Setiap lowongan yang sedikit saja terlihat akan menarik lebih banyak CV daripada yang sanggup dibaca dengan teliti. Seratus, tiga ratus, kadang jauh lebih banyak. Screening adalah apa yang terjadi pada momen itu, ketika seseorang harus mengubah tumpukan itu menjadi daftar pendek orang yang layak diajak bicara. Kalau dikerjakan asal jalan, yang memutuskan akhirnya menyaring berdasarkan urutan CV masuk, berdasarkan lelah jam lima sore, dan berdasarkan kesan yang tak banyak berhubungan dengan kompetensi.
Ini bisa dikerjakan lebih baik, dan tidak rumit. Yang berikut ini adalah langkah-langkah yang menjaga screening tetap adil selama ia masih masuk akal, kriteria yang layak dilihat, dan titik ketika membaca CV berhenti membantu.
Inti dalam satu kalimat
Menyaring dengan baik berarti memutuskan berdasarkan penggaris yang ditulis sebelum tumpukan dibuka, menimbang apa yang dibuktikan CV alih-alih apa yang ia isyaratkan, dan memperlakukan bacaan sebagai potongan pertama, bukan vonis. Bagian-bagian di bawah membedah masing-masing dari ketiganya.
Lima langkah screening yang kokoh
| Langkah | Yang dilakukan | Kenapa penting |
|---|---|---|
| 1. Penggaris sebelum tumpukan | Tulis kriteria dan bobot masing-masing sebelum melihat CV pertama | CV kuat yang pertama berhenti menjadi patokan bagi sisanya |
| 2. Wajib atau nilai tambah | Tandai mana yang menggugurkan dan mana yang sekadar bonus | Anda berhenti membuang orang bagus gara-gara satu nilai tambah |
| 3. Rubrik per kolom | Nilai semua orang dengan skala yang sama, satu kriteria dalam satu waktu | Membunuh penilaian berdasarkan kesan umum |
| 4. Bacaan pertama tanpa identitas | Sembunyikan nama, foto, usia, dan kampus di tahap awal | Memotong bias gender, asal, dan prestise sebelum ia bekerja |
| 5. Daftar pendek ke tahap nyata | Kirim yang lolos ke tes praktik, bukan ke bacaan lain | CV bercerita apa yang pernah dikerjakan, tes menunjukkan apa yang bisa dikerjakan |
1. Tulis penggaris sebelum membuka tumpukan
Sebelum melihat lamaran pertama, tentukan tiga sampai lima hal yang benar-benar memprediksi performa di posisi itu dan beri bobot masing-masing. Untuk posisi backend senior, itu bisa berupa pengalaman dengan jenis masalahnya (bukan framework yang lagi ngetren), bukti bahwa orangnya pernah mengantar sesuatu dari ujung ke ujung, dan tanda-tanda kemandirian. Tanpa penggaris itu, CV ketiga di pagi hari dinilai terhadap dua yang pertama, bukan terhadap posisinya. Urutan kedatangan menjadi kriteria tanpa ada yang sadar.
2. Pisahkan yang wajib dari yang sekadar nilai tambah
Satu kolom memuat yang benar-benar menggugurkan, seperti izin kerja, sertifikasi wajib, atau bahasa yang dipakai tim. Kolom lain memuat yang bagus kalau ada tetapi bisa dipelajari, seperti stack tertentu atau pengalaman di sektor serupa. Kesalahan screening yang paling umum adalah mendorong nilai tambah menjadi syarat wajib dan menyempitkan corong terlalu dini. Anda diam-diam membuang orang yang akan menguasai tool itu dalam seminggu.
3. Pakai rubrik, per kolom
Memberi nilai 0 sampai 2 untuk "pengalaman relevan" menghasilkan keputusan yang jauh lebih mirip satu sama lain dibanding "menurut saya profilnya kuat". Bedanya muncul ketika ada yang bertanya, tiga minggu kemudian, kenapa si A lanjut dan si B tidak. Dengan rubrik, jawabannya tertulis. Tanpa itu, yang tersisa hanya ingatan, dan ingatan sudah menulis ulang ceritanya demi orang yang jadi direkrut.
