简历筛选最好分层进行。 使用关键词扫描固定要求，如护士执照或CPA，让AI评分对大量简历进行排序，并在每个拒绝和每个通过时都有人进行审查。 手动阅读在处理几十个申请人时就会失去效率，而无法解释的评分是一个负担。
作者：Dev Rishi Khare，前亚马逊（搜索和推荐）和 Synopsys 机器学习工程师
你在星期一发布一个职位，到星期三，简历堆已经比你一天能读的还多。你仔细阅读前几个，快速浏览下一批，其余的等待在Gmail中。 在Dev的看法中，这就是很多小团队如何筛选简历的，直到简历堆变得太大。
以下工作流程和经验法则是Dev的看法。 已发布的来源和法律通过名称链接。
团队如何筛选简历，现在有什么问题
在Dev的看法中，大多数小团队和独立招聘人员手动阅读简历，通常只阅读按日期排序的简历堆的顶部。 较大的团队往往使用ATS关键词过滤。 AI评分是较新的方法。 每种方法在不同地方都会失败。
手动阅读每份简历
手动阅读简历可以捕捉到背景信息，例如职业变动或有合理原因的空缺期。但是，这种方法不适用于处理大量申请人。优秀的申请人如果晚些时候提交申请，可能会被忽略，因为到那时招聘人员已经开始浏览简历了。关于手动简历筛选在招聘速度方面的成本的页面](/manual-screening/)涵盖了这种权衡。
关键词过滤
过滤器设置快速简便。然而，它们也会拒绝那些用不同词语描述相同技能的人，并奖励那些将工作描述塞入简历的人。
AI评分
AI评分可以读取含义而不是确切的词语。但是，当没有人能理解为什么某人得分高或低时，它就会失效。一个没有理由的数字很难核实，难以向客户辩护，并且在新的US关于AI的招聘规则下存在法律风险。
扫描简历中的关键词，以及何时仍然是合适的工具
扫描简历中的关键词仍然占有一席之地，当要求是二元的并且有固定的名称时。好的例子包括：
- 许可证，例如护士执照或CDL。
- 认证，例如CPA或命名的云认证。
- 安全许可。
- 法律注册。
- 所需语言。
关键词匹配仅启动检查。确认匹配项在简历中，然后在提交之前验证凭证本身。
对于人们以多种方式描述的技能，例如来源管理、账户管理或数据分析，关键词搜索会错过合适的人才。影响评分与关键词匹配的比较]中解释了原因。
如何识别关键词填充
开发人员的警告信号:
- 没有上下文的技能列表。
- 长技能块，逐字复制工作描述。
- 列出的工具，没有附加项目、结果或日期。
- 工具数量超过工作经验年限所能支持的范围。
- 隐藏或白色文本。将简历粘贴到纯文本编辑器中即可显示。
测试：对于每个必备项，指出候选人使用它的行。如果找不到，则关键词不计。
如何捕捉不同词语中的相同技能
阅读他们的实际工作内容，而不是职位名称。初创公司的全周期招聘实际上就是人才招聘，即使没有明确说明。为每个必须具备的条件保持一个简短的同义词列表。阅读排名中间的内容以及顶部的内容。如果你的工具生成了一个匹配度的总结，使用它来寻找意义而不是确切的词语，然后将其与简历进行核对，而不是盲目信任。
一个300名申请者的职位，逐步进行
这是Dev的工作流程，使用一个有300名申请者的职位作为例子。
- 从入职电话中写下3到5个真正的必备条件。评分的质量取决于职位描述的质量。
- 让工具对所有300名申请者进行评分和排名。
- 阅读顶级候选人的全部信息。
- 浏览中等级别的候选人，寻找不明显的匹配：职业转换者，相同技能的不同表述，具有合理原因的空缺。
- 随机检查最低分数的候选人。
一旦你有了短名单，比较其大小与每次招聘的平均面试人数](/blogs/candidates-interviewed-per-hire/)，以确定是否发送太多人参加面试。
永远不应让工具单独决定
- 拒绝。
- 客户提交。
- 任何涉及受保护特征或其代理的内容，例如年龄、照顾空缺或学校名称。
- 非正式的客户请求，不在工作描述中。
当您不同意评分时
首先阅读摘要中的原因。将其与简历进行核对。如果工具因为工作描述遗漏而错过了某些内容，请修复工作描述并重新评分，而不是悄悄覆盖。然后记录覆盖的理由，并附上一行理由。这种人为决策的记录在US规则中对AI招聘工具的传播中更加重要。
根据团队规模自动化的程度
开发者的规则：影响的人越多，需要人为签署的决策就越多。
独自招聘人员
让工具处理日志记录、排名、确认和状态电子邮件、预订电话和每日等待名单。让它建议短名单顺序、草拟跟进和重现过去的候选人。您处理接收、每次提交和拒绝、报价和关系电话。如果您仍在选择工具，选择独立招聘人员的ATS指南涵盖了第一天的需求和破坏性因素。
2至10人的团队
添加共享管道和一致的模板。工具可以建议交接、警告重复和提醒停滞的角色。人类保持与独自招聘人员相同的决策，并在第一个角色上线之前作为团队同意评分标准。
10人或以上的团队
工具承担高容量的初步排名、规模化调度、常规消息和报告，并建议审查带和工作量平衡。人类保持最终决策和关系，并使用指定的所有者和人为审查的书面记录运行定期偏差和漂移审计。
保持面试甄选的合理性
这些是开发团队的习惯。它们不需要大预算。
- 评分前列出必须具备的条件，只根据这些条件评分。
- 记录每个人的决定，包括理由，特别是当你不同意评分时。
- 告知候选人，AI帮助排名申请，人工决定，并提供人工复审。
- 每月或每个职位检查低分。
- 比较不同群体的通过率，当量足够时。在小样本量时，记录样本太小。
- 去除或忽略代理变量，如照片、出生年份和照顾空缺。
- 当简介改变时，重新检查工作描述。
- 了解你的供应商：评分的依据，以及是否可以看到原因。
如果你在纽约市招聘，NYC 地方法 144适用。它禁止雇主和招聘机构使用自动化就业决策工具，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，候选人必须获得所需的通知。执行开始于 2023 年 7 月。这是一般信息，而不是法律建议，因此请与律师核实你的义务。
75% 自动拒绝的神话
您可能已经读到过，ATS软件在人工审阅之前会拒绝75%的简历。我们找到的最早的资料来源是2012年3月4日的计算机世界文章，它将这一数字归功于Preptel，一家帮助求职者将简历通过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个数字。
一个真正的问题就在附近。哈佛商学院和埃森哲（2021年9月）](https://www.hbs.edu/managing-the-future-of-work/research/hidden-workers-untapped-talent)的《隐藏工人》报告发现，88%的雇主同意高技能的合格候选人被筛选出来。他们给出的理由是：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。
在Dev的看法中，大多数申请人跟踪系统（ATS）进行排名和排序，而不是默默地删除。申请人通常听不到任何消息的原因是数量加上人工筛选：有人在查看简历之前就用完了时间。例外是击倒性问题，例如所需的许可证或工作授权，一些ATS使用这些问题来自动筛选申请人，因此请检查您的设置。
Curriculo ATS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摘要以说明匹配度。简历筛选代理在您登录后自动对申请人进行排名。Starter版本永久免费，最高可排名1,000名候选人。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%），最高可排名10,000名候选人，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？
简历筛选是决定哪些申请人值得进一步审查的第一步。团队可以手动进行筛选，也可以使用关键词过滤、AI评分或三者结合的方式进行筛选。
扫描简历中的关键词仍然有用吗？
是的，对于具有固定名称的二元要求，例如护士执照、CDL、CPA、安全许可或所需语言。确认匹配，然后验证证书本身。
ATS系统是否拒绝了75%的简历？
没有已发布的方法支持这一数字。我们找到的最早的来源是一篇2012年的Computerworld文章，引用了Preptel，一家帮助求职者绕过申请人跟踪系统的职位搜索服务公司。根据Dev的观点，大多数ATS排名和排序，而不是默默地删除。
AI是否应该单独做出筛选决定？
根据Dev的观点，不应该。让工具排名和总结，并在每个拒绝和每个推进中保留一个人。记录每个决定的原因，特别是当你不同意评分时。
更多的筛选和招聘指南可以在Curriculo ATS博客中找到。
