เมื่อ HR มีเลขาฯ อัจฉริยะ พลิกโฉมการคัดเรซูเม่และนัดสัมภาษณ์ด้วย Agentic AI แบบครบวงจร

ในยุคที่ข้อมูลและเทคโนโลยีขับเคลื่อนโลกธุรกิจ แผนกทรัพยากรบุคคล (Human Resources – HR) ถือเป็นด่านหน้าสำคัญในการค้นหา “คน” ที่ใช่เข้าสู่องค์กร แต่หนึ่งในปัญหาคลาสสิกที่บั่นทอนเวลาและพลังงานของ HR มากที่สุดคือ “งานแอดมิน (Administrative Tasks)” โดยเฉพาะการนั่งคัดกรองเรซูเม่นับร้อยนับพันฉบับ และการส่งอีเมลเพื่อหาคิวว่างตรงกันสำหรับการนัดสัมภาษณ์

วันนี้ แวดวงเทคโนโลยีและปัญญาประดิษฐ์ได้นำเสนอโซลูชันที่จะมาเปลี่ยนเกมนี้อย่างสิ้นเชิง นั่นคือการนำ Agentic AI หรือ AI ที่มีทักษะในการตัดสินใจและลงมือทำด้วยตัวเอง มาทำหน้าที่เป็น “เลขาฯ อัจฉริยะ” แบบครบวงจร บทความนี้ Numsai Tech จะพาคุณไปเจาะลึกว่า AI Agent เข้ามาจัดการข้อมูลเรซูเม่ คัดกรองผู้สมัคร และจัดการตารางนัดหมายอัตโนมัติได้อย่างไร พร้อมยกระดับงาน HR ให้ก้าวไปอีกขั้น

Agentic AI คืออะไร? ต่างจาก AI ทั่วไปอย่างไรในงาน HR

ก่อนที่เราจะเจาะลึกกระบวนการทำงาน เราต้องเข้าใจความแตกต่างระหว่าง Generative AI ทั่วไป (เช่น แชตบอตที่เราคุ้นเคย) กับ Agentic AI เสียก่อน

• Generative AI ทั่วไป ทำหน้าที่โต้ตอบ สร้างข้อความ หรือสรุปข้อมูลตามคำสั่ง (Prompt) ที่ป้อนเข้าไป
• Agentic AI คือระบบปัญญาประดิษฐ์ที่มี “ความเป็นตัวแทน (Agency)” สามารถรับเป้าหมายหลักไป วางแผน แตกงานย่อย (Task Breakdown) ดึงข้อมูลจากระบบอื่นผ่าน API และ “ลงมือทำ” กระบวนการต่างๆ ได้เองจนกว่างานจะสำเร็จ โดยมีการแทรกแซงจากมนุษย์น้อยที่สุด

เมื่อนำ Agentic AI มาประยุกต์ใช้กับซอฟต์แวร์การจัดการทรัพยากรบุคคล (HRIS – Human Resources Information System) มันจึงไม่ใช่แค่ตัวสรุปเรซูเม่ แต่เป็นผู้ช่วยที่ทำงานตั้งแต่ต้นน้ำจนถึงปลายน้ำ

เจาะลึก 3 ขั้นตอนการทำงานของ Agentic AI ในการสรรหาบุคลากร

1. Resume Parsing การดึงและจัดโครงสร้างข้อมูลจากเรซูเม่

ผู้สมัครแต่ละคนออกแบบเรซูเม่ด้วยรูปแบบ (Format) ที่แตกต่างกัน ทั้งไฟล์ PDF, Word หรือแม้แต่รูปภาพ ในอดีต ระบบ ATS (Applicant Tracking System) รุ่นเก่ามักจะมีปัญหาในการอ่านข้อมูลหากฟอร์แมตไม่ตรงเป๊ะ

แต่ Agentic AI ขับเคลื่อนด้วยเทคโนโลยี Natural Language Processing (NLP) และ Computer Vision (OCR) ขั้นสูง ทำให้มันสามารถ “อ่านและทำความเข้าใจ” บริบทของเรซูเม่ได้เหมือนมนุษย์

• สกัดข้อมูลสำคัญ ดึงชื่อ, เบอร์ติดต่อ, อีเมล, ประวัติการศึกษา, และประสบการณ์การทำงานออกมาได้อย่างแม่นยำ
• แปลงข้อมูลให้อยู่ในรูปแบบที่มีโครงสร้าง (Structured Data) จับคู่ข้อมูลเหล่านั้นลงในฐานข้อมูลขององค์กร (Database) โดยอัตโนมัติ ทำให้การค้นหาย้อนหลังทำได้ง่ายขึ้น

2. Intelligent Screening การคัดกรองคุณสมบัติตามเกณฑ์ที่ตั้งไว้

เมื่อข้อมูลถูกดึงออกมาแล้ว Agentic AI จะเข้าสู่โหมดการเป็นผู้ประเมิน โดย HR สามารถตั้งเกณฑ์ (Criteria) หรือ Prompt พื้นฐานไว้ล่วงหน้า เช่น “ต้องการผู้ที่มีประสบการณ์สาย Cybersecurity อย่างน้อย 3 ปี และเขียน Python ได้”

