Screening CV Otomatis dengan AI: Cara Kerja & Batasnya

Screening CV otomatis dengan AI adalah proses ketika sebuah perangkat lunak membaca CV yang masuk ke sebuah lowongan, menarik data terstruktur (pengalaman, skill, pendidikan, bahasa), lalu memberi skor kecocokan terhadap deskripsi lowongan. Recruiter menerima daftar yang sudah diurutkan dan memutuskan siapa yang lanjut ke tahap berikutnya, alih-alih membaca puluhan sampai ratusan CV satu per satu.

Pertanyaan yang penting bagi perusahaan dan kandidat bukanlah "apakah ini berfungsi?" Tentu berfungsi, dan teknologi ini sudah berjalan di hampir semua platform HR menengah-besar di Indonesia, dari Mekari Talenta sampai modul rekrutmen yang terhubung dengan Jobstreet dan Glints. Pertanyaan yang sebenarnya adalah apakah ini cocok untuk jenis posisi yang sedang Anda buka? Untuk sebagian posisi, ya. Untuk posisi teknis dalam skala besar, di sinilah model ini menabrak batas yang sudah bisa ditebak.

Inti dalam satu kalimat

Screening berbasis AI piawai dalam menata volume, tetapi lemah dalam memprediksi skill teknis. Ia mengubah "300 CV" menjadi "20 CV yang mungkin cocok", tetapi di dalam 20 itu, korelasi dengan performa nyata tetap sama rendahnya dengan manusia yang membaca manual.

Bagaimana AI membaca sebuah CV?

Pipeline yang umum punya empat tahap.

1. Parsing: CV (PDF, DOCX, hasil pindai) diubah menjadi teks dan dipecah menjadi blok (header, ringkasan, pengalaman, pendidikan, skill, bahasa). Model modern cukup andal menangani tata letak yang beragam.

2. Ekstraksi entitas: perusahaan tempat bekerja, jabatan, jumlah tahun, teknologi, sertifikasi. Bagian ini akurat pada CV yang rapi dan memburuk pada CV kreatif (grafik, ikon, kolom).

3. Pencocokan dengan deskripsi lowongan: sistem membandingkan vektor semantik CV dengan vektor deskripsi lowongan. Bobotnya bisa diatur per skill wajib, jumlah tahun pengalaman, lokasi, dan rentang gaji.

4. Perankingan: sebuah nilai akhir (biasanya 0 sampai 100) menentukan urutan kandidat yang dilihat recruiter.

Platform lama hanya mengandalkan pencocokan kata kunci. Platform modern memakai embedding (representasi teks dalam bentuk vektor) yang paham bahwa "software engineer" dan "developer backend" itu bersaudara, tidak identik, tetapi berdekatan di ruang makna.

Apa yang dinilai dengan baik oleh screening AI?

• Kesesuaian yang dideklarasikan: jika kandidat menulis "React 5 tahun" dan lowongan meminta React 3 tahun, sistem menangkapnya hampir sempurna.
• Prasyarat formal: gelar pendidikan, sertifikasi tertentu, tingkat bahasa yang dinyatakan, lokasi.
• Volume: 1.000 CV menjadi daftar terurut dalam hitungan detik.
• Koherensi karier: jeda kerja yang panjang, perpindahan yang terlalu sering, perkembangan senioritas.
• Kepatuhan dasar: lowongan dengan syarat ketat (misalnya sertifikasi profesi, STR untuk tenaga kesehatan, lisensi tertentu) disaring berdasarkan kecocokan persis.

Apa yang tidak dinilai oleh screening AI?

