كيف تتجاهل أنظمة تتبع المتقدمين المرشحين الممتازين (وماذا نفعل حيال ذلك)

تقوم منصات ATS التقليدية بفحص المرشحين عبر مطابقة كلمات السيرة الذاتية المفتاحية مع وصف الوظيفة. المنطق بسيط: كلما تطابقت كلمات أكثر، اعتُبر المرشح أكثر ملاءمة.

النتيجة متوقعة. تعلّم المرشحون كيفية ملء سيرهم الذاتية بكلمات مفتاحية تعكس وصف الوظيفة بغض النظر عما إذا كانت هذه الكلمات تعكس مهاراتهم أو خبراتهم الفعلية. الممارسة منتشرة لدرجة أن LinkedIn News تناولتها كاستراتيجية معيارية للبحث عن عمل.

الناتج للمجندين هو مجموعة متقدمين مخففة الجودة. المرشحون الذين يتقدمون ليسوا بالضرورة الأنسب؛ بل هم الأكثر دراية بكيفية التعامل مع ATS. تبرز نقطة بيانات منفصلة لكنها ذات صلة حجم المشكلة: وفقًا لأبحاث الصناعة، تصل نسبة السير الذاتية التي لا تبلغ أبدًا مرحلة رؤية مجنّد بشري إلى 75%. بالنسبة للأدوار عالية الحجم ومنخفضة التعقيد قد يكون هذا مقايضة مقبولة. أما بالنسبة للمنظمات التي تتنافس على أفضل المواهب، فهذه مشكلة كبيرة وغير مرئية إلى حد كبير.

السيرة الذاتية هي نسخة مضغوطة من قصة مهنية. تقرأها منصات ATS التقليدية كقائمة نقاط بيانات. وتلك الفجوة أهم مما يعتقد معظم فرق التوظيف.

المرشحون ذوو المسارات المهنية غير الخطية، أو الفترات الفارغة في العمل، أو الخبرة عبر قطاعات متعددة يسقطون روتينيًا عبر مرشحات ATS، ليس لافتقارهم إلى القدرة، بل لأن خلفيتهم لا تتطابق بسلاسة مع مجموعة كلمات مفتاحية. كما أشار المعلّق في مجال التوظيف Andrew Jenkins، تعمل ATSs التقليدية كأداة منفّذة بخشونة، معاملةً كل مرشح بنفس الطريقة بغض النظر عن الفروق الدقيقة في خبرته.

كما يؤدي غياب السياق هذا إلى تجربة مرشح سيئة. المتقدمون الذين لا يتلقون اعترافًا ولا تغذية راجعة ولا اتصالًا بشريًا يشعرون بأنهم اختزلوا إلى نقطة بيانات. ينتشر هذا التصور، ومع مرور الوقت يقوّض علامة صاحب العمل بطرق يصعب عكسها ومكلفة.

حجم هذه المشكلة موثّق جيدًا. وجدت دراسة Harvard Business School لعام 2021، والمرجعية المتكررة في الأبحاث المحدثة حتى 2025، أن 88% من أصحاب العمل يعتقدون أنهم فقدوا مرشحين مؤهلين للغاية لأن ATS استبعدهم. للوظائف متوسطة المهارة، ترتفع النسبة إلى 94%.

التنسيق عامل مساهم غالبًا ما يُهمل. تكافح منصات ATS التقليدية لتحليل السير الذاتية التي تتضمن رسومات أو جداول أو خطوط غير معيارية. قد يتم استبعاد مرشح له سيرة ذاتية مُنسقة بصريًا أو بتصميم غير تقليدي من الاعتبار قبل أن يرى مجنّد بشري اسمه. النظام يتخلص من المرشح، ليس لأنه غير مؤهل، بل لأن الوثيقة لم تُحسّن لاستيعاب الآلة.

النتيجة هي فجوة مواهب تخلقها المنظمات لنفسها.

تكون منصات ATS موضوعية بقدر البيانات التي تُدرّب عليها. عندما يعكس تاريخ التوظيف تحيّزات قائمة، تُشفّر تلك التحيزات في منطق الفلترة. قد يُفضّل أو يُضرَب المرشحون ذوو خلفيات تعليمية ومسارات مهنية أو خصائص ديموغرافية معينة بطريقة منهجية دون أي قصد متعمد.

العواقب قد تكون كبيرة. أصبحت قضية Mobley v. Workday، التي سمح قاضٍ فيدرالي باستمرارها في يوليو 2024، أول دعوى قضائية جماعية رئيسية ضد التمييز في التوظيف المدفوع بالذكاء الاصطناعي في الولايات المتحدة. وتوضح هذه القضية مخاطرة أوسع لم تقُم العديد من المؤسسات بفحصها بالكامل في تكوينات أنظمة تتبع المتقدمين (ATS) الخاصة بها. وجدت دراسة من University of Washington في نوفمبر 2025، عُرضت في مؤتمر AAAI/ACM Conference on AI, Ethics, and Society، أنه عندما أظهرت نظم الذكاء الاصطناعي تحيزًا عرقيًا في توصيات التوظيف، يميل المُراجعون البشر إلى تقليد تلك التحيزات، فيختارون مرشحين يتماشى اختيارهم مع تفضيلات الذكاء الاصطناعي. وبدون مدخلات الذكاء الاصطناعي، اتخذ نفس المراجعون قرارات غير متحيزة. المشكلة، بعبارة أخرى، لا تبقى داخل الخوارزمية.