• Semantic Matching AI จะไม่ได้ค้นหาแค่คำ (Keyword) ตรงตัวแบบระบบเก่า แต่จะเข้าใจความหมายเชิงบริบท (Semantic Search) หากผู้สมัครเขียนว่า “Network Penetration Testing” AI จะรู้ทันทีว่านี่คือทักษะที่เกี่ยวข้องกับ Cybersecurity
• Scoring & Ranking ระบบจะให้คะแนน (Score) ผู้สมัครแต่ละคนและจัดอันดับความเหมาะสม ทำให้ HR สามารถโฟกัสเฉพาะ Top 10% ของผู้สมัครที่ดีที่สุดได้ทันที ช่วยลดความลำเอียง (Bias) เบื้องต้นที่อาจเกิดจากความเหนื่อยล้าของมนุษย์

3. Automated Scheduling การประสานงานและนัดสัมภาษณ์อัตโนมัติ

นี่คือจุดที่ Agentic AI เปล่งประกายที่สุดและลดเวลาทำงานได้มหาศาล เมื่อ AI ตัดสินใจ (หรือ HR กดอนุมัติ) ว่าผู้สมัครคนนี้ผ่านเข้ารอบ ระบบจะเริ่มทำงานประสานงานทันที

• เช็กตารางเวลา (Calendar Syncing) AI จะเชื่อมต่อกับปฏิทินของกรรมการสัมภาษณ์ (เช่น Google Workspace หรือ Microsoft 365) เพื่อหาช่วงเวลาที่ว่างตรงกัน
• ส่งอีเมลโต้ตอบ AI จะส่งอีเมลหาผู้สมัครด้วยภาษาที่สุภาพและเป็นธรรมชาติ เพื่อเสนอตัวเลือกเวลาสัมภาษณ์ (Time Slots)
• จัดการการตอบกลับ หากผู้สมัครไม่สะดวกเวลาดังกล่าวและขอเลื่อน AI สามารถประมวลผลข้อความตอบกลับ หาคิวใหม่ และส่งลิงก์สัมภาษณ์ (เช่น Zoom, Microsoft Teams, Google Meet) ให้ใหม่ได้เองทั้งหมด โดยที่ HR ไม่ต้องเปิดอีเมลอ่านเลยด้วยซ้ำ!

เปรียบเทียบการสรรหาบุคลากร แบบดั้งเดิม VS ทำงานด้วย Agentic AI

ความท้าทายและข้อควรระวังด้านความปลอดภัยไซเบอร์ (Cybersecurity)

แม้เทคโนโลยีนี้จะทรงพลัง แต่เว็บไซต์ Numsai Tech ขอเน้นย้ำถึงสิ่งที่องค์กรไอทีไม่ควรมองข้าม

1. การปฏิบัติตามกฎหมาย PDPA / GDPR เรซูเม่เต็มไปด้วยข้อมูลส่วนบุคคล (PII) การให้ AI ประมวลผลต้องแน่ใจว่าระบบมีการเข้ารหัสข้อมูล (Encryption) อย่างแน่นหนา ทั้งแบบ Data in Transit และ Data at Rest
2. AI Bias (ความลำเอียงของอัลกอริทึม) แม้ AI จะตัดอคติส่วนตัวของมนุษย์ออกไปได้ แต่หากโมเดลภาษาถูกฝึกฝนด้วยข้อมูลที่มีความลำเอียง (เช่น เลือกเฉพาะเรซูเม่ของเพศใดเพศหนึ่ง) องค์กรอาจสูญเสียผู้สมัครที่มีศักยภาพไป ดังนั้นจึงต้องมีการ Audit ระบบ AI (AI Auditing) อย่างสม่ำเสมอ
3. ความโปร่งใส (Transparency) องค์กรควรแจ้งให้ผู้สมัครทราบอย่างโปร่งใสว่ากระบวนการคัดกรองเบื้องต้นมีการใช้งาน AI เข้ามาช่วย

บทสรุป

Agentic AI ไม่ได้ถูกสร้างมาเพื่อ “แย่งงาน” HR แต่ถูกสร้างมาเพื่อ “คืนเวลา” อันมีค่าให้กับ HR ต่างหาก เมื่อระบบอัตโนมัติรับหน้าที่ที่น่าเบื่อและใช้เวลานานอย่างการจัดการข้อมูลเรซูเม่และการนัดสัมภาษณ์ไปหมดแล้ว HR ยุคใหม่จึงสามารถทุ่มเทเวลาไปกับงานที่ใช้ “ความเป็นมนุษย์” สูงขึ้น เช่น การประเมินทัศนคติ (Cultural Fit), การพัฒนาศักยภาพบุคลากร (Talent Development) และการวางกลยุทธ์รักษาคนเก่งไว้ในองค์กร (Employee Retention)

เทคโนโลยีนี้ไม่ใช่เรื่องของอนาคตอันไกลโพ้นอีกต่อไป องค์กรที่ปรับตัวและนำระบบเหล่านี้มาใช้ก่อน ย่อมได้เปรียบในการคว้าตัวบุคลากรหัวกะทิเข้าสู่องค์กรได้อย่างรวดเร็วและมีประสิทธิภาพที่สุด