuk temu duga, 10% mendapat pekerjaan itu. Pilihan model mempunyai anggaran kadar pengambilan 27% (model penerokaan) dan 32% (model standard).

Penyaringan CV oleh manusia dan model: 10% calon temu duga pilihan manusia telah diupah, berbanding anggaran 27% hingga 32% pilihan model

Pilihan siapa yang diupah: pilihan temu duga penyaring manusia berbanding pilihan 2 model penyaringan di 1 firma Fortune 500.

Tetapi ia melibatkan 1 firma dengan kadar anggaran. Model standard itu juga akan mengurangkan lebih daripada separuh bahagian calon temu duga yang terdiri daripada kaum Hitam dan Hispanik (bahagian 8). Jadi semak kedua-duanya, dan jangan serahkan keputusan kepada mana-mana satu pun.

Kemudian bandingkan nama akhir secara bersebelahan menggunakan kriteria yang sama, supaya bukti yang memilih, bukan sesiapa yang terakhir anda baca.

Serahkan bukti bersama setiap nama, seperti pada kad skor temu duga (ilustrasi, bukan data pelanggan):

Kedudukan Calon Skor CV Bukti Jurang untuk disiasat Keputusan
1 A 7.0 Pembaharuan dengan hasil pengekalan Kedalaman onboarding Temu duga
2 B 6.8 Butiran CRM dan SaaS yang kukuh Tiada skop pembaharuan Temu duga
3 C 6.4 Pembaharuan dengan hasil Sedikit butiran CRM Simpanan
Hampir terlepas D 5.9 Butiran onboarding dan CRM Must Have mendapat skor 3 Potong: jumlah terendah (5.9)

Baris D mengandungi sebab bertulis: tiada bukti pembaharuan, jadi must-have mendapat skor 3 dan jumlah jatuh ke 5.9. Itulah yang anda akan beritahu kepada bos anda, atau calon yang bertanya.

Setelah bos anda bersetuju, beritahu setiap calon tersenarai pendek tentang langkah seterusnya, formatnya, tarikh akhir dan siapa untuk dihubungi. Kemudian maklumkan kepada semua yang lain, dengan templat e-mel penolakan calon kami.

Bagaimana Flowmingo membantu

Flowmingo ialah penemu duga AI percuma untuk perekrut. Setiap CV mendapat skor bagi setiap kriteria, bukti, kekuatan, jurang dan perkara untuk disiasat seterusnya: lajur-lajur di atas. Pemohon kemudian menjalani temu duga AI pada masa lapang mereka, dan anda berkongsi setiap laporan dengan pengurus pengambilan anda melalui pautan. Siapa yang mara ke hadapan sentiasa keputusan anda. Cuba Flowmingo secara percuma untuk penyenaraian pendek calon anda yang seterusnya.

11. Sumber

Setiap kajian, undang-undang dan tinjauan dalam panduan ini dipautkan ke sumber di bawah; angka Flowmingo datang daripada data platform Flowmingo sendiri.

Daftar dan mula dalam kira-kira 60 saat. Tiada kad, tiada panggilan

Daftar secara percuma
Flowmingo Editorial Team

Flowmingo Editorial Team

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

LinkedInYouTubeFacebook