🛑 เลิกเชื่อการแสดงในห้องสัมภาษณ์
"สัมภาษณ์ได้ดี ≠ ทำงานได้ดี"
เมื่อองค์กรยังใช้ “บทสนทนา 30-60 นาที” ตัดสินอนาคตของทั้งทีม?
ในโลกการทำงานยุคใหม่ องค์กรจำนวนมากยังคงใช้เครื่องมือเดิมในการตัดสินสิ่งที่สำคัญที่สุดอย่างหนึ่งของธุรกิจ นั่นคือ “การเลือกคนเข้ามาทำงาน”
กระบวนการนี้มักจบลงในห้องสัมภาษณ์ที่ใช้เวลาไม่ถึงหนึ่งชั่วโมง ผู้สมัครเล่าประสบการณ์ ผู้สัมภาษณ์ถามคำถาม และในตอนท้ายองค์กรต้องตัดสินใจว่าคนคนนี้ควรเป็นอนาคตของทีม หรือไม่?
ปัญหาคือ ห้องสัมภาษณ์คือพื้นที่ที่ทุกคนเตรียมตัวมาอย่างดีที่สุด และหลายครั้งมันจึงกลายเป็นเวทีการแสดงมากกว่าพื้นที่ประเมินความสามารถที่แท้จริง
ผู้สมัครตอบคำถามกลยุทธ์ได้ดี วิเคราะห์สถานการณ์ได้คม และอธิบายวิธีทำงานราวกับผู้เชี่ยวชาญ แต่เมื่อเริ่มทำงานจริง หลายองค์กรกลับพบว่าความสามารถในการ “พูด” และความสามารถในการ “ทำ” เป็นคนละเรื่องกันโดยสิ้นเชิง
"นี่ไม่ใช่ปัญหาของผู้สมัคร แต่เป็นข้อจำกัดของเครื่องมือที่องค์กรใช้ประเมินคน"
====
การสัมภาษณ์วัดอะไรได้จริง และวัดอะไรไม่ได้?
งานวิจัยใน International Journal of Selection and Assessment ปี 2024 ที่วิเคราะห์ข้อมูลผู้สมัครมากกว่า 30,000 คนพยายามตอบคำถามง่ายๆ ข้อหนึ่ง คือ "การสัมภาษณ์สามารถทำนายได้จริงแค่ไหนว่าใครจะทำงานได้ดีหลังจากเข้ามาแล้ว?"
ผลการศึกษาพบว่า การสัมภาษณ์แบบมีโครงสร้างมีค่า predictive validity ต่อ task performance อยู่ที่ประมาณ 0.30 และต่อ contextual performance อยู่ที่ประมาณ 0.28
คำว่า predictive validity อาจฟังดูเป็นศัพท์วิชาการ แต่ความหมายของมันค่อนข้างตรงไปตรงมา นั่นคือ ตัวเลขที่บอกว่าข้อมูลจากการประเมินสามารถทำนายผลลัพธ์ในอนาคตได้มากแค่ไหน
หากอธิบายแบบง่ายที่สุด
* ค่า 1.00 หมายถึงทำนายได้สมบูรณ์แบบ
* ค่า 0.00 หมายถึงทำนายอะไรไม่ได้เลย
"ดังนั้นค่า 0.30 จึงหมายความว่า การสัมภาษณ์สามารถช่วยทำนายผลการทำงานได้ในระดับหนึ่ง แต่ยังห่างไกลจากคำว่าแม่นยำ"
* ลองจินตนาการให้เห็นภาพง่ายขึ้น หากองค์กรมีผู้สมัคร 10 คน และใช้การสัมภาษณ์เป็นเครื่องมือหลักในการเลือกคน การสัมภาษณ์อาจช่วยให้เลือกคนที่เหมาะสมได้มากกว่าการเดาสุ่ม แต่ก็ยังมีโอกาสสูงที่จะเลือกผิดเช่นกัน
* ที่สำคัญ งานวิจัยเดียวกันยังพบว่าความแม่นยำของการสัมภาษณ์มีความแปรปรวนสูง ถึงระดับ ±0.24 นั่นหมายความว่าในบางสถานการณ์ การสัมภาษณ์อาจทำนายผลการทำงานได้ดีพอสมควร แต่ในบางสถานการณ์ความแม่นยำอาจลดลงจนแทบไม่ต่างจากการสุ่ม
* เหตุผลสำคัญคือ การสัมภาษณ์มักวัดสิ่งที่ผู้สมัคร รู้ว่าจะพูดอะไร ได้ดี แต่ไม่สามารถวัดสิ่งที่เขาจะ ทำจริง เมื่ออยู่ภายใต้แรงกดดันของงานจริง เช่น การแก้ปัญหาที่ไม่มีคำตอบสำเร็จรูป การทำงานร่วมกับทีม หรือการตัดสินใจในสถานการณ์ที่ข้อมูลไม่ครบถ้วน
การตอบคำถามบนเวที กับการตัดสินใจในสถานการณ์จริง จึงเป็นทักษะคนละประเภท
“การสัมภาษณ์วัด performance บนเวที แต่งานจริงเกิดขึ้นหลังม่าน”
====
อคติที่ผู้สัมภาษณ์ไม่รู้ตัวว่ามี?
