Arkawan, screening CV itu sering terlihat sederhana. Buka CV, baca cepat, lalu putuskan lanjut atau tidak. Namun ketika pelamar sudah ratusan, keputusan mulai dipengaruhi hal-hal kecil yang tidak disadari. Kandidat yang sebenarnya cocok bisa terlewat, sementara kandidat yang “terlihat meyakinkan” justru lolos lebih dulu.
Masalahnya bukan karena HR tidak kompeten. Biasanya karena prosesnya masih terlalu manual, kriterianya belum dibuat tegas, dan penilaian antar reviewer tidak selalu konsisten. Di sinilah AI bisa membantu. Bukan untuk menggantikan HR, tetapi untuk membuat screening CV lebih objektif, lebih rapi, dan lebih mudah dipertanggungjawabkan.
Di artikel ini, Arkawan akan melihat cara praktis menyaring CV lebih objektif dengan bantuan AI, termasuk langkah-langkah yang bisa langsung diterapkan tim HR di perusahaan.
Kenapa Screening CV Sering Tidak Objektif
Objektif bukan berarti “tanpa intuisi sama sekali”. Objektif artinya keputusan screening punya dasar yang jelas, kriterianya sama untuk semua kandidat, dan alasan lolos atau gugur bisa dijelaskan kembali.
Dalam praktiknya, screening CV sering tidak objektif karena beberapa hal.
Pertama, kriteria di kepala masing-masing orang berbeda. HR fokus pada pengalaman, hiring manager fokus pada skill, sementara user fokus pada kecocokan tim. Kalau kriteria tidak disatukan sejak awal, kandidat bisa dinilai dengan standar yang berubah-ubah.
Kedua, ada bias yang tidak disadari. Misalnya, HR cenderung terpengaruh nama kampus, gaya penulisan CV, atau perusahaan terakhir. Ini wajar sebagai manusia, tetapi kalau dibiarkan akan mengganggu kualitas shortlist.
Ketiga, faktor lelah. Screening puluhan sampai ratusan CV membuat penilaian cenderung terburu-buru. Kandidat yang dibaca di awal mendapat perhatian lebih, sementara CV di akhir sering “disapu cepat”.
Apa yang Bisa Dibantu AI dalam Screening CV
AI paling berguna saat Arkawan butuh konsistensi di volume besar. Secara umum, AI dapat membantu:
- membaca CV dan mengambil informasi penting (pengalaman, skill, pendidikan),
- mencocokkan CV dengan kriteria yang disepakati,
- memberi skor awal atau ranking kandidat,
- mengelompokkan kandidat menjadi prioritas tinggi, sedang, dan rendah,
- membantu dokumentasi alasan screening agar mudah ditinjau ulang.
Catatan pentingnya, AI hanya membantu tahap awal. Keputusan akhir tetap perlu review manusia, terutama untuk menilai konteks pengalaman dan kecocokan kerja.
Langkah Praktis: Menyaring CV Lebih Objektif dengan Bantuan AI
Berikut alur sederhana yang bisa Arkawan jalankan tanpa harus mengubah semuanya sekaligus.
1. Satukan definisi “kandidat ideal” bersama hiring manager
Mulailah dari satu posisi yang paling sering dibuka atau paling banyak pelamarnya. Kemudian buat kriteria kandidat ideal yang jelas, misalnya:
- pengalaman minimal 2 tahun di posisi sejenis,
- skill wajib (tools, bahasa, sertifikasi),
- pengalaman industri (opsional),
- indikator kepemimpinan atau kolaborasi.
Agar objektif, bedakan mana yang “wajib” dan mana yang “nilai tambah”. Kriteria wajib akan menjadi filter awal.
2. Ubah kriteria menjadi scorecard sederhana
Banyak screening CV tidak objektif karena tidak ada scorecard. Arkawan bisa buat scorecard singkat 0–3 atau 0–5 untuk setiap dimensi, misalnya:
- relevansi pengalaman,
- relevansi skill,
- bukti pencapaian (achievement),
- stabilitas karier atau alasan pindah.
Scorecard membuat keputusan screening lebih konsisten, terutama ketika ada lebih dari satu reviewer.
3. Kumpulkan semua CV di satu alur
Objektivitas sulit dicapai kalau CV tercecer di email, chat, dan folder berbeda. Pastikan semua pelamar masuk lewat satu jalur, sehingga HR menilai kandidat dalam konteks yang sama.
Jika Arkawan memakai sistem rekrutmen berbasis AI seperti LUNA AI Arkademi, semua kandidat per lowongan tercatat otomatis. HR dan hiring manager melihat kandidat yang sama, dengan status yang sama.
4. Gunakan AI untuk memberi skor awal sesuai scorecard
Setelah kriteria jelas, AI bisa membantu memberi skor awal dan mengelompokkan kandidat berdasarkan kecocokan.
Di sini manfaatnya terasa: tim tidak perlu mulai dari nol. Arkawan bisa fokus dulu ke kandidat prioritas tinggi. Sementara kandidat prioritas sedang bisa dipantau sebagai cadangan.
Penting untuk memastikan AI mengikuti kriteria yang disepakati. Jika hasilnya terasa meleset, biasanya masalahnya bukan AI, tetapi definisi kriteria yang masih terlalu longgar.
5. Terapkan aturan “review kedua” untuk mengurangi bias
Agar makin objektif, terapkan review kedua untuk kandidat borderline. Misalnya:
- kandidat yang skornya berada di ambang batas,
- kandidat yang punya gap karier,
- kandidat yang latar belakangnya tidak umum tetapi punya skill kuat.
Review kedua membuat keputusan lebih adil, dan mencegah kandidat bagus terbuang karena penilaian cepat.
6. Dokumentasikan alasan lolos atau gugur
Bahkan shortlist terbaik pun perlu jejak keputusan. Simpan catatan singkat alasan lolos atau gugur, misalnya:
- lolos karena memenuhi skill wajib dan pengalaman relevan,
- gugur karena tidak memenuhi pengalaman minimal,
- dipertimbangkan karena skill kuat tetapi pengalaman industri belum ada.
Kalau Arkawan memakai sistem seperti LUNA AI, catatan dan penilaian ini tersimpan per kandidat, sehingga mudah ditinjau ulang ketika manajemen bertanya atau ketika HR melakukan evaluasi.
Checklist Cepat untuk Screening CV yang Lebih Objektif
Agar mudah diingat, Arkawan bisa pakai checklist ini setiap kali membuka lowongan:
- Kriteria wajib dan nilai tambah sudah jelas.
- Scorecard sudah disepakati HR dan hiring manager.
- Semua kandidat masuk ke satu alur.
- Ada skor awal untuk memprioritaskan kandidat.
- Kandidat borderline mendapat review kedua.
- Ada catatan alasan lolos atau gugur.
Dengan checklist ini, screening CV menjadi lebih cepat dan tetap bisa dipertanggungjawabkan.
Penutup: AI Membantu Konsisten, HR Tetap Memutuskan
Tujuan memakai AI dalam screening CV bukan membuat proses jadi kaku. Tujuannya justru membuat keputusan lebih konsisten, mengurangi bias yang tidak disadari, dan menghemat waktu HR.
Jika Arkawan ingin mulai dari langkah yang paling praktis, coba jalankan satu posisi rekrutmen dengan pendekatan scorecard dan alur kandidat yang rapi. Setelah itu, baru skalakan ke posisi lain.
Kalau Arkawan ingin prosesnya lebih mudah karena semua kandidat, skor, catatan, dan jejak keputusan tersimpan di satu tempat, Arkawan bisa mencoba LUNA AI Arkademi.
