Wahoji 3, mwombaji mmoja wa mwisho, maamuzi 3. Bila kadi ya alama za usaili, sauti kubwa zaidi katika majadiliano yenu ndiyo inayochagua mwajiriwa.
Hakuna fomu ya kutathmini watahiniwa ya kurudi kwake. Kwa hivyo hakuna anayeweza kueleza ofa hiyo kwa Mkurugenzi Mtendaji wako, au kwa mtahiniwa aliyekataliwa anayeuza.
Bila fomu inayoshirikiwa, watu wenye shughuli nyingi hutegemea hisia tu.
Na maamuzi ya hisia ni hafifu kuliko yanavyohisiwa, kama Noise ya Kahneman na waandishi wenzi wake inavyoonyesha.
Sema unajua tu kwamba mtahiniwa 1 alifanya vizuri zaidi kwenye usaili kuliko mwingine. Uwezekano kwamba kweli ndiye mwajiriwa bora ni 56% hadi 61% tu, bora kidogo kuliko kurusha sarafu.
Kadi ya alama hutatua hili kwa hatua 3. Kila mhoji hupima ujuzi uleule wa 4 hadi 6 kulingana na mifano iliyoandikwa, peke yake, kabla ya majadiliano. Kisha jumla huamua, isipokuwa ujuzi wa lazima ushindwe.
Mambo muhimu ya kuzingatia
- Je, kadi ya alama kweli hupelekea kuajiri bora? Ndiyo, ikiwa kila mhojiwa anapima ujuzi sawa kwa kutumia mifano iliyoandikwa. Usaili unaoendeshwa hivi ulitabiri utendaji kazini karibu mara mbili zaidi ya ule wa mazungumzo huru katika tathmini ya 2022.
- Ujuzi ngapi unapaswa kupimwa? 4 hadi 6, kila mmoja kwa kipimo cha 1 hadi 5 na jibu la mfano lililoandikwa kwa kila ngazi. Ujuzi wowote wa lazima uliopata chini ya 3 unamaanisha usiajiriwe.
- Nitachaguaje kati ya wawili wa mwisho wanaolingana? Angalia kwanza ujuzi wa lazima, kisha jadili mgawanyiko wowote wa 2 dhidi ya 5 kwa kutumia ushahidi. Usipige kura tena kwa hisia: kanuni isiyobadilika ilishinda uamuzi wa wataalam katika tathmini ya 2013.
- Ninahitaji wahojiwa wangapi? Hadi 4, kila mmoja akipima peke yake. Katika data ya Google yenyewe, kila usaili baada ya wa 4 uliongeza usahihi wa chini ya 1%.
- Naweza kuamini alama ya AI? Itumie kama mchango 1 na soma sababu zake. Katika utafiti wa 2023, mpimaji wa AI alifuata kwa karibu wapimaji wa kibinadamu waliofunzwa kwenye maswali yanayojulikana na vibaya kwenye maswali mapya.
1. Je, kadi ya alama za usaili kweli inanisaidia kuchagua wafanyakazi bora?
Ndiyo, wakati kila mhoji anapima ujuzi sawa kwa kutumia mifano iliyoandikwa. Mahojiano yenye muundo, ambapo unauliza na kupima kila mtu kwa namna sawa, yalitabiri utendaji kazini kwa 0.42, zaidi ya mara mbili ya 0.19 ya yale yasiyo na muundo.
Takwimu hizo zinatoka kwa uchanganuzi mpya wa msingi wa 2022 wa Sackett na wenzake wa miongo ya utafiti wa uajiri.
Namba hizo ni uwiano, kutoka 0 (hakuna uhusiano na utendaji kazini baadaye) hadi 1 (uhusiano kamili). Kwa hiyo 0.19 haimaanishi mahojiano yasiyo na muundo huchagua sahihi kwa asilimia 20 ya muda. Inamaanisha uhusiano wake na utendaji baadaye ni hafifu.
Chati iliyo hapa chini inaorodhesha mbinu 6 za kawaida. Mitihani ya maarifa ya kazi kwa 0.40 na biodata yenye ufunguo, dodoso la usuli lililopimwa, kwa 0.38 zinakaribia nyuma.
Mitihani ya sampuli za kazi inafuata kwa 0.33 na mitihani ya uwezo wa kiakili kwa 0.31. Mahojiano yasiyo na muundo, mazungumzo huru ambayo wengi wetu tulikulia nayo, yanakuja mwisho.

Mbinu za uajiri zilizoorodheshwa kwa uhusiano na utendaji kazini: mahojiano yenye muundo yanaongoza kwa 0.42, mahojiano yasiyo na muundo yanafuata kwa 0.19 (uchanganuzi mpya wa msingi wa Sackett et al.).
Lakini 0.42 ni wastani. Ufuatiliaji wa waandishi unaweka mahojiano mengi yenye muundo kati ya 0.18, si bora kuliko mazungumzo huru, na 0.66, bora kuliko kitu chochote kwenye chati.
Muundo ni 1 ya sababu 3 ambazo waandishi wanatoa kwa utofauti huo. Hii inamaanisha kadi ya alama ya mahojiano yenye ujuzi usiofafanuliwa ina hatari ya kuishia karibu na chini. Hizi ni wastani katika waajiri wengi, si ahadi kuhusu mwajiri wako ajaye.
2. Kiolezo changu cha kadi ya alama ya mahojiano kinapaswa kujumuisha nini?
Kiolezo cha kadi ya alama ya mahojiano, au fomu ya tathmini ya mgombea, kinajumuisha ujuzi 5, vigezo vilivyoandikwa, kisanduku cha ushahidi na kiwango cha lazima, vyote kwenye ukurasa 1. Kinamalizika kwa maoni ya jumla na pendekezo.
Vigezo hufanya 4 ya mhoji mmoja imaanishe sawa na ya mwingine, na kisanduku cha ushahidi hujibu "kwa nini" wakati Mkurugenzi Mtendaji wako anauliza.
Kiwango cha chini kinazuia alama ya jumla ya juu kuficha uwezo mdogo wa jambo la lazima. Hisia ya jumla huja mwisho, kwa sababu hisia za tumboni zilizoandikwa kwanza zinaathiri alama zote za ujuzi zinazofuata.
Hii hapa ni fomu hiyo kwa kiongozi wa huduma kwa wateja, yenye mahitaji 2 ya lazima. Kila ujuzi kati ya 5 unapata alama 1 hadi 5, hivyo jumla ni kati ya 25.
Uliza maswali 2 kuhusu tabia za nyuma kwa kila ujuzi, kwa sababu mfano halisi wa nyuma unakupa kitu cha kushikilia dhidi ya viwango. Kwa mfano: "Niambie kuhusu mara ya mwisho mteja aliyekasirika alipokupandishia malalamiko."

Kiolezo tupu cha kadi ya alama za usaili kwa kiongozi wa huduma kwa wateja: ujuzi 5, mahitaji 2 ya lazima, alama 1 hadi 5 na nukuu ya ushahidi kwa kila kimoja.
Nakili jedwali, kisha weka ujuzi na viwango vyako mwenyewe.
| Ujuzi | Viwango vya 1 / 3 / 5 | Alama 1-5 | Ushahidi (nukuu) |
|---|---|---|---|
| Kichwa | Mtahiniwa, nafasi, mhoji, tarehe | ||
| Anashughulika na wateja waliokasirika (lazima) | Anamlaumu mteja / anafuata sera / anatatua chanzo | ||
| Mawasiliano ya maandishi (lazima) | Hayaeleweki / yanaeleweka lakini ni marefu / mafupi na yanaeleweka | ||
| Anapanga kipaumbele cha foleni | Hakuna mbinu / kwa dharura / kwa athari | ||
| Anafunza timu | Hakuna mfano / anatoa vidokezo / anaweka mpango | ||
| Anaboresha mchakato | Hakuna mfano / anapendekeza suluhisho / anatekeleza suluhisho | ||
| Kiwango cha chini cha jambo la lazima | Jambo lolote la lazima chini ya 3 linamaanisha usiajiri | ||
| Hakuna alama | Hisia zinazosomwa kutoka usoni, sauti au kuandika; lafudhi au mwendo isipokuwa kama kazi inahitaji; "kufaa kitamaduni" | ||
| Jumla | Jumla ya alama 5, kati ya 25 | ||
| Hisia ya jumla | 1 hadi 5, inajazwa mwisho | ||
| Mapendekezo | Kiajiri kwa nguvu / aajiri / usiajiri / usiajiri kabisa; kupindua kunahitaji sababu iliyoandikwa |
2.1 Nini ninapaswa kuamua kabla ya kukijenga?
Fafanua mafanikio katika nafasi kwanza, kisha chagua ujuzi unaoyaleta. Ganda kadi ya alama za usaili kabla ya CV ya kwanza kuwasili.
Mpangilio huo unatoka kwa Who, ya Geoff Smart na Randy Street. Andika mstari 1 wa dhamira, kisha matokeo 3 hadi 8 yaliyopangwa kwa umuhimu, kisha ujuzi 4 hadi 6. Tokeo ni matokeo yanayopimika, kama kukuza mapato kutoka $25 milioni hadi $50 milioni kufikia mwaka wa 3, sio shughuli.
Kuganda ni muhimu kwa sababu watu hupinda vigezo bila kujua. Katika tafiti za msingi za Uhlmann na Cohen (2005), washiriki walimhukumu mwombaji mwenye ujuzi wa mitaani na mwombaji mwenye elimu ya juu kwa nafasi ya mkuu wa polisi.
