AI คัดกรองผู้สมัครงานคืออะไร – กลไกการสกรีนเรซูเม่และข้อควรระวังเมื่อใช้ในไทย

พอประกาศรับสมัครงานออกไป ใบสมัครก็กองสูงขึ้นภายในเวลาไม่กี่วัน แต่คนที่มีเวลานั่งไล่อ่านจริง ๆ กลับมีเพียงหนึ่งหรือสองคนในฝ่ายบุคคล และกว่าจะอ่านครบทั้งกอง ผู้สมัครที่ดีก็ตอบรับบริษัทอื่นไปแล้ว เรื่องทำนองนี้เป็นสิ่งที่เราได้ยินอยู่บ่อย ๆ จากบริษัทญี่ปุ่นที่มีฐานการผลิตอยู่ในประเทศไทย เครื่องมือที่กำลังได้รับความสนใจในฐานะทางออกของคอขวดนี้คือ AI คัดกรองผู้สมัครงาน บทความนี้จะเรียบเรียงว่าเครื่องมือดังกล่าวเป็นเครื่องมือที่ทำอะไร โดยมองผ่านงานที่จับต้องได้อย่างการคัดเลือกจากเอกสาร

AI คัดกรองผู้สมัครงานคืออะไร – AI ที่อ่านใบสมัครแล้วจัดกลุ่มและจัดลำดับ

ก่อนอื่นขอทบทวนความหมายของคำนี้ก่อน เพราะถ้าปล่อยให้นิยามคลุมเครือแล้วกระโดดเข้าสู่การเปรียบเทียบผลิตภัณฑ์ทันที การถกเถียงภายในองค์กรจะคุยกันคนละเรื่องตั้งแต่ต้น

นิยามคือ AI ที่ตัดสินและจัดประเภทเอกสารใบสมัคร

AI คัดกรองผู้สมัครงาน หมายถึงกลุ่มของ AI ที่อ่านเอกสารซึ่งผู้สมัครส่งเข้ามา เช่น เรซูเม่และประวัติการทำงาน แล้วคัดผู้สมัครให้แคบลงตามคุณสมบัติที่ประกาศรับ จัดลำดับตามความเหมาะสมกับเนื้องาน พร้อมกับดูแลสถานะการติดต่อกับผู้สมัครไปด้วย ถ้ามองว่าเป็นเครื่องมือที่เข้ามารับช่วงงานส่วนที่มอบให้เครื่องจักรทำแทนได้ จากงานทั้งหมดที่เจ้าหน้าที่ฝ่ายบุคคลต้องทำเมื่อนั่งอยู่หน้ากองเอกสาร ภาพก็จะชัดขึ้น

หลายท่านพอได้ยินคำว่า AI คัดกรอง ก็นึกภาพระบบที่ AI เป็นคนชี้ขาดว่าผ่านหรือไม่ผ่าน แต่รูปแบบที่ใช้กันจริงในทางปฏิบัติไม่ได้เป็นเช่นนั้น ส่วนใหญ่แล้วสิ่งที่ AI ทำจะจบอยู่แค่การจัดระเบียบว่า ผู้สมัครรายนี้ไม่ผ่านคุณสมบัติที่กำหนด หรือผู้สมัครรายนี้มีความทับซ้อนกับคุณสมบัติที่ต้องการค่อนข้างมาก ส่วนการตัดสินใจขั้นสุดท้ายว่าจะเรียกสัมภาษณ์หรือไม่ยังเป็นของคน ขอให้วางตำแหน่งของผลลัพธ์จาก AI ไว้ในฐานะข้อมูลตั้งต้นสำหรับให้คนตัดสิน ไม่ใช่ข้อสรุป การวางตำแหน่งแบบนี้ยังสำคัญต่อการรับมือกับพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) ของไทย ซึ่งจะกล่าวถึงในภายหลังด้วย

สิ่งที่ AI ประมวลผลคือเอกสารที่ไม่มีโครงสร้างตายตัว

จุดที่เป็นแก่นที่สุดในการทำความเข้าใจ AI คัดกรองผู้สมัครงาน คือสิ่งที่ระบบนี้ประมวลผลเป็นเอกสารที่ไม่มีโครงสร้าง

ข้อมูลที่ระบบบริหารการผลิตหรือระบบบันทึกเวลาทำงานจัดการนั้นมีการกำหนดช่องไว้ล่วงหน้าแล้ว รหัสสินค้าอยู่ตรงนี้ จำนวนอยู่ตรงนี้ เวลาสแกนบัตรอยู่ตรงนี้ ข้อมูลเดินทางมาถึงในสภาพที่ออกแบบไว้แล้วว่าอะไรจะอยู่ตรงไหน แต่เอกสารใบสมัครไม่ได้เป็นแบบนั้น ผู้สมัครคนหนึ่งเขียนประวัติการทำงานเป็นตารางไล่ตามปี อีกคนเขียนเป็นความเรียง บางคนส่งแบบฟอร์มที่จัดหน้าเรียบร้อยพร้อมรูปถ่าย บางคนถ่ายรูปประวัติที่เขียนด้วยลายมือจากโทรศัพท์มือถือส่งมา และถ้าเป็นฐานงานในประเทศไทย การที่เอกสารภาษาไทยกับเอกสารภาษาอังกฤษปนกันมาในตำแหน่งเดียวกันก็ไม่ใช่เรื่องแปลก

เหตุผลที่คนจัดการกองเอกสารนี้ได้ เป็นเพราะถึงรูปแบบจะต่างกัน คนก็ยังตีความออกว่านี่คือส่วนที่เขียนถึงวุฒิการศึกษา นี่คือส่วนที่เขียนถึงงานที่รับผิดชอบในที่ทำงานเดิม ระบบแบบเดิมมีจุดอ่อนตรงนี้พอดี เพราะไม่สามารถเอาข้อมูลที่ไม่ได้ถูกกำหนดช่องไว้มาลงในกรอบที่กำหนดไว้ได้ สาเหตุที่ AI คัดกรองผู้สมัครงานเริ่มมีความหมายในฐานะเครื่องมือทำงานจริง ก็เพราะความสามารถในการอ่านเอกสารที่ไม่มีรูปแบบตายตัวแล้วจับความหมายให้ได้ ไปถึงระดับที่ใช้งานจริงได้แล้ว

ไม่ใช่ AI ที่สร้างของใหม่ แต่เป็น AI ที่ตัดสิน

เพราะกระแสของ Generative AI มาก่อน คนจึงมีภาพจำว่า AI คือเครื่องมือที่สร้างข้อความหรือรูปภาพขึ้นมา แต่ AI คัดกรองผู้สมัครงานมีบทบาทคนละสายกับกลุ่มนั้น

งานหลักของ AI คัดกรองผู้สมัครงานคือการคืนคำตัดสินและการจัดประเภทให้กับเอกสารที่ป้อนเข้าไป ว่าเข้าเงื่อนไขหรือไม่ และควรอยู่ในลำดับใด การใช้งานเชิงสร้างสรรค์ เช่น ให้ช่วยร่างข้อความประกาศรับสมัคร หรือร่างข้อความแจ้งผู้สมัคร ก็มีอยู่ในฐานะฟังก์ชันเสริม แต่ไม่ใช่บทบาทหลัก บทบาทหลักยังคงเป็นการจัดกองเอกสารที่ยังไม่ได้จัดการ ให้อยู่ในสภาพที่คนหยิบไปใช้ต่อได้

