การที่ Recruiter ต้องเปิดเรซูเม่กว่า 800 ฉบับเพื่อคัดเลือกคนสำหรับตำแหน่งงานเพียงตำแหน่งเดียว ไม่ใช่ปัญหาเรื่องการขาดวิจารณญาณในการตัดสินใจ แต่เป็นปัญหาเรื่อง "การประมวลผลข้อมูล" ปริมาณมหาศาลต่างหาก เพราะข้อมูลสำคัญมักถูกซ่อนอยู่ในเรซูเม่ที่มีรูปแบบหลากหลายไม่ซ้ำกัน ชื่อตำแหน่งงานที่แตกต่างกันไปตามแต่ละบริษัท ในขณะที่ผู้จัดการสายงาน (Hiring Manager) ก็ต้องการรายชื่อผู้สมัครที่ผ่านเข้ารอบ (Shortlist) ที่มีเหตุผลรองรับอย่างชัดเจนและรวดเร็ว ระบบคัดกรองเรซูเม่ด้วย AI (AI resume screening) จึงถูกออกแบบมาเพื่อช่วยให้การคัดกรองรอบแรกนี้รวดเร็วและมีมาตรฐานเดียวกัน โดยที่ยังคงให้มนุษย์เป็นผู้ตัดสินใจในขั้นตอนสำคัญ
สำหรับตลาดงานในไทยและภูมิภาคอาเซียน ความท้าทายนี้ยิ่งทวีคูณ เนื่องจากทีมสรรหาบุคลากร (TA) มักต้องรับมือกับใบสมัครจำนวนมหาศาล (High Volume) ที่มีทั้งภาษาไทยและภาษาอังกฤษปะปนกัน อีกทั้งยังต้องประสานงานกับผู้จัดการสายงาน (Hiring Managers) ที่ต้องการเห็น Shortlist คุณภาพอย่างรวดเร็ว การใช้ AI เข้ามาช่วยคัดกรองและจัดระเบียบข้อมูลจึงไม่ใช่แค่เรื่องของความสะดวก แต่เป็นกลยุทธ์สำคัญในการแย่งชิง Talent ระดับท็อป และลดระยะเวลาในการจ้างงาน (Time-to-Hire) ท่ามกลางการแข่งขันที่สูงในปัจจุบัน
How does AI resume screening work?
ในทางปฏิบัติ ระบบคัดกรองเรซูเม่ด้วย AI จะแปลงข้อมูลผู้สมัครที่ไม่มีโครงสร้างชัดเจน (Unstructured data) ให้กลายเป็นข้อมูลที่มีโครงสร้างและสอดคล้องกับความต้องการของตำแหน่งงาน โดยระบบจะอ่านเรซูเม่ ดึงข้อมูลสำคัญ เช่น ประวัติการทำงาน ทักษะ การศึกษา ใบรับรอง ภาษา และสถานที่ทำงาน จากนั้นจึงนำข้อมูลเหล่านี้ไปเปรียบเทียบกับเกณฑ์ที่กำหนดไว้สำหรับตำแหน่งนั้นๆ
ผลลัพธ์ที่ได้ไม่ควรถูกนำไปใช้เป็นคำตัดสินในการจ้างงานโดยอัตโนมัติ แต่มันคือ "จุดเริ่มต้น" ที่มีการจัดอันดับและบันทึกข้อมูลอย่างเป็นระบบ เพื่อให้ Recruiter และผู้จัดการสายงานนำไปพิจารณาต่อ ระบบที่ดีจะช่วยให้ทีมสรรหาเห็นภาพชัดเจนว่าผู้สมัครคนใดมีคุณสมบัติตรงตามเกณฑ์หลัก คนใดที่ต้องพิจารณาเพิ่มเติมอย่างละเอียด และคนใดที่ยังขาดหลักฐานหรือคุณสมบัติที่จำเป็น
คุณภาพของผลลัพธ์ดังกล่าวขึ้นอยู่กับ 4 ปัจจัยสำคัญ ได้แก่ คุณภาพของการกำหนดความต้องการของตำแหน่งงาน, ข้อมูลหลักฐานที่มีอยู่ในเรซูเม่แต่ละฉบับ, ตรรกะในการให้คะแนน (Scoring logic) และการควบคุมดูแลกระบวนการทำงาน (Governance controls)