• Skill nyata, bukan yang dideklarasikan. Orang yang menulis "React 5 tahun" bisa saja menghabiskan 4 tahun mengikuti tutorial dan hanya satu layar yang sungguh masuk produksi. CV mencatat klaim diri, bukan kemampuan.
• Kemampuan menyelesaikan masalah yang belum pernah ditemui. Justru ini yang membedakan engineer rata-rata dari engineer yang luar biasa.
• Perilaku dalam tim. Soft skill yang relevan (komunikasi, cara menghadapi konflik, rasa kepemilikan) tidak muncul sebagai teks yang bisa diekstrak.
• Budaya kerja teknis. Siapa yang mengutamakan kualitas dibanding kecepatan? Siapa yang mendokumentasikan? Siapa yang me-review kode dengan teliti? CV diam soal ini.
• Motivasi saat ini. Siapa yang sedang aktif mencari, siapa yang terbuka, dan siapa yang sekadar memperbarui profil.

Pada dasarnya, screening AI adalah cara membaca CV yang sama dengan lebih cepat, bukan pengukuran yang berbeda.

Di mana screening gagal pada posisi teknis?

Ada tiga kegagalan yang khas.

1. Bias berlebihan terhadap kata kunci

Kandidat dengan pengalaman kuat di "Vue" tersingkir dari lowongan "React" karena sistem tidak menyimpulkan bahwa perpindahan antar-framework frontend itu sepele bagi seorang senior. Recruiter menandai React sebagai wajib, dan AI menjalankan perintah itu apa adanya.

2. Positif palsu dari CV yang dioptimasi

Ada industri informal seputar CV yang dioptimasi untuk lolos pemindai. Mereka yang belajar menebar 30 kata kunci secara halus akan lolos screening, sementara yang menulis CV ringkas dan langsung ke inti kadang justru tenggelam di bawah.

3. Bias historis di dalam model

Model yang dilatih dari riwayat rekrutmen akan mereproduksi pola perusahaan, termasuk pola yang sebenarnya tidak ingin diulang. Kampus tertentu, perusahaan tertentu, rentang usia, atau pola nama tertentu bisa ikut terbawa. Di Indonesia, UU Perlindungan Data Pribadi (UU No. 27 Tahun 2022) memberi subjek data hak untuk mengajukan keberatan atas keputusan yang hanya didasarkan pada pemrosesan otomatis, termasuk profiling. Karena seleksi kerja menyentuh data pribadi dan bisa berdampak nyata pada seseorang, area ini perlu ditangani dengan hati-hati, bukan dianggap sepele.

Screening AI vs penilaian berbasis tes

Perbedaan praktisnya terletak pada di mana pekerjaan penyaringan benar-benar dilakukan.

Kedua model ini bisa berdampingan: screening AI menyaring corong yang lebar, sedangkan tes menyaring kedalaman skill. Pada posisi teknis, platform modern mulai memindahkan tes ke tahap sebelum kontak, agar recruiter hanya menerima kandidat yang sudah punya bukti eksekusi.

Bagaimana NORT menempatkan diri?

NORT membalik logikanya. Alih-alih AI membaca CV di pintu masuk lowongan, kandidat menjalani penilaian portabel satu kali: tes teknis, tes kepribadian Big Five, tes bahasa, dan validasi pengalaman. Hasilnya menjadi sebuah Career Score, dan perusahaan menyaring kumpulan kandidat ini berdasarkan kriteria objektif. Untuk memahami batas alat yang mengelola corong lamaran, lihat glosarium tentang Applicant Tracking System (ATS) dan bagaimana cara kerja perekrutan terbalik (reverse recruiting).

Penting untuk jujur soal posisi ini: NORT bukan ATS. NORT adalah platform perekrutan terbalik dan penilaian kandidat yang melengkapi ATS Anda, bukan menggantikan sistem yang mengelola alur lamaran. ATS mengurus corong; NORT memastikan kolam yang masuk ke corong itu sudah terukur lebih dulu.

Bagi recruiter, artinya:

• Tidak ada tahap screening awal, karena kolamnya sudah dinilai sebelumnya
• Penyaringan berdasarkan skill bersifat langsung, bukan lewat proksi (kata kunci di CV)
• Rata-rata waktu rekrut turun karena tahap "membaca 300 CV" lenyap

Bagi kandidat, artinya berusaha satu kali dan punya hasil yang portabel untuk banyak peluang, bukan mengulang tes setiap kali melamar.

