เมื่อ Resume เริ่มแยก “คนเก่งจริง” ออกจาก “คนเขียนเก่ง” ไม่ได้ แล้ว HR ต้องทำอะไรต่อ?

บทความก่อนผมพูดถึงเรื่องหนึ่งที่น่าจะเห็นชัดขึ้นเรื่อย ๆ เมื่อ AI ช่วยเขียน Resume ได้ดีขึ้น ผู้สมัครจำนวนมากจะมี Resume ที่ดู Professional ใกล้เคียงกันมากขึ้น คำสวยขึ้น Achievement ชัดขึ้น ภาษาอังกฤษดีขึ้น Keyword ตรงกับ Job Description มากขึ้น เรื่องนี้ไม่ได้แปลว่าผู้สมัครกำลังโกง ในหลายกรณี AI แค่ช่วยให้คนที่ทำงานเก่ง แต่สื่อสารตัวเองไม่เก่ง สามารถเล่าประสบการณ์ได้ดีขึ้น แต่ในมุมของบริษัท ปัญหาใหม่ก็เกิดขึ้นทันที ถ้าทุก Resume เริ่มดูดีเหมือนกัน แล้วเราจะรู้ได้อย่างไรว่าใคร “ทำงานได้จริง”? ผมคิดว่าคำตอบไม่ใช่การพยายามจับว่าใครใช้ AI เพราะในอนาคต การใช้ AI ช่วยเขียน Resume อาจกลายเป็นเรื่องธรรมดาเหมือนการใช้ Spell Check สิ่งที่ HR ต้องเปลี่ยนจึงไม่ใช่การ “จับ AI” แต่คือการเปลี่ยนจาก Resume-Based Hiring ไปสู่ Evidence-Based Hiring คือเชื่อให้น้อยลงจากสิ่งที่ Candidate เขียน และดูหลักฐานจากสิ่งที่เขาทำได้จริงให้มากขึ้น

1. ก่อนเปิดรับ ต้องตอบให้ได้ก่อนว่า “คนเก่งในตำแหน่งนี้หน้าตาเป็นอย่างไร”

ปัญหาหลายครั้งไม่ได้เริ่มตอน Resume เข้ามา แต่เริ่มตั้งแต่ Job Description เราเขียนว่าอยากได้คนที่มี Leadership Communication Analytical Thinking Problem Solving Teamwork Strategic Thinking ซึ่งแทบทุกตำแหน่งก็เขียนคล้ายกันหมด และเมื่อ Requirement กว้าง AI ก็สามารถเขียน Resume ให้ดู “ตรงงาน” ได้ง่ายมาก ผมคิดว่า HR กับ Hiring Manager ต้องกลับมาถามคำถามพื้นฐานกว่าเดิม อย่าถามแค่ว่า “ต้องมีประสบการณ์กี่ปี?” แต่ถามว่า “ถ้าคนนี้ทำงานเก่งจริง หลังผ่านไป 12 เดือน เราควรเห็นผลลัพธ์อะไร?” เช่น ถ้ารับ Sales Manager สิ่งที่ต้องการอาจไม่ใช่แค่ “เคยบริหารทีม 5 ปี” แต่ต้องสามารถ สร้าง Pipeline เพิ่ม Conversion พัฒนาทีม จัดการ Forecast และแก้ปัญหา Revenue ที่หลุดจากเป้าได้ เมื่อเรารู้ว่า “ความสำเร็จของงาน” หน้าตาเป็นอย่างไร การคัดคนก็จะง่ายขึ้นมาก

2. อย่าใช้ Resume เพื่อตัดสิน ให้ใช้ Resume เพื่อ “ตั้งคำถาม”

สมมติ Candidate เขียนว่า Increased revenue by 35% เมื่อก่อนเราอาจอ่านแล้วรู้สึกว่า “คนนี้น่าสนใจ” แต่วันนี้ผมคิดว่าควรถามต่อทันทีว่า 35% มาจากอะไร? ยอดเดิมเท่าไร? ตลาดโตอยู่แล้วหรือไม่? คุณทำส่วนไหนด้วยตัวเอง? ทีมมีกี่คน? อะไรคือสิ่งที่คุณเปลี่ยน? และถ้าไม่ได้ทำสิ่งนั้น Revenue จะยังโตอยู่หรือไม่? ตรงนี้ Resume จะเปลี่ยนบทบาท จากเอกสารที่บอกว่า “Candidate คนนี้เก่ง” ไปเป็นเอกสารที่บอกว่า “เรื่องนี้ควรตรวจสอบต่อ” นี่น่าจะเป็นวิธีใช้ Resume ที่เหมาะกับยุค AI มากกว่า