4. Sembunyikan nama, foto, dan kampus di bacaan pertama
Nama mengisyaratkan gender dan asal. Foto dan usia membuka pintu bagi belasan jalan pintas mental. Nama kampus menyalakan autopilot prestise. Tak satu pun kolom ini mengukur kompetensi, dan semuanya menyala sebelum Anda sampai ke bagian yang mengukurnya. Pada bacaan pertama, tutup. Rincian tiap bias ini, lengkap dengan buktinya, ada di 11 jenis bias dalam rekrutmen.
5. Berhenti membaca di daftar pendek
Screening CV adalah awal corong. CV melaporkan apa yang orang katakan pernah ia kerjakan, dengan pilihan katanya sendiri, dan tahap berikutnya harus menunjukkan apa yang benar-benar bisa ia kerjakan. Semakin cepat daftar pendek bertemu tes praktik, semakin kecil keputusan bergantung pada siapa yang menulis CV bagus, yang merupakan keterampilan berbeda dari menulis kode yang bagus.
Apa yang ditimbang, apa yang diabaikan
Tidak semua di CV bernilai sama. Yang layak ditimbang adalah apa yang orang antarkan lengkap dengan konteks dan hasil ("memangkas waktu build dari 12 menit jadi 3 menit"), waktu nyata turun tangan dengan jenis masalah itu, dan apa pun yang bisa diverifikasi dari luar, seperti repositori, proyek publik, atau portofolio.
Yang bernilai kecil adalah apa pun yang gampang digelembungkan. Nama perusahaan besar di bagian atas, "10 tahun di industri" tanpa satu petunjuk pun tentang isi sepuluh tahun itu, deretan teknologi yang siapa saja bisa tempel di footer. Risiko terbesar screening adalah memeringkat justru berdasarkan daftar kedua ini, karena ia yang paling kelihatan dan paling murah ditulis.
Kesalahan yang berubah menjadi bias
Menyaring dengan kata kunci persis adalah yang paling mahal. Filter yang mensyaratkan "React" memotong frontend senior yang menulis "menulis ulang SPA dari nol" dan tidak mengeja kata itu. Anda tak melihat siapa yang hilang, jadi Anda mengira filternya bekerja.
Memakai jeda di CV sebagai sinyal negatif adalah yang lain. Cuti melahirkan, setahun merawat keluarga yang sakit, atau cuti panjang berubah menjadi hukuman yang sama sekali tak berhubungan dengan apa yang orang itu antarkan hari ini.
Lalu ada "cocok budaya", yang kadang cuma "cocok secara sosial" dengan baju yang lebih rapi. "Dia bakal nyambung sama kita" biasanya berarti "dia mirip kita". Cocok budaya yang bisa dipertanggungjawabkan adalah berbagi nilai yang perusahaan tuangkan tertulis. Sisanya adalah kedekatan yang menyamar sebagai kriteria.
Manual, dengan ATS, atau dengan penilaian
Ada tiga cara mengecilkan tumpukan, dan ketiganya tidak menyelesaikan masalah yang sama.
Membaca manual berfungsi saat CV-nya dua puluh dan ambruk saat tiga ratus. Ia konsisten hanya dengan rubrik, dan mahal dalam waktu orang senior. Applicant Tracking System (ATS) dengan filter kata kunci sanggup menampung volume, tetapi mewarisi bias CV yang dioptimasi dan memberi hadiah kepada yang pandai menyenangkan filter. Ia untuk menata lamaran, bukan untuk mengukur siapa yang lebih baik. Penilaian berbasis tes menukar membaca apa yang orang katakan dengan mengukur apa yang ia kerjakan, dan itu satu-satunya dari ketiganya yang menghasilkan sinyal yang tak bisa begitu saja ditulis ulang kandidat.