ความต่างตรงนี้เชื่อมตรงไปยังเกณฑ์ในการประเมินตอนพิจารณานำมาใช้ ถ้าเป็นเครื่องมือให้เขียนข้อความ เราก็แค่ดูว่าข้อความที่ออกมาเป็นธรรมชาติหรือไม่ แต่สำหรับเครื่องมือที่ตัดสินและจัดประเภท เกณฑ์การประเมินจะกลายเป็นว่าเงื่อนไขที่ใช้คัดกรองอธิบายได้หรือไม่ และคนตามได้หรือไม่ว่าทำไมผู้สมัครรายนี้ถึงขึ้นมาอยู่ลำดับต้น ๆ เวลาพิจารณา AI คัดกรองผู้สมัครงาน ขอให้ดูว่าเหตุผลของการตัดสินถูกเก็บไว้หรือไม่ มากกว่าดูหน้าตาของผลลัพธ์

ทำไมการรับพนักงานท้องถิ่นของโรงงานในไทยจึงต้องการเพิ่มประสิทธิภาพการคัดเลือกเอกสาร

ต่อไปขอเรียบเรียงว่าทำไมเครื่องมือนี้จึงกลายเป็นหัวข้อสนทนาในฐานการผลิตที่ไทย เบื้องหลังคือเงื่อนไขเชิงโครงสร้างที่งานสรรหาพนักงานท้องถิ่นเผชิญอยู่

ใบสมัครจำนวนมากถูกจัดการโดยฝ่ายบุคคลไม่กี่คน

ในฐานการผลิตที่ประเทศไทย การที่ประกาศรับพนักงานฝ่ายผลิตหรือช่างเทคนิคแล้วมีผู้สมัครเข้ามาจำนวนมากในระยะเวลาสั้น ๆ ไม่ใช่เรื่องแปลก ขณะเดียวกัน ฝ่ายบุคคลที่รับใบสมัครเหล่านั้นก็มักไม่ได้มีกำลังคนเท่าสำนักงานใหญ่ที่ญี่ปุ่น โครงสร้างที่เจ้าหน้าที่คนเดียวควบทั้งงานธุรการ งานแรงงานสัมพันธ์ และงานคำนวณเงินเดือน แล้วยังต้องมาดูการคัดเลือกเอกสารของงานสรรหาด้วย เป็นภาพที่พบได้ทั่วไป

ในโครงสร้างแบบนี้ การที่ผู้สมัครเพิ่มขึ้นกลายเป็นภาระในตัวมันเอง ต่อให้ในกองนั้นมีผู้สมัครที่ดีอยู่ ก็ต้องใช้เวลากว่าคิวจะเวียนมาถึงเอกสารของเขา และระหว่างนั้นบริษัทอื่นก็นัดสัมภาษณ์ไปก่อนแล้ว กลายเป็นสภาพที่สาเหตุของการสรรหาไม่สำเร็จไม่ได้อยู่ที่คุณภาพของผู้สมัคร แต่อยู่ที่ความเร็วในการประมวลผล

ยิ่งไปกว่านั้น กำลังคนในสายการผลิตมีการเข้าออกได้ง่าย ทำให้การประกาศรับสมัครเกิดขึ้นซ้ำแล้วซ้ำอีก อัตราการรักษาพนักงานที่ไม่สูงนักเป็นประเด็นที่มีการพูดถึงกันอย่างกว้างขวางในแวดวงอุตสาหกรรม แต่เนื่องจากสถานการณ์ต่างกันไปในแต่ละโรงงาน ในที่นี้จึงจะไม่ลงลึกไปถึงตัวเลขเฉพาะเจาะจง สิ่งสำคัญคือการสรรหาไม่ใช่งานที่ทำครั้งเดียวแล้วจบ แต่เป็นงานที่เกิดขึ้นต่อเนื่อง และเพราะเป็นงานที่เกิดขึ้นต่อเนื่องนี่เอง ผลของการจัดระบบการประมวลผลให้เข้าที่จึงสะสมทบกันไปเรื่อย ๆ

การขาดแคลนแรงงานและค่าจ้างที่สูงขึ้นถูกยกเป็นโจทย์ของฝ่ายบริหาร

ความรู้สึกเหล่านี้มีผลสำรวจรองรับอยู่ ผลสำรวจสภาพการดำเนินธุรกิจของบริษัทญี่ปุ่นในต่างประเทศ ฉบับเอเชียและโอเชียเนีย ที่ JETRO เผยแพร่เมื่อวันที่ 20 มกราคม 2026 ดำเนินการสำรวจระหว่างวันที่ 19 สิงหาคม ถึง 17 กันยายน 2025 มีคำตอบที่ใช้ได้ 5109 บริษัท คิดเป็นอัตราการตอบกลับ 39.6% ในผลสำรวจชุดนี้ การขาดแคลนแรงงานและค่าจ้างที่สูงขึ้นถูกยกขึ้นมาเป็นโจทย์ในการบริหาร

กลุ่มประชากรของผลสำรวจนี้คือบริษัทญี่ปุ่นที่ออกไปลงทุนในภูมิภาคเอเชียและโอเชียเนียโดยรวม ไม่ได้แยกเฉพาะอุตสาหกรรมการผลิตในประเทศไทยออกมา ถึงอย่างนั้นก็ยังอ่านออกได้ว่า ความยากในการหาคนในพื้นที่ และความกังวลต่อต้นทุนแรงงานที่ขยับขึ้น เป็นความสนใจร่วมกันของทั้งภูมิภาค

แรงกดดันด้านต้นทุนจากค่าจ้างขั้นต่ำที่ปรับใหม่เมื่อกรกฎาคม 2025

อีกหนึ่งฉากหลังคือต้นทุนแรงงาน กระทรวงแรงงานของประเทศไทยปรับอัตราค่าจ้างขั้นต่ำรายพื้นที่ โดยมีผลบังคับใช้ตั้งแต่วันที่ 1 กรกฎาคม 2025 ทำให้พื้นที่ที่มีอัตราสูงอย่างกรุงเทพมหานครอยู่ที่ 400 บาทต่อวัน ส่วนพื้นที่อย่างนราธิวาส ปัตตานี และยะลา อยู่ที่ 337 บาทต่อวัน การปรับครั้งนี้เกิดขึ้นเมื่อเดือนกรกฎาคม 2025 ส่วนการปรับเพิ่มเติมหลังจากนั้น บทความนี้จะไม่กล่าวถึง

