简历筛选的最佳方式是分层进行。使用关键词扫描来处理固定要求,如护理执照或 CPA,让 AI 评分将一堆物品排序,并确保在每次拒绝和每次推进时都有人参与。当申请人数量达到几十人时,手工阅读已无法扩展,而一个无法解释的分数则是一种负担。
由Dev Rishi Khare撰写,前亚马逊(搜索和推荐)和Synopsys机器学习工程师
你周一发布角色,到了周三,角色数量已经多到一天之内读不完。你仔细阅读全文的前几部分,略读接下来的部分,其余的在 Gmail 中等待。在德夫看来,许多小团队就是这样进行筛选的,而且这种方法在数据量不大时行之有效。
以下的工作流程和经验法则仅代表开发人员的观点。已发布的来源和法律通过名称进行链接。
如今团队筛选简历的方式,以及哪些环节会出错
在德夫看来,大多数小型团队和独立招聘人员都是手工阅读简历,而且通常只查看按日期排序后排在最上面的那些。较大的团队倾向于使用 ATS 关键词过滤器。AI评分较新。每种方法都在不同的地方失败。
逐份手工阅读简历 手相解读会关注背景,例如职业转变或一段理由充分的空窗期。它无法扩展到数十名以上的申请人。迟到的优秀申请者会被跳过,因为那时你只是在浏览。关于 的页面讨论了在招聘速度方面, 所涵盖的权衡取舍。
关键词过滤器 过滤器快速且易于设置。他们还排斥那些用不同措辞描述同一技能的人,并且奖励那些将职位描述塞进简历的人。
AI评分 AI评分可以读取意义,而不是逐字逐句。当无人能理解某人得分高低的缘由时,系统便会崩溃。一个没有依据的数字难以核实,难以向客户辩护,并且在招聘环节中也存在违反US规则下AI的法律风险。

继续扫描关键词,并且它仍然是合适的工具
在需求明确且名称固定的情况下,关键词扫描依然有其用武之地。好的例子
- 执照,例如护士执照或 CDL。
- 认证,例如 CPA 或指定的云认证。
- 安全许可。
- 法律注册。
- 一门必修语言。
关键词匹配仅启动检查。在简历上确认匹配,然后在提交任何人员之前验证其资质。
对于人们以多种方式描述的技能,如寻源、客户管理或数据分析,关键词搜索会错失优秀人才。 的影响评分与 的关键词匹配之间的比较深入探讨了原因。
如何识别关键词堆砌 开发者的警告信号:
- 一份没有上下文背景的技能列表。
- 一段冗长的技能板块,逐字重复职位描述。
- 列出的工具未附带任何项目、成果或日期。
- 比多年经验所能支撑的工具还要多。
- 隐藏或白色文本。将简历粘贴到纯文本编辑器中,它会正常显示。
他的测试方法:针对每个必备技能,指出候选人使用过该技能的某一行记录。如果找不到,关键词就不算数。
如何用不同的词语表达相同的技能 看他们做了什么,而不是看标签。在初创公司,招聘是一个全流程的工作,即便“人才获取”这个词从未被提及。为每个必备物品保留一个简短的同义词列表。阅读排名的中间部分以及顶部。如果你的工具会生成一份简历匹配摘要,请用它来寻找意义,而非逐字对应,并以此与原始简历进行核对,切勿盲目采信。
三百人申请的角色,一步步来
以下是 Dev 的工作流程,以有 300 名申请者的职位为例。
- 在初步沟通中列出3到5个关键的必备要素。评分的好坏完全取决于职位描述。
- 让工具对全部300项进行评分和排名。
- 完整读取顶带。
- 快速浏览简历中部,寻找那些不明显的亮点:职业转型者、同一技能的不同表述方式、有合理解释的空窗期。
- 抽查最低分。
一旦你有了候选人名单,将其规模与 平均每位招聘面试的候选人数量 进行比较,以判断你是否派出了过多的候选人参加面试。

切勿让工具独自做决定
- 拒绝。
- 客户提交件。
- 任何涉及受保护特征或其替代指标的内容,例如年龄、照护职业空白期或学校名称。
- 非正式客户提出的职位描述之外的要求。
当你不同意某个评分时 先在摘要中阅读原因。对照简历进行检查。如果工具因职位描述遗漏内容而有所遗漏,应修正职位描述并重新评分,而不是悄悄覆盖。然后用一行原因记录覆盖。随着 US 对 AI 招聘工具的管理日益严格,这一人类决策的记录显得愈发重要。
按团队规模划分的自动化程度
德夫的规则:一项决定影响的范围越大,就越需要人类签署。
