פרק 200: AI וראיונות: איך משלבים טכנולוגיה ואנשים למיון מדויק, יעיל והוגן. השיחה עם שירן דנוך

AI וראיונות: איך משלבים טכנולוגיה ואנשים למיון מדויק, יעיל והוגן. השיחה עם שירן דנוך

*אם מעניין אותך לשמוע על קורס ראיון התנהגותי-מצבי למשאבי אנוש, שייפתח ב 4/5/2026, כל הפרטים נמצאים כאן בקישור

הוובינר התקיים ב 26/2/2026

(תמלול ע"י אפליקציית TimeOS וסיכום ע"י ChatGPT)

 

הצגה ורקע: שירן דנוך

שירן דנוך (פסיכולוגית ארגונית) מציגה קריירה שממוקדת בקבלת החלטות מבוססות־דאטה סביב טאלנט – בעיקר מיון והערכה של מועמדים. היא בנתה לאורך השנים כלים ומערכות בעולם ה-HR Tech שמסייעים לארגונים להעריך מועמדים בצורה מבוססת כישורים (skills-based), עקבית וניתנת למדידה.
היא מתארת את החברה והפלטפורמה שבנתה (Informed Decisions) ככלי שנכנס לתוך תהליך הריאיון: מתעד, מנתח, מסייע בשיפור איכות ההערכה – וגם נותן תובנות למראיינים עצמם על חוזקות, הטיות ושיפור לאורך זמן (כולל מעקב אחרי איכות גיוס, ביצועים ושימור).

 

איך ה-AI נכנס לעולם הריאיונות – ומה זה עושה למימד האנושי?

מורית: ריאיון הוא “הזירה האנושית האחרונה” בתהליך – המקום שבו יש מפגש אישי, בדיקה הדדית, וחוויה אנושית שאי אפשר להחליף בקלות. חששות שעלו מהשטח:

• מועמדים עם אוזנייה בזמן ריאיון כש-ChatGPT “לוחש” תשובות.
• כלים שמנתחים הבעות פנים/מיקרו־אקספרשנס ומסמנים “שקר/חשד”.
  זה נחווה בעיניה כיותר חודרני מצד אחד ויותר “מזויף” מצד שני, ומטלטל את האמון והחיבור האנושי.

שירן: ה-AI מרגש ויכול לתת ערך גדול, אבל אי אפשר לסמוך עליו בעיניים עצומות – יש הזיות, דאטה בעייתי, ו-“garbage in, garbage out”. יחד עם זאת, ה-AI כבר כאן, ורוב החברות בעולם משלבות אותו איפשהו בתהליך הגיוס (בין אם ב-ATS ובין אם בכלים נוספים).

 

איפה ה-AI נותן ערך לפני הריאיון?

אפשר לחלק את שימושי ה-AI ל־לפני / במהלך / אחרי.

לפני הריאיון – שני שימושים מרכזיים:

1. השוואת תיאור משרה מול קו״ח: זיהוי הלימה ופערים בצורה מהירה ויותר סטנדרטית (במקום עבודה ידנית).
   מורית מדייקת שזה בעיניה יותר שלב סינון מאשר “הכנה לריאיון”, כי הכנה לריאיון אמורה להישען על דרישות התפקיד ולא על האדם.
   שירן מסכימה, אך מציינת שבפועל ראיונות ראשוניים רבים עדיין “מאמתים קו״ח”, ולכן אם כבר עושים את זה – עדיף שיעשה ביעילות ובסטנדרטיזציה.
2. בניית מדריך ריאיון (Interview Guide): יצירת סט שאלות + “מכוונים” (איך נראית תשובה טובה/בינונית/חלשה).
   שירן מדגישה ששאלות שמיוצרות ע״י מודלים כלליים דורשות בקרה אנושית ויש להן מגבלות.
   ה- GPT שמורית בנתה ממפה מצבים ומתוכם מייצר שאלות – ובנוסף מבקשת מה-AI לנסח גם תשובות אפשריות כדי להכניס סטנדרטיזציה ולהכין את המראיינ/ת להערכה מדויקת.

