Skryf Effektiewe KI-siftingprompte: Voorbeelde vir Elke Roltipe

Die verskil tussen “KI het vir ons nuttige resultate gegee” en “KI-sifting was 'n vermorsing van tyd” kom meestal neer op een ding: die kwaliteit van jou pasgemaakte prompt.

Jou pasgemaakte KI-prompt is jou mededingende voordeel. Dit vertel die KI presies waarna om te soek, wat om te prioritiseer, en watter rooi vlae om dop te hou. 'n Goed-ontwerpte prompt verander 'n generiese siftingsinstrument in jou persoonlike KI-werwer.

Anatomie van 'n Effektiewe Siftingprompt

'n Goeie prompt het vier komponente:

1. Moet-Hê Vereistes

Watter vaardighede, ervaring of kwalifikasies is nie-onderhandelbaar?

2. Mooi-Hê Onderskeiders

Wat sou 'n kandidaat laat uitstaan (maar is nie verpligtend nie)?

3. Rooi Vlae

Waarvoor moet die KI kyk as moontlike kommer?

4. Evaluasieprioriteit

Hoe moet die KI verskillende faktore weeg?

Sjabloonstruktuur

Moet hê:
[Lys nie-onderhandelbare vereistes]

Sterk onderskeiders:
[Lys mooi-om-te-hê kwalifikasies]

Rooi vlae:
[Lys kommer om na uit te kyk]

Evaluasieprioriteit:
[Beskryf hoe om verskillende faktore te weeg]

Gereed-vir-gebruik Prompt-sjablone

Sagteware-ingenieur (Backend)

Moet hê: 3+ jaar ervaring in backend-ontwikkeling met Python, Java of Go. Ervaring met relasionele databasisse (PostgreSQL, MySQL). Verstaan van REST API-ontwerp en mikrodiensargitektuur.

Sterk onderskeiders: Wolkplatform-ervaring (AWS, GCP of Azure). Ervaring met kontenerisering (Docker, Kubernetes). Bydraes tot open-source projekte. Ervaring met gebeuregedrewe argitektuur of boodskapprosesse (Kafka, RabbitMQ). Stelseloontwerp-ervaring vir hoëverkeer-toepassings.

Rooi vlae: Geen produksie-ontplooiings-ervaring nie. Slegs akademiese/tutorialprojekte. Gereelde poswisselings met minder as 1 jaar by elke posisie. Geen bewyse van samewerkende werk nie.

Evaluasieprioriteit: Prioritiseer diepte van tegniese ervaring bo breedte. Waardeer kandidate wat produksiestelsels gebou en in stand gehou het. Weeg stelseloontwerp- en argitektuurverstaan swaar vir senior rolle.

Frontend-ontwikkelaar (React)

Moet hê: 2+ jaar React.js-ontwikkeling. Sterk JavaScript/TypeScript-vaardighede. Ervaring met state-bestuur (Redux, Context of soortgelyk). Responsiewe ontwerp en CSS-kennis.

Sterk onderskeiders: Ervaring met Next.js of bedienerkant rendering. Toets-ervaring (Jest, React Testing Library, Cypress). Prestasie-optimaliserings-ervaring. Ervaring met ontwerpsisteme of komponentbiblioteke. Toeganklikheid (a11y) bewusheid.

Rooi vlae: Slegs jQuery/vanilla JS-ervaring sonder moderne raamwerkwerk. Geen TypeScript-ervaring vir mediumvlak of hoër nie. Portefeulje met slegs sjabloon/tutorialprojekte.

Evaluasieprioriteit: Prioritiseer kandidate wat begrip van React-patrone en beste praktyke toon, nie net sintaksiskennis nie. Waardeer kandidate met werklike projekervaring bo kursusgesentreerde afstudeerdes (ten minste indien projekte indrukwekkend is).

Produkbestuurder

Moet hê: 3+ jaar produkbestuurs-ervaring. Bewyse van produkverskeping van konsep tot bekendstelling. Ervaring met werk saam met ingenieurspanne. Datagedrewe besluitnemingbenadering.

Sterk onderskeiders: B2B SaaS produkervaring. Ervaring met produk-analitiese instrumente (Amplitude, Mixpanel, ens.). Gebruiker-navorsing of ontwerpdenkbasis. Tegniese agