دقة التصفية
السلبية الخاطئة في التوظيف هي عندما يرفض نظام تتبع المتقدمين لديك مرشحًا هو في الواقع مؤهل للدور. وجدت دراسة من كلية هارفارد للأعمال في عام 2021 أن فلاتر الكلمات الرئيسية الآلية أزالت حوالي 16 مليون عامل مؤهل من الاعتبار في الولايات المتحدة وحدها، وهم الأشخاص الذين يمكنهم القيام بالعمل ولكن سيرتهم الذاتية لم تتطابق مع المصطلحات الدقيقة التي كان البرنامج يبحث عنها. وقد زادت المشكلة فقط مع اعتماد المزيد من الشركات على تصفية نظام تتبع المتقدمين دون فهم ما يفوته.
النطاق
ما مدى خطورة المشكلة؟
16 مليون عامل مؤهل تمت تصفيتهم فقطبسبب متطلبات الدرجة75%من السير الذاتية المرفوضة
قبل المراجعة البشرية88%من أصحاب العمل يقولون إن المرشحين المؤهلين
يتم تصفيتهم
السلبية الخاطئة مقابل الإيجابية الخاطئة
في أي نظام تصفية، هناك نوعان من الأخطاء. تعتبر الإيجابية الخاطئة هي عندما تقدم مرشحًا يتبين أنه غير مؤهل، ويتم كشفه في مرحلة المقابلة، مما يهدر بعض الوقت، ويتم تصفيته. مزعج، لكنه قابل للتعافي.
أما السلبية الخاطئة فهي عندما ترفض مرشحًا كان مؤهلاً بالفعل. هذا الخطأ غير مرئي. لم تقم بمقابلتهم أبدًا، ولم تعرف أبدًا ما الذي كان بإمكانهم تقديمه، ولم ترَ العواقب الناتجة. يذهبون إلى منافسك، وتملأ الدور بأي شخص تبقى في المجموعة.
معظم أنظمة تتبع المتقدمين مضبوطة لتقليل الإيجابيات الخاطئة على حساب السلبيات الخاطئة. يبدو أن المنطق سليم: من الأفضل أن تفوت بعض الأشخاص الجيدين بدلاً من إضاعة الوقت على السيئين. ولكن عندما تكون نسبة السلبية الخاطئة لديك مرتفعة بما فيه الكفاية، فأنت لا تقوم بالتصفية، بل تقوم برمي المواهب بشكل عشوائي وتطلق عليها اسم الكفاءة.
السبب الجذري
لماذا يؤدي تطابق الكلمات الرئيسية إلى إنشاء سلبيات خاطئة
1. عدم تطابق المفردات
تستخدم الصناعات والشركات والمناطق المختلفة مصطلحات مختلفة لنفس المهارات والمسؤوليات. تسمي إحدى الشركات ذلك "إدارة المشروع"، وتسمى أخرى "تسليم البرنامج"، وتسمى شركة ثالثة "قيادة المبادرة". إذا كان نظام تتبع المتقدمين لديك يبحث عن تطابق كلمة رئيسية دقيقة، يتم رفض مرشح مؤهل تمامًا يستخدم مصطلحات مرادفة ولكنها مختلفة. هنا يمكن أن يحدث الفرق الحاسم بين تقييم الأثر مقابل تطابق الكلمات الرئيسية. قام المرشح بالعمل. فقط قام بوصفه بشكل مختلف.
2. الخلفيات غير التقليدية
سلطت دراسة هارفارد الضوء بشكل خاص على متطلبات الدرجة الصارمة كفلتر رئيسي. يتم رفض مطور ذاتي التعلم لديه خمس سنوات من خبرة الإنتاج لأنه يفتقر إلى درجة علوم الحاسوب. يتم تصفية قائد تسويق بنى فريقًا من 2 إلى 20 لأنه ليس لديه درجة MBA. لا تستطيع فلاتر الكلمات الرئيسية تقييم ما إذا كان يمكن لشخص ما القيام بالعمل، يمكنها فقط التحقق مما إذا كانت السيرة الذاتية تحتوي على سلاسل معينة.
3. حساسية التنسيق
تواجه العديد من محللات أنظمة تتبع المتقدمين صعوبة مع تنسيقات السير الذاتية غير القياسية. يمكن أن تسبب الأعمدة والجداول والرؤوس والرسوم البيانية وأنواع الملفات غير العادية فشل التحليل الذي يقرأ بشكل غير صحيح أو يتخطى أقسامًا كاملة من السيرة الذاتية. يتم تقييم مرشح مؤهل كانت سيرته الذاتية قد تم تحليلها بشكل غير صحيح كما لو كانوا ليس لديهم أي خبرة ذات صلة على الإطلاق.
4. فلاتر الإقصاء التي تتجاوز الحد
ترفض فلاتر الإقصاء الثنائية، "يجب أن يكون لديك X سنوات من الخبرة"، "يجب أن تكون لديك شهادة Y"، "يجب أن يكون لديك درجة Z"، المرشحين الذين يفوتون العتبة بأي قدر. الدور الذي يتطلب "5+ سنوات من الخبرة" يرفض تلقائيًا شخصًا لديه 4 سنوات و10 أشهر من العمل المرتبط مباشرة. تتعامل الفلتر مع الفشل الهام بنفس طريقة الفشل الكامل، وهو ليس كيف تعمل أحكام البشر.
المقارنة
تطابق الكلمات الرئيسية مقابل تقييم قائم على الإشارة
| البعد | نظام تتبع المتقدمين الذي يعتمد على تطابق الكلمات الرئيسية | إعداد + (CurriculoATS) |
|---|---|---|
| ما يتم تقييمه | وجود مصطلحات معينة | نتائج قابلة للقياس وإنجازات |
| حساسية المفردات | يرفض المرادفات | يتعرف على الخبرة المكافئة |
| المرشحون غير التقليديون | تم تصفيتهم بسبب نقص المؤهلات | يتم تقييمهم بناءً على الأثر الفعلي |
| نسبة السلبية الخاطئة | مرتفعة (تصر على رفض المؤهلين) | منخفضة (تقيّم الجوهر) |
| نمط التحيز | تعزز التحيز على أساس المؤهلات | تقلل من التحيز على أساس المؤهلات والمفردات |
| مقاومة اللعب بالنظام | سهل اللعب بالنظام باستخدام حشو الكلمات الرئيسية | صعب تزوير النتائج القابلة للقياس |
أمثلة
كيف تبدو السلبية الخاطئة في الممارسة العملية
المهندس الكبير بدون شهادة
السيناريويتطلب نظام تتبع المتقدمين لديك "درجة البكالوريوس في علوم الحاسوب أو ما يعادلها". يتقدم مرشح لديه 8 سنوات من الخبرة في هندسة الباكند في شركتين ناشئتين، و12 مساهمة مفتوحة المصدر، وسجل من توسيع الأنظمة من 1000 إلى 100000 مستخدم. لا يوجد شهادة. تم رفضه تلقائيًا.
ما الذي فقدتهمهندس مثبت لديه بالضبط الخبرة التي تحتاجها، الآن يجري مقابلات في ثلاثة من منافسيك الذين إما ليس لديهم فلاتر درجات أو يستخدمون تصفية تقوم بتقييم الناتج الفني الفعلي.
قائد التسويق الذي استخدم كلمات مختلفة
السيناريويطلب إعلان وظيفتك "خبرة في توليد الطلب". يكتب مرشح حول "إنشاء الأنابيب"، "تسويق الإيرادات"، و"تحسين محرك القيادة"، وكلها تصف نفس العمل. لا يجد نظام تتبع المتقدمين الذي يعتمد على تطابق الكلمات الرئيسية "توليد الطلب" ويقيمه بشكل منخفض.
ما الذي فقدتهشخص قام بزيادة الأنابيب من 2 مليون دولار إلى 14 مليون دولار في 18 شهرًا لكنه استخدم المصطلحات الشائعة في شركته السابقة بدلاً من شركتك.
المتغير المهني بأثر قابل للتحويل
السيناريويتقدم ضابط لوجستيات عسكري سابق لوظيفة مدير العمليات. تذكر سيرته الذاتية "تنسيق النشر"، "تخصيص الموارد في ظل القيود"، و"قيادة الفريق عبر الوظائف"، ولا يتطابق أي منها مع الكلمات الرئيسية الخاصة بك لـ "إدارة سلسلة التوريد" أو "علاقات البائعين".
ما الذي فقدتهشخص أدار اللوجستيات لأكثر من 500 فرد عبر ثلاث قارات في ظروف أكثر تعقيدًا مما ستكون عليه سلسلة التوريد الخاصة بك أبداً.
البعد الرقابي
يعد قانون الذكاء الاصطناعي في الاتحاد الأوروبي، الذي دخل حيز التنفيذ في عام 2024، أنظمة الذكاء الاصطناعي المستخدمة في التوظيف والتوظيف كـ عالية المخاطر. وهذا يعني أن منصات نظام تتبع المتقدمين التي تعمل في الاتحاد الأوروبي يجب أن تلبي متطلبات الشفافية والدقة والإشراف البشري والتخفيف من التحيز.
وثقت أبحاث NIST فجوات كبيرة في العدالة في أنظمة التصفية الآلية، لا سيما فيما يتعلق بالمجموعات الديمغرافية والمسارات المهنية غير التقليدية. بالنسبة للشركات التي تستخدم أنظمة تتبع المتقدمين التي تعتمد على تطابق الكلمات الرئيسية بمعدلات سلبية خاطئة مرتفعة، فإن هذه الأمر يخلق تعرضًا للامتثال: إذا كان نظامك يقوم بتصفية المخفي من الخلفيات المؤهلة، فقد تتعرض للتدقيق التنظيمي.
الاتجاه الرقابي واضح. ستواجه الشركات التي تستمر في الاعتماد على فلاتر الكلمات الرئيسية الخام ضغطًا متزايدًا لإظهار أن أنظمة التصفية الخاصة بها دقيقة وعادلة. الانتقال إلى الطرق القائمة على الإشارة التي تقيّم النتائج بدلاً من المفردات ليس فقط وسيلة تصفية أفضل، بل هو ضرورة امتثال متزايدة.
الحل
كيف تقلل من السلبية الخاطئة
الخطوة 1: تدقيق فلاتر الإقصاء الخاصة بك
استعرض كل فلتر ثنائي في نظام تتبع المتقدمين لديك. لكل واحد، اسأل: هل هذه المتطلبات تتنبأ بأداء الوظيفة، أم أنهم يتنبأون بتنسيق السيرة الذاتية فقط؟ فهم تحيز التوظيف بالذكاء الاصطناعي يساعد في الإجابة على هذا السؤال. أزل متطلبات الدرجة حيث تكون المهارات أكثر أهمية من المؤهلات. استبدل "يتطلب 5+ سنوات" بتقييم يوازن الخبرة بشكل نسبي بدلاً من اعتبار 4.5 سنوات كالصفر.
الخطوة 2: عيِّن مجموعة من مجموعة الرفض
قم بسحب 20 إلى 30 سيرة ذاتية من كومة الرفض لديك بشكل دوري واطلب من شخص يقوم بمراجعتها. إذا كنت تجد باستمرار مرشحين مؤهلين تمت تصفيتهم، فإن نسبة السلبية الخاطئة لديك مرتفعة جدًا. يساعدك هذا التدقيق البسيط على كشف المشاكل التي قد تكون غير مرئية.
الخطوة 3: التحول إلى تقييم قائم على النتائج
تقييم أثر CurriculoATS يقيم ما أنجزه المرشحون بدلاً من الكلمات التي استخدموها لوصفه. يبحث النظام عن الإنجازات الكمية، ونطاق المسؤولية، ومسار الحياة المهنية، وتوافق المهارات، وهي علامات تتنبأ بأداء الوظيفة بغض النظر عن المفردات أو الخلفية.
تقدم مرشح كتب "قاد مبادرة عبر الوظائف أدت إلى زيادة الكفاءة بنسبة 30%" درجات جيدة سواء أطلق عليها "إدارة المشروع"، أو "تسليم البرنامج"، أو "تحسين العمليات". يتعرف نظام التصفية على الإنجاز الأساسي.
نتيجة: عدد أقل من السلبيات الخاطئة، قوائم مختصرة أقوى، وعملية توظيف تجد الأشخاص الذين يمكنهم القيام بالعمل بدلاً من الأشخاص الذين يجيدون كتابة السير الذاتية. تعرف على المزيد حول التصفية باستخدام الذكاء الاصطناعي.أسئلة شائعة
أسئلة حول السلبية الخاطئة
ما هي السلبية الخاطئة في تصفية نظام تتبع المتقدمين؟
تحدث السلبية الخاطئة عندما يرفض النظام مرشحًا هو في الحقيقة مؤهل للدور. يحدث هذا عندما تفشل معايير التصفية في التعرف على المؤهلات المشروعة، عادة بسبب استخدام المرشح لمصطلحات مختلفة، أو وجود خلفية غير تقليدية، أو عدم تنسيق سيرته الذاتية لتحسين الكلمات الرئيسية.
كم عدد المرشحين المؤهلين الذين ترفضهم فلاتر الكلمات الرئيسية؟
وجدت دراسة من كلية هارفارد للأعمال أن الفلاتر الآلية للتصفية أزالت حوالي 16 مليون عامل مؤهل من الاعتبار بسبب متطلبات الدرجة الصارمة وتطابق الكلمات الرئيسية. من المحتمل أن يكون العدد الفعلي عبر جميع معايير تصفية أنظمة تتبع المتقدمين أعلى بكثير.
لماذا تعتبر السلبيات الخاطئة أسوأ من الإيجابيات الخاطئة؟
تؤدي الإيجابية الخاطئة (تقدم مرشح غير مؤهل) إلى تكلفتي المقابلة ولكن يتم اكتشافها في مراحل لاحقة. السلبية الخاطئة (رفض مرشح مؤهل) غير مرئية، لا تعرف أبدًا ما الذي فقدته. المرشح المرفوض يذهب إلى منافس لك، أبدًا لا ترى ما كان يمكن أن يقدمه.
هل يؤثر قانون الذكاء الاصطناعي في الاتحاد الأوروبي على تصفية نظام تتبع المتقدمين؟
نعم. يصنف قانون الذكاء الاصطناعي في الاتحاد الأوروبي أنظمة الذكاء الاصطناعي المستخدمة في التوظيف والتوظيف كعالية المخاطر. يجب أن تلبي منصات نظام تتبع المتقدمين في الاتحاد الأوروبي متطلبات الشفافية والإشراف البشري والدقة وتخفيف التحيز. قد تواجه الأنظمة التي لديها معدلات سلبية خاطئة مرتفعة تحديات الامتثال.
كيف يقلل التقييم القائم على الإشارة من السلبيات الخاطئة؟
التقييم القائم على الإشارة يقيم النتائج القابلة للقياس بدلاً من تطابق كلمات رئيسية معينة. مرشح يكتب "قاد مبادرة عبر الوظائف" بدلاً من "إدارة المشروع" لا يزال يحصل على درجات جيدة لأن النظام recognizes the underlying achievement.
ماذا يمكنني أن أفعل الآن لتقليل السلبيات الخاطئة؟
ثلاث خطوات: تدقيق فلاتر الإقصاء الخاصة بك وإزالة المتطلبات الصارمة حيث تكون المهارات أكثر أهمية من المؤهلات، عيّن مجموعة من الرفض بانتظام للتحقق من تم تصفية المرشحين المؤهلين، والنظر في التحول إلى نظام تصفية يقيم النتائج بدلاً من تكرار الكلمات الرئيسية.