1. การนำเข้าและวิเคราะห์ข้อมูลเรซูเม่ (Resume Parsing)
ผู้สมัครมักส่งเรซูเม่ในรูปแบบ เลย์เอาต์ และภาษาที่แตกต่างกัน ก่อนที่จะทำการจับคู่ได้ แพลตฟอร์มจะต้องทำความเข้าใจเอกสารนั้นก่อน กระบวนการวิเคราะห์เรซูเม่ (Resume Parsing) จะระบุฟิลด์ข้อมูลทั่วไป เช่น ชื่อบริษัท ตำแหน่งงาน ระยะเวลาการทำงาน วุฒิการศึกษา คุณสมบัติ ทักษะทางเทคนิค และบทสรุปประวัติการทำงาน
การวิเคราะห์ข้อมูลนี้ทำได้มากกว่าแค่การคัดลอกข้อความไปใส่ในช่องข้อมูล แต่เป็นการพยายามปรับข้อมูลที่เทียบเท่ากันให้เป็นมาตรฐานเดียวกัน (Normalization) ตัวอย่างเช่น ในเรซูแม่อาจระบุตำแหน่งเป็น "Account Executive", "Enterprise Sales Representative" หรือ "B2B SaaS Seller" แม้ชื่อตำแหน่งจะไม่เหมือนกันทุกประการ แต่ก็อาจเป็นประสบการณ์ที่เกี่ยวข้องกัน ขึ้นอยู่กับความต้องการของตำแหน่งงานนั้นๆ
การปรับข้อมูลให้เป็นมาตรฐานนี้มีความสำคัญอย่างยิ่งในการสรรหาบุคลากรระดับองค์กร เพราะการค้นหาด้วยคำสำคัญ (Keyword-only search) เพียงอย่างเดียวมักทำให้เกิดจุดบอด ผู้สมัครที่มีคุณสมบัติเหมาะสมอาจใช้คำศัพท์ที่แตกต่างจากที่ระบุใน Job Description โดยเฉพาะอย่างยิ่งในภูมิภาค อุตสาหกรรม หรือภาษาที่ต่างกัน ในทางกลับกัน ผู้สมัครบางคนอาจใส่คำสำคัญซ้ำๆ โดยไม่มีประสบการณ์จริงที่จับต้องได้ ระบบคัดกรองที่ดีจึงต้องเก็บข้อมูลต้นฉบับไว้ เพื่อให้ผู้พิจารณสามารถเห็นสิ่งที่ผู้สมัครส่งมาจริงๆ แทนที่จะเชื่อข้อมูลที่ระบบสรุปให้เพียงอย่างเดียว
2. Recruiter กำหนดเกณฑ์ของตำแหน่งงาน
AI จะสามารถคัดกรองได้ดีก็ต่อเมื่อมีการกำหนดเกณฑ์ของตำแหน่งงานที่ชัดเจนพอให้ประเมินได้ ทีมสรรหาบุคลากรจะต้องกำหนดความต้องการของตำแหน่งงาน โดยมักจะแยกแยะระหว่าง "คุณสมบัติที่ต้องมี" (Must-have criteria) และ "คุณสมบัติที่มีก็ยินดี" (Preferred qualifications)
ยกตัวอย่างเช่น สำหรับตำแหน่งผู้จัดการฝ่ายการเงินระดับภูมิภาค (Regional Finance Manager) เกณฑ์ที่ต้องมีอาจรวมถึง ใบอนุญาต CPA หรือเทียบเท่า, ประสบการณ์ด้านงบการเงินรวม (Consolidated reporting) และสิทธิ์ในการทำงานในประเทศนั้นๆ ส่วนเกณฑ์ที่พิจารณาเป็นพิเศษอาจเป็น ประสบการณ์การใช้ระบบ ERP เฉพาะทาง, การทำรายงานของบริษัทมหาชน หรือการบริหารจัดการผู้มีส่วนได้ส่วนเสียในระดับนานาชาติที่ต้องใช้ทักษะหลายภาษา
การแยกแยะนี้มีความสำคัญต่อการทำงานอย่างมาก หากตั้งค่าคุณสมบัติที่ต้องการทุกอย่างเป็นตัวกรองที่ยืดหยุ่นไม่ได้ (Hard filter) ระบบอาจตัดผู้สมัครที่มีศักยภาพสูงออกไป แต่หากไม่มีการจัดลำดับความสำคัญของเกณฑ์เลย การจัดอันดับก็จะกว้างเกินไปจนไม่ช่วยประหยัดเวลา ดังนั้น Recruiter และผู้จัดการสายงานควรตกลงร่วมกันว่าสิ่งใดคือคุณสมบัติที่จำเป็นอย่างแท้จริงก่อนเริ่มกระบวนการสรรหา
3. AI จับคู่ข้อมูลหลักฐานในเรซูเม่อันสอดคล้องกับตำแหน่งงาน
เมื่อวิเคราะห์เรซูเม่และกำหนดเกณฑ์เรียบร้อยแล้ว ระบบจะประเมินความสอดคล้องระหว่างโปรไฟล์ของผู้สมัครกับตำแหน่งงาน แพลตฟอร์มอาจประเมินทั้งการจับคู่ทักษะ ความเกี่ยวข้องของประสบการณ์ ระดับความอาวุโส วุฒิการศึกษาหรือใบรับรอง ความสามารถทางภาษา ทำเลที่ตั้ง และหลักฐานการทำงานที่ตรงกับความรับผิดชอบที่ต้องการ
ระบบคัดกรองด้วย AI ยุคใหม่ยังสามารถใช้การจับคู่เชิงความหมาย (Semantic Matching) ได้ด้วย แทนที่จะมองหาเฉพาะคำที่ตรงกันเป๊ะๆ เช่น "Customer Relationship Management" ระบบสามารถรับรู้ข้อมูลที่เกี่ยวข้องได้ เช่น การบริหารจัดการ Pipeline ใน Salesforce, การคาดการณ์ยอดขายลูกค้ารายใหญ่ (Enterprise accounts) หรือการดูแลกลยุทธ์การต่อสัญญาของลูกค้า ซึ่งช่วยเพิ่มโอกาสในการค้นพบผู้สมัครที่เหมาะสมแม้จะใช้คำศัพท์ต่างกัน
อย่างไรก็ตาม การจับคู่เชิงความหมายต้องมีขอบเขตที่ชัดเจน ระบบไม่ควรคาดเดาคุณสมบัติที่ไม่มีหลักฐานสนับสนุนในเรซูเม่ เช่น คำว่า "ทำงานเกี่ยวกับข้อมูล" ไม่ได้แปลว่าเป็นผู้เชี่ยวชาญด้านวิศวกรรมข้อมูลขั้นสูง (Advanced Data Engineering) หรือ "เคยบริหารโปรเจกต์ของทีม" ก็ไม่ได้หมายความว่ามีประสบการณ์ในการบริหารคน (People Management) ทีมสรรหาในระดับองค์กรจึงต้องการระบบการให้คะแนนที่สามารถแยกแยะระหว่างหลักฐานโดยตรงกับประสบการณ์ที่ใกล้เคียง และแสดงที่มาที่ไปของคะแนนนั้นๆ ได้อย่างโปร่งใส
4. การจัดอันดับ ส่งต่อ และพิจารณาผู้สมัคร
โดยทั่วไป แพลตฟอร์มจะแสดงผลลัพธ์เป็นคะแนน การจัดอันดับ คำแนะนำ หรือระดับความเหมาะสม ซึ่งช่วยให้ Recruiter สามารถมุ่งเน้นไปที่ผู้สมัครที่มีคุณสมบัติตรงที่สุดก่อน ในขณะที่ยังคงสามารถมองเห็นภาพรวมของผู้สมัครทั้งหมดในระบบได้