במהלך הריאיון

הערך המרכזי: לא להסתמך על הזיכרון המוטה.
שירן מציעה שימושים כמו:

• תמלול מלא (Transcription) ותיעוד שיחה.
• אפשרות להקליט אודיו (שירן פחות בעד וידאו, כי הוא מכניס יותר רמזים ויזואליים שמגבירים הטיות – מראה, שפת גוף, “ביטחון” נתפס).

הסתייגות חזקה: ניתוח שפת גוף / מיקרו־אקספרשנס

שירן מזהירה מפני ספקים שמצהירים שהם מנתחים גם שפת גוף או הבעות פנים לצורך הערכה – לטענתה זה מוטה תרבותית ויכול להיות “מדע מפוקפק” בהקשר יישומי לגיוס.
מורית מביאה ניואנס: עולם המיקרו־אקספרשנס עצמו עשיר ומבוסס מחקרית, אבל הבעיה היא הניתוק מהקונטקסט – בלי לשאול ולהבין מה מקור הרגש, אפשר לפרש לא נכון.

הבעיה מתחדדת כשזה נעשה אוטומטית וללא אפשרות של המועמד להסביר.

 

אחרי הריאיון – איך AI משפיע על קבלת החלטות?

כאשר יש תיעוד מלא, ה-AI יכול:

• לסכם את הריאיון (בדומה ל-AI notetaker), אבל לא רק כסיכום כללי אלא לפי כישורים: חוזקות/חולשות לפי סקילים שנבדקו.
• לאגד נתונים ממראיינים מרובים לפני שמתחילים “להדביק” זה את זו ברושם הראשוני.
  תופעה שכיחה: אחרי שהמועמד יוצא, המראיינים מחליפים רשמים ומשפיעים אחד על השני. הצגה של ההערכות בנפרד לפני דיון משותף יכולה לשפר דיוק ולהקטין הטיות.

מדובר בקטגוריה של כלים שנקראת Interview Intelligence – כלים שנכנסים לריאיון כ“מאזין שקט”, מתמללים, מאפשרים תיעוד אישי לכל מראיין, ולעיתים גם מוסיפים שכבת ניתוח/השוואה בין מועמדים.

 

“האם עוד מעט אי אפשר יהיה לראיין בלי טכנולוגיה?”

תמיד אפשר – כמו שאפשר לעבוד בלי AI – אבל מי שלא ישתמש יהיה פחות יעיל ופחות מדויק ויישאר מאחור.
יחד עם זה האלמנט האנושי לא נעלם: אנשים רוצים לפגוש אנשים, והארגונים והמועמדים עדיין רוצים קשר אנושי.

 

האם ה-AI מחליף שיפוט אנושי – ואיך לא נופלים ל״הטיית סמכות״?

יש נטייה אנושית “להפקיד” את ההחלטה בידי גורם חיצוני (מכון מיון / מערכת / “ה-AI אמר”) – כמו להיצמד ל-Waze גם כשמשהו בשטח לא מסתדר. אפשר לחבר לזה את הטיית הסמכות ואת הרצון לחסוך מאמץ קוגניטיבי. לכן:

• כל פלט AI חייב לעבור חשיבה ביקורתית.
• האחריות תמיד נשארת אצל בני אדם: אי אפשר “לפטר את ה-AI” על טעות, ולכן בני אדם צריכים לעמוד מאחורי החלטות, להסביר ולתקן.

יתרונות מובהקים של AI (לצד הצורך בבקרה)

• עקביות וסטנדרטיזציה: אותם שאלות, אותו סדר, אותם קריטריונים.
• זיכרון ותיעוד: תיעוד מה שנאמר אחד-לאחד מקטין עיוותי זיכרון ופרשנות.
• סקייל ומהירות: עבודה על נפחים גדולים בלי ירידה באיכות התיעוד/מבנה.
• למידה ושיפור: אפשר ללמוד מתוצאות בפועל ולחדד ניבוי ביצועים.
• תובנות על התהליך ועל המראיינים: זיהוי דפוסים של פסילה/קבלה, הטיות מגדריות וכו׳.

 

איך מועמדים מגיבים ל-AI בתהליך?

פידבקים של מועמדים ומשאבי אנוש מראים על חשדנות גבוהה במיוחד בישראל, וחוויית “איבוד שליטה” כשמקליטים או כשיש תחושה שעוד אנשים יראו את הריאיון. זה תלוי שימוש:

• בשלבים מוקדמים (למשל צ׳אטבוט מיד אחרי הגשת מועמדות שמוודא תנאי סף) זה יכול להיתפס חיובי – “ראו אותי”, יש פידבק מיידי, וזה מגדיל מעורבות.
• בריאיון עומק, הקלטה יכולה להלחיץ – ולכן חשוב מאוד תיאום ציפיות והסכמה מראש.

ההמלצה: להסביר מראש שמטרת התיעוד/ה-AI היא להפחית תלות בזיכרון, להעמיק הערכה, להגביר הוגנות – ולא “אח גדול”. הודעה מראש חשובה גם כדי לא ליצור מצב של “אין ברירה” ברגע הריאיון, וגם כדי לאפשר למועמדים להגיד שזה לא מתאים להם בלי שזה יפגע בהם.

 

מועמדים עם אוזנייה ו-Candidate Fraud: האם זה קורה ומה עושים עם זה?

יש סיפורים על מועמדים שמקבלים בזמן אמת תשובות מבוט. הנושא של Candidate Fraud רועש מאוד – כולל מועמדים מזויפים, תעשייה של הונאות, וגם שימוש בכלי AI שמסייעים לענות על שאלות.

יחד עם זה לא כל שימוש של מועמד ב-AI הוא רמאות. היום אפילו נצפה ממועמדים להשתמש ב-AI במשימות מקצועיות, במיוחד אם בעבודה עצמה מצפים מהם לעבוד עם AI. בהקשר של סימולציות: אם התפקיד כולל שימוש ב-AI – נכון לבחון מועמדים בסביבה שמדמה זאת. אבל בריאיון: המטרה היא שיחה עם האדם, לא עם הבוט.

 

איך מוודאים ש-AI לא מחפש “שטאנץ” ומפספס Outliers?

עולה חשש מרכזי: AI עשוי להעדיף פרופיל סטנדרטי ולהחמיץ מועמדים לא ליניאריים (למשל אנשים שעשו מעברי קריירה משמעותיים). AI מצטיין בזיהוי דפוסים ולכן קשה לו יותר לזהות Outliers חיוביים.

פתרון אחד יכול להיות להגדיר לצד תנאי סף גם תנאים מפצים – למשל מי שלא עומד בסף ניסיון אך מצטיין ביכולות אחרות, עדיין יעלה שלב. המגבלה: צריך לדמיין מראש את ה-outlier; אם לא חשבתי עליו – הוא יפסל.

דרך לפתור את זה

• לעבור מדי פעם על מי שנפסלו וללמוד למה.
• לתת למועמד אפשרות להרים יד: “אם לדעתך פספסנו אותך – בוא/י נדבר”.
• קחו בוטים בבנקים/ביטוח שמאפשרים להגיע לאדם אמיתי כחלק מהשיחה עם הבוט – תמיד משאירים תחושה טובה יותר. צריך תמיד להשאיר מסלול אנושי.
  זה לא רק AI אלא גם שינוי תפיסתי: מעבר מסינון לפי ניסיון והשכלה לסינון לפי כישורים.

 

מה כדאי לבדוק/לעשות בסינון המקדים כדי להיות skills-based ולא “כותרות”?

לא להסתפק ב״כמה שנות ניסיון״ או ״איזה תואר״, אלא לשאול שאלות שמבקשות דוגמאות ספציפיות או בחירה בין סטייטמנטים שמתארים רמות יכולת. דוגמה לתפקיד אנליסט: במקום “כמה שנות ניסיון”, לבקש לבחור משפטים שמייצגים רמות שונות של שליטה (כלים בסיסיים מול כתיבת קוד/בניית דשבורדים וכו׳).

“ידע באקסל” הוא מושג פרשני: מועמדת אמרה שהיא עובדת עם אקסל, אבל בפועל השתמשה בו כמו דף נייר והייתה מסכמת במחשבון – מה שממחיש כמה חשוב להגדיר קריטריונים ברורים ולבקש דוגמה קונקרטית.

 

איפה עדיין חייבים בני אדם – מה לא כדאי להחליף בבוט?