อีกปัญหาหนึ่งของการสัมภาษณ์ไม่ได้อยู่ที่คำถาม แต่อยู่ที่มนุษย์ที่เป็นผู้ฟังคำตอบ
งานวิจัยด้านจิตวิทยาองค์กรพบว่า "ผู้สัมภาษณ์มักสร้างความเห็นเบื้องต้นเกี่ยวกับผู้สมัครภายในไม่กี่นาทีแรก และใช้เวลาที่เหลือของการสัมภาษณ์เพื่อยืนยันความเชื่อนั้นโดยไม่รู้ตัว"
"ปรากฏการณ์นี้เรียกว่า Halo Effect ซึ่งทำให้บุคลิกภาพ ความมั่นใจ หรือทักษะการสื่อสาร ส่งผลต่อการประเมินมากกว่าความสามารถในการทำงานจริง"
นอกจากนี้ยังมีอคติอีกหลายรูปแบบ เช่น
* การให้คะแนนผู้สมัครที่มีสไตล์คล้ายตัวเองสูงกว่า
* การตีความความมั่นใจว่าเป็นความสามารถ
* การใช้คำถามเพื่อยืนยันสิ่งที่ตัดสินใจไปแล้ว
เมื่ออคติเหล่านี้รวมกับความสามารถในการเตรียมตัวของผู้สมัคร การสัมภาษณ์จึงอาจคัดเลือกคนที่ “พูดเก่งที่สุด” มากกว่าคนที่ “ทำงานได้ดีที่สุด”
====
ยุค AI ทำให้การสัมภาษณ์ยิ่งไม่น่าเชื่อถือ
ความท้าทายของการสัมภาษณ์ยิ่งเพิ่มขึ้นในยุคที่เครื่องมือ AI สามารถช่วยผู้สมัครเตรียมคำตอบได้อย่างสมบูรณ์แบบ ภายในเวลาเพียงไม่กี่นาที ผู้สมัครสามารถใช้ AI เพื่อช่วยวิเคราะห์คำถาม สร้างโครงสร้างคำตอบ หรือแม้แต่จำลองสถานการณ์การสัมภาษณ์ล่วงหน้าได้
* ผู้สมัครจำนวนมากใช้เครื่องมืออย่าง ChatGPT เพื่อเตรียมคำตอบตามกรอบ STAR method หรือสร้างตัวอย่างประสบการณ์ที่ดูสมบูรณ์แบบ ทำให้คำตอบที่ปรากฏในห้องสัมภาษณ์มีความเป็นระบบ มีตรรกะ และฟังดูเป็นมืออาชีพมากขึ้นกว่ายุคก่อน
* ในมุมหนึ่ง สิ่งนี้ทำให้การสัมภาษณ์ดูมีคุณภาพขึ้น เพราะผู้สมัครสามารถอธิบายประสบการณ์ได้ชัดเจนและเป็นขั้นตอนมากขึ้น แต่ในอีกมุมหนึ่ง มันก็ทำให้ผู้สัมภาษณ์แยกแยะได้ยากขึ้นว่าคำตอบเหล่านั้นสะท้อนความสามารถจริงของผู้สมัคร หรือเป็นเพียงผลลัพธ์จากการเตรียมตัวด้วยเครื่องมือดิจิทัล
* ผลลัพธ์คือ ห้องสัมภาษณ์เต็มไปด้วยคำตอบที่ถูกต้องตามตำรา มีโครงสร้างชัดเจน และดูสมบูรณ์แบบในเชิงทฤษฎี แต่ไม่ได้สะท้อนวิธีคิดของผู้สมัครจริงเมื่อเผชิญกับปัญหาที่ไม่มีคำตอบสำเร็จรูป
องค์กรจึงเสี่ยงที่จะจ้างคนที่ “เตรียมตัวมาดีที่สุด” ในห้องสัมภาษณ์ แทนที่จะเป็นคนที่ “ทำงานได้ดีที่สุด” เมื่อเจอสถานการณ์จริงในองค์กร
====
ต้นทุนมหาศาลของการจ้างคนผิด?