ผลลัพธ์ที่มีประโยชน์ควรจะอธิบายคะแนนนั้นในภาษาที่เข้าใจง่าย โดยแสดงให้เห็นว่าทักษะใดที่ตรงกัน คุณสมบัติใดที่ขาดหายไป ประวัติการทำงานที่เกี่ยวข้อง และประเด็นที่ควรนำไปตรวจสอบเพิ่มเติมในการสัมภาษณ์ จากนั้น Recruiter จะสามารถส่งผู้สมัครไปยังขั้นตอนถัดไป ส่งคำเชิญทำวิดีโอสัมภาษณ์แบบไม่เรียลไทม์ (Asynchronous Video Interview) ส่งต่อไปยัง ขั้นตอนการส่งต่อให้ผู้จัดการสายงานพิจารณา (Manager-review queue) หรือปฏิเสธผู้สมัครพร้อมระบุเหตุผลที่บันทึกไว้อย่างเป็นระบบ
นี่คือจุดที่การคัดกรองด้วย AI ช่วยเพิ่มประสิทธิภาพในการทำงานได้อย่างแท้จริง แทนที่จะเสียเวลาในรอบแรกไปกับการตรวจสอบคุณสมบัติพื้นฐาน Recruiter และผู้จัดการสายงานสามารถใช้เวลาในการพูดคุยสัมภาษณ์จริงเพื่อประเมินทัศนคติ แรงจูงใจ ทักษะการสื่อสาร และความเชี่ยวชาญเชิงลึกในตำแหน่งงาน ทำให้ขั้นตอนการคัดกรองกลายเป็นกระบวนการรวบรวมหลักฐานที่มีการควบคุมอย่างเป็นระบบ ไม่ใช่แค่การกวาดสายตาอ่านเรซูเม่แบบเดิมๆ ที่เร่งรีบกว่าเดิม
สิ่งที่ระบบคัดกรองเรซูเม่ด้วย AI ทำได้และทำไม่ได้
การคัดกรองด้วย AI เหมาะอย่างยิ่งสำหรับการเปรียบเทียบหลักฐานที่ปรากฏในเรซูเม่กับเกณฑ์ที่กำหนดไว้ในปริมาณมาก ช่วยให้ค้นพบผู้สมัครที่อาจถูกมองข้ามไปหากใช้คนตรวจ ลดงานซ้ำซ้อน และช่วยให้มั่นใจได้ว่าผู้สมัครทุกคนในระบบจะถูกประเมินด้วยมาตรฐานเดียวกันในด่านแรก
การพิจารณาเพียงแค่เรซูเม่อย่างเดียวไม่สามารถบอกได้อย่างแม่นยำว่าผู้สมัครจะประสบความสำเร็จในการทำงานร่วมกับทีมจริงหรือไม่ เพราะเรซูเม่เป็นเพียงเอกสารที่ผู้สมัครเลือกนำเสนอเฉพาะข้อมูลบางส่วน ซึ่งแทบจะไม่เคยสะท้อนให้เห็นเลยว่าพวกเขารับมือกับความคลุมเครืออย่างไร ทำงานร่วมกับผู้มีส่วนได้ส่วนเสียที่มีความต้องการหลากหลายได้ดีแค่ไหน เรียนรู้ระบบใหม่ๆ ได้รวดเร็วเพียงใด หรือตัดสินใจอย่างไรภายใต้ความกดดัน คำถามสำคัญเหล่านี้จำเป็นต้องอาศัยการประเมินอย่างมีโครงสร้าง (Structured Assessment) และการวิเคราะห์โดยมนุษย์ (Human Evaluation) ควบคู่กัน
ข้อควรระวังนี้ยังรวมถึงกรณีของการเปลี่ยนสายอาชีพ (Career Transition) ด้วยเช่นกัน ผู้สมัครที่ย้ายมาจากอุตสาหกรรมใกล้เคียงอาจได้คะแนนต่ำหากประเมินจากความตรงกันของชื่อตำแหน่งงานโดยตรง ทั้งที่จริงแล้วพวกเขามีทักษะที่ถ่ายโอนกันได้ (Transferable Skills) ที่เป็นประโยชน์อย่างยิ่ง แน่นอนว่าสำหรับตำแหน่งงานเฉพาะทางหรือสายงานที่มีข้อบังคับเข้มงวด ประสบการณ์ตรงย่อมมีน้ำหนักมากเป็นพิเศษ แต่สำหรับการสรรหากลุ่มนักศึกษาจบใหม่ที่มีศักยภาพสูง (High-potential Campus Hiring) หรือตำแหน่งงานเกิดใหม่ (Emerging Roles) การคัดกรองที่ตึงตัวจนเกินไปอาจส่งผลเสียมากกว่าผลดี ดังนั้น การตั้งค่าระบบคัดกรองที่เหมาะสมจึงต้องขึ้นอยู่กับกลยุทธ์การสรรหาของแต่ละองค์กร