Kapan screening AI tetap pilihan terbaik?

Ini bukan soal memilih salah satu. Ada posisi di mana screening AI sudah cukup baik.

• Posisi administratif dan operasional: kesesuaian yang dideklarasikan biasanya berkorelasi tinggi dengan kenyataan
• Posisi dengan volume sangat besar (50.000 pelamar untuk program management trainee), tanpa screening otomatis prosesnya tidak akan terskala
• Posisi dengan prasyarat formal yang tidak bisa ditawar (registrasi profesi, sertifikasi wajib)
• Aliran lamaran inbound: perusahaan yang menerima banyak lamaran spontan lewat situsnya

Pertanyaan yang sering diajukan

Apakah screening AI adil bagi kandidat?

Secara teknis ia menerapkan kriteria yang sama untuk semua orang. Dalam praktiknya, ia mewarisi bias dari data historis dan dari cara recruiter menulis deskripsi lowongan. Ia adil jika diaudit, dan sebagian besar perusahaan di Indonesia belum melakukan audit semacam itu.

Apakah saya perlu mengoptimasi CV agar lolos AI?

Untuk lowongan yang disaring lewat ATS tradisional: ya, untuk saat ini. Gunakan kata kunci dari deskripsi lowongan, jaga tata letak tetap bersih (tanpa ikon dekoratif), dan simpan sebagai PDF yang bukan hasil pindai. Untuk platform seperti NORT, hal ini tidak relevan, karena penyaringan dilakukan berdasarkan skill yang diukur, bukan berdasarkan teks.

Bisakah AI mengenali CV yang "digelembungkan"?

Sebagian bisa. Model modern menandai ketidakkonsistenan (teknologi yang janggal, jeda yang tak dijelaskan, kenaikan senioritas yang mencurigakan cepat), tetapi tidak bisa membaca niat. CV yang ditulis rapi, sekalipun dilebih-lebihkan, biasanya tetap lolos.

Apakah UU PDP membatasi screening otomatis?

UU PDP memberi subjek data hak untuk mengajukan keberatan atas keputusan yang hanya didasarkan pada pemrosesan otomatis, termasuk profiling. Dalam praktiknya, sebagian besar perusahaan tetap menempatkan manusia yang meninjau daftar terurut, sehingga keputusan tidak murni otomatis. Penting untuk mencantumkan hal ini di formulir persetujuan dan kebijakan privasi. Teks resminya dapat dibaca pada UU No. 27 Tahun 2022 di JDIH Komdigi.

Apakah AI generatif (LLM) juga melakukan screening?

Ya. ChatGPT, Claude, Gemini, dan model sumber terbuka sudah dipakai dalam alur kustom di banyak UMKM dan startup, CV beserta deskripsi lowongan diberikan ke model lalu dimintai analisis. Keunggulannya pada penjelasan ("kenapa kandidat ini?"), tetapi biaya dan latensi masih membatasi untuk volume tinggi.

TL;DR

• Screening AI efisien untuk volume dan prasyarat yang dideklarasikan, tetapi lemah memprediksi skill teknis yang nyata
• Untuk posisi administratif dan operasional, screening AI sudah cukup baik
• Untuk posisi teknis, lebih masuk akal memindahkan penyaringan dari "membaca CV" ke "mengukur skill"
• Kedua model bisa berdampingan: screening AI lalu penilaian berbasis tes secara berurutan bekerja lebih baik daripada salah satunya sendirian
• NORT memilih jalur penilaian portabel, sekali kerjakan, berlaku untuk banyak peluang

Ingin kolam kandidat Anda sudah terukur sebelum lowongan dibuka, lalu langsung bisa disaring? Buat akun NORT gratis dan rasakan penyaringan berbasis skill pada proses rekrutmen berikutnya.