الفرز الذكي: كيف يقرأ الذكاء الاصطناعي السيرة الذاتية ويقيّمها

إعلان وظيفة واحد يجلب مئات السير الذاتية، وقراءتها كلها بعناية مستحيل عملياً. فما يحدث في الواقع أن أول عشرين تُقرأ باهتمام، والبقية تُمسَح بالعين بحثاً عن كلمة مفتاحية — ومرشحون جيدون يسقطون لأن سيرهم وصلت متأخرة لا لأنها أضعف.

المشكلة الأولى: إعادة الكتابة

قبل أن يبدأ التقييم أصلاً، هناك عمل ميكانيكي يلتهم وقت فريق التوظيف: نقل بيانات كل متقدم من سيرته إلى النظام. الاسم، والبريد، والهاتف، والمؤهل، والخبرات، والدورات — عشرات الحقول لكل مرشح.

وهذا العمل ليس بلا قيمة فقط، بل ضار: لأنه يستهلك الوقت الذي كان يجب أن يُنفَق على القراءة والحكم. الفريق الذي يقضي ساعتين في النسخ يقضي دقائق في التقييم — وهو عكس ما يجب تماماً.

ما الذي يفعله الذكاء الاصطناعي هنا فعلاً

الوصف الدقيق ليس «يختار المرشحين» بل شيئان محددان: يقرأ ويرتّب.

القراءة تعني استخراج البيانات من ملف السيرة — سواء كان مستنداً أو صورة — وملء نموذج التقديم بها. فتُحذف خطوة النسخ اليدوي كلياً، ويصبح ملف المرشح كاملاً منذ اللحظة الأولى.

والترتيب يعني مقارنة ما في السيرة بمتطلبات الوظيفة المعلَن عنها، وإخراج رقم يعبّر عن درجة المطابقة. وقيمة هذا الرقم ليست في دقته المطلقة بل في أنه يجعل الترتيب ممكناً: بدل قراءة ثلاثمئة سيرة بالترتيب الذي وصلت به، تُقرأ بالترتيب الذي يستحق.

لماذا لا يقرر الذكاء الاصطناعي

السيرة الذاتية وثيقة ناقصة بطبيعتها. لا تحمل السبب الحقيقي لترك وظيفة، ولا جودة العمل خلف المسمّى، ولا الظرف الذي يفسّر فجوة زمنية. والحكم على هذه الأشياء هو بالضبط ما يميّز مرشحاً عن آخر بنفس المؤهلات.

وترك القرار لنسبة مطابقة ينتج تحيزاً منهجياً لصالح من يكتب سيرته بلغة الإعلان — وهي مهارة كتابة لا مهارة عمل. المرشح الأفضل الذي وصف خبرته بكلمات مختلفة يسقط، والأضعف الذي عرف الكلمات المفتاحية يصعد.

ولهذا فإن التصميم السليم يجعل المخرج الآلي نقطة بداية للمراجع البشري لا بديلاً عنه. والمراجعة على أكثر من مرحلة بأشخاص مختلفين تضيف طبقة ثانية: القرار لا يعتمد على انطباع شخص واحد في يوم واحد.

المرفوض اليوم مناسب بعد ستة أشهر

أكثر ما يُهدر في التوظيف ليس الوقت بل السير التي جُمعت ثم أُهملت. المرشح الذي لم يناسب وظيفة قد يناسب وظيفة أخرى تُفتح بعد شهور — وقد كلّف الوصول إليه إعلاناً مدفوعاً.

وهذه إحدى الوظائف الأساسية في نظام تتبّع المتقدمين — فالاحتفاظ بالسير في بنك يُبحَث فيه ليس أرشفة بل أصل يتراكم: الوظيفة العاشرة تبدأ بمرشحين معروفين بدل أن تبدأ من الصفر كالأولى.

كيف يعالج نوفا HR الفرز

في نوفا HR، بمجرد رفع ملف السيرة الذاتية — مستنداً أو صورة — يقوم الذكاء الاصطناعي بعملين في خطوة واحدة: يستخرج بيانات المتقدم ويملأ بها نموذج التقديم تلقائياً، ويقيّم مدى مطابقة السيرة لمتطلبات الوظيفة المعلَن عنها.

والاستخراج يغطي الاسم والبريد والهاتف والنوع والحالة الاجتماعية والموقف من التجنيد والمؤهل والمهارات والخبرات والدورات. أما التقييم فيُخرج ثلاثة أشياء: نسبة تطابق من صفر إلى مئة، وملخص قصير بالعربية والإنجليزية لنقاط القوة والضعف مقابل الوظيفة، وتفصيلاً لكل متطلب — متحقق أو غير متحقق مع سبب مختصر من واقع السيرة نفسها.

ثم تمر السيرة على ثلاث مراحل تقييم بشري متتابعة، كل واحدة يؤديها مسؤول مختلف. فالمخرج الآلي يعطي المراجع نقطة بداية سريعة دون أن يأخذ القرار بدله — وهذا هو الفرق بين أداة تسرّع الحكم وأداة تحلّ محله.

ومن لا يناسب الوظيفة الحالية لا يُهمَل: تُحفَظ سيرته في بنك السِيَر لفرص قادمة. فما دفعته الشركة للوصول إليه يبقى أصلاً بدل أن ينتهي مع إغلاق الإعلان.

أسئلة شائعة

ما نسبة التطابق التي نعتبرها كافية؟

لا يوجد رقم صالح لكل وظيفة، والأفضل ألا يُستخدم كحد قاطع أصلاً. استخدامه للترتيب أنفع: تُقرأ السير من الأعلى نزولاً حتى يكتمل عدد كافٍ للمقابلات. أما الحد القاطع فيستبعد آلياً من قد يستحق مقابلة، والفارق بين نسبتين متقاربتين ليس فارقاً حقيقياً.

ماذا لو كانت السيرة بلغة مختلفة؟

هذه إحدى الحالات التي يتفوق فيها القارئ الآلي على الفرز بالكلمات المفتاحية: المطابقة تقوم على فهم المحتوى لا على تطابق نصي. وهي مسألة عملية في سوق تصل فيه السير بالعربية والإنجليزية معاً، وأحياناً بخليط منهما في نفس المستند.