สำหรับตลาดแรงงานในไทยและภูมิภาคอาเซียน ซึ่งมักเผชิญกับปริมาณใบสมัครจำนวนมหาศาล (High-volume Recruiting) ในขณะที่ต้องมองหาบุคลากรที่มีทักษะทางภาษาที่หลากหลาย (Multilingual) ความท้าทายสำคัญของฝ่าย HR คือการคัดกรองผู้สมัครเบื้องต้นได้อย่างรวดเร็วและแม่นยำ ก่อนที่จะส่งต่อให้ผู้จัดการสายงาน (Line Managers) พิจารณา การมีกระบวนการคัดกรองที่มีประสิทธิภาพจึงไม่เพียงแต่ช่วยประหยัดเวลา แต่ยังช่วยสร้างความมั่นใจให้กับผู้จัดการสายงานว่าจะได้สัมภาษณ์เฉพาะผู้สมัครที่มีคุณภาพและเหมาะสมกับทีมจริงๆ
ทำไมการกำกับดูแล (Governance) จึงสำคัญอย่างยิ่งในการคัดกรองด้วย AI
เมื่อการคัดกรองส่งผลโดยตรงต่อโอกาสที่ผู้สมัครจะได้รับการพิจารณา ความเร็วเพียงอย่างเดียวจึงไม่ใช่บรรทัดฐานที่เพียงพออีกต่อไป ทีมสรรหาในระดับองค์กรจำเป็นต้องรู้ว่าระบบใช้ข้อมูลใดในการประเมิน มีเกณฑ์การตัดสินอย่างไร ใครมีสิทธิ์ในการปรับเปลี่ยนผลการแนะนำ (Override) และจะสามารถย้อนกลับมาตรวจสอบการตัดสินใจในภายหลังได้อย่างไร
การกำกับดูแลที่ดีเริ่มต้นจากการกำหนดเกณฑ์ที่เกี่ยวข้องกับงานโดยตรง (Job-related Criteria) ปัจจัยที่ไม่เกี่ยวข้องกับประสิทธิภาพการทำงานไม่ควรมีอิทธิพลต่อผลการคัดกรอง นอกจากนี้ ทีมสรรหาควรตรวจสอบอย่างสม่ำเสมอว่ามีผู้สมัครกลุ่มใดกลุ่มหนึ่งถูกคัดออกอย่างไม่เป็นธรรมหรือไม่ (Disproportionate Screening) ควรทดสอบการตั้งค่าระบบก่อนนำไปใช้งานจริงในวงกว้าง และสร้างช่องทางการส่งต่อเคส (Escalation Paths) ที่ชัดเจนเมื่อผู้สรรหา (Recruiter) พบผลลัพธ์ที่ผิดพลาดหรือน่าสงสัยจากระบบ
ความสามารถในการตรวจสอบย้อนกลับ (Traceability) ก็มีความสำคัญไม่แพ้กัน หากผู้จัดการสายงาน (Hiring Manager) ตั้งคำถามว่าทำไมผู้สมัครรายนี้ถึงได้รับการจัดลำดับความสำคัญให้อยู่ในกลุ่มแรก หรือทำไมถึงถูกปฏิเสธ องค์กรต้องสามารถดึงข้อมูลหลักฐานจากเรซูเม่ เกณฑ์ข้อกำหนดที่ตั้งค่าไว้ ผลการประเมิน ความคิดเห็นของผู้รีวิว และประวัติการตัดสินใจขั้นสุดท้ายกลับมาดูได้ ซึ่งสิ่งนี้มีประโยชน์อย่างยิ่งสำหรับการสรรหาบุคลากรข้ามภูมิภาค การทำงานร่วมกับผู้มีส่วนได้ส่วนเสียหลายฝ่าย หรือการตอบคำถามทีมตรวจสอบภายใน (Internal Audit) และทีมกำกับการปฏิบัติตามกฎเกณฑ์ (Compliance)