สิ่งที่อยากให้จับไว้ในที่นี้ ไม่ใช่ตัวระดับค่าจ้างขั้นต่ำ แต่เป็นทิศทาง ในช่วงที่ต้นทุนแรงงานขยับสูงขึ้น ความสูญเสียเมื่อการสรรหาพลาดเป้าก็ใหญ่ขึ้นตามไปด้วยโดยเปรียบเทียบ ไม่ว่าจะเป็นการรับคนที่ไม่ตรงคุณสมบัติแล้วเขาลาออกในเวลาอันสั้น หรือการต้องประกาศรับสมัครต่อเนื่องจนช่วงเวลาที่ตำแหน่งว่างยืดยาวออกไป ทั้งสองกรณีล้วนย้อนกลับมาเป็นต้นทุน การยกระดับความแม่นยำและความเร็วของการคัดเลือกจากเอกสาร จึงไม่ใช่แค่เรื่องประสิทธิภาพงานธุรการ แต่เป็นความพยายามลดความสูญเสียตรงนี้ให้เล็กลงด้วย

การแพร่หลายของการสัมภาษณ์ด้วย AI กำลังเปลี่ยนบทบาทของการคัดเลือกจากเอกสาร

ในการพิจารณา AI คัดกรองผู้สมัครงาน ยังมีอีกกระแสหนึ่งที่ควรจับตา นั่นคือความเคลื่อนไหวที่น้ำหนักของขั้นตอนการคัดเลือกจากเอกสารเริ่มถูกทบทวนใหม่ภายในประเทศญี่ปุ่น

69.7% ของบริษัทที่ใช้การสัมภาษณ์ด้วย AI ระบุว่าดูคนจากเกณฑ์เอกสารได้ยากขึ้น

ตามบทความที่ Mynavi News เผยแพร่เมื่อวันที่ 25 มีนาคม 2026 แพลตฟอร์ม HR ที่ใช้ AI ชื่อ NALYSYS ซึ่งดำเนินการโดย Leverages ได้ทำการสำรวจผู้รับผิดชอบงานสรรหาทั้งสายนักศึกษาจบใหม่และสายคนมีประสบการณ์ จำนวน 1625 คน ระหว่างวันที่ 13 ถึง 16 กุมภาพันธ์ 2026 ผลสำรวจนี้ระบุว่า ในกลุ่มบริษัทที่นำการสัมภาษณ์ด้วย AI มาใช้ มี 69.7% ตอบว่า การดูตัวตนของผู้สมัครด้วยเกณฑ์การคัดเลือกจากเอกสารเพียงอย่างเดียวทำได้ยากขึ้น

เบื้องหลังของคำตอบนี้พอเดาได้ กล่าวคือ เมื่อการสัมภาษณ์ด้วย AI ทำให้ได้เจอกับกลุ่มคนที่เดิมถูกคัดออกตั้งแต่ชั้นเอกสาร ผลก็คือกรณีที่สิ่งที่เขียนในเอกสารกับตัวตนจริงไม่ตรงกันถูกทำให้มองเห็นได้ นั่นคือลำดับของเรื่อง ไม่ใช่ว่าเอกสารแย่ลง แต่การที่มีสิ่งให้เปรียบเทียบมากขึ้นทำให้ข้อจำกัดของเอกสารปรากฏชัด น่าจะเป็นการตีความที่สมเหตุสมผลกว่า

เริ่มมีความเคลื่อนไหวที่จะทบทวนตัวการคัดเลือกจากเอกสารเอง

ในผลสำรวจชุดเดียวกัน คำตอบเกี่ยวกับการจัดการกับการคัดเลือกจากเอกสารออกมาดังนี้

ขนาดของกลุ่มที่รวมสามคำตอบนี้เข้าด้วยกัน คือเนื้อแท้ของความเคลื่อนไหวที่สื่อเรียกว่าการถอยห่างจากการคัดเลือกจากเอกสาร ทั้งนี้ ผลสำรวจชุดเดียวกันรายงานว่าความพึงพอใจต่อการสัมภาษณ์ด้วย AI อยู่ที่ 86.7% แสดงว่าการประเมินของบริษัทที่นำมาใช้อยู่ในระดับสูงโดยรวม

อย่านำตัวเลขชุดนี้มาเทียบกับฐานการผลิตในไทยตรง ๆ

อย่างไรก็ตาม กลุ่มประชากรของผลสำรวจนี้คือผู้รับผิดชอบงานสรรหาของบริษัทญี่ปุ่นที่นำการสัมภาษณ์ด้วย AI มาใช้ ซึ่งต่างจากงานสรรหาจริงของฐานการผลิตในประเทศไทย ทั้งกลุ่มผู้สมัคร ประเภทตำแหน่งงาน และช่องทางการรับสมัคร และเนื่องจากกลุ่มประชากรต่างจากผลสำรวจของ JETRO ที่กล่าวถึงในหัวข้อก่อนหน้าด้วย จึงไม่สามารถนำตัวเลขของทั้งสองมาวางเรียงเปรียบเทียบกันได้ เวลาอ้างอิงในเอกสารภายในองค์กร ขอให้ระบุกำกับไว้เสมอว่าเป็นตัวเลขจากผลสำรวจใดและกลุ่มประชากรใด

บนพื้นฐานนั้น สิ่งที่มีความหมายต่อฐานงานในไทยไม่ใช่ตัวสัดส่วน แต่เป็นข้อเท็จจริงที่ว่าบทบาทของการคัดเลือกจากเอกสารกำลังขยับ ไม่ว่าจะยกเลิกการคัดเลือกจากเอกสารหรือไม่ก็ตาม การจัดวางความเข้าใจที่ว่าการคัดเลือกจากเอกสารไม่ใช่ขั้นตอนสำหรับดูตัวตนของคน แต่เป็นขั้นตอนสำหรับย่อขนาดกลุ่มผู้สมัคร กำลังแพร่หลายมากขึ้น และถ้าตัดสินใจมองแบบนั้น ช่องว่างที่จะยกงานย่อขนาดกลุ่มผู้สมัครให้เครื่องจักรทำก็กว้างขึ้น AI คัดกรองผู้สมัครงานถูกหยิบมาพิจารณาในบริบทนี้พอดี

AI คัดกรองผู้สมัครงานทำอะไรได้บ้าง – แบ่งออกเป็น 3 ฟังก์ชัน

จากนี้ขอเรียบเรียงว่า AI คัดกรองผู้สมัครงานทำอะไรบ้างในเชิงฟังก์ชัน แต่ละผลิตภัณฑ์เรียกชื่อไม่เหมือนกัน แต่หน้าที่ที่รับผิดชอบสรุปรวบได้เป็น 3 อย่างใหญ่ ๆ

ฟังก์ชันที่ 1 การสกรีนและการกรองด้วยเงื่อนไขบังคับ

อย่างแรกคือการแยกผู้สมัครตามว่าเข้าคุณสมบัติที่ประกาศรับหรือไม่ เป็นการย่อขนาดกลุ่มผู้สมัครด้วยเงื่อนไขที่ถ้าไม่ผ่านก็จะไม่เข้าข่ายพิจารณา เช่น การมีใบรับรองที่ต้องการ จำนวนปีประสบการณ์ที่จำเป็น พื้นที่ที่สามารถเดินทางมาทำงานได้ และการมีคุณวุฒิหรือใบอนุญาตที่จำเป็นต่อการทำงาน