Iwe ni uwezo upi aliokuwa nao mwanamume, waliamua kazi ilihitaji huo zaidi, na mwanamke hakupata nyongeza kama hiyo. Kujitolea kwa vigezo kabla ya kuwaona waombaji kuliondoa upendeleo huo. Hivyo kadi ya alama iliyoandikwa baada ya kukutana na watahiniwa inaweza kupinda kimyakimya kuelekea yule unayempenda tayari.
2.2 Je, kufaa kwa utamaduni kuwekwe kwenye kadi ya alama?
Siyo kama ilivyoandikwa, kwa sababu hakuna anayeweza kuipima kwa namna moja kila mara. Igeuze kuwa tabia 1 au 2 zinazoonekana, kama vile "huomba maoni kuhusu kazi yake mwenyewe".
Sema timu yako inathamini uwazi: pima "alitoa mfano mahususi wa kuripoti kosa mapema" badala yake.
3. Ninawezaje kupima uzito wa alama za usaili ili mahitaji ya lazima yahesabiwe zaidi?
Ipe kila ujuzi uzito sawa na uongeze kiwango cha chini cha hitaji la lazima, au rekebisha uzito kabla ya usaili wa kwanza. Uzito sawa mara nyingi hutabiri kesi mpya vizuri kama uzito uliorekebishwa kwa data ya zamani.
Hoja hiyo ya pili inatoka kwa mwanasaikolojia Robyn Dawes, kama Kahneman anavyofupisha katika Thinking, Fast and Slow.
Uzito uliorekebishwa kwa walioajiriwa wako wa zamani pia hujifunza ajali za kundi hilo. Sema waajiriwa wako 3 bora wa msaada wote walikuwa wakufunzi hodari: uzito uliorekebishwa ungependelea ufundishaji kwa kila mtahiniwa wa baadaye.
Uzito sawa hauwezi kufuata ajali kama hiyo, ndiyo sababu mara nyingi hutabiri watahiniwa wapya vizuri vile vile. Weka pia ujuzi huru, kama Kahneman anavyoshauri: usiorodheshe "mawasiliano" na "ujuzi wa kuwasilisha" pamoja, kwa sababu kwa pamoja zinahesabu kitu kimoja mara mbili.
Hitaji la lazima hupata nguvu yake kutoka kwa kiwango cha chini, si kutoka kwa uzito mkubwa. Sema "Hushughulikia wateja waliokasirika" hupata alama 2 na kila ujuzi mwingine hupata alama 5.
Jumla ya 22 kati ya 25 inaonekana nzuri, lakini kiwango cha chini bado kinasema usiajiri. Hiyo ndiyo unayotaka kwa ujuzi ambao kazi haiwezi kufanyika bila yake.
Ikiwa unaweka uzito, ziandike kwenye kadi ya alama ya usaili mapema na uzitumie kwa kila mtu. Hiyo hufunga njia rahisi zaidi ya kupindua jumla: kubadilisha uzito baada ya kukutana na mtu unayempenda.
Jinsi Flowmingo inasaidia
Ripoti ya usaili ya AI ya Flowmingo hutumia uzito usiobadilika: kigezo cha Lazima Kiwepo huhesabiwa mara 4 zaidi ya kigezo cha Vizuri Kiwepo katika alama ya jumla. Kila kigezo huweka alama yake ya 0 hadi 10, kwa hivyo bado unaweza kutumia kiwango cha chini cha hitaji la lazima mwenyewe.
4. Ninawezaje kufanya alama 3 imaanishe kitu kimoja kwa kila mhojiwa?
Andika kile ambacho jibu la 1, 3 na 5 linacho kwa kila ujuzi, kabla ya mahojiano ya kwanza. Kipimo hicho cha tathmini kinachozingatia tabia hufanya alama za wahojiwa 2 zilinganishe.
"Kuzingatia tabia" humaanisha tu kwamba kila alama inahusiana na kile ambacho mtahiniwa alifanya, si kwa hisia kama "nzuri kiasi". Bila viwango vya kuzingatia, alama 3 kwenye kadi hiyo hiyo ya alama za mahojiano humaanisha "sawa" kwa mhojiwa mmoja na "dhaifu" kwa mwingine.
Mahojiano yenye viwango vya kuzingatia pia yanaonyesha uhusiano wa wastani wenye nguvu na utendaji wa baadaye. Taylor na Small katika mapitio yao ya msingi ya tafiti 19 za mahojiano ya tabia ya awali waligundua uhusiano wa .35 na viwango vya kuzingatia, dhidi ya .26 bila. Tafiti zilitofautiana kwa mambo mengine pia, hivyo ulinganisho huu hautenganishi athari ya kuongeza viwango vya kuzingatia.
Hiki ni kipimo cha tathmini ya mahojiano kwa ujuzi wa lazima "Anashughulikia wateja waliokasirika".
| Alama | Kile ambacho jibu linacho |
|---|---|
| 1 | Anamlaumu mteja; hakuna hatua yake mwenyewe na hakuna matokeo |
| 3 | Mfano halisi: anatuliza mteja na anatumia sera, lakini haangalii matokeo |
| 5 | Mfano halisi: anapata chanzo, analirekebisha, anafuatilia na anashiriki suluhisho |
Kila hatua ya juu ni kitu unachoweza kukisikia kwenye jibu. Ndiyo sababu wasikilizaji 2 wanaweza kufikia namba moja.
Ikiwa bado huwezi kuandika viwango vya kuzingatia, azima ngazi 5 zilizo kwenye mwongozo wa mahojiano yenye muundo kutoka OPM, wakala wa HR wa shirikisho la Marekani. Kila moja inategemea ugumu wa hali na mwongozo ambao mtu alihitaji.
- 1, Ufahamu: hali rahisi zaidi, na mwongozo wa karibu na mpana.
- 2, Msingi: hali zenye ugumu kiasi, na mwongozo wa mara kwa mara.
- 3, Kati: hali ngumu, na mwongozo wa hapa na pale.
- 4, Juu: hali zenye ugumu mkubwa, na mwongozo mdogo au hakuna.
- 5, Mtaalamu: hali zenye ugumu wa kipekee, ambapo mtu hushauri wengine.

Ngazi 5 za alama za OPM kwa mahojiano yenye muundo: kutoka Ufahamu (hali rahisi zaidi, mwongozo wa karibu) hadi Mtaalamu (hali zenye ugumu wa kipekee, hushauri wengine).
5. Ninawezaje kuchagua kati ya wawili wenye nguvu wa mwisho wakati wahojaji wangu hawakubaliani?
Acha jumla ya alama za usaili iamue, isipokuwa katika hali mbili: kigezo cha lazima chenye alama chini ya 3, au mgawanyiko wa 2 dhidi ya 5, ambao hujadili kwa ushahidi. Usipige kura tena kwa hisia.
Huu ni wakati ambao alama za usaili zipo kwa ajili yake, na wakati ambapo ni rahisi zaidi kuziacha. Huu ni mfano wa kielelezo, si data ya mteja: wafikiaji 3 wa nafasi ya uongozi wa msaada, kila kisanduku kimepimwa wastani kutoka kwa wahojaji 3.
| Ujuzi | A | B | C |
|---|---|---|---|
| Hushughulikia wateja waliokasirika (lazima) | 4 | 2 | 4 |
| Mawasiliano ya maandishi (lazima) | 4 | 4 | 3 |
| Huweka kipaumbele kwenye foleni | 3 | 4 | 3 |
| Hufunza timu | 3 | 4 | 4 (alama 2, 5, 5) |
| Huboresha mchakato | 4 | 4 | 3 |
| Jumla, kati ya 25 | 18 | 18 | 17 |
| Uamuzi | Aja | Usiajiriwe: kizingiti kimevunjwa | Jadili mgawanyiko |
Soma alama za usaili mstari kwa mstari. A na B wanalingana kwa 18 kati ya 25. Lakini B alipata 2 kwenye kigezo cha lazima, hivyo kizingiti kinavunjwa na B haajiriwi.
C ana jumla ya 17, lakini wastani wa C wa 4 kwenye "Hufunza timu" unaficha mgawanyiko: mhojaji 1 alitoa 2, na wengine 2 walitoa 5. Tofauti hiyo inakuwa kipengele pekee cha ajenda ya majadiliano.
Kwa vitendo, waombe kila upande wasome nukuu zao za ushahidi. Sema aliyepeana alama ya chini alisikia kuhusu mwanatimu aliyeacha kazi, na wengine walisikia kuhusu mpango wa ufunzaji uliofanikiwa. Majadiliano yanaamua ni simulizi ipi inayofanana zaidi na C, na yeyote aliyekosa ushahidi hubadilisha alama kwa maandishi.

Alama za usaili zilizojazwa, za kielelezo: A na B wanalingana kwa 18 kati ya 25, B anakosa kigezo cha lazima, na C ana mgawanyiko wa ufunzaji wa kujadili.
Mara alama zinapomchagua mfikiaji, andika masharti kwenye ofa kabla ya kuituma: kiolezo chetu cha barua ya ofa ya kazi kinaonyesha kila ukaguzi unaenda wapi.
5.1 Je, ikiwa hisia zangu zinasema kitu kimoja na alama zinasema kingine?
Fuata alama isipokuwa uweze kuandika ushahidi ambao ziliukosa. Katika uchanganuzi mkuu wa 2013 wa Kuncel na wenzake, fomula iliyotumika kwa kila mtu kwa namna moja ilitabiri utendaji wa kazi kwa 0.44, dhidi ya 0.28 kwa uamuzi wa jumla. Waandishi wanaita huo uboreshaji wa utabiri wa zaidi ya 50%, hata dhidi ya wataalamu waliojua kazi hiyo.
Uamuzi wa jumla unamaanisha watu kupima ukweli huo huo vichwani mwao, ikiwemo mikutano ya maafikiano. Hivyo majadiliano huziba mapengo ya ushahidi, na hayapigi kura tena.
5.2 Je, nilinganishe wanaofuzu kwa upande kwa upande?
Ndiyo, jibu kwa jibu. Ushauri wa HBR wa Bohnet ni kulinganisha majibu yote ya swali la 1, kisha swali la 2, ili uhukumu kila jibu kwa kulinganisha na mengine.
Katika utafiti wa maabara wa msingi wa 2016, watu walioonyeshwa mgombea 1 kwa wakati mmoja walipendelea jinsia iliyopendelewa na dhana potofu ya kazi hiyo. Utendaji wa nyuma haukuwa na umuhimu mkubwa. Walipoonyeshwa 2 kwa upande kwa upande, walimchagua mwenye utendaji wa juu kwa 54% na wa chini kwa 8%.
Utafiti ulitumia alama za kazi za nyuma, si mahojiano, kwa hivyo uchukulie kama dokezo dhabiti badala ya uthibitisho.
6. Ninawezaje kuzuia mhoji ambaye ni mkali sana kushinda katika majadiliano ya tathmini?
Mhoji kila mmoja awasilishe kadi yake ya alama za mahojiano kabla ya mtu yeyote kuzungumza, kisha uanze majadiliano ya tathmini kwa alama hizo.
Fikiria mtu mwandamizi anaanza kwa kusema "Nilimpenda sana", na chumba huanza kuelea kuelekea mtazamo huo. Alama zilizoandikwa kwa pekee hulinda kila mtu dhidi ya mvuto huo, ndiyo sababu Noise hufanya ukaguzi wa pekee kuwa kanuni ya uajiri.
Kwa vitendo, kusanya alama kwenye laha inayoshirikiwa au mfumo wako wa ufuatiliaji wa waombaji, kisha uzifichue zote kwa wakati mmoja.
Jopo, ambapo kila mtu hutazama mahojiano yale yale, huonekana kama suluhisho. Katika uchambuzi wa meta wa msingi wa 2013 wa Huffcutt na wenzake, wapimaji wa jopo walikubaliana kwa 0.74, dhidi ya 0.44 kwa mahojiano tofauti, kwenye kipimo cha 0-hadi-1.
Namba hiyo hujivika majopo uzuri wa kupita kiasi. Wajopo wote hupima utendaji ule ule siku ile ile, kwa hivyo ikiwa mgombea alipata asubuhi nzuri au mbaya isivyo kawaida, wote wanaiona.
Kama Iris Bohnet alivyosema katika hotuba katika Google, "ukubwa wa sampuli ya mahojiano ya jopo kimsingi ni mmoja". Mahojiano tofauti, kila moja likipimwa peke yake, hukupa mitazamo huru zaidi.
6.1 Ni wahojiji wangapi wanapaswa kumpa alama kila mgombea?
Hadi 4, katika mahojiano tofauti. Katika data ya ndani ya Google, ambayo si utafiti uliopitiwa na wataalam wengine, mahojiano 4 yalitabiri uamuzi wa kuajiri kwa uhakika wa 86%. Kila moja ya ziada iliongeza chini ya 1%.
Mahojiano ya ziada yaliongeza kidogo katika kutabiri uamuzi wa kuajiri wa Google wenyewe. Tumia hilo kama kigezo cha kuhalalisha kila awamu, si kikomo cha jumla wala ushahidi kuhusu utendaji wa kazi baadaye.
7. Ninawezaje kuwafanya waandaji mahojiano wanaobanwa na muda kujaza kadi ya alama za mahojiano?
Fanya kupanga alama kuwa sehemu ya mahojiano. Panga alama za kila ujuzi mara moja baada ya maswali yake, andika nukuu ya mstari 1 kama ushahidi, na toa maoni ya jumla mwisho.
Hakuna anayetaka fomu nyingine baada ya siku nzima ya mahojiano. Ndiyo sababu kupanga alama hufanyika ndani ya mahojiano, si kama kazi ya nyumbani ya usiku huu.
Kahneman aliunda mbinu hii kwa ajili ya jeshi la Israeli mwaka 1955, baada ya mahojiano ya mfululizo kuthibitika kuwa karibu yasiyofaa katika kutabiri mafanikio. Waandaji mahojiano walipanga alama za sifa 6 kwa kipimo cha 1 hadi 5, wakimaliza kila moja kabla ya kuanza inayofuata, ili maoni ya kwanza yasiweze kuathiri mengine.
Ni baada ya hapo tu walifunga macho na kutoa alama ya jumla, na jumla hiyo ilitabiri kwa usahihi mkubwa kuliko hapo awali. Ushauri wake: ajiri mwenye jumla ya juu, "hata kama yupo mwingine unayempenda zaidi".
Muda pia ni muhimu. Katika utafiti wa uwandani, waandaji mahojiano 166 waliripoti walipoamua. Ni 4.9% tu ya maamuzi yalitolewa katika dakika ya kwanza, lakini 22.5% yalitolewa baada ya mahojiano kumalizika.
Uamuzi uliofanywa baada ya mtahiniwa kuondoka hutegemea kumbukumbu, kwa hiyo panga alama unapoendelea.
Kwa kiongozi wetu wa msaada, hilo linaonekana hivi:
- Uliza maswali 2 ya foleni, kisha panga alama za "Anatilia kipaumbele foleni" kabla ya kuendelea.
- Andika nukuu 1 kama ushahidi, kama vile "Ninapanga hitilafu kwa idadi ya wateja zinazowagusa."
- Weka mpangilio sawa wa ujuzi kwa kila mtahiniwa.
Ushahidi ulioandikwa ni nadra katika data yetu.
Data ya Flowmingo · wagombea 86,638 waliofanyiwa mahojiano na AI · kampuni 2,574 · Julai 2025 hadi Sep 2026
- 0.3% ya wagombea waliofanyiwa mahojiano na AI walipata maoni yaliyoandikwa kutoka kwa timu ya kuajiri (258 kati ya 86,638).
Timu zinaweza kuweka maelezo mahali pengine; ndani ya Flowmingo, ripoti ya AI kwa kawaida ndiyo tathmini pekee iliyoandikwa iliyowekwa kwenye faili.
Sababu iliyoandikwa ndiyo kitu cha kwanza kupuuzwa siku yenye shughuli nyingi. Ndiyo maana fomu inaomba nukuu 1 tu kwa kila ujuzi.
8. Je, ninaweza kuamini alama ya AI kwenye kadi yangu ya alama za mahojiano?
Itumie kama kipengele 1 ambacho mtu hukipitia, na soma sababu zake kwanza. Ukadiriaji wa AI unaweza kushuka kwa kasi kwenye maswali ambayo hayakufunzwa.
Tuna maslahi kwenye jibu hili, kwa hivyo ushahidi ulio hapa chini unajumuisha sehemu ambayo haifurahishi AI.
Katika utafiti wa msingi wa 2023, wakadiriaji 2 waliofunzwa walitoa alama kwa majibu 7,017 ya waombaji kwenye kipimo cha 1-hadi-5 chenye vianzio. Modeli iliyofunzwa kwa maswali yale yale ililingana kwa karibu na alama zao, kwa 0.75 kwenye kipimo cha 0-hadi-1. Kwenye miundo ya maswali ambayo haikuwahi kuiona, ilishuka hadi 0.30, ulinganifu hafifu.
Hii ina maana kwamba alama ya AI ni nzuri kwa kiwango cha rubriki yake mahususi kwa swali, kwa hivyo soma sababu zake kabla ya kuamini namba hiyo. Pia fahamu kwamba waandishi 3 kati ya 5 wa utafiti huo walifanya kazi katika Modern Hire, mtoa huduma wa mahojiano ya AI.
Jinsi Flowmingo inavyosaidia
AI Interviewer ya Flowmingo hutoa alama kwa kufuata vigezo unavyoidhinisha. AI huandaa maswali na vigezo kutoka kwenye maelezo yako ya kazi, na wewe hubadilisha vyote viwili. Unamtumia kila mwombaji mahojiano ayafanye kwa muda wake mwenyewe.
Unapokea rekodi, nakala ya mazungumzo na kila kigezo kilichopewa alama 0 hadi 10 pamoja na sababu iliyoandikwa. Wewe hufanya uamuzi wa kuajiri.

Ripoti ya sampuli ya umma ya Flowmingo: alama ya 0 hadi 10 na sababu kwa kila kigezo, kwa hivyo weka kiwango chochote cha lazima kwenye kipimo hicho.
Katika data yetu, CV na mahojiano pia hayakubaliani kuhusu nani bora.
Data ya Flowmingo · wagombea 34,114 · kampuni 379 · Julai 2025 hadi Sep 2026
- 19.2% ya miradi 532 yenye alama 1 ya juu wazi ya mahojiano pia ilimpa mgombea huyo alama ya juu ya CV.
- 54.9% ya wagombea 3,684 waliofika 8 au zaidi kwenye mahojiano (2,022) wangekatwa na orodha fupi ya CV ya 20% ya juu.
Zote ni alama za AI za Flowmingo, si utendaji wa kazini, na waliofanyiwa mahojiano ni kundi lililochaguliwa. Data inaonyesha orodha hizi 2 zinatofautiana, si ipi iliyo sahihi.
Kwa maneno rahisi, katika takriban miradi 4 kati ya 5 kati ya hiyo, aliyepata alama za juu zaidi kwenye usaili hakuwa pia na alama za juu zaidi za CV. Kwa hivyo toa alama za usaili peke yake, badala ya kuruhusu alama za CV kuendelea.
9. Kadi zangu za alama zitakinilinda ikiwa mtahiniwa aliyekataliwa atalalamika?
Zinasaidia, ikiwa zinatoa alama kwa ushahidi unaohusiana na kazi na unazihifadhi. Kwa tafsiri inayokubalika, sheria za shirikisho la Marekani zinamaanisha kuhifadhi kadi za alama kwa angalau mwaka 1, na sheria za California miaka 4.
Malalamiko yanaweza kufika miezi baadaye, wakati hakuna anayekumbuka usaili. Kadi ya alama ya usaili yenye nukuu kwa kila ujuzi inaonyesha ulichotathmini na kwa nini.
Sheria ya Marekani haitaji kadi za alama kwa jina, lakini inashughulikia "rekodi nyingine zinazohusiana na kuajiri". Mara mtu anapowasilisha mashtaka ya ubaguzi, unahifadhi kila rekodi inayohusika hadi kesi itakapomalizika. Hiyo inajumuisha rekodi za watahiniwa wengine kwa kazi hiyo hiyo, kwa hivyo shtaka 1 linagandisha seti nzima.
Sheria hizi zinasimama kufikia Septemba 2026. Huu ni muhtasari, si ushauri wa kisheria.
| Sheria | Mahali | Inamaanisha nini kwa kadi yako ya alama |
|---|---|---|
| 29 CFR 1602.14 | Marekani | Hifadhi rekodi za kuajiri kwa mwaka 1, muda mrefu zaidi baada ya shtaka |
| 2 CCR 11013(c) | California | Hifadhi rekodi kwa miaka 4, ikiwemo data ya maamuzi ya kiotomatiki |
| Mwongozo wa ICO | Uingereza | Watahiniwa wanaweza kuomba maelezo ya usaili; fichua sheria yoyote ya kuvunja sare |
| TAFEP | Singapore | Tumia fomu ya tathmini na hifadhi rekodi kwa angalau mwaka 1 |
| 29 CFR 1630.11 (ADA) | Marekani | Ikiwa ulemavu unaathiri usemi, toa alama kwa ujuzi, si usemi, isipokuwa kuzungumza ndiyo kazi inayohitaji |
| AI Act, Kifungu cha 5(1)(f) | EU, tangu 2 Feb 2025 | Hakuna AI inayobainisha hisia za watahiniwa kutoka kwa nyuso, mkao au mibonyezo ya kibodi |
| AI Act, Kiambatisho III na Kifungu cha 26 | EU, kuanzia 2 Des 2027 | Hatari kubwa: usimamizi wa binadamu, kumbukumbu zilizohifadhiwa miezi 6+, watahiniwa kuarifiwa |
| Local Law 144 | New York City | Alama ya AI inayotumika peke yake, iliyopewa uzito zaidi ya kila kitu au kutumika kupindua maamuzi ya watu: ukaguzi wa mwaka kwa upendeleo na notisi |
| AI Video Interview Act | Illinois | Notisi, maelezo na idhini kwanza; futa video ndani ya siku 30 za ombi |
Ndiyo sababu kiolezo kina safu ya "Haijapata alama". EU inapiga marufuku AI inayosoma hisia za watahiniwa kutoka kwa nyuso, mkao au mibonyezo ya kibodi, na sheria ya ulemavu ya Marekani (ADA) inalinda watahiniwa ambao ulemavu wao unaathiri usemi. Nchini Uingereza, watahiniwa wanaweza kuomba maelezo yako, kwa hivyo andika kila mstari wa ushahidi kana kwamba watausoma.
Kujikagua, linganisha viwango vya kufaulu kwa kundi kwa kanuni ya kidole ya 4/5 katika Miongozo ya Pamoja. Sema 30% ya kundi 1 wanafaulu na 50% ya lingine: 30 kugawanywa na 50 ni 0.6, chini ya 0.8, kwa hivyo angalia kwa karibu zaidi.
Maoni ya Idara ya Haki ya Juni 2026 na kanuni ya OPM ya Julai 2026 zinaondoa mashirika ya shirikisho kutoka kwa Miongozo. Hata hivyo, zinasalia katika kanuni za shirikisho, kwa hivyo chukulia ukaguzi huo kama tabia ya gharama ndogo, si mstari wa kisheria.
10. Ninawezaje kuanzisha kadi ya alama ya usaili na timu yangu wiki hii?
Iijenge kwa mpangilio huu, na ibadilishe tu kati ya nafasi. Toleo la kwanza halihitaji kuwa kamilifu, lakini lazima liwe sawa kwa kila mtahiniwa.
- Andika mstari 1 wa dhamira na matokeo 3 hadi 8 yaliyopangwa kwa mpangilio.
- Yabadilishe kuwa ujuzi 5 na uweke alama kwenye yale ya lazima.
- Andika maswali 2 ya tabia ya nyuma na vigezo vya 1, 3 na 5 kwa kila ujuzi.
- Waache waheshimiaji hadi 4 watoe alama peke yao na kuwasilisha kabla ya majadiliano.
- Acha jumla iamue, lakini ujuzi wowote wa lazima ulio chini ya 3 unamaanisha hakuna kuajiri. Andika kila uamuzi wa kubadilisha.
Kwa vitendo, anza na nafasi 1 wazi, ili timu yako ijifunze tabia hiyo kwenye kitu halisi. Kabla ya usaili wa kwanza, waache wote watoe alama kwenye jibu la mfano sawa na kulinganisha.
Ikiwa alama 2 zinatofautiana kwa zaidi ya pointi 1, andika upya kigezo hadi zikubaliane. Waheshimiaji waliofunzwa katika utafiti wa sehemu ya 8 walitumia tofauti hiyo hiyo ya pointi 1 kuitisha mkutano.
Tegemea upinzani fulani. Waandishi wa habari wa jeshi wa Kahneman nao walipinga kurekodi majibu tu, na suluhisho lake lilikuwa ukadiriaji wa kufunga macho, ambao uliipa hukumu yao nafasi kwenye fomu. Mstari wako wa maoni ya jumla hufanya hivyo kwa timu yako.
Jinsi Flowmingo inavyosaidia
Ili kutuma kwa kila mwombaji usaili uliopangwa wa kufanya kwa wakati wake mwenyewe, ukirekodiwa na kupimwa kwa kadi 1 ya alama za usaili, jaribu Flowmingo.
11. Vyanzo
Kila takwimu ya nje iliyo hapo juu inatoka kwenye vyanzo vilivyo hapa chini, kwa mpangilio wa kuonekana. Takwimu za Flowmingo zenyewe ziko kwenye visanduku vya data, Jul 2025 hadi Sep 2026.
- 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.
- Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2023). Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors. Industrial and Organizational Psychology.
- Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment, ch. 24, as quoted by NPR Planet Money. Little, Brown Spark.
- Smart, G., & Street, R. (2008). Who: The A method for hiring. Ballantine Books.
- Uhlmann, E. L., & Cohen, G. L. (2005). Constructed criteria: Redefining merit to justify discrimination. Psychological Science.
- Taylor, P. J., & Small, B. (2002). Asking applicants what they would do versus what they did do: A meta-analytic comparison of situational and past behaviour employment interview questions. Journal of Occupational and Organizational Psychology.
- US Office of Personnel Management (2008). Structured interviews: A practical guide. OPM.
- Kahneman, D. (2011). Thinking, fast and slow, ch. 21, "Intuitions vs. formulas". Farrar, Straus and Giroux.
- Frieder, R. E., Van Iddekinge, C. H., & Raymark, P. H. (2016). How quickly do interviewers reach decisions? Journal of Occupational and Organizational Psychology. Percentages as reported by BPS Research Digest.
- Shaper, S. (2017). How many interviews does it take to hire a Googler?. Google re:Work, archived.
- 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.
- Bohnet, I. (2016). What works: Gender equality by design. Talks at Google.
- Bohnet, I. (2016). How to take the bias out of interviews. Harvard Business Review.
- Bohnet, I., van Geen, A., & Bazerman, M. H. (2016). When performance trumps gender bias: Joint vs. separate evaluation. Management Science.
- 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.
- Koenig, N., Tonidandel, S., Thompson, I., Albritton, B., Koohifar, F., et al. (2023). Improving measurement and prediction in personnel selection through the application of machine learning. Personnel Psychology.
- European Commission (2025). Guidelines on prohibited artificial intelligence practices, C(2025) 5052 final. European Commission.
- European Parliament and Council (2026). Regulation (EU) 2026/1744, the Digital Omnibus on AI. Official Journal of the EU.
- NYC Department of Consumer and Worker Protection (2023). Automated employment decision tools: rules and FAQ. NYC DCWP.
- Illinois General Assembly (n.d.). Artificial Intelligence Video Interview Act, 820 ILCS 42. Illinois General Assembly.
- US Equal Employment Opportunity Commission (1991, as amended 2011). 29 CFR 1630.11, Administration of tests. eCFR.
- US Equal Employment Opportunity Commission (1972, as amended 2024). 29 CFR 1602.14, Preservation of records made or kept. eCFR.
- California Civil Rights Council (2025). Employment regulations regarding automated-decision systems. California Civil Rights Department.
- Information Commissioner's Office (n.d., under review). Shortlisting, testing, and interviewing candidates. ICO.
- TAFEP (n.d., accessed 2026-09-24). How to conduct fair job interviews. Tripartite Alliance for Fair and Progressive Employment Practices.
- EEOC, Civil Service Commission, Department of Labor & Department of Justice (1978). Uniform Guidelines on Employee Selection Procedures, 29 CFR Part 1607. eCFR.
- US Department of Justice, Office of Legal Counsel (2026). Constitutionality of disparate-impact liability under Title VII. DOJ.
- US Office of Personnel Management (2026). Removal of references to the Uniform Guidelines on Employee Selection Procedures in federal personnel regulations. Federal Register.