3. ลดการเพิ่มรอบสัมภาษณ์ แล้วเพิ่ม “งานจำลองจากของจริง”

ถ้ากังวลว่า Candidate ใช้ AI เตรียมคำตอบ การเพิ่ม Interview จาก 2 รอบเป็น 4 รอบอาจไม่ได้ช่วยมากนัก เพราะถ้ายังถาม “จุดแข็งคืออะไร?” “อีก 5 ปีอยากเป็นอะไร?” “เคยแก้ Conflict อย่างไร?” Candidate ก็เตรียมคำตอบด้วย AI ได้เหมือนเดิม สิ่งที่ผมคิดว่ามีประโยชน์กว่าคือ Work Sample ให้ลองทำงานที่ใกล้กับสิ่งที่จะเจอจริง รับ Sales ให้ลองดู Pipeline แล้วบอกว่าจะจัด Priority อย่างไร รับ Manager ให้ลองแก้ Case ทีมที่ Performance ลดลง รับ Analyst ให้ดูข้อมูลแล้วอธิบายว่าเห็นอะไร รับ Marketing ให้ดู Brief แล้วเล่าว่าจะคิด Campaign อย่างไร ไม่จำเป็นต้องเป็น Assignment ใหญ่ บางครั้งใช้เวลาเพียง 30–60 นาที ก็เห็นวิธีคิดได้มากกว่าการสัมภาษณ์ทั่วไปหลายรอบ

แล้วถ้า Candidate ใช้ AI ทำ Work Sample ล่ะ?

ผมคิดว่าบางตำแหน่ง ควรให้ใช้ด้วยซ้ำ เพราะพอเข้าทำงานจริง บริษัทก็คงอยากให้เขาใช้ AI เพื่อเพิ่ม Productivity อยู่แล้ว ถ้าตอนคัดเลือกเราห้ามใช้ AI ทุกอย่าง แต่พอเริ่มงานกลับบอกว่า “ต้องใช้ AI ให้มากขึ้นนะ” มันก็ดูขัดกัน สิ่งที่น่าสนใจกว่าคือ ถ้าทุก Candidate มี AI ให้ใช้เหมือนกัน ใครสร้างผลงานได้ดีกว่า? ใครตั้งคำถามได้ดี ใครตรวจคำตอบของ AI เป็น ใครรู้ว่าอะไรผิด ใครเติม Business Context เข้าไปได้ และใครรู้ว่าเมื่อไรควรเชื่อหรือไม่ควรเชื่อ AI นี่อาจสะท้อนโลกการทำงานจริงมากกว่า

4. Interview ต้องดู “วิธีคิด” ไม่ใช่ดูว่าใครตอบสวยกว่า

วิธีง่ายที่สุดคืออย่าถามแล้วรีบเปลี่ยนเรื่อง ให้ถามต่อ สมมติ Candidate บอกว่า “ผมเคยลด Cost ได้ 20%” ลองถามต่อว่า ทำอย่างไร? อะไรยากที่สุด? ใครไม่เห็นด้วย? มีผลกระทบข้างเคียงไหม? คุณเลือกอะไรที่จะไม่ทำ? ถ้ากลับไปทำใหม่ คุณจะเปลี่ยนอะไร? คนที่เคยทำจริงมักตอบได้ลึกขึ้นเรื่อย ๆ เพราะเขาจำบริบทได้ จำข้อจำกัดได้ จำความผิดพลาดได้ และจำรายละเอียดที่ไม่ได้เขียนอยู่ใน Resume ตรงนี้ทำให้ Interview มีคุณค่ามากกว่าการดูว่าใครพูดคล่องที่สุด

5. อย่าถามเฉพาะความสำเร็จ ให้ถาม “สิ่งที่เคยพลาด”

Resume แทบทุกใบเต็มไปด้วยความสำเร็จ เพิ่มยอดขาย ลดต้นทุน บริหารทีม ส่ง Project สำเร็จ แต่คนทำงานจริงไม่มีใครสำเร็จทุกครั้ง บางทีคำถามที่ช่วยให้เราเข้าใจ Candidate ได้ดีที่สุดคือ “มี Decision ไหนที่ตอนนั้นคุณคิดว่าถูก แต่สุดท้ายผิด?” แล้วถามต่อว่า พลาดเพราะอะไร? มองข้าม Signal ไหน? ผลกระทบคืออะไร? จัดการกับทีมอย่างไร? แล้วเปลี่ยนวิธีคิดอะไรหลังจากนั้น? ตรงนี้ช่วยให้เห็นเรื่องที่ Resume เขียนให้ดูสวยได้ยาก เช่น Self-awareness Accountability Learning Agility Judgment คนเก่งไม่ใช่คนที่ไม่เคยผิด แต่คือคนที่รู้ว่าตัวเองผิดตรงไหน และเรียนรู้อะไรจากมัน

6. HR ต้องแยก “พูดเก่ง” ออกจาก “ทำงานเก่ง”

ที่ผ่านมา Candidate ที่เขียน Resume ดีและ Interview เก่งมักได้เปรียบ ทั้งที่บางงานไม่ได้ต้องการคนที่ขายตัวเองเก่งที่สุด ถ้ารับ Accountant Presentation ที่สวยอาจสำคัญน้อยกว่าความละเอียดและความเข้าใจ Control ถ้ารับ Developer ภาษาอังกฤษใน Resume อาจสำคัญน้อยกว่าวิธีคิดตอน Debug ถ้ารับ Manager การพูดเก่งไม่ได้หมายความว่าจะบริหารคนเก่ง ดังนั้นทุกตำแหน่งควรถามให้ชัดว่า อะไรคือ Presentation Skill และอะไรคือ Job Capability อย่าให้ Packaging ของ Candidate มีน้ำหนักมากกว่าความสามารถที่งานต้องใช้จริง

Recruiter เองก็ต้องเข้าใจ Business มากขึ้น

เมื่อ AI ช่วย Screening Resume ได้มากขึ้น งานของ Recruiter ที่มีคุณค่าจะเปลี่ยนไป Recruiter ต้องเข้าใจว่า ตำแหน่งนี้ทำเงินให้บริษัทอย่างไร ปัญหาอะไรที่คนใหม่ต้องเข้ามาแก้ อะไรคือ Skill ที่ต้องมีตั้งแต่วันแรก อะไรสามารถเรียนรู้หลังเข้ามาได้ และ Hiring Manager กำลังต้องการคนแบบนั้นเพราะอะไร เพราะถ้า Requirement ผิดตั้งแต่ต้น AI ก็จะเพียงช่วยให้เราคัดคนตาม Requirement ที่ผิดได้เร็วขึ้นเท่านั้น

บริษัทต้องมีกติกาเรื่อง AI ให้ชัด

อีกเรื่องที่ไม่ควรปล่อยให้คลุมเครือคือ Candidate ใช้ AI ได้แค่ไหน? ผมคิดว่าไม่จำเป็นต้องใช้กติกาเดียวทุกขั้นตอน อาจกำหนดว่า Resume ใช้ AI ช่วยได้ Work Sample บางประเภทใช้ได้ บาง Assessment ห้ามใช้ หรือ Technical Assignment ให้ใช้ได้เต็มที่ เพราะต้องการดูว่า Candidate ทำงานร่วมกับ AI อย่างไร สิ่งสำคัญคือ ทุกคนต้องรู้กติกาเดียวกัน ไม่ใช่ปล่อยให้คนหนึ่งใช้เต็มที่ อีกคนไม่กล้าใช้เพราะคิดว่าผิด

