怎样筛选简历，又不误伤好的候选人

但凡有点曝光的岗位，收到的简历都会超过任何人能仔细读完的量。一百份，三百份，有时远不止。所谓筛选，就发生在这个当口，当有人必须把这一摞简历，变成一份值得聊一聊的短名单。要是临场随手来做，做决定的人最后往往是按简历到达的先后、按下午五点的疲惫，以及按那些和胜任力没多大关系的印象在筛。

可以做得更好，而且并不复杂。下面要讲的，是在筛选还有意义的阶段里让它保持公平的几个步骤、值得一看的标准，以及读简历不再帮得上忙的那个节点。

一句话说清

筛得好，意味着在打开这摞简历之前就照着一把写下来的尺子做决定，看简历能证明什么，而不是它暗示什么，并且把阅读当成第一道初筛，而不是最终判决。下面几节会把这三件事逐一拆开。

站得住脚的筛选，五个步骤

1. 在打开这摞简历之前，先写下尺子

在看第一份申请之前，先定下三到五个真正能预测这个岗位表现的东西，并给每一个定好权重。一个资深后端岗位，可能是对某类问题（而不是当下最火的工具）的经验、把一件事从头做到尾交付的证据，以及能独立推进的迹象。没有这把尺子，早上第三份简历就会拿去和头两份比，而不是和岗位比。到达顺序在没人察觉的情况下，变成了标准。

2. 把硬性要求和加分项分开

一栏放真正能一票否决的，比如合法工作身份、某项强制资质，或者团队工作用的语言。另一栏放那些有当然好、但可以学的，比如某个具体的技术栈，或者相近行业的经验。筛选里最常见的错误，就是把加分项硬塞进硬性要求，太早收窄了漏斗。你会悄无声息地扔掉那个一周就能上手这门工具的人。

3. 用量表，逐项打分

给「相关经验」打个0到2分，比「我觉得这人挺强」更能让不同人的判断趋于一致。这个差别，会在三周后有人问「凭什么这个过了那个没过」时显现出来。有量表，你的答案是白纸黑字写着的。没有，你只剩记忆，而记忆早已把故事改写成对已录用者有利的版本。

4. 第一遍阅读盖住姓名、照片和院校

姓名会透露性别和地域。照片和年龄会给十几种心理捷径开门。院校的名字会把「名气」这个自动挡挂上。这些字段没有一个能衡量胜任力，可它们全都在你还没读到能衡量胜任力的部分之前就已触发。第一遍，把它们盖上。每一种偏见的具体机制和证据，都收在招聘偏见最常见的11种类型里。

5. 到短名单就停止阅读

筛简历是漏斗的开头。简历讲的是这个人用自己挑的措辞说自己做过什么，而下一环节必须展示他真正能做出什么。短名单越早碰上一次实操检验，决定就越不依赖谁的简历写得漂亮，而把简历写漂亮，是和写好代码不一样的另一种本事。

该看重什么，该忽略什么

简历里并不是每一样都值同样的分量。值得看重的，是这个人带着背景和结果交付的东西（「把构建时间从12分钟压到3分钟」）、在那类问题上真正动手的时间，以及任何能从外部核实的东西，比如一个代码仓库、一个公开项目或一份作品集。

不值几分的，是那些容易注水的东西。顶部那家大公司的名字、光有「十年从业」却没有半点线索说明这十年是怎么过的、任何人都能贴在页脚的一长串技术。筛选最大的风险，恰恰是照着这第二份清单去排名，因为它最显眼，也最不费笔墨。

会变成偏见的那些错误

按精确关键词来筛，是其中代价最高的一种。一个硬要「React」的过滤器，会刷掉那位写了「从零重写了整个SPA」、却没把这个词一字不差拼出来的资深前端。你看不见自己丢了谁，于是以为过滤器起了作用。

把简历上的空窗当成负面信号，是另一种。一段产假、照顾病人的一年、或者一次间隔年，都会变成惩罚，而它和这个人今天能交付什么毫无关系。

还有「文化契合」，它有时只是穿了件更体面外套的「社交契合」。「他和我们能合得来」往往意思是「他和我们像」。站得住脚的文化契合，是认同公司白纸黑字写下来的价值观。剩下的，只是伪装成标准的投缘。

人工、ATS，还是测评

把这摞简历变小，有三种办法，它们解决的并不是同一个问题。

人工阅读在二十份时管用，到三百份就垮了。它只有配上量表才稳定，而且极耗资深人力的时间。带关键词过滤的招聘管理系统（ATS）扛得住量，但它继承了「被优化过的简历」的偏见，奖励那些懂得讨好过滤器的人。它是用来整理申请的，不是用来衡量谁更强的。基于测试的测评，把「读这个人说了什么」换成「测这个人做了什么」，是三者中唯一能产出候选人没法简单改写的信号的办法。

AI简历筛选夹在后两者之间。它像ATS那样能扩展，却仍然在读简历，所以结构化的部分它答得对，潜力的部分它答得错。

Nort怎么解决这件事

在Nort，这摞简历一进来就已经按能力筛过，而不是按文件。人才池里的每个人都做过一次技术、语言和行为画像的评估，用的是大五人格、CEFR这类开放框架。企业不必一份份读简历，而是在一份已经过评估的人的排名里检索，按测出来的东西筛。写得漂亮的简历所带的偏见，压根不进这笔账。原本花在读简历上的时间，变成了和已经拿出真本事的人聊天的时间。

读简历不是没用。它只是回答了一个比你需要的更弱的问题。它给你看的是这个人怎么描述自己，而你的决定要的，是他到底能交付什么。

常见问题

「过滤简历」和「甄选简历」有区别吗？

实际操作里是同一步。「过滤」更偏向切掉不满足硬性要求的人，「甄选」更偏向按契合度排序。一个像样的流程，会用同一把量表把两件事一起做了。

一天能筛好多少份简历？

配上量表和结构化的读法，在疲惫开始替你做决定之前，是几十份。超过这个数，时间点和顺序就比候选人本身更有分量，这时候值得把一部分阅读换成一个客观的过滤器。

用AI筛简历公平吗？

取决于AI读的是什么。如果它给关键词和排版打分，就继承了优化简历那批人的偏见。如果它用一套经过验证的工具来衡量能力，往往比疲惫的人眼更公平。工具本身并不单独保证公平。

巴西的《通用数据保护法》(LGPD)会限制自动化筛选吗？

巴西的《通用数据保护法》(LGPD)规定，当一个决定完全由机器做出时，候选人有权要求人工复核。一套只是排好序、交给招聘者拍板的筛选，是没问题的。要当心的是那种没有任何人参与、机器自己就把人刷掉的自动化。

第一遍阅读该盖住什么？

姓名、照片、年龄、住址，以及院校的名字。正是这几个字段，会在任何能力分析开始之前，就把性别、地域和学历名气的偏见打开。

TL;DR

• 在打开这摞简历之前就写好尺子和权重，否则到达顺序会替你做决定
• 把硬性要求和加分项分开，别为了一条加分项刷掉好的人
• 用量表打分，第一遍盖住姓名、照片和院校
• 看重简历能证明的，怀疑那些容易注水的
• 简历是漏斗的开头，所以让短名单去做实操，而不是再读一遍
• Nort按已评估池里测出来的能力筛人，而不是按文件

想在读简历之前，就先按能力筛起来吗？免费注册一个 Nort 账号，在你下一次招聘里用测评代替读简历。