Skills-Based Hiring เมื่อ AI ช่วย SME คัดคนให้ตรงกับงานมากขึ้น

เรซูเมหนึ่งหน้าอาจบอกได้ว่าผู้สมัครเรียนที่ไหน เคยทำงานบริษัทอะไร และมีชื่อตำแหน่งอะไรติดอยู่ในประวัติการทำงาน แต่คำถามที่ธุรกิจอยากรู้จริง ๆ คือ “แล้วคนนี้ทำอะไรได้บ้าง และทักษะที่มีตรงกับงานที่เราต้องการแค่ไหน?”

นี่เป็นเหตุผลที่แนวคิด Skills-Based Hiring หรือการคัดคนโดยให้ความสำคัญกับทักษะและความสามารถที่แสดงให้เห็นได้ เริ่มมีบทบาทมากขึ้น โดยเฉพาะในช่วงที่ทักษะที่ธุรกิจต้องการกำลังเปลี่ยนตามเทคโนโลยี

ดังนั้น AI จึงไม่ได้เข้ามาแค่ช่วยให้ HR อ่านเรซูเมได้เร็วขึ้น แต่เริ่มถูกนำมาใช้ช่วยค้นหาและจับคู่ผู้สมัครจากทักษะ คุณสมบัติ และประสบการณ์ที่เกี่ยวข้องกับงาน ทำให้ SME มีอีกทางเลือกในการมองหาคน นอกเหนือจากการไล่ดูวุฒิ ชื่อตำแหน่งเดิม หรือคีย์เวิร์ดในเรซูเมเพียงอย่างเดียว

ทำไม Skills-Based Hiring ถึงสำคัญสำหรับตลาดแรงงานยุคใหม่?

เพราะโจทย์ของตลาดแรงงานไม่ได้มีเพียงว่า “หาคนได้หรือไม่ได้” แต่ยังรวมถึง คนที่หาได้มีทักษะตรงกับสิ่งที่ธุรกิจกำลังต้องการหรือไม่

รายงาน Future of Jobs Report 2025 ของ World Economic Forum (WEF) ซึ่งรวบรวมมุมมองจากนายจ้างทั่วโลกมากกว่า 1,000 แห่ง ครอบคลุมแรงงานมากกว่า 14 ล้านคนใน 55 เศรษฐกิจ ระบุว่า 63% ของนายจ้างที่สำรวจมองว่าช่องว่างด้านทักษะในตลาดแรงงาน (Skills Gap) เป็นอุปสรรคสำคัญที่สุดต่อการเปลี่ยนแปลงธุรกิจในช่วงปี 2025-2030 ขณะเดียวกัน นายจ้างคาดว่าโดยเฉลี่ย 39% ของทักษะหลักของแรงงานจะเปลี่ยนแปลงภายในปี 2030

เมื่อทักษะที่ธุรกิจต้องการเปลี่ยนเร็วขึ้น การพิจารณาผู้สมัครจากข้อมูลแบบเดิม เช่น วุฒิการศึกษา ชื่อตำแหน่งเดิม หรือประสบการณ์ในอุตสาหกรรมเดียวกันเพียงอย่างเดียว จึงอาจยังไม่สะท้อนว่าผู้สมัครมีทักษะอะไรที่สามารถนำมาใช้กับงานใหม่ได้บ้าง

ลองนึกถึงผู้สมัครสองคนในตำแหน่งเดียวกัน คนแรกอาจเคยมี Job Title ตรงกับตำแหน่งที่เปิดรับ ขณะที่อีกคนใช้ชื่อตำแหน่งต่างออกไป แต่เคยวิเคราะห์ข้อมูล ใช้เครื่องมือ หรือดูแลโปรเจกต์ที่ต้องอาศัยทักษะใกล้เคียงกัน หากกระบวนการคัดกรองให้ความสำคัญกับชื่อตำแหน่งหรือคีย์เวิร์ดเป็นหลัก ผู้สมัครคนหลังอาจถูกมองข้าม แม้จะมีทักษะบางส่วนที่เกี่ยวข้องกับงานก็ตาม

นี่จึงเป็นที่มาของแนวคิด Skills-First หรือการคัดคนโดยให้ความสำคัญกับทักษะและความสามารถที่ผู้สมัครมี มากกว่าการดูเพียงว่า “เคยเป็นอะไรมา” โดยเปลี่ยนคำถามหลักเป็น “มีทักษะอะไรที่นำมาใช้กับงานนี้ได้บ้าง?”

โอกาสของ SME เมื่อ AI ช่วยมองหา “ทักษะจริง” มากกว่าแค่หาคีย์เวิร์ด

สำหรับ SME ประเด็นที่น่าสนใจไม่ใช่การเปลี่ยนทุกขั้นตอนการสรรหาให้ AI ทำแทนคน แต่คือการเลือกใช้ AI ในจุดที่ช่วยจัดการข้อมูลจำนวนมาก และเปิดมุมมองต่อผู้สมัครที่อาจมองไม่เห็นจากการอ่านเรซูเมแบบเดิม

1. ค้นหาทักษะจากบริบทที่อาจซ่อนอยู่หลังชื่อตำแหน่งงาน

ระบบค้นหาผู้สมัครด้วย AI บางประเภทช่วยให้ Recruiter ค้นหาผู้สมัครได้มากกว่าการพิมพ์คีย์เวิร์ดตรง ๆ เพราะสามารถนำข้อมูลอย่าง Job Description หรือรายละเอียดของตำแหน่งงานมาช่วยวิเคราะห์ว่า งานนั้นต้องการทักษะและคุณสมบัติแบบไหน

ตัวอย่างเช่น Advanced AI-Assisted Search ของ LinkedIn Recruiter สามารถใช้ข้อมูลจาก Job Description, Job Link หรือ Intake Notes มาช่วยค้นหาผู้สมัครที่มีคุณสมบัติเกี่ยวข้อง แม้บางทักษะจะไม่ได้เขียนไว้ตรง ๆ บนโพรไฟล์ ไม่ว่าจะเป็นประสบการณ์ในการแก้ปัญหาที่มีความคลุมเครือ หรือการทำงานร่วมกับหลายทีม จุดเด่นคือธุรกิจไม่จำเป็นต้องค้นหาคนจากชื่อตำแหน่งหรือคำในเรซูเมเพียงอย่างเดียว แต่สามารถเริ่มจากโจทย์ของงาน แล้วให้ระบบช่วยมองหาผู้สมัครที่มีทักษะใกล้เคียงกับสิ่งที่ต้องการได้

อย่างไรก็ตาม ความสามารถของ AI แต่ละเครื่องมือไม่เหมือนกัน SME จึงควรดูให้ชัดว่าแต่ละระบบใช้ข้อมูลอะไรในการจับคู่ผู้สมัคร และมีวิธีประเมินทักษะแบบไหนก่อนนำมาใช้จริง

2. ให้ AI ช่วยคัดกรองเบื้องต้น แล้วให้คนตัดสินในจุดสำคัญ

เมื่อมีผู้สมัครจำนวนมาก AI สามารถเข้ามาช่วยในงานต้นทาง เช่น อ่านข้อมูลในเรซูเม จัดกลุ่มผู้สมัคร หรือ Shortlist ตามเกณฑ์ที่กำหนด สำหรับ SME ประโยชน์จึงอาจอยู่ที่การลดงานที่ต้องไล่อ่านข้อมูลชุดเดิมซ้ำ ๆ แล้วโยกเวลาของทีมไปยังขั้นตอนที่ต้องใช้วิจารณญาณของคนมากกว่า เช่น การสัมภาษณ์ การดู Portfolio หรือการทดสอบทักษะที่เกี่ยวข้องกับงานจริง

ข้อมูลจาก LinkedIn Future of Recruiting 2025 ระบุว่า ในกลุ่ม Talent Acquisition Professionals ที่กำลังทดลองใช้หรือผสาน Generative AI เข้ากับกระบวนการสรรหา เวลาที่ประหยัดได้เฉลี่ยอยู่ที่ประมาณ 20% ของสัปดาห์การทำงาน ขณะที่ 35% ระบุว่านำเวลาที่ประหยัดได้ไปใช้กับการคัดกรองผู้สมัคร และ 26% นำไปใช้กับการประเมินทักษะ 

ทั้งนี้ ตัวเลขดังกล่าวเป็นข้อมูลจากกลุ่มผู้ตอบแบบสำรวจของ LinkedIn จึงไม่ควรตีความว่า SME ทุกแห่งจะประหยัดเวลาได้ในระดับเดียวกัน แต่ช่วยให้เห็นตัวอย่างว่าทีมสรรหาบางส่วนกำลังย้ายเวลาจากงาน Routine ไปสู่งานประเมินผู้สมัครมากขึ้น

3. เปิด Talent Pool ให้กว้างกว่าชื่อตำแหน่งและวุฒิ

อีกโอกาสหนึ่งของ Skills-First คือช่วยให้ธุรกิจมองผู้สมัครได้กว้างกว่าการเทียบชื่อตำแหน่งเดิมกับตำแหน่งที่กำลังเปิดรับ เพราะผู้สมัครบางคนอาจไม่เคยทำงานใน Job Title เดียวกันมาก่อน แต่มี Transferable Skills หรือทักษะที่สามารถนำไปใช้กับงานใหม่ได้ เมื่อ HR หันมาให้ความสำคัญกับทักษะของผู้สมัครมากขึ้น ก็จะมีโอกาสพบผู้สมัครที่อาจไม่เคยมีชื่อตำแหน่งตรงกับงานที่เปิดรับ แต่มีทักษะที่สามารถถ่ายโอนและนำมาใช้กับตำแหน่งนั้นได้

สำหรับ SME วิธีคิดนี้ช่วยให้การตั้งเกณฑ์รับคนไม่จำเป็นต้องเริ่มจากคำถามว่า “ต้องเคยทำตำแหน่งนี้มาก่อนหรือไม่” เพียงอย่างเดียว แต่สามารถเริ่มจากการระบุว่า งานนั้นต้องใช้ทักษะอะไรบ้าง แล้วจึงตรวจว่าผู้สมัครมีประสบการณ์ ผลงาน หรือหลักฐานที่สะท้อนทักษะเหล่านั้นหรือไม่

SME ได้อะไรจากการเปลี่ยนจาก Resume-First เป็น Skills-First?

เมื่อมองผู้สมัครผ่าน “ทักษะที่งานต้องใช้” มากขึ้น ประโยชน์ของ Skills-First ยังช่วยให้ SME กลับมาทบทวนเกณฑ์การรับคนของตัวเองให้ชัดขึ้นว่า ตำแหน่งหนึ่ง ๆ ต้องการความสามารถอะไรจริง และควรใช้หลักฐานแบบไหนในการประเมินผู้สมัคร

วิธีคิดนี้จึงสามารถนำไปใช้ได้ตั้งแต่การเขียนประกาศงาน การคัดกรอง ไปจนถึงการสัมภาษณ์และประเมินทักษะ โดยไม่จำเป็นต้องเปลี่ยนระบบสรรหาทั้งหมดในครั้งเดียว

กำหนดคุณสมบัติจากงานที่ต้องทำจริงได้ชัดขึ้น

แทนที่จะเริ่มจากเงื่อนไขว่า ต้องจบสาขาใด เคยทำตำแหน่งอะไร หรือมีประสบการณ์ในอุตสาหกรรมเดียวกันกี่ปี SME สามารถเริ่มจากการแยกงานออกมาเป็นทักษะที่จำเป็น เช่น การวิเคราะห์ข้อมูล การเจรจากับลูกค้า การใช้ระบบ CRM การบริหารโครงการ หรือการสร้างคอนเทนต์

จากนั้นจึงแบ่งให้ชัดว่า ทักษะใดเป็นสิ่งที่จำเป็นตั้งแต่เริ่มงาน และทักษะใดสามารถเรียนรู้เพิ่มเติมภายหลังได้ วิธีนี้ช่วยให้ธุรกิจเห็นชัดขึ้นว่า คุณสมบัติข้อใดเกี่ยวข้องกับการทำงานโดยตรง และข้อใดเป็นเพียงเงื่อนไขที่เคยใช้ในการรับสมัครที่ผ่านมา

ใช้เกณฑ์เดียวกันตั้งแต่ประกาศงานไปจนถึงการสัมภาษณ์

เมื่อธุรกิจระบุทักษะที่ต้องการได้แล้ว ทักษะชุดเดียวกันสามารถนำมาใช้เป็นกรอบตลอดกระบวนการสรรหา ตั้งแต่การเขียน Job Description การคัดกรองเรซูเม การออกแบบ Work Sample ไปจนถึงการตั้งคำถามสัมภาษณ์

ตัวอย่างเช่น หากตำแหน่งหนึ่งต้องใช้ทักษะวิเคราะห์ข้อมูล ธุรกิจก็สามารถระบุทักษะดังกล่าวไว้ในประกาศงาน ใช้เป็นหนึ่งในเกณฑ์คัดกรอง และออกแบบแบบทดสอบหรือคำถามสัมภาษณ์ให้ผู้สมัครแสดงวิธีคิดที่เกี่ยวข้องกับทักษะนั้น วิธีนี้ช่วยให้แต่ละขั้นตอนอิงกับโจทย์เดียวกันมากขึ้น แทนที่จะใช้เกณฑ์คนละชุดในแต่ละรอบของการคัดเลือก

แยกได้ชัดขึ้นว่าอะไร “ต้องมี” และอะไร “พัฒนาได้”

ไม่ใช่ทุกทักษะของตำแหน่งงานที่ผู้สมัครจำเป็นต้องมีครบตั้งแต่วันแรก บางทักษะอาจเป็นหัวใจของงานและต้องใช้ทันที ขณะที่บางเรื่องสามารถเรียนรู้เพิ่มเติมจากการทำงานหรือการฝึกอบรมภายในองค์กรได้

การแยกสองส่วนนี้ออกจากกันช่วยให้ SME ไม่จำเป็นต้องตั้งเกณฑ์หาผู้สมัครที่ “ครบทุกข้อ” ตั้งแต่ต้น แต่สามารถกำหนด Minimum Requirement ให้ชัดว่าทักษะใดจำเป็นจริง แล้วพิจารณาต่อว่าทักษะส่วนใดสามารถพัฒนาเพิ่มเติมได้ภายหลัง

นอกจากช่วยให้การรับคนมีกรอบที่ชัดขึ้นแล้ว ข้อมูลเดียวกันยังสามารถนำไปต่อยอดในการวางแผนพัฒนาพนักงานหลังรับเข้าทำงาน เช่น ระบุ Skill Gap ของแต่ละคนและเลือกหัวข้อที่ควรฝึกเพิ่มเติมให้สอดคล้องกับงานที่รับผิดชอบ

4 ขั้นตอนเบื้องต้น คัดกรองผู้สมัครให้ตรงคุณสมบัติและลดเวลาในการสรรหา

SME สามารถเริ่มทดลองจากเพียงหนึ่งตำแหน่งที่กำลังเปิดรับ โดยแยกทักษะที่จำเป็น กำหนดหลักฐานสำหรับประเมิน ทดลองใช้ AI ช่วยคัดกรอง และตรวจสอบผลลัพธ์กับคนจริง ดังนี้

• แยก Job Description ออกมาเป็นทักษะ ระบุให้ชัดว่าอะไรจำเป็นต่อการทำงานจริง และอะไรเป็นเพียงคุณสมบัติที่ “เคยใช้กันมา”

• กำหนดหลักฐานของแต่ละทักษะ เช่น ผลงาน แบบทดสอบ ตัวอย่างงาน Certification หรือประสบการณ์จากโปรเจกต์

• ทดลองใช้ AI ช่วยค้นหาหรือคัดกรองกับข้อมูลที่ธุรกิจมีอยู่ โดยยังไม่ให้ AI เป็นผู้ตัดสินขั้นสุดท้าย

• ตรวจผลลัพธ์กับคนจริง ดูว่าผู้สมัครที่ระบบแนะนำตรงกับเกณฑ์หรือไม่ มีคนที่ควรผ่านแต่ถูกตัดออกหรือไม่ แล้วจึงค่อยปรับเกณฑ์

ช่วงเริ่มต้นจึงไม่จำเป็นต้องมีทีม Data หรือสร้าง AI Recruitment System ขึ้นมาเอง หากเครื่องมือสรรหาหรือแพลตฟอร์มที่ใช้อยู่มีฟังก์ชันช่วยค้นหา วิเคราะห์ หรือจัดกลุ่มผู้สมัครอยู่แล้ว SME สามารถเริ่มจากการทดลองในขอบเขตเล็กก่อน แล้ววัดจากเวลาในการคัดกรอง จำนวนผู้สมัครที่ผ่านเข้าสัมภาษณ์ และคุณภาพของข้อมูลที่ใช้ตัดสินใจ โดยสิ่งสำคัญคือ อย่าเปลี่ยนอคติ (Bias) ของคนให้กลายเป็นอคติที่ทำงานอัตโนมัติ

ทั้ง OECD และองค์การแรงงานระหว่างประเทศ (ILO) ต่างก็ชี้ถึงความเสี่ยงจากการใช้ AI ในงาน HR โดยเฉพาะเรื่องอคติของข้อมูล และความโปร่งใสของระบบ หากข้อมูลที่ใช้ฝึกระบบสะท้อนอคติจากการตัดสินใจในอดีต หรือเกณฑ์ที่ใช้กับระบบมีข้อจำกัด AI ก็อาจนำอคติเหล่านั้นมาใช้ซ้ำ และในบางกรณีอาจทำให้อคติรุนแรงขึ้นได้

ดังนั้น แนวทางใหม่ของการคัดคนอาจไม่ใช่การให้ AI “เลือกคนที่ดีที่สุด” แทนธุรกิจ แต่คือการใช้ AI ช่วยมองเห็นทักษะที่ซ่อนอยู่ในข้อมูลจำนวนมาก แล้วให้คนใช้ข้อมูลนั้นตัดสินใจอย่างมีหลักเกณฑ์

สำหรับ SME ที่มีทีมไม่ใหญ่ จุดเริ่มต้นอาจเป็นการกลับไปถามกับตำแหน่งที่กำลังเปิดรับว่า “คนที่จะทำงานนี้ได้ดี ต้องทำอะไรได้บ้าง?” เมื่อคำตอบข้อนี้ชัดขึ้น ทั้ง Job Description วิธีค้นหาคน แบบทดสอบ และการใช้ AI ก็จะมีโอกาสเดินไปในทิศทางเดียวกันมากขึ้น

ข้อมูลอ้างอิง

1. Advanced AI Search in Recruiter. สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://www.linkedin.com/help/recruiter/answer/a9658019

2. AI in human resource management: The limits of empiricism. สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://www.ilo.org/publications/ai-human-resource-management-limits-empiricism 

3. Artificial intelligence and labour market matching (EN). สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://www.oecd.org/content/dam/oecd/en/publications/reports/2023/01/artificial-intelligence-and-labour-market-matching_1e1c9ab6/2b440821-en.pdf 

4. Artificial intelligence and labour market matching. สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://www.oecd.org/en/publications/artificial-intelligence-and-labour-market-matching_2b440821-en.html

5. Empowering the Workforce in the Context of a Skills‑First Approach. สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/06/empowering-the-workforce-in-the-context-of-a-skills-first-approach_0e3be363/345b6528-en.pdf

6. Future of Jobs Report 2025. สืบค้นเมื่อวันที่ 17 กันยายน 2026 จาก https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf