La plupart des systèmes de suivi des candidats lisent des flux de réécriture de la façon dont les filtres de spam lisent les courriels. Ils scanner pour des jetons, compter la fréquence de ces jetons apparaissent, et classer les candidats par densité. Écrivez "conduit" au lieu de "géré" et le modèle vous prive de priorité. Utilisez un synonyme que le JD n'a pas spécifié et vous tombez de la liste. Le recruteur ne voit jamais le CV.
L'embauche basée sur les résultatsjette ce modèle. Au lieu de compter les jetons, le AI lit ce que le candidat a fait réellement. Les revenus qu'ils ont générés. Des équipes qu'ils ont escaladées. Des systèmes qu'ils ont expédiés. Des problèmes qu'ils ont résolus. Puis il se classe contre les vrais besoins du rôle. Cet essai explique comment cela fonctionne, pourquoi il produit des listes courtes fondamentalement différentes et pourquoi la plupart des ATS traditionnels ne peuvent toujours pas le faire.
Qu'est-ce que l'embauche basée sur les résultats signifie vraiment
L'embauche basée sur les résultats est un modèle de dépistage qui classe les candidats sur des réalisations mesurables plutôt que sur une chevauchée de mots clés avec une description d'emploi. Le modèle extrait quatre catégories de signaux de chaque CV: les revenus (transactions fermées, ARR généré, économies produites), les équipes (personnes gérées, organisations construites ou à grande échelle), les systèmes (construits, expédiés, à grande échelle, propriété en production) et les problèmes (résolus, complexes, nouveaux).
Il note chaque candidat en fonction des exigences de résultats du JD et produit un score composé de 0 à 100 plus un paragraphe de raisonnement écrit expliquant ce que le modèle a trouvé et pourquoi il a classé le candidat là où il l'a fait. Le paragraphe de raisonnement est la partie qui transforme le système en quelque chose qu'un fondateur peut réellement utiliser, parce qu'il permet à un humain de lire, d'accepter ou d'annuler.
Le travail McKinsey résumé dans La forme du talent en 2023 et 2024 montre que l'adoption de l'embauche basée sur les compétences monte de 40% en 2020 à environ 60% en 2024, et le dépistage basé sur les résultats est le mécanisme technique qui rend l'embauche basée sur les compétences réelle au lieu d'aspirative.
Les trois problèmes structurels liés à la correspondance des mots clés
Les plateformes ATS basées sur des mots clés sont devenues par défaut depuis quinze ans. Ils sont restés là parce qu'ils étaient bon marché à construire et faciles à démontrer, pas parce qu'ils fonctionnaient bien. En pratique, ils échouent de trois façons spécifiques.
1. Ils récompensent la reprise de l'empoisonnement.
Tout candidat qui a postulé pour plus de cinq emplois a appris les schémas: décharges cachées de mots clés en blanc au bas du CV, points de balles répétés, sections de fausses compétences avec chaque variation de chaque technologie. Jobs peut documenter la prévalence de ce phénomène. Le modèle fonctionne sur tous les filtres basés sur des mots clés, y compris ceux sémantiques utilisant des emblèmes de phrases, parce que le modèle sous-jacent lit encore des jetons.
2. Ils récompensent le bruit par le signal.
Un CV qui dit "Python, Python, Python, AWS, AWS, Kubernetes, Django, Postgres" bat un CV qui dit "a envoyé un pipeline de détection de fraude en temps réel qui traite 2M d'événements par seconde". Le modèle de mot clé récompense la densité des jetons, pas le travail derrière elle. Le candidat qui a fait moins et décrit plus stratégiquement gagne.
3. Ils rejettent les bons candidats pour le choix des mots.
Un ingénieur Senior qui a écrit "a construit un service de streaming" au lieu d'avoir "archité un pipeline de données en temps réel" disparaît du rang. Le projet de Harvard Business School sur les travailleurs cachés estime que 27 millions d'Américains qualifiés sont filtrés par un dépistage automatisé pour des raisons non liées à la capacité. La plupart de ces refus sont basés sur le vocabulaire, pas sur les compétences.
Quelle est la valeur de AI basée sur les résultats pour évaluer
Curriculo ATS lit un CV comme un ingénieur ou un opérateur Senior, pas comme un régénérateur. Le modèle extrait quatre catégories de résultats mesurables et les note par rapport au JD.
Retour de.
Les transactions ont été fermées, ARR a été réalisé, les coûts ont été réduits, les transactions ont été traitées, les économies ont été réalisées. Le modèle reconnaît à la fois les chiffres de première ligne (" 2,4 M$ fermées dans le nouveau ARR ") et les chiffres opérationnels (" dépenses d'infrastructure réduites de 38% "). Un candidat sans signal de revenus ne sera pas pénalisé pour cela; le rôle ne fera que le demander.
Les équipes.
Les gens ont géré, construit des orgues, engagé des dirigeants, développé des leaders. Le modèle distingue entre "diriger une équipe de trois" et "réclasser un organ de 8 à 45 ingénieurs sur deux fuseaux horaires", car le second décrit un défi opérationnel catégoriquement différent.
Systèmes.
Conçu, livré, possédé, mis à l'échelle en production. Le modèle lit les verbes et la portée. "Livrer un système de pertinence de recherche traitant 4 milliards de requêtes par jour" est un signal différent de "contribuer au système de pertinence de recherche," et un modèle basé sur les résultats capte la différence. Un modèle de mots clés traite les deux comme le mot "recherche."
est en panne.
résolu, complexe, nouveau, ambigu. Le CV du candidat décrit les problèmes difficiles qu'ils avaient de bout en bout. "Diagnosticé et résolu une fuite de mémoire qui n'avait pas été résolue depuis six mois" est un signal plus fort pour résoudre les problèmes que "travaillé sur des corrections de bugs", même si les deux peuvent mentionner les mêmes technologies.
Le score composé 0-100 combine ces signaux avec la pertinence de l'expérience, la trajectoire de carrière et l'alignement des compétences. Le paragraphe de raisonnement écrit nomme les résultats spécifiques du modèle trouvé, ce qui signifie que les fondateurs peuvent le lire et décider de faire confiance au rang.
Pourquoi nous l'avons construit de cette façon
Avant Curriculo ATS, notre fondateur Dev a passé des années chez Amazon à travailler sur des systèmes de recherche et de recommandation. Il y a un seul principe de ce travail qui a conduit la conception: classer sur les signaux que l'entrée ne peut pas fabriquer directement. Les vendeurs peuvent écrire ce qu'ils veulent dans les titres de produits, mais ils ne peuvent pas fabriquer des données d'achat. Les critiques peuvent laisser de fausses critiques, mais les modèles de critiques vérifiés sont plus difficiles à falsifier à grande échelle. Le ranker lit le signal plus difficile à falsifier.
Hiring est la même forme. Les candidats peuvent écrire n'importe quel mot clé qu'ils veulent; c'est essentiellement gratuit. Ils ne peuvent pas fabriquer des résultats mesurables sans commettre de fraude, ce qui est beaucoup plus élevé que de réécrire un point de balle. Donc un classement basé sur les résultats est structurellement plus difficile à jouer, structurellement plus juste pour les candidats honnêtes, et structurellement aligné sur ce que le fondateur veut vraiment savoir: cette personne a-t-elle fait un travail qui ressemble à ce que nous devons faire ?
L'image réglementaire montre la même chose. NYC La loi locale 144 et la loi EU AI favorisent tous les deux des systèmes avec un raisonnement documenté. Un modèle qui produit une explication écrite par candidat est beaucoup plus facile à vérifier et à divulguer qu'un filtre de mots clés de boîte noire.
Lorsque l'embauche basée sur les résultats se détériore (et comment la réparer)
L'embauche basée sur les résultats est structurellement plus forte que la correspondance de mots clés, mais ce n'est pas magique et il vaut la peine d'être honnête sur les cas où elle ne fonctionne pas bien. Trois modèles apparaissent dans les données. Premièrement, les candidats junior et les diplômés récents ont souvent des résultats légitimes qui ne sont pas encore quantifiés, parce que leurs premiers emplois ne les ont pas exposés aux revenus ou aux mesures d'échelle. Le modèle gère cela en lisant un signal qualitatif (" a conduit à la redessine du flux d'intégration que l'équipe utilise toujours ") mais la plage de scores se compresse pour cette cohorte, ce qui peut aplatir le classement. La fixation est de peser les résultats quantifiés plus bas pour les rôles de niveau d'entrée dans la configuration JD. Deuxièmement, les candidats aux ventes avec des chiffres de cotes gonflés peuvent jouer à la notation basée sur les résultats tout comme ils jouent à la notation par mot clé, en inventant ou en arrondissant les chiffres de revenus. Le modèle traite les nombres ronds sans périodes de temps ou comparaisons par les pairs comme des signaux de faible confiance, mais un candidat suffisamment déterminé peut toujours produire des résultats gonflés. Les contrôles de référence restent la fixation structurelle et non la couche de dépistage. Troisièmement, les rôles très techniques où les résultats ne sont pas publics (travaux d'infrastructure privés, projets classifiés) peuvent être sous-estimés parce que le candidat ne peut pas décrire en détail ce qu'il a expédié. Le résultat est que le fondateur écrive le JD avec le bon niveau d'abstraction, demandant des signaux envoyés par le système à un niveau que le candidat peut décrire sous NDA. Nommer ces limites est important parce que le classement basé sur les résultats est un outil, pas un verdict, et les fondateurs qui traitent le score comme la décision plutôt que le triage produisent de pires recrutements que les fondateurs qui traitent le score comme le début de l'examen.
Comment un fondateur applique ce
L'embauche basée sur les résultats exige que le JD soit écrit en résultats et non en obligations. "Responsible de la propriété du pipeline de données" est un devoir. "Dans les six premiers mois, cette personne expédira un pipeline de streaming qui traite 100 000 événements par seconde à une latence de sous-seconde" est un résultat. Le modèle peut rivaliser avec le second; il ne peut rien faire de utile avec le premier.
- Réécrivez le JD comme résultat. Deux ou trois phrases décrivant ce que la personne fera au cours de ses six premiers mois. C'est le document utilisé par le modèle de dépistage.
- Exercer le rôle par le biais d'un dépistage basé sur les résultats. Comparer les dix candidats les plus classés avec les dix meilleurs que vous auriez choisis manuellement. Mesurer le chevauchement.
- Lisez les paragraphes du raisonnement. Le paragraphe vous indique les résultats du modèle. Si elle a trouvé des choses que vous n'avez pas, le modèle ajoute un signal. Si elle n'a rien trouvé de significatif, le JD a probablement besoin de plus de résultats.
- Utilisez le score comme un outil de tri, pas une décision. Interview les 8-12 supérieurs, débriefing, décider. Le modèle vous met sur la bonne liste. La décision appartient toujours à l'homme.
Que faire ensuite
Si vous voulez voir un dépistage basé sur les résultats produire une liste de choix sur un rôle réel, le niveau de démarrage gratuit de Curriculo ATS gère des emplois actifs illimités avec des membres d'équipe illimités. Lisez la page des fonctionnalités pour savoir ce qui est inclus, puis vérifiez AI ATS pour les fondateurs pour le cas d'utilisation spécifique au fondateur. Le modèle prend environ 15 minutes pour se mettre en place sur un rôle.