שלושה מוקדים:

1. זיהוי Outliers ומתן הזדמנות (עם זהירות: לא להפוך את “חריג” ל”דומה לי”).
2. חוויית המועמד ומיתוג מעסיק: אנשים רוצים שיראו אותם. תהליכים אוטומטיים מדי מייצרים דחייה ונזק למותג.
3. Accountability / אחריות ושיקול דעת: בני אדם חייבים להחזיק אחריות, להסביר החלטות ולתקן טעויות.

חשוב לזכור את הזווית של “המועמד בוחן אותנו”: ריאיון הוא גם הזדמנות של המועמד להבין מי האנשים והארגון – ואם הכול אוטומטי, זה משדר מסר על תרבות ארגונית.

 

איך להתחיל להטמיע AI בריאיונות בצורה הדרגתית ונכונה?

שלבים מעשיים: מה קל להתחיל ואיך לאמץ נכון.

הצעד הראשון הוא לא לבחור כלי לפי הייפ, אלא להתחיל מהשאלה:

• מה הכאב שאנחנו פותרות?
• מה אנחנו רוצות לשפר: דיוק / יעילות / הוגנות (וחוויית מועמד)?
• איזה טרייד־אוף אנחנו מוכנות לשאת?
  כי לעיתים יעילות תפגע בחוויה או בדיוק, ולעיתים דיוק מחייב תהליך ארוך ומעמיק.

הערה: להכניס כלי מתמלל/מייעץ לפני שלומדים שיטת ריאיון מקצועית זה “לרתום עגלה לפני הסוסים”. קודם צריך שיטה סדורה ועקבית (כמו ריאיון התנהגותי־מצבי), ואז כלי AI יכול לשמש כמראה, לשיפור, למדידת יישום ותוקף ההחלטות.

• אם הכאב הוא יעילות בסינון ראשוני – ייתכן שראיונות AI/בוטים או מבחני כישורים הם הפתרון.
• אם הכאב הוא דיוק – צריך קודם תשתית סטנדרטית ומעמיקה, ורק אחר כך כלים שמנתחים/מסכמים.

 

האם יהיה ריאיון עומק שמנוהל ע״י בוט?

זה כבר קורה. קיימים בוטים שלא רק שואלים שאלות סטנדרטיות אלא גם יודעים לעשות drill-down כשמזהים תשובה שטוחה ולבקש דוגמאות. היתרון: סטנדרטיזציה וגם פתיחת הדלת ליותר מועמדים כי זה לא “עולה זמן מגייסת”.
אבל יש מגבלות: התנגדות גדולה מצד מועמדים, והחסרונות האנושיים שעלו (חוויית מועמד, אחריות, חריגים).
המסר שלה: זה פה, צריך להכיר, ולבחון ביקורתית את הטרייד־אופים.

ראיון אסינכרוני: שאלות-תשובות. זו השיטה הנפוצה היום של ראיונות וידאו – חד צדדיים.

לעומתו – ראיון סינכרוני: שיחה דינמית מול מחשב.

 

רוצה להתייעץ עם שירן או מורית?

שירן תשמח להציע חצי שעת ייעוץ ללא תשלום לשאלות נוספות בהמשך לוובינר, על ראיונות ו-AI.
כאן הטלפון של ד"ר שירן דנוך - 052-3229299

מורית מציעה חצי שעת ייעוץ ללא תשלום לשאלות על ראיון התנהגותי-מצבי או על שילוב AI בתהליכי גיוס. כאן הקישור לתיאום איתי ביומן

מאמרים וקשר עם ד"ר שירן דנוך

כתבה על הטיות של בני אדם לעומת הטיות של AI

כתבה – AI בראיונות – התפתחויות מרגשות ודברים שחשוב להיות מודעים להם

סקירה על סוגים של הונאת מועמדים (Candidate Fraud) וכלים קיימים להתמודדות

כתבה- יתרונות וחסרונות של שאלות ראיון המיוצרות על ידי AI

סרטון שמראה כיצד לייצר מחוונים (איך תשובה טובה נראית) לשאלות ראיון באמצעות AI

 Forbes article

טלפון: +972523229299

מייל: shiran@informedecisions.io

אתר: http://www.informedecisions.io/