ขั้นตอนนี้เป็นงานที่ซ้ำซากเมื่อคนทำ แต่ก็เกิดการตกหล่นได้ง่ายในเวลาเดียวกัน เพราะรูปแบบของเอกสารไม่เป็นมาตรฐาน จึงต้องเริ่มจากการตามหาว่าข้อมูลที่ต้องการอยู่ตรงไหนก่อน และยิ่งจำนวนฉบับมากขึ้น สมาธิในช่วงท้ายก็ยิ่งตก พูดกลับกันได้ว่า นี่คือส่วนที่ผลของการยกให้เครื่องจักรทำปรากฏชัดที่สุด

ข้อควรระวังคือ เงื่อนไขในการกรองต้องถูกกำหนดอย่างชัดแจ้งโดยบริษัทเอง ไม่ใช่ว่า AI จะเลือกคนที่ดูดีมาให้ แต่เป็น AI ที่แยกใบสมัครตามเงื่อนไขที่บริษัทกำหนดไว้ และตัวงานถอดเงื่อนไขออกมาเป็นถ้อยคำเองก็มีผลพลอยได้คือการได้สะสางคุณสมบัติที่ต้องการรับจริง ๆ ไปในตัว

ฟังก์ชันที่ 2 การให้คะแนนและจัดลำดับความเหมาะสมกับตำแหน่งงาน

อย่างที่สองคือการจัดลำดับผู้สมัครที่เหลือหลังการย่อขนาดกลุ่ม ตามมุมมองความสอดคล้องกับเนื้องาน โดยเสนอลำดับที่ควรตรวจสอบก่อนหลัง จากองค์ประกอบเช่น ความทับซ้อนระหว่างคุณสมบัติที่ประกาศรับกับสิ่งที่เขียนในประวัติการทำงาน เนื้อหาของงานที่เคยรับผิดชอบ และประเภทของเครื่องจักรหรือกระบวนการที่เคยผ่านมา

สิ่งที่ควรเข้าใจตรงนี้คือ คะแนนไม่ได้แสดงถึงความเก่ง แต่แสดงถึงขนาดของความทับซ้อนกับตำแหน่งงานนี้ ผู้สมัครคนเดียวกัน ถ้าตำแหน่งที่ประกาศรับเปลี่ยนไป ลำดับก็เปลี่ยน ดังนั้นในทางปฏิบัติ ควรใช้คะแนนเป็นแนวทางว่าจะอ่านเอกสารฉบับไหนก่อนภายในเวลาที่จำกัด ไม่ใช่ใช้เป็นเกณฑ์ผ่านหรือไม่ผ่าน

การตรวจสอบเหตุผลของการจัดลำดับได้หรือไม่ ก็เป็นประเด็นสำคัญเวลาดูผลิตภัณฑ์ ถ้าคนตามไม่ได้ว่าทำไมรายนี้ถึงขึ้นมาอยู่ลำดับต้น ก็ตั้งประเด็นที่จะตรวจสอบในการสัมภาษณ์ไม่ได้ และตอบข้อกำหนดเรื่องความสามารถในการอธิบายที่จะกล่าวถึงต่อไปก็ไม่ได้เช่นกัน

ฟังก์ชันที่ 3 การดูแลผู้สมัครและการติดตามสถานะแบบอัตโนมัติ

อย่างที่สามคือการจัดการการติดต่อกับผู้สมัครและความคืบหน้าของการคัดเลือก ครอบคลุมงานตอบสนองที่เป็นแบบแผน เช่น การแจ้งรับใบสมัคร การแจ้งว่าอยู่ระหว่างตรวจสอบเอกสาร การนัดหมายวันสัมภาษณ์ และการแจ้งผลการคัดเลือก รวมถึงการบริหารว่าใครอยู่ในขั้นตอนใดในขณะนี้

ฟังก์ชันนี้ดูเรียบ ๆ แต่ผลในทางปฏิบัติไม่ได้เล็ก เพราะระยะเวลาที่ยาวนานตั้งแต่ผู้สมัครยื่นใบสมัครจนได้รับการติดต่อกลับ เป็นปัจจัยที่ทำให้ผู้สมัครหลุดมือไป โดยเฉพาะกับกลุ่มที่ยื่นใบสมัครหลายบริษัทพร้อมกัน ความเร็วของการตอบสนองส่งผลต่อความสำเร็จของการสรรหาโดยตรง และถ้าเป็นฐานงานที่ใช้หลายภาษา การเตรียมข้อความแจ้งให้ตรงกับภาษาของผู้สมัครได้ก็เป็นข้อได้เปรียบในเชิงปฏิบัติอีกข้อหนึ่ง

เมื่อสรุปทั้ง 3 ฟังก์ชันเป็นตาราง จะได้ดังนี้

ขอให้มองว่าทั้ง 3 อย่างนี้ไม่ใช่ผลิตภัณฑ์แยกกัน แต่เป็น 3 ด้านของกลไกเดียวกัน เวลาพิจารณานำมาใช้ ถ้ากำหนดไว้ก่อนว่าฟังก์ชันไหนให้ผลมากที่สุดสำหรับบริษัทเรา หลักในการเลือกผลิตภัณฑ์ก็จะไม่แกว่ง

AI คัดกรองผู้สมัครงานต่างจาก AI ตอบคำถามภายในองค์กรและการสัมภาษณ์ด้วย AI อย่างไร

ในแวดวง HR มีกลไกที่ใช้ AI ถูกพูดถึงพร้อมกันหลายอย่าง จึงมักถูกสับสนปนกัน ขอเรียบเรียงไว้ตรงนี้

สิ่งที่แยกความต่างคือกลุ่มเป้าหมายและลักษณะของงาน AI ตอบคำถามภายในองค์กรเป็นกลไกที่ค้นเอกสารที่มีอยู่แล้ว เช่น ระเบียบภายในและข้อบังคับเกี่ยวกับการทำงาน แล้วตอบคำถามของพนักงานในรูปแบบบทสนทนา กลุ่มเป้าหมายคือพนักงานภายในองค์กร และลักษณะของงานอยู่ที่การค้นแล้วตอบ ส่วนการสัมภาษณ์ด้วย AI เป็นกลไกที่ประเมินตัวตนของผู้สมัครผ่านบทสนทนา กลุ่มเป้าหมายคือผู้สมัคร และลักษณะของงานอยู่ที่การประเมินจากการโต้ตอบ ในทางกลับกัน AI คัดกรองผู้สมัครงานเป็นกลไกที่จัดประเภทและจัดลำดับเอกสารที่ไม่มีโครงสร้างซึ่งผู้สมัครยื่นเข้ามา กลุ่มเป้าหมายคือผู้สมัครเช่นกัน แต่สิ่งที่ประมวลผลไม่ใช่บทสนทนา หากเป็นเอกสาร

ทั้งสามอย่างนี้ไม่ได้แข่งกัน เพียงแต่รับผิดชอบคนละขั้นตอน ในกระบวนการสรรหาจริง ทั้งสามอยู่ร่วมกันได้ในรูปแบบที่ AI คัดกรองผู้สมัครงานย่อขนาดกลุ่มผู้สมัคร การสัมภาษณ์ด้วย AI ตรวจสอบตัวตน และหลังเข้าทำงานแล้ว AI ตอบคำถามภายในองค์กรก็ตอบคำถามเกี่ยวกับระเบียบต่าง ๆ

อนึ่ง เรื่องการออกแบบงานตอบคำถามสำหรับพนักงานภายในองค์กร เราได้เขียนไว้ในการออกแบบ 3 ชั้นของ AI ตอบคำถามงานบุคคล แม้จะเป็น AI ในงาน HR เหมือนกัน แต่เป็นคนละกลไกที่กลุ่มผู้อ่านเป้าหมายและลักษณะงานต่างกัน หากโจทย์ของท่านคือการรับมือคำถามจากพนักงานภายใน ขอเชิญอ่านบทความดังกล่าว

ข้อควรระวังในการนำ AI คัดกรองผู้สมัครงานมาใช้ในไทย – PDPA และทิศทางของกฎระเบียบ

สิ่งที่ต้องจับให้มั่นก่อนเรื่องฟังก์ชันคือการจัดการข้อมูลส่วนบุคคล เอกสารใบสมัครคือก้อนของข้อมูลส่วนบุคคล และยิ่งกว่านั้นคือข้อมูลส่วนบุคคลของคนที่ยังไม่ใช่พนักงานของบริษัท

PDPA เรียกร้องความสามารถในการอธิบายการตัดสินใจแบบอัตโนมัติ

คู่มือ PDPA for HR ซึ่งเผยแพร่ในฐานะคำอธิบายเชิงปฏิบัติของพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) ของไทย จัดวางการคัดเลือกจากเอกสารด้วย AI ไว้ในฐานะโจทย์ใหม่ที่ใหญ่ที่สุดกลุ่มหนึ่งสำหรับฝ่ายบุคคล ประเด็นแกนกลางคือ อยู่ในสภาพที่อธิบายการตัดสินใจซึ่งทำโดยระบบอัตโนมัติให้เจ้าของข้อมูลฟังได้หรือไม่

เรื่องนี้เชื่อมตรงกับเกณฑ์การประเมินที่กล่าวไว้ในช่วงต้นว่าเหตุผลของการตัดสินถูกเก็บไว้หรือไม่ สภาพที่เมื่อผู้สมัครถามว่าทำไมตนจึงไม่ผ่านการคัดเลือก แล้วไม่มีใครในบริษัทตอบได้เลย เป็นสภาพที่ต้องหลีกเลี่ยง แนวทางรับมือในทางปฏิบัติเริ่มต้นจากสองข้อ คือทำให้ผลลัพธ์ของ AI ไม่ใช่คำตัดสินสุดท้าย แต่มีคนตรวจสอบ และเก็บบันทึกเงื่อนไขที่ใช้ในการย่อขนาดกลุ่มผู้สมัครไว้

ความยินยอมในการสมัครต้องขอใหม่ในแต่ละตำแหน่งงาน

อีกประเด็นที่คู่มือฉบับเดียวกันชี้ไว้คือขอบเขตของความยินยอม ความยินยอมต่อการสมัครงานในตำแหน่งหนึ่ง ไม่ได้ครอบคลุมไปถึงการเก็บรักษาข้อมูลของผู้สมัครไว้ต่อเพื่อใช้กับตำแหน่งอื่น จึงต้องขอความยินยอมแยกต่างหากในแต่ละตำแหน่งงาน

ข้อนี้เป็นจุดที่มองข้ามได้ง่ายด้วยความเคยชินแบบญี่ปุ่น การเก็บเอกสารใบสมัครไว้ด้วยความคิดที่ว่าคนนี้ดี ไว้เปิดรับรอบหน้าค่อยติดต่อไป อาจเกินขอบเขตของความยินยอมไปแล้ว เมื่อนำ AI คัดกรองผู้สมัครงานมาใช้ ข้อมูลผู้สมัครจะถูกสะสมในรูปแบบที่ค้นหาได้ ประเด็นนี้จึงปรากฏชัดกว่าตอนก่อนนำมาใช้ ขอให้กำหนดระยะเวลาการเก็บรักษาและขั้นตอนการลบข้อมูลให้เรียบร้อยก่อนติดตั้งกลไกเข้าไป

ในสหภาพยุโรปมีทิศทางจัดให้ AI ด้านการสรรหาเป็น high-risk

ถ้าขยายมุมมองออกไป สายตาของกฎระเบียบที่มองมายัง AI ในงานสรรหากำลังเข้มงวดขึ้นทั่วโลก ตามบทวิเคราะห์ที่ DLA Piper เผยแพร่เมื่อวันที่ 30 มิถุนายน 2026 ร่างแนวปฏิบัติที่คณะกรรมาธิการยุโรปเผยแพร่ออกมาได้แสดงทิศทางในการจัดให้ AI ด้านการสรรหา ซึ่งรวมถึงการสกรีน CV การจัดลำดับผู้สมัคร และการประเมินผลการสัมภาษณ์ เป็น high-risk AI ร่างฉบับนี้กำหนดเส้นตายของการรับฟังความคิดเห็นไว้ที่วันที่ 23 กรกฎาคม 2026 และคาดว่าแนวปฏิบัติฉบับสุดท้ายจะได้ข้อสรุปภายในปี 2026

นี่เป็นกฎระเบียบของสหภาพยุโรป และไม่ได้บังคับใช้กับฐานงานในประเทศไทยโดยตรง อย่างไรก็ตาม หากเป็นบริษัทที่มีลูกค้าหรือบริษัทแม่อยู่ในยุโรป ก็มีความเป็นไปได้ที่จะถูกเรียกร้องให้รับมือในระดับเดียวกันตามนโยบายของกลุ่มบริษัททั้งหมด นอกจากนี้ การที่ตัวทิศทางของกฎระเบียบแสดงให้เห็นการรับรู้ว่า AI ด้านการสรรหาเป็นการใช้งานความเสี่ยงสูงที่กระทบต่อโอกาสในอาชีพของคน ก็เป็นสิ่งที่ใช้อ้างอิงได้ไม่ว่าจะอยู่ในภูมิภาคใด ถ้าใส่สองเรื่องคือความสามารถในการอธิบายและการมีคนเข้ามาเกี่ยวข้อง ไว้ในการออกแบบตั้งแต่ขั้นตอนพิจารณานำมาใช้ ต่อให้กฎระเบียบขยับในภายหลัง ก็ยังเหลือช่องให้ปรับตัวได้

การใช้ AI ในงาน HR ที่อยู่ติดกัน – ชั้นของการคำนวณกับชั้นของการคัดเลือก

AI คัดกรองผู้สมัครงานเป็นพื้นที่ที่ค่อนข้างใหม่ในบรรดาการใช้ AI ในงาน HR เมื่อวางเทียบกับชั้นข้างเคียงที่มีการดำเนินการไปก่อนแล้ว ตำแหน่งของเครื่องมือนี้จะชัดขึ้น