การตัดสินใจผิดพลาดในการจ้างคนไม่ได้สร้างปัญหาเฉพาะในระดับบุคคล แต่สร้างผลกระทบทางเศรษฐศาสตร์องค์กรอย่างมหาศาล
ข้อมูลจาก U.S. Department of Labor และรายงานของ Society for Human Resource Management (SHRM) ระบุว่า การจ้างคนผิดหนึ่งคนอาจสร้างความสูญเสียอย่างน้อย 30% ของเงินเดือนปีแรกของพนักงานคนนั้น และสำหรับตำแหน่งสำคัญ ความสูญเสียอาจสูงกว่านั้นหลายเท่า
แต่ในโลกการทำงานจริง ตัวเลขเหล่านี้มักเป็นเพียง “ต้นทุนขั้นต่ำ” เท่านั้น เพราะผลกระทบของการจ้างคนผิดมักขยายออกไปในหลายระดับขององค์กร
ตัวอย่างเช่น เมื่อองค์กรจ้างคนที่ไม่สามารถทำงานได้ตามบทบาทจริง โปรเจกต์สำคัญอาจล่าช้า การตัดสินใจสำคัญอาจต้องถูกทำใหม่ และทีมต้องใช้เวลามากขึ้นในการแก้ไขปัญหาที่ไม่ควรเกิดขึ้นตั้งแต่ต้น
ต้นทุนเหล่านี้ไม่ได้อยู่แค่ในเงินเดือนที่สูญเสียไป แต่รวมถึง
* เวลาของผู้บริหารที่ต้องใช้แก้ปัญหาแทนที่จะใช้เวลาพัฒนาธุรกิจ
* productivity ของทีมที่ลดลง เพราะสมาชิกคนอื่นต้องช่วยกันอุดช่องโหว่ของงาน
* ความล่าช้าของโปรเจกต์ที่ทำให้โอกาสทางธุรกิจหายไป
* และขวัญกำลังใจของพนักงานคนอื่นที่ต้องแบกรับภาระงานแทน
ในหลายองค์กร คนเก่งในทีมมักเป็นกลุ่มแรกที่รู้สึกถึงผลกระทบของการจ้างคนผิด เพราะพวกเขาต้องใช้เวลามากขึ้นในการช่วยแก้ปัญหา หรือทำงานแทนในส่วนที่ควรเป็นหน้าที่ของคนใหม่
เมื่อเหตุการณ์เช่นนี้เกิดขึ้นซ้ำๆ ความรู้สึกไม่เป็นธรรมในทีมจะค่อยๆ เพิ่มขึ้น และอาจนำไปสู่การสูญเสีย talent ที่องค์กรไม่ควรเสียไปตั้งแต่ต้น ต้นทุนเหล่านี้มักไม่ปรากฏในงบการเงินโดยตรง แต่ส่งผลต่อประสิทธิภาพขององค์กรในระยะยาวอย่างมีนัยสำคัญ
====
เมื่อองค์กรเทคโนโลยีเริ่มเปลี่ยนวิธีคัดคน
การเปลี่ยนแปลงแนวคิดเรื่องการคัดเลือกบุคลากรไม่ได้เกิดขึ้นเฉพาะในงานวิจัย แต่เริ่มปรากฏอย่างชัดเจนในบริษัทเทคโนโลยีขนาดใหญ่ที่ต้องจ้างคนหลายหมื่นคนต่อปี และไม่สามารถพึ่งพาการตัดสินจากความรู้สึกของผู้สัมภาษณ์เพียงอย่างเดียวได้อีกต่อไป
* Google เคยเป็นองค์กรที่มีชื่อเสียงเรื่องการสัมภาษณ์ที่เต็มไปด้วยคำถามเชิงตรรกะหรือ brain teaser เช่น “มีลูกกอล์ฟกี่ลูกที่ใส่ในรถบัสได้” หรือ “จะออกแบบเครื่องชั่งสำหรับสนามบินอย่างไร” แนวคิดในช่วงนั้นคือการทดสอบความคิดเชิงตรรกะของผู้สมัคร
* แต่เมื่อ Google วิเคราะห์ข้อมูลการจ้างงานย้อนหลังหลายปี บริษัทกลับพบว่าคำถามลักษณะนี้แทบไม่ได้ช่วยทำนายผลการทำงานจริงของพนักงานเลย ในเวลาต่อมา Google จึงยกเลิกคำถามประเภท brain teaser และปรับระบบสัมภาษณ์ใหม่ให้เน้น structured interview และการประเมิน problem solving ที่เชื่อมโยงกับงานจริง มากขึ้น เช่น ให้ผู้สมัครอธิบายวิธีแก้ปัญหาที่เคยเจอจริง หรือให้วิเคราะห์สถานการณ์ที่คล้ายกับงานที่ต้องทำในองค์กร
* ขณะเดียวกัน Amazon ใช้กระบวนการที่เรียกว่า Bar Raiser ซึ่งเป็นระบบที่เพิ่ม "ชั้นของการตัดสินใจ" เข้าไปในกระบวนการจ้างงาน ผู้ที่ทำหน้าที่ Bar Raiser จะไม่ใช่หัวหน้าของตำแหน่งนั้น และไม่มีแรงจูงใจที่จะรีบจ้างคนเพื่อปิดตำแหน่ง แต่มีหน้าที่หลักเพียงอย่างเดียวคือ รักษามาตรฐานการจ้างงานขององค์กร
* กล่าวง่ายๆ คือ หากผู้สัมภาษณ์ในทีมต้องการจ้างผู้สมัคร แต่ Bar Raiser มองว่ายังไม่ถึงมาตรฐาน การจ้างงานนั้นอาจถูกยับยั้งได้ทันที ระบบนี้จึงช่วยลดปัญหาการตัดสินใจจาก "ความรู้สึกดี" หรือ "เคมีส่วนตัว" ระหว่างผู้สมัครกับผู้สัมภาษณ์
* แนวคิดของระบบนี้ไม่ใช่การเพิ่มจำนวนคำถามในการสัมภาษณ์ แต่เป็นการเพิ่ม กลไกตรวจสอบการตัดสินใจ (decision calibration) เพื่อให้การจ้างงานไม่ได้ขึ้นอยู่กับมุมมองของคนเพียงคนเดียว
สิ่งที่องค์กรเทคโนโลยีเหล่านี้เรียนรู้จากข้อมูลจริงคือ การสัมภาษณ์ยังมีประโยชน์ แต่ ไม่ควรเป็นเครื่องมือเดียวในการตัดสิน เพราะการตัดสินจากบทสนทนาเพียงครั้งเดียวมีโอกาสผิดพลาดสูง
* กระบวนการที่แม่นยำกว่าคือกระบวนการที่ผสมผสาน ข้อมูลหลายมิติ เข้าด้วยกัน เช่น การทดสอบทักษะ การวิเคราะห์ผลงานที่ผ่านมา การจำลองสถานการณ์งานจริง และการสัมภาษณ์เชิงโครงสร้าง ซึ่งช่วยให้องค์กรเห็นภาพความสามารถของผู้สมัครจากหลายมุม ไม่ใช่เพียงจากการตอบคำถามในห้องสัมภาษณ์เพียงอย่างเดียว
====
วิธีคิดใหม่คือ จาก “ฟังคำพูด” ไปสู่ “ดูการลงมือทำ”
องค์กรจำนวนมากเริ่มตระหนักว่าการสัมภาษณ์เพียงอย่างเดียวไม่เพียงพอในการประเมินคน เพราะการพูดถึงประสบการณ์กับการลงมือทำงานจริงเป็นคนละบริบทกันโดยสิ้นเชิง คนจำนวนมากสามารถอธิบายวิธีแก้ปัญหาได้อย่างดีในห้องสัมภาษณ์ แต่เมื่ออยู่ในสถานการณ์จริงที่มีความกดดัน เวลา และข้อจำกัดขององค์กรเข้ามาเกี่ยวข้อง ความสามารถในการตัดสินใจและการลงมือทำอาจแตกต่างจากสิ่งที่พูดไว้มาก
รายงาน State of Skills-Based Hiring 2024 จาก TestGorilla พบว่า 81% ของบริษัทเริ่มใช้การประเมินทักษะจริงเป็นส่วนหนึ่งของกระบวนการคัดเลือก แนวโน้มนี้สะท้อนการเปลี่ยนวิธีคิดขององค์กรจากการประเมิน “คำตอบ” ไปสู่การประเมิน “ความสามารถในการทำงานจริง” และผู้สมัครจำนวนมากเองก็รู้สึกว่ากระบวนการเช่นนี้ยุติธรรมกว่า เพราะเปิดโอกาสให้แสดงความสามารถผ่านผลงานจริง ไม่ใช่เพียงผ่านทักษะการพูด
แนวคิดที่กำลังได้รับความนิยมคือการใช้ Multi-measure Assessment ซึ่งหมายถึงการใช้เครื่องมือหลายประเภทประกอบกันเพื่อประเมินผู้สมัครจากหลายมุมมอง แทนที่จะพึ่งพาการสัมภาษณ์เพียงครั้งเดียว เครื่องมือเหล่านี้อาจรวมถึง
* การทดสอบทักษะจริง เพื่อดูว่าผู้สมัครสามารถแก้ปัญหาหรือทำงานตามบทบาทได้จริงหรือไม่?
* การจำลองสถานการณ์งาน (work simulation) เช่น การให้แก้โจทย์ธุรกิจ การวิเคราะห์ข้อมูล หรือการออกแบบแผนงาน
* การสัมภาษณ์เชิงลึกที่เน้นประสบการณ์จริงมากกว่าคำตอบเชิงทฤษฎี
* และการทดลองทำงานระยะสั้น ซึ่งช่วยให้องค์กรเห็นพฤติกรรมการทำงานจริงของผู้สมัครในบริบทของทีม
รายงาน Mercer Talent Acquisition Study 2024 ชี้ว่าองค์กรที่ใช้เครื่องมือหลายรูปแบบร่วมกันสามารถเพิ่มความแม่นยำในการคัดเลือกบุคลากรได้อย่างมีนัยสำคัญ เพราะแต่ละเครื่องมือวัดทักษะที่แตกต่างกัน บางเครื่องมือวัดความรู้ บางเครื่องมือวัดวิธีคิด และบางเครื่องมือวัดพฤติกรรมการทำงานจริง
ดังนั้นเหตุผลจึงไม่ใช่ว่าการสัมภาษณ์ไม่มีประโยชน์ แต่เป็นเพราะ เครื่องมือแต่ละชนิดวัดคนคนละด้าน และเมื่อใช้หลายเครื่องมือร่วมกัน ข้อมูลเหล่านั้นสามารถตรวจสอบและเสริมกันได้ ทำให้องค์กรเห็นภาพของผู้สมัครชัดเจนกว่าการตัดสินจากบทสนทนาเพียงครั้งเดียว
====
คำถามที่องค์กรควรถามตัวเอง
กระบวนการคัดเลือกคนในองค์กรจำนวนมากถูกออกแบบมาในยุคที่งานมีรูปแบบค่อนข้างคงที่ แต่โลกการทำงานปัจจุบันเต็มไปด้วยความไม่แน่นอนและปัญหาที่ไม่มีคำตอบสำเร็จรูป การเลือกคนด้วยบทสนทนาเพียงครั้งเดียวจึงอาจไม่เพียงพออีกต่อไป
“กระบวนการคัดคนของเราถูกออกแบบมาเพื่อหาคนที่ ตอบคำถามได้ดีที่สุด หรือคนที่ แก้ปัญหาได้ดีที่สุด?”
เพราะในโลกธุรกิจจริง คนที่สร้างคุณค่าให้กับองค์กรไม่ได้เป็นคนที่พูดได้ดีที่สุดในห้องสัมภาษณ์ แต่คือคนที่ลงมือทำได้ตรงโจทย์ที่สุดเมื่อเจอสถานการณ์จริง
#วันละเรื่องสองเรื่อง
#TalentAcquisition
#HRStrategy
#FutureOfWork
#SkillsBasedHiring
====
📚 Source / Reference
* Wingate, J. et al. (2024). Evaluating interview criterion-related validity for distinct constructs: A meta-analysis. International Journal of Selection and Assessment — https://onlinelibrary.wiley.com/doi/10.1111/ijsa.12494
* Sackett, P. et al. (2023). Structured interviews: Moving beyond mean validity. Industrial and Organizational Psychology — https://www.cambridge.org/core/journals/industrial-and-organizational-psychology/article/structured-interviews-moving-beyond-mean-validity/7CB1F7C86CB0D15328B3F07AD5F964E2
* TestGorilla (2024). The State of Skills-Based Hiring 2024 — https://www.testgorilla.com/skills-based-hiring/state-of-skills-based-hiring-2024/
* Society for Human Resource Management (SHRM). Talent trends and hiring cost research — https://www.shrm.org
- 1
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