獨立招聘人員 讓工具處理記錄、排名、確認和狀態郵件、預約通話,以及每日等待名單。讓它建議短名單順序、草擬跟進郵件、並重新顯示過往候選人。你負責接收、提交和拒絕、Offer、以及關係通話。如果你仍在選擇工具, 指南選擇獨立招聘人員的 ATS 涵蓋第一天的需求和致命缺陷。
2至10人一组 添加共享管道和统一模板。该工具可以建议交接,警告重复项,并提示停滞的角色。人类保持与个人招聘人员相同的决策,并在第一个角色上线之前作为团队就评分标准达成一致。
十人或更多组成的团队 该工具负责高并发的首轮排名、大规模调度、日常消息与报告,并建议审查范围和工作量平衡。人们保留最终决策和关系,并定期开展偏见和漂移审计,指定负责人并记录人类审查情况。
使您的筛查具有可辩护性的习惯
这些是 Dev 针对小团队的习惯。他们都不需要大预算。
- 在评分之前先列出必备条件,仅针对这些条件进行评分。
- 记录每一项人类决策及其一行原因,特别是在你对评分有异议时。
- 告知候选人,AI 有助于对申请进行排名,最终由人工做出决定,并提供人工复核服务。
- 每月或每个角色进行一次低分抽查。
- 在数据量允许的情况下,比较各组的通过率。音量极小时,请记录样本过小。
- 忽略或剔除照片、出生年份和照护空白等代理指标。
- 每当简报发生变化时,都要重新检查职位描述。
- 了解你的供应商:评分的依据是什么,以及你能否看到这些依据。
如果您在纽约市招聘, NYC 地方法144 适用。它禁止雇主和employment机构使用自动化的就业决策工具,除非该工具在使用前一年内进行了偏见审计。审计结果的摘要必须公开,候选人必须收到所需的通知。执法于2023年7月开始。这是总体信息,而不是法律建议,因此请与律师核实您的义务。
75%自动拒稿的谣言
您可能已经读到, ATS 软件在人工审阅之前拒绝了75%的简历。我们找到的最早的来源是一篇 Computerworld文章,日期为2012年3月4日,该文章将这一数字归功于Preptel,一家帮助求职者将简历传递给申请人跟踪系统的职位搜索服务公司。该文章没有引用任何研究、样本或方法来说明这一数字。
一个真正的问题就在附近。哈佛商学院和Accenture的 隐形工人报告(2021年9月) 发现,88%的雇主同意,合格的高技能候选人被筛选出来。他们给出的原因是:这些候选人不符合工作描述中的确切标准。该报告的重点是僵化的过滤器,例如确切匹配的要求和将就业间隙视为排除某人的理由。
从开发者的角度来看,大多数申请跟踪系统(ATS)会对申请者进行排名和排序,而不是默默地删除申请。申请者通常没有收到回复的原因是申请量大,加上人工筛选:有人在查看简历时耗尽了时间。例外是击倒性问题,例如要求许可证或工作授权,一些ATS会使用这些问题自动筛选申请者,因此请检查您的设置。
Curriculo ATS 所在的位置
Curriculo ATS 根据您的工作要求,对每位候选人进行0到100的评分,并提供书面AI的匹配度总结。简历筛选代理在您登录后会自动对申请者进行排名。Starter版本永久免费,可以对多达1,000位候选人进行排名。Pro版本的早鸟价格为每月50美元(比100美元的列表价格便宜50%),可以对多达10,000位候选人进行排名,所有计划都不收取每个席位的费用。产品详细信息请参阅 AI简历筛选页面,评分范围为0到100。.
常见问题
什么是简历筛选? 简历筛选是初步审查申请,以确定哪些候选人值得进一步关注。团队通过手工操作、关键词筛选、AI评分,或结合以上三种方式来实现。
扫描简历以查找关键词仍然有效吗? 是的,对于具有固定名称的二进制要求,例如护理执照、CDL、CPA、安全许可或所需语言。确认匹配,然后验证凭证本身。
ATS系统是否会拒绝75%的简历? 没有已发表的方法支持这一数字。我们发现的最早来源是一篇2012年的Computerworld文章,引用了Preptel的一份报告,Preptel是一家帮助求职者绕过申请跟踪系统的职位搜索服务公司。从开发者的角度来看,大多数ATS会对申请者进行排名和排序,而不是默默地删除。
AI 是否应自行做出筛选决策? 在德夫看来,不是。让工具进行排名和总结,并在每一次拒绝和推进中保持一个人的存在。为每项决定记录一行原因,特别是在对评分有异议时。
更多筛选和招聘指南请访问 Curriculo ATS 博客.