พื้นที่ที่การนำ AI มาใช้ในงาน HR เดินหน้าไปก่อนคือชั้นของการคำนวณ การคำนวณเงินเดือนและการคำนวณค่าชดเชยมีวิธีคำนวณกำหนดไว้แล้วโดยกฎหมายและระเบียบภายใน และข้อมูลที่ป้อนเข้าไปก็เป็นข้อมูลที่มีโครงสร้างอย่างข้อมูลการลงเวลา เพราะเป็นการประมวลผลที่คำตอบออกมาได้ค่าเดียว การตรวจสอบความถูกต้องจึงทำได้ง่ายด้วย เรื่องการใช้ AI ในชั้นนี้ เราได้เรียบเรียงไว้ในการออกแบบ 3 ชั้นของ AI คำนวณเงินเดือน ว่าจะแปลงการคำนวณตามกฎหมายแรงงานไทยลงเป็นกลไกได้อย่างไร และสำหรับค่าชดเชยที่คำนวณจากอายุงานและค่าจ้างอัตราสุดท้าย เราได้กล่าวถึงส่วนที่การคำนวณตามกฎหมายกับดุลพินิจในทางปฏิบัติแยกทางกันไว้ในAI คำนวณค่าชดเชย

AI คัดกรองผู้สมัครงานที่บทความนี้กล่าวถึง ต่างจากชั้นของการคำนวณดังกล่าว เพราะจัดอยู่ในชั้นของการคัดเลือก สิ่งที่ป้อนเข้าไปเป็นเอกสารที่ไม่มีโครงสร้าง และคำตอบไม่ได้ออกมาเป็นค่าเดียว ผู้สมัครคนเดียวกัน ถ้าตำแหน่งที่ประกาศรับเปลี่ยนไป การประเมินก็เปลี่ยน และการตัดสินขั้นสุดท้ายยังคงต้องมีคนเข้ามาเกี่ยวข้อง ดังนั้น การใช้งานแบบที่ใช้ได้ผลในชั้นของการคำนวณ คือการนำคำตอบที่ระบบให้มาใช้ตรง ๆ จึงไม่สามารถทำได้ในชั้นของการคัดเลือก

หากวางทั้งสองชั้นเรียงกันแล้วคิดถึงลำดับของบริษัทตัวเอง ต้องยอมรับว่าชั้นของการคำนวณเริ่มต้นได้ง่ายกว่า อย่างไรก็ตาม ถ้าภาระที่มากับงานสรรหากำลังบีบงานประจำวันอย่างเป็นรูปธรรม การตัดสินใจเริ่มจากชั้นของการคัดเลือกก็มีเหตุผลเพียงพอ สิ่งที่ใช้เป็นเกณฑ์ตัดสินมีเพียงข้อเดียว คือเวลาของผู้รับผิดชอบหายไปกับงานด้านไหนจริง ๆ

แนวทางเริ่มต้นการใช้ AI ในการสรรหาบุคลากร

เรื่องแนวทางการนำมาใช้ ไม่ได้มีสูตรสำเร็จพิเศษอะไร เช่นเดียวกับระบบงานอื่น ๆ ลำดับพื้นฐานคือทดลองเล็ก ๆ แล้วค่อยขยาย

ขั้นแรกคือจำกัดขอบเขตแล้วทดลอง แทนที่จะเอาทุกตำแหน่งและทุกโรงงานมาเป็นเป้าหมายพร้อมกัน ให้เลือกตำแหน่งที่มีผู้สมัครมากและเงื่อนไขชัดเจนมาหนึ่งตำแหน่ง หากเป็นฐานการผลิต การรับสมัครที่ถอดเงื่อนไขบังคับออกมาเป็นถ้อยคำได้ง่าย เช่น พนักงานฝ่ายผลิตหรือช่างเทคนิคเฉพาะทาง จะเหมาะกว่า วัตถุประสงค์ของขั้นนี้ไม่ใช่การสร้างผลลัพธ์ แต่คือการรู้ว่าเมื่อเทียบกับสภาพจริงของใบสมัครที่บริษัทได้รับ อะไรจะกลายเป็นอุปสรรค ความไม่สม่ำเสมอของรูปแบบ การปนกันของภาษา สัดส่วนของเอกสารที่เขียนด้วยลายมือ เรื่องเหล่านี้เป็นสิ่งที่ไม่ลงมือทำจริงก็ไม่มีทางรู้ และจะโผล่ออกมาแน่นอน

ขั้นถัดมาคือการวางกฎการใช้งานให้แน่น ใครเป็นคนกำหนดเงื่อนไขในการย่อขนาดกลุ่มผู้สมัคร ใครตรวจสอบผลลัพธ์ของ AI และตรวจถึงระดับใด เก็บข้อมูลผู้สมัครไว้ถึงเมื่อไรและลบเมื่อใด เมื่อผู้สมัครขอคำอธิบายแล้วใครเป็นคนตอบ ประเด็น PDPA ที่เรียบเรียงไว้ในหัวข้อ “ข้อควรระวังในการนำ AI คัดกรองผู้สมัครงานมาใช้ในไทย” จะถูกเขียนลงเป็นเอกสารในขั้นนี้ ถ้ายังไม่วางส่วนนี้ให้แน่นก่อนจะไปคิดเรื่องเทคโนโลยี พอขยายขอบเขตออกไปเมื่อไร ก็จะควบคุมไม่ได้ทันที

ขั้นสุดท้ายคือการขยายไปยังตำแหน่งอื่นและโรงงานอื่น ถ้าขยายหลังจากที่การใช้งานในตำแหน่งหนึ่งเดินได้แล้ว ทั้งการตั้งเงื่อนไขและขั้นตอนการตรวจสอบก็มีแม่แบบอยู่แล้ว ในทางกลับกัน ถ้าตั้งเป้าจะขยายทั้งบริษัทตั้งแต่แรก ก็จะต้องรับมือกับคุณสมบัติที่ต่างกันในแต่ละตำแหน่งพร้อมกันทีเดียว และการถกเถียงจะไม่ได้ข้อสรุป

ควรมองความคุ้มค่าของการเพิ่มประสิทธิภาพการจัดการสรรหาด้วย AI อย่างไร

เรื่องความคุ้มค่า ขอพูดตามตรงว่าเราไม่แนะนำให้นำตัวเลขอัตราการลดต้นทุนที่หมุนเวียนอยู่ในแวดวงมาใส่ในเอกสารภายในองค์กรตรง ๆ เพราะเมื่อไล่ย้อนกลับไปที่แหล่งที่มา มีไม่น้อยที่ไม่สามารถยืนยันกลุ่มประชากรหรือวิธีการวัดได้ ถ้าจะอ้างอิงตัวเลข ขอให้ไปดูข้อมูลปฐมภูมิและตรวจสอบกลุ่มประชากรก่อนนำมาใช้

บนพื้นฐานนั้น ผลที่คาดหวังได้จริงมีลักษณะดังนี้ อย่างแรกคือชั่วโมงงานที่เคยใช้ไปกับการจัดการใบสมัครจำนวนมากจะลดลง โดยเฉพาะการแยกด้วยเงื่อนไขบังคับ ซึ่งเป็นส่วนที่กินเวลาของผู้รับผิดชอบไปในรูปแบบที่ซ้ำซากที่สุด ผลของการทำให้ส่วนนี้เบาลงจึงรู้สึกได้ง่าย อีกอย่างคือระยะเวลาตั้งแต่ยื่นใบสมัครจนถึงการติดต่อกลับจะสั้นลง อย่างที่กล่าวไปแล้วว่าความล่าช้าในการตอบสนองเชื่อมตรงกับการที่ผู้สมัครหลุดมือไป ผลของความเร็วที่เพิ่มขึ้นแม้จะไม่ปรากฏออกมาในรูปของชั่วโมงงานที่ลดลง แต่ก็ส่งผลต่อความสำเร็จของการสรรหา

ในทางกลับกัน ก็มีจุดที่ไม่ควรคาดหวังมากเกินไป AI คัดกรองผู้สมัครงานไม่ใช่เครื่องมือที่แก้ปัญหาการไม่มีผู้สมัครเข้ามา ถ้ากลุ่มผู้สมัครมีขนาดเล็กอยู่แล้ว ต่อให้ใส่กลไกย่อขนาดกลุ่มเข้าไป สถานการณ์ก็ไม่เปลี่ยน ถ้าจำนวนผู้สมัครเองคือโจทย์ ก็ต้องพิจารณาช่องทางการรับสมัครและเงื่อนไขการจ้างก่อน ขอให้แยกให้ออกก่อนเข้าสู่การพิจารณานำมาใช้ ว่าโจทย์ของบริษัทเราคือไม่มีผู้สมัครเข้ามา หรือจัดการผู้สมัครที่เข้ามาแล้วไม่ไหว

เช็กลิสต์ก่อนเริ่มใช้งาน

ขอยกรายการสำหรับตรวจสอบว่าบริษัทของท่านอยู่ในขั้นใดในตอนนี้

หากยังไม่เข้าข่ายสองรายการบน แสดงว่ายังไม่ถึงขั้นที่จะเปรียบเทียบผลิตภัณฑ์ ขอให้สะสางคุณสมบัติที่ประกาศรับและผลการรับสมัครที่ผ่านมาก่อน ตัวการสะสางนี้เองก็นำไปสู่การปรับปรุงงานสรรหา ไม่ว่าสุดท้ายจะติดตั้งกลไกหรือไม่ก็ตาม

หากเข้าข่ายสามรายการล่างแล้ว ก็อยู่ในสภาพที่เดินหน้าสู่การพิจารณาอย่างเป็นรูปธรรมได้ โดยเฉพาะการที่รายการสุดท้ายถูกกำหนดไว้แล้ว มีความสำคัญเพิ่มขึ้นเมื่อพิจารณาจากทิศทางของกฎระเบียบ

คำถามที่พบบ่อย

AI คัดกรองผู้สมัครงานคืออะไร?

คือกลุ่มของ AI ที่อ่านเอกสารซึ่งไม่มีรูปแบบตายตัวและผู้สมัครยื่นเข้ามา เช่น เรซูเม่และประวัติการทำงาน แล้วทำการย่อขนาดกลุ่มผู้สมัครตามคุณสมบัติที่ประกาศรับ จัดลำดับตามมุมมองความเหมาะสมกับตำแหน่งงาน และดูแลการติดต่อกับผู้สมัครพร้อมติดตามสถานะ บทบาทต่างจาก Generative AI ที่สร้างข้อความหรือรูปภาพ เพราะงานหลักอยู่ที่การตัดสินและการจัดประเภท ในทางปฏิบัติส่วนใหญ่ การตัดสินผ่านหรือไม่ผ่านขั้นสุดท้ายยังเป็นของคน และผลลัพธ์ของ AI ถูกใช้ในฐานะข้อมูลตั้งต้นสำหรับให้คนตัดสิน

ถ้ายกการสกรีนเรซูเม่ให้ AI ทำ อะไรจะเปลี่ยนไป?

สิ่งที่เปลี่ยนมากที่สุดคือภาระของขั้นตอนแยกใบสมัครที่ไม่เข้าเงื่อนไขบังคับ เพราะเอกสารใบสมัครมีรูปแบบไม่เป็นมาตรฐาน จึงต้องเริ่มจากการตามหาข้อมูลที่ต้องการก่อน และยิ่งจำนวนฉบับมากขึ้นก็ยิ่งเกิดการตกหล่นได้ง่าย เมื่อยกส่วนนี้ให้เครื่องจักรทำ ผู้รับผิดชอบจะใช้เวลาไปกับการอ่านเนื้อหาของผู้สมัครที่ผ่านเงื่อนไขแล้วได้ อย่างไรก็ตาม เงื่อนไขในการย่อขนาดกลุ่มต้องถูกถอดออกมาเป็นถ้อยคำและตั้งค่าโดยบริษัทเอง ไม่ใช่ว่า AI จะเลือกคนดีให้โดยอัตโนมัติ

AI คัดกรองผู้สมัครงานต่างจาก AI ตอบคำถามภายในองค์กรและการสัมภาษณ์ด้วย AI อย่างไร?

กลุ่มเป้าหมายและลักษณะของงานต่างกัน AI ตอบคำถามภายในองค์กรมีกลุ่มเป้าหมายเป็นพนักงานภายในองค์กร เป็นกลไกที่ค้นระเบียบภายในแล้วตอบในรูปแบบบทสนทนา การสัมภาษณ์ด้วย AI มีกลุ่มเป้าหมายเป็นผู้สมัคร เป็นกลไกที่ประเมินตัวตนผ่านบทสนทนา ส่วน AI คัดกรองผู้สมัครงานมีกลุ่มเป้าหมายเป็นผู้สมัครเช่นกัน แต่สิ่งที่ประมวลผลไม่ใช่บทสนทนา หากเป็นเอกสารใบสมัคร และทำการจัดประเภทกับจัดลำดับเอกสารนั้น ในกระบวนการสรรหา ขั้นตอนจะแยกกันโดย AI คัดกรองผู้สมัครงานย่อขนาดกลุ่มผู้สมัคร และการสัมภาษณ์ด้วย AI ตรวจสอบตัวตน

ข้อควรระวังในการนำ AI คัดกรองผู้สมัครงานมาใช้ในไทยมีอะไรบ้าง?

ประเด็นแรกคือการรับมือกับพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) เนื่องจากการตัดสินใจที่ทำโดยระบบอัตโนมัติถูกเรียกร้องให้อธิบายต่อเจ้าของข้อมูลได้ จึงจำเป็นต้องเก็บบันทึกเงื่อนไขที่ใช้ในการย่อขนาดกลุ่มผู้สมัครไว้ และวางการใช้งานให้มีคนเข้ามาเกี่ยวข้องในการตัดสินขั้นสุดท้าย นอกจากนี้ ความยินยอมต่อการสมัครงานในตำแหน่งหนึ่งไม่ครอบคลุมถึงการเก็บข้อมูลไว้เพื่อใช้กับตำแหน่งอื่น จึงต้องขอความยินยอมใหม่ในแต่ละตำแหน่งงาน ประกอบกับตามบทวิเคราะห์ที่ DLA Piper เผยแพร่เมื่อวันที่ 30 มิถุนายน 2026 ร่างแนวปฏิบัติของคณะกรรมาธิการยุโรปแสดงทิศทางในการจัดให้การสกรีน CV และการจัดลำดับผู้สมัครเป็น high-risk AI สายตาของกฎระเบียบที่มองมายัง AI ด้านการสรรหาจึงเข้มงวดขึ้นทั่วโลก

ควรเริ่มการเพิ่มประสิทธิภาพการจัดการสรรหาด้วย AI จากตรงไหน?

เริ่มจากการเลือกตำแหน่งที่มีผู้สมัครมากและถอดเงื่อนไขบังคับออกมาเป็นถ้อยคำได้ง่ายมาหนึ่งตำแหน่งแล้วทดลอง หากเป็นฐานการผลิต พนักงานฝ่ายผลิตหรือช่างเทคนิคเฉพาะทางจะเป็นตัวเลือกที่ดี วัตถุประสงค์แรกไม่ใช่การสร้างผลลัพธ์ แต่คือการเข้าใจอุปสรรคเฉพาะของบริษัทเรา เช่น ความไม่สม่ำเสมอของรูปแบบเอกสารและการปนกันของภาษา จากนั้นให้วางกฎการใช้งานให้แน่นก่อน ว่าใครกำหนดเงื่อนไข ใครตรวจสอบผลลัพธ์ และลบข้อมูลเมื่อใด แล้วจึงค่อยขยายไปยังตำแหน่งอื่นและโรงงานอื่น

สรุป

ขอเรียบเรียงประเด็นสำคัญของบทความนี้

AI คัดกรองผู้สมัครงานคือ AI ที่อ่านเอกสารซึ่งไม่มีรูปแบบตายตัวอย่างเรซูเม่และประวัติการทำงาน แล้วทำการย่อขนาดกลุ่มผู้สมัครด้วยคุณสมบัติที่ประกาศรับ จัดลำดับตามความเหมาะสมกับตำแหน่งงาน และดูแลการติดต่อกับผู้สมัคร ต่างจาก Generative AI ที่สร้างข้อความขึ้นมา เพราะงานหลักคือการตัดสินและการจัดประเภท ดังนั้นเกณฑ์การประเมินจึงควรวางไว้ที่ว่าคนตามเหตุผลของการตัดสินได้หรือไม่ ไม่ใช่หน้าตาของผลลัพธ์

เบื้องหลังคือเงื่อนไขเชิงโครงสร้างที่ฐานการผลิตในประเทศไทยเผชิญอยู่ ใบสมัครจำนวนมากถูกจัดการโดยฝ่ายบุคคลไม่กี่คน และการประกาศรับสมัครก็เกิดขึ้นซ้ำแล้วซ้ำอีก ผลสำรวจที่ JETRO เผยแพร่เมื่อวันที่ 20 มกราคม 2026 ซึ่งดำเนินการระหว่างวันที่ 19 สิงหาคม ถึง 17 กันยายน 2025 มีคำตอบที่ใช้ได้ 5109 บริษัท อัตราการตอบกลับ 39.6% ก็ยกการขาดแคลนแรงงานและค่าจ้างที่สูงขึ้นเป็นโจทย์ในการบริหาร และค่าจ้างขั้นต่ำที่ปรับใหม่เมื่อกรกฎาคม 2025 อยู่ที่ระดับ 337 บาทต่อวันถึง 400 บาทต่อวัน

ภายในประเทศญี่ปุ่น บทบาทของการคัดเลือกจากเอกสารเองกำลังขยับ ตามบทความที่ Mynavi News เผยแพร่เมื่อวันที่ 25 มีนาคม 2026 ผลสำรวจที่ NALYSYS ทำกับผู้รับผิดชอบงานสรรหา 1625 คน พบว่า 69.7% ของบริษัทที่นำการสัมภาษณ์ด้วย AI มาใช้ ตอบว่าการดูตัวตนของผู้สมัครด้วยเกณฑ์การคัดเลือกจากเอกสารเพียงอย่างเดียวทำได้ยากขึ้น โดยบริษัทที่ยกเลิกการคัดเลือกจากเอกสารไปแล้วมี 13.8% กำลังพิจารณายกเลิก 34.1% และมีแผนจะลดความสำคัญลง 38.8% ส่วนความพึงพอใจต่อการสัมภาษณ์ด้วย AI อยู่ที่ 86.7% อย่างไรก็ตาม นี่คือตัวเลขที่มีกลุ่มประชากรเป็นบริษัทญี่ปุ่นที่นำการสัมภาษณ์ด้วย AI มาใช้ จึงไม่สามารถนำมาเทียบกับงานจริงของฐานการผลิตในประเทศไทยได้ตรง ๆ

ในการนำมาใช้ ขอให้จับประเด็น PDPA ให้มั่นก่อน แกนกลางคือสองเรื่อง ได้แก่ ความสามารถในการอธิบายการตัดสินใจแบบอัตโนมัติ และความยินยอมที่ต้องขอแยกในแต่ละตำแหน่งงาน การที่ร่างแนวปฏิบัติของคณะกรรมาธิการยุโรปแสดงทิศทางจัดให้การสกรีน CV เป็น high-risk AI ก็เป็นสิ่งที่ควรรู้ไว้เป็นข้อสมมติในการออกแบบ

แนวทางพื้นฐานคือจำกัดขอบเขตแล้วทดลอง วางกฎการใช้งานให้แน่น แล้วขยายไปยังตำแหน่งอื่นและโรงงานอื่น สิ่งที่ควรตรวจสอบก่อนหน้านั้นคือการแยกให้ออกว่าโจทย์ของบริษัทเราคือไม่มีผู้สมัครเข้ามา หรือจัดการผู้สมัครที่เข้ามาแล้วไม่ไหว เพราะ AI คัดกรองผู้สมัครงานได้ผลกับกรณีหลังเท่านั้น

จะยังอยู่ในขั้นเพิ่งเริ่มพิจารณานำ AI คัดกรองผู้สมัครงานมาใช้ก็ไม่เป็นไร ที่ TOMAS TECH เรารับปรึกษาตั้งแต่ขั้นตอนการเรียบเรียงว่า เมื่อนำมาปรับใช้กับงานสรรหาจริงของบริษัทท่าน อะไรจะเปลี่ยนไปแค่ไหน โดยตั้งอยู่บนสภาพหน้างานจริงของอุตสาหกรรมการผลิตญี่ปุ่นในประเทศไทย ท่านที่ยังนึกภาพเป็นรูปธรรมไม่ออก ก็ติดต่อเราได้ที่หน้าติดต่อสอบถาม เรายินดีให้คำปรึกษา

แหล่งอ้างอิง

• Mynavi News บทความเรื่องการถอยห่างจากการคัดเลือกจากเอกสารที่คืบหน้าไปพร้อมการแพร่หลายของ AI เผยแพร่วันที่ 25 มีนาคม 2026
• ประกาศอย่างเป็นทางการของกระทรวงแรงงาน ประเทศไทย เรื่องการปรับอัตราค่าจ้างขั้นต่ำ เผยแพร่วันที่ 17 กรกฎาคม 2025
• DLA Piper GENIE เรื่อง EU Commission publishes draft guidelines on high-risk AI in employment เผยแพร่วันที่ 30 มิถุนายน 2026
• Hyperworkrecruitment เรื่อง PDPA for HR – A 2026 Thailand Guide
• JETRO เรื่อง FY2025 Survey on Business Conditions of Japanese Companies Overseas (Asia and Oceania) เผยแพร่วันที่ 20 มกราคม 2026