Screening CV dengan AI berada di antara dua yang terakhir. Ia terskala seperti ATS, tetapi tetap membaca CV, jadi ia benar pada bagian yang terstruktur dan meleset pada bagian yang berupa potensi.
Bagaimana Nort menyelesaikannya
Di Nort, tumpukan sudah tiba tersaring berdasarkan kompetensi, bukan berdasarkan dokumen. Setiap orang di pool telah melewati satu kali penilaian teknis, bahasa, dan profil perilaku, memakai framework terbuka seperti Big Five dan CEFR. Alih-alih membaca CV satu per satu, perusahaan menelusuri peringkat orang-orang yang sudah dinilai dan menyaring berdasarkan apa yang terukur. Bias CV yang ditulis rapi sama sekali tidak masuk hitungan, dan waktu yang tadinya habis untuk membaca tumpukan berubah menjadi waktu berbincang dengan orang yang sudah menunjukkan hasil kerjanya.
Membaca CV bukannya tak berguna. Ia hanya menjawab pertanyaan yang lebih lemah daripada yang Anda butuhkan. Ia menunjukkan apa yang orang tulis tentang dirinya, padahal keputusan menuntut apa yang sanggup ia antarkan.
Pertanyaan yang sering diajukan
Apa beda menyaring dan menyortir CV?
Dalam praktik, tahap yang sama. "Menyaring" lebih condong ke memotong yang tak memenuhi syarat, dan "menyortir" lebih condong ke mengurutkan berdasarkan kecocokan. Proses yang layak melakukan keduanya dengan rubrik yang sama.
Berapa banyak CV yang bisa disaring dengan baik dalam sehari?
Dengan rubrik dan bacaan terstruktur, beberapa lusin sebelum lelah mulai memutuskan untuk Anda. Lewat dari itu, jam dan urutan lebih berat timbangannya daripada kandidat, dan ada baiknya menukar sebagian bacaan dengan filter yang objektif.
Apakah screening CV dengan AI itu adil?
Tergantung apa yang dibaca AI. Kalau ia menilai kata kunci dan format, ia mewarisi bias orang yang mengoptimasi CV. Kalau ia mengukur kompetensi dengan instrumen tervalidasi, ia cenderung lebih adil daripada bacaan manusia yang lelah. Alat itu sendiri tidak menjamin keadilan.
Apakah UU Perlindungan Data Pribadi Brasil (LGPD) membatasi penyaringan otomatis?
UU Perlindungan Data Pribadi Brasil (LGPD) memberi kandidat hak meminta peninjauan oleh manusia ketika keputusan diambil murni oleh mesin. Screening yang hanya mengurutkan lalu menyerahkan keputusan ke recruiter aman-aman saja. Yang perlu diwaspadai adalah otomatisasi yang menolak sendiri, tanpa siapa pun di dalam lingkaran.
Apa yang harus disembunyikan di bacaan pertama?
Nama, foto, usia, alamat, dan nama institusi pendidikan. Itulah kolom yang menyalakan bias gender, asal, dan prestise akademik sebelum analisis kompetensi apa pun.
TL;DR
- Tulis penggaris dan bobotnya sebelum membuka tumpukan, atau urutan kedatangan yang memutuskan untuk Anda
- Pisahkan wajib dari nilai tambah agar tidak membuang orang bagus gara-gara satu bonus
- Nilai dengan rubrik dan sembunyikan nama, foto, dan kampus di bacaan pertama
- Timbang apa yang dibuktikan CV, curigai apa yang gampang digelembungkan
- CV adalah awal corong, jadi kirim daftar pendek ke tes praktik, bukan ke bacaan lain
- Nort menyaring berdasarkan kompetensi yang sudah diukur di pool yang dinilai, bukan berdasarkan dokumen
Ingin mulai menyaring berdasarkan kompetensi sebelum menyentuh tumpukan CV? Buat akun Nort gratis dan coba pool yang sudah dinilai pada rekrutmen Anda berikutnya.