การกำกับดูแลโดยมนุษย์ (Human Oversight) ควรได้รับการออกแบบให้อยู่ในกระบวนการทำงานตั้งแต่แรก ไม่ใช่เป็นเพียงข้อยกเว้นที่เพิ่มเข้ามาภายหลัง ผู้สรรหาต้องมีอำนาจในการแก้ไขข้อผิดพลาดจากการดึงข้อมูลของระบบ (Parsing Errors) สามารถโต้แย้งการจัดลำดับคะแนน และผลักดันผู้สมัครที่มีประสบการณ์โดดเด่นกว่าที่โมเดล AI ตรวจจับได้ในตอนแรก ขณะเดียวกัน ผู้จัดการสายงานก็ต้องการช่องทางที่เป็นระบบในการส่งข้อเสนอแนะเกี่ยวกับคุณภาพของรายชื่อผู้สมัครที่ผ่านเข้ารอบ (Shortlist) เพื่อให้กระบวนการคัดกรองได้รับการพัฒนาให้ดีขึ้นอย่างต่อเนื่อง
การสร้างกระบวนการคัดกรองด้วย AI ที่มีประสิทธิภาพ
การนำ AI มาใช้ให้ประสบความสำเร็จสูงสุดต้องเริ่มต้นด้วยเป้าหมายการดำเนินงานที่ชัดเจน ตัวอย่างเช่น การสรรหาพนักงานบริการลูกค้าจำนวนมาก (High-volume Customer Support) อาจเน้นไปที่ทักษะทางภาษา ความพร้อมเรื่องเวลาทำงาน และทักษะการสื่อสาร ในขณะที่การสรรหาผู้นำด้านเทคนิค (Technical Leadership) อาจให้ความสำคัญกับประสบการณ์การวางโครงสร้างระบบ (Architecture Ownership) ขอบเขตการดูแลทีม ความเชี่ยวชาญเฉพาะด้าน และผลงานที่จับต้องได้ ซึ่งทั้งสองตำแหน่งนี้ไม่ควรใช้เทมเพลตการให้คะแนนแบบเดียวกันอย่างเด็ดขาด
ทีมสรรหาควรปรับเทียบระบบ (Calibrate) โดยใช้ข้อมูลผู้สมัครจริงในอดีตหรือกลุ่มทดลอง (Pilot Candidates) เพื่อตรวจสอบว่าโปรไฟล์ที่ได้คะแนนสูงสุดนั้นตรงกับความต้องการจริงหรือไม่ ตรวจสอบกรณีที่ระบบคัดออกอย่างผิดพลาด (False Negatives) และค้นหาเกณฑ์ที่อาจจะกว้างเกินไปหรือจำกัดจนเกินไป ทั้งนี้ การปรับเทียบไม่ใช่เรื่องที่ทำครั้งเดียวแล้วจบ เพราะความต้องการของตำแหน่งงานเปลี่ยนไป ผู้จัดการสายงานเปลี่ยนไป และภาษาที่ใช้ในตลาดแรงงานก็เปลี่ยนแปลงอยู่ตลอดเวลา
ขั้นตอนต่อไปคือการเชื่อมโยงการคัดกรองเรซูเม่เข้ากับ การประเมินผลอย่างมีโครงสร้างในขั้นตอนถัดไป ตัวอย่างเช่น MIND Interview สามารถผสานการวิเคราะห์เรซูเม่เข้ากับการสัมภาษณ์ผ่านวิดีโอแบบไม่ประสานเวลา (Asynchronous Video Interview) การประเมินสมรรถนะ (Competency) การให้คะแนนผู้สมัคร รายงานลักษณะบุคลิกภาพ การแปลรายงานหลายภาษา และการรีวิวร่วมกันในพื้นที่ทำงานที่ตรวจสอบได้ ซึ่งช่วยให้ผู้มีอำนาจตัดสินใจได้รับข้อมูลที่มากกว่าแค่การจัดอันดับเรซูเม่ แต่เป็นชุดข้อมูลหลักฐานที่สอดคล้องและครบถ้วนก่อนที่จะสละเวลาไปสัมภาษณ์จริง (Live Interview)