Recruitment ไม่ควรจบวันที่ Candidate เซ็น Offer

มีอีกคำถามที่ผมคิดว่า HR ควรกลับมาดูมากขึ้น เรารู้ได้อย่างไรว่าคนที่เราคัดมา “ดีจริง”? คำตอบไม่ควรอยู่แค่ตอนสัมภาษณ์ แต่ต้องย้อนกลับมาดูหลังเริ่มงานด้วย ผ่าน Probation หรือไม่? ใช้เวลานานแค่ไหนกว่าจะทำงานได้เต็ม Productivity? Performance หลัง 6 เดือนเป็นอย่างไร? อยู่กับบริษัทต่อหรือไม่? Hiring Manager พอใจกับคุณภาพการจ้างแค่ไหน? และ Candidate ที่ได้ Assessment Score สูง ทำงานจริงได้ดีตามหรือไม่? ถ้าไม่เคยย้อนกลับไปตรวจ เราก็ไม่รู้ว่ากระบวนการ Selection ที่ใช้อยู่ “แม่น” จริงหรือไม่

สิ่งที่ผมคิดว่า HR ไม่ควรทำ คือ “ใช้ AI จับ AI” แล้วคิดว่าปัญหาจบ

อนาคตน่าจะมีเครื่องมือมากขึ้นเรื่อย ๆ ที่บอกว่า ตรวจ AI Resume ได้ ตรวจคำตอบ AI ได้ วิเคราะห์ Candidate ด้วย AI ได้ เครื่องมือเหล่านี้อาจช่วยบางเรื่อง แต่ถ้าท้ายที่สุดกระบวนการกลายเป็น Candidate ใช้ AI เขียน HR ใช้ AI จับ Candidate ใช้ AI หลบ HR ซื้อ AI อีกตัวมาตรวจ เราอาจมี Technology มากขึ้น แต่ยังตอบไม่ได้ว่า “คนนี้ทำงานได้จริงไหม?” คำถามนี้ต่างหากที่สำคัญ

ภาพของ Recruitment ต่อจากนี้อาจง่าย ๆ แบบนี้

Resume ใช้ดู Background และหาประเด็นที่ต้องถามต่อ ↓ Structured Interview ดูว่าเรื่องที่เขียนมีบริบทและประสบการณ์จริงหรือไม่ ↓ Work Sample ให้เห็นว่าเขาทำงานได้จริงแค่ไหน ↓ AI-assisted Work ดูว่าเมื่อมี AI แล้ว เขาคิดและตัดสินใจอย่างไร ↓ Post-hire Data ย้อนกลับมาดูว่าคนที่เราคิดว่าเก่ง ตอนทำงานจริงเก่งตามนั้นหรือไม่ นี่คือการเปลี่ยนจาก Resume-Based Hiring ไปสู่ Evidence-Based Hiring

และสุดท้าย HR อาจต้องเปลี่ยน KPI ของตัวเองด้วย

ถ้า Recruitment ยังวัดความสำเร็จจาก Time to Fill จำนวน Vacancy ที่ปิดได้ จำนวน Candidate อย่างเดียว ระบบก็จะผลักให้ Recruiter เน้น “หาคนให้ทัน” มากกว่า “หาคนให้ถูก” ในยุคที่ Resume สวยขึ้นทุกคน ผมคิดว่า Quality of Hire จะสำคัญมากขึ้น เพราะการใช้เวลาคัดเพิ่มอีกไม่กี่วัน อาจมีต้นทุนน้อยกว่าการรับคนผิดแล้วต้องเริ่มใหม่ทั้งหมดในอีก 6 เดือน ดังนั้นคำถามของ HR วันนี้อาจไม่ใช่ “จะรู้ได้อย่างไรว่า Candidate ใช้ AI?” แต่ควรเป็น “ถ้าทุกคนใช้ AI ได้เหมือนกัน เราจะออกแบบ Hiring Process อย่างไรให้คนที่มีความสามารถจริงยังโดดเด่นออกมา?” Resume อาจยังอยู่ AI ก็จะยิ่งเก่งขึ้น แต่สิ่งที่บริษัทต้องกลับมาให้ความสำคัญมากกว่าเดิมคือ อย่าคัดคนจากคำที่เขียนสวยที่สุด ให้คัดจาก Evidence ว่าเขาคิดเป็น ทำเป็น และสร้างผลลัพธ์ได้จริง

Tags: EvidenceBasedHiring, ResumeBasedHiring, StructuredInterview, WorkSample, QualityOfHire, RecruitmentProcess, TalentAcquisition, HRStrategy, AIRecruitment, HiringDecision, CandidateAssessment, RecruitmentTransformation, FutureOfRecruitment, HumanJudgment, ExeRoot, SpaceRoot