การคัดกรอง CV คือการตรวจสอบ CV ของผู้สมัครแต่ละคนกับข้อกำหนดที่จำเป็นของตำแหน่งงานเป็นขั้นแรก เป็นตัวตัดสินว่าใครจะได้เข้าสัมภาษณ์
คุณจะเจอขั้นตอนนี้ทันทีที่ตำแหน่งงานเปิดรับ จำนวนผู้สมัครต่อตำแหน่งเพิ่มขึ้นจากประมาณ 115 คนในปี 2022 เป็น 244 คนในปี 2025 ในรายงาน benchmark ภูมิภาคอเมริกาเหนือของ Greenhouse ดังนั้นการคัดกรองเรซูเม่จึงกินเวลาส่วนใหญ่ที่สุดในสัปดาห์การรับสมัครงานของคุณ
ประเด็นสำคัญ
- การคัดกรอง CV ตัดสินอะไร? ใครจะได้สัมภาษณ์ ในปี 2025 มีผู้สมัคร 7.6% ที่ผ่านขั้นแรก ประมาณ 19 คนจาก 244 คน
- การคัดกรองเรซูเม่คือสิ่งเดียวกันหรือไม่? ใช่ "Resume" เป็นคำที่ใช้ในสหรัฐฯ ส่วน "CV" ใช้ในสหราชอาณาจักรและเอเชีย
- การคัดกรอง CV ควรดูอะไร? หลักฐานที่พิสูจน์ทักษะจำเป็นของตำแหน่งงาน ไม่ใช่จำนวนปี ในการทบทวนตัวอย่าง 81 ชิ้น ประสบการณ์ทำงานในอดีตแทบไม่บอกอะไรเกี่ยวกับผลการทำงานในภายหลังเลย
- AI คัดกรอง CV ได้ไหม? มันให้คะแนนได้ แต่ต้องทดสอบก่อน: โมเดล AI 22 ตัวเลือก CV ฉบับแรกที่แสดงให้ดูถึง 63.5% ของเวลา
1. การคัดกรอง CV ในการสรรหาคืออะไร?
การคัดกรอง CV คือขั้นตอนที่มีคนอ่าน CV แต่ละฉบับเทียบกับเกณฑ์ของตำแหน่งงาน แล้วแบ่งผู้สมัครเป็น ผ่าน ไม่ผ่าน และอาจจะ อยู่หลังขั้นตอนการสมัครและก่อนการสัมภาษณ์ใด ๆ
它包括การตรวจสอบ 2 ประเภท การตรวจสอบแบบคัดออกคือข้อเท็จจริงที่ผ่านหรือไม่ผ่าน เช่น สิทธิในการทำงานหรือใบอนุญาตที่จำเป็น ส่วนการตรวจสอบหลักฐานคือการถามว่า CV แสดงให้เห็นว่าบุคคลนี้เคยทำงานลักษณะนี้พร้อมผลลัพธ์หรือไม่
它ไม่ใช่การแยกวิเคราะห์เรซูเม่ ซึ่งเพียงคัดลอก CV ลงในช่องต่าง ๆ ของระบบติดตามผู้สมัคร (ATS) และไม่ใช่การสัมภาษณ์เช่นกัน เพราะ CV แสดงสิ่งที่บุคคลกล่าวอ้าง ไม่ใช่วิธีที่เขาคิด นั่นคือเหตุผลที่การคัดกรองควรตัดสินเฉพาะสิ่งที่ CV พิสูจน์ได้
2. การคัดกรอง CV ในตำแหน่งงานจริงเป็นอย่างไร?
ในตำแหน่งงานจริง การคัดกรองเป็นเหมือนกรวย การตรวจสอบแบบคัดออกตัดคนที่ไม่ผ่านอย่างชัดเจนออก การตรวจสอบหลักฐานจัดอันดับที่เหลือ และส่วนบนสุดจะได้เข้าสัมภาษณ์
นี่คือ 1 ตำแหน่งงานที่ทำตั้งแต่ต้นจนจบ CV 244 ฉบับและอัตราการผ่านขั้นแรก 7.6% เป็นค่าเฉลี่ยปี 2025 จาก Greenhouse ซึ่งไม่ได้นิยามขั้นตอนของตน สัดส่วนที่แบ่งตรงกลางเป็นเพียงตัวอย่าง
สมมติคุณรับสมัครหัวหน้าทีมสนับสนุนลูกค้าและมี CV เข้ามา 244 ฉบับในหนึ่งสัปดาห์ ตัวอย่างเช่น คุณสมบัติที่จำเป็นของคุณคือสิทธิในการทำงานในสิงคโปร์ ภาษาอังกฤษระดับเขียนได้ และประสบการณ์ 2 ปีในการสนับสนุนผ่านแชทหรือโทรศัพท์ เกณฑ์หลักฐานของคุณคือทีมหรือคิวงานที่พวกเขาดูแล และผลลัพธ์ที่พวกเขาระบุได้

การคัดกรอง CV สำหรับตำแหน่งหัวหน้าทีมซัพพอร์ต 1 ตำแหน่ง: มี CV เข้ามา 244 ฉบับ มี 98 ฉบับไม่ผ่านเกณฑ์จำเป็น และ 127 ฉบับไม่มีหลักฐานยืนยัน และ 19 ฉบับได้เข้าสัมภาษณ์
ผู้สมัคร 98 คนที่ไม่ผ่านเกณฑ์คัดออกจะถูกตัดออกก่อน ซึ่งใช้เวลาเพียงไม่กี่นาทีเพราะแต่ละข้อเป็นการตรวจสอบข้อเท็จจริง ผู้สมัคร 146 คนที่เหลือจะถูกอ่านเพื่อหาหลักฐานยืนยัน และมี 127 คนที่ไม่เคยกล่าวถึงคิว ทีม หรือผลลัพธ์เลย เหลือผู้สมัคร 19 คน หรือ 7.6% ตามที่เกณฑ์มาตรฐานของ Greenhouse รายงานไว้ และคนเหล่านี้จะได้เข้าสัมภาษณ์
3. จะคัดกรอง CV อย่างเป็นธรรมได้อย่างไร ทีละขั้นตอน?
เขียนเกณฑ์ให้เสร็จก่อนเปิด CV ฉบับแรก จากนั้นใช้การตรวจสอบชุดเดียวกัน ตามลำดับเดียวกัน กับผู้สมัครทุกคน วิธีนี้ทำให้การคัดกรองรวดเร็วและช่วยให้คุณอธิบายเหตุผลของการปฏิเสธแต่ละครั้งได้
- เขียนเกณฑ์จำเป็น 3 ถึง 5 ข้อ และเกณฑ์หลักฐานยืนยัน 2 ถึง 3 ข้อ จากลักษณะงาน คำแนะนำของ TAFEP แห่งสิงคโปร์ระบุให้นายจ้างระบุเกณฑ์การคัดเลือกและใช้เกณฑ์นั้นอย่างสม่ำเสมอกับผู้สมัครทุกคน
- ตรวจเกณฑ์คัดออกก่อน ข้อมูลเหล่านี้เป็นข้อเท็จจริง จึงรวดเร็วและโต้แย้งได้ยาก
- มองหาหลักฐานของทักษะ ไม่ใช่จำนวนปี การทบทวนงานวิจัยพื้นฐานในปี 2019 จาก 81 ตัวอย่างโดย Van Iddekinge และคณะ พบว่าประสบการณ์เดิมสัมพันธ์กับผลการปฏิบัติงานเพียง 0.06 เท่านั้น ในมาตรานี้ 0 หมายถึงไม่มีความเชื่อมโยงเลย
- ให้คะแนน CV แต่ละฉบับด้วยเกณฑ์เดียวกันและกฎเดียวกัน จากนั้นจัดอันดับ และเชิญผู้ที่อยู่ในอันดับต้นตามจำนวนชั่วโมงสัมภาษณ์ที่คุณมี
- เขียนเหตุผล 1 บรรทัดว่าทำไมแต่ละคนจึงผ่านไปขั้นต่อไปหรือหยุดอยู่เพียงเท่านี้ วิธีนี้ทำให้คุณตอบผู้สมัครหรือผู้จัดการฝ่ายสรรหาได้ในภายหลัง
3.1 ความผิดพลาดใดทำให้การคัดกรอง CV ไม่เป็นธรรม?
ความผิดพลาดที่สร้างความเสียหายมากที่สุดคือการปล่อยให้ชื่อและลำดับมีผลต่อผลลัพธ์ การศึกษาพื้นฐานในปี 2022 โดย Kline, Rose และ Walters ส่งใบสมัครทดสอบกว่า 83,000 ใบไปยังนายจ้างรายใหญ่ในสหรัฐฯ 108 แห่ง ชื่อที่มีลักษณะเฉพาะของคนผิวดำลดโอกาสได้รับการติดต่อกลับลง 2.1 เปอร์เซ็นต์
ลำดับก็มีผลกับซอฟต์แวร์เช่นกัน ในการทดสอบ AI 22 โมเดลในปี 2026 กับคู่ CV ที่แข็งแรงพอ ๆ กัน CV ฉบับที่แสดงก่อนชนะถึง 63.5% (Rozado, PeerJ Computer Science) ดังนั้นควรสลับลำดับ หรือตรวจสอบว่าเครื่องมือของคุณให้คะแนน CV แต่ละฉบับแยกกัน
คู่มือของเราเรื่องการคัดรายชื่อผู้สมัครแสดงวิธีกำหนดเส้นแบ่งเกณฑ์เมื่อได้คะแนนครบแล้ว
4. จะดำเนินการคัดกรอง CV ด้วย Flowmingo ได้อย่างไร?
คุณกำหนดเกณฑ์ครั้งเดียว และ CV ทุกฉบับจะถูกให้คะแนนตามเกณฑ์นั้น โดยมีเหตุผลกำกับไว้ข้าง ๆ ทุกคะแนน คุณอ่านหลักฐานและตัดสินใจว่าใครจะผ่านไปขั้นต่อไป
ก่อนเริ่ม ให้เตรียม 2 อย่างให้พร้อม ได้แก่ คำบรรยายลักษณะงาน และคุณสมบัติจำเป็น 3 ถึง 5 ข้อจากขั้นตอนที่ 1 เกณฑ์สำคัญกว่าเครื่องมือ เพราะทุกคะแนนจะแม่นยำได้เพียงเท่ากับข้อกำหนดที่มันวัด ตัวอย่างเช่น "ประสบการณ์ซัพพอร์ตแชท 2 ปี" ให้คะแนนที่ชัดเจน ขณะที่ "สื่อสารเก่ง" ให้เพียงการคาดเดา
เก็บเหตุผล 1 บรรทัดของแต่ละคนไว้เหมือนในขั้นตอนที่ 5 เพื่อให้ผู้จัดการฝ่ายว่าจ้างเห็นว่าเพราะอะไร
Flowmingo ช่วยอย่างไร
วางคำบรรยายลักษณะงานของคุณ ติ๊กเลือกคุณสมบัติจำเป็น แล้ว Flowmingo จะให้คะแนนทุก CV เทียบกับคุณสมบัติเหล่านั้น โดยให้คะแนนแต่ละข้อกำหนดตั้งแต่ 0 ถึง 10 และถ่วงน้ำหนักตามความสำคัญ คุณจะได้รายชื่อผู้สมัครที่จัดอันดับแล้วพร้อมเหตุผลประกอบ และการตัดสินใจยังอยู่กับทีมของคุณ สมัครฟรี เพื่อคัดกรอง CV ครั้งต่อไปของคุณบน Flowmingo
5. แหล่งอ้างอิง
ทุกงานวิจัย เกณฑ์มาตรฐาน และแนวปฏิบัติในรายการคำศัพท์นี้มีลิงก์ไปยังแหล่งที่มาด้านล่าง
- Greenhouse. (2026, March). The Hire Standard: Greenhouse benchmark report, North America. Greenhouse
- Kline, P., Rose, E., & Walters, C. (2022). Systemic discrimination among large U.S. employers. Quarterly Journal of Economics, 137(4), 1963-2036. NBER w29053
- Rozado, D. (2026). Gender and positional biases in LLM-based hiring decisions: Evidence from comparative CV/resume evaluations. PeerJ Computer Science, 12, e3628. PeerJ
- Tripartite Alliance for Fair and Progressive Employment Practices. (n.d.). Conducting job interviews. Retrieved 26 October 2026. TAFEP
- Van Iddekinge, C. H., Arnold, J. D., Frieder, R. E., & Roth, P. L. (2019). A meta-analysis of the criterion-related validity of prehire work experience. Personnel Psychology, 72(4), 571-598. UNF Digital Commons