สำหรับองค์กรที่ต้องบริหารจัดการผู้สมัครจำนวนมาก เป้าหมายที่วัดผลได้ไม่ใช่แค่การประมวลผลใบสมัครให้ได้จำนวนมากขึ้น แต่คือการลดภาระงานในขั้นตอนการคัดกรองรอบแรก ควบคู่ไปกับการเพิ่มคุณภาพและความสม่ำเสมอของผู้สมัครที่ส่งต่อไปให้ผู้จัดการรีวิว หากมีการวางกระบวนการทำงานที่ถูกต้อง AI จะสามารถช่วยลดเวลาในการคัดกรองลงได้อย่างมาก ช่วยให้รอบการตอบกลับ (Feedback Cycles) รวดเร็วขึ้น และทำให้การตัดสินใจเลือกผู้สมัครสามารถอธิบายเหตุผลได้อย่างชัดเจน
คำถามที่ผู้นำองค์กรควรถามก่อนเริ่มใช้งานระบบคัดกรองด้วย AI
ก่อนที่จะเลือกใช้หรือขยายผลการใช้งานเครื่องมือคัดกรองด้วย AI ผู้นำด้านการสรรหาบุคลากร (Talent Leaders) ควรถามว่าระบบสามารถจัดการกับรูปแบบเรซูเม่ที่หลากหลายและใบสมัครที่เป็นแบบหลายภาษา (Multilingual) ได้อย่างไร ระบบสามารถแยกแยะระหว่างคุณสมบัติที่จำเป็น (Required) กับคุณสมบัติที่พึงมี (Preferred) ได้หรือไม่ และมีหลักฐานใดสนับสนุนการแนะนำผู้สมัครแต่ละราย นอกจากนี้ ควรระบุให้ชัดเจนว่าผู้สรรหาจะสามารถปรับเปลี่ยนผลลัพธ์ได้อย่างไร มีการบันทึกประวัติการตรวจสอบ (Audit Records) อะไรบ้าง และมีการติดตามตรวจสอบเรื่องความยุติธรรมรวมถึงประสิทธิภาพของระบบอย่างไร
การจัดการข้อมูลเป็นอีกประเด็นที่ต้องได้รับการตรวจสอบอย่างเข้มงวดเช่นกัน เนื่องจาก ข้อมูลของผู้สมัครเป็นข้อมูลที่ละเอียดอ่อน การนำมาใช้ในระดับองค์กรจึงต้องมีความชัดเจนเกี่ยวกับการควบคุมการเข้าถึง (Access Controls) การจัดเก็บข้อมูล แนวปฏิบัติด้านความปลอดภัย และการนำข้อมูลผู้สมัครไปใช้ในการพัฒนาหรือประมวลผลโมเดล กระบวนการคัดกรองที่ช่วยประหยัดเวลาของผู้สรรหาได้หลายชั่วโมง แต่กลับสร้างความกังวลใจให้กับทีมกฎหมาย ทีมความปลอดภัย หรือทีมกำกับการปฏิบัติตามกฎเกณฑ์ ถือเป็นการผลักภาระต้นทุนไปจุดอื่นมากกว่าการลดต้นทุนอย่างแท้จริง
ระบบคัดกรองเรซูเม่ด้วย AI ที่ดีที่สุดจะช่วยขยายขีดความสามารถและความเชี่ยวชาญของผู้สรรหาให้ทำงานในสเกลที่ใหญ่ขึ้นได้ เพียงแค่กำหนดเกณฑ์ของตำแหน่งงานให้ชัดเจน กำหนดให้ระบบต้องแสดงหลักฐานเบื้องหลังทุกๆ คะแนน และให้ผู้ที่มีหน้าที่รับผิดชอบเป็นผู้ควบคุมการตัดสินใจขั้นสุดท้าย วิธีนี้จะช่วยเปลี่ยนกระบวนการสรรหาที่มีผู้สมัครจำนวนมาก ให้กลายเป็นเส้นทางที่รวดเร็ว สม่ำเสมอ และนำไปสู่การพูดคุยเพื่อจ้างงานที่มีคุณภาพยิ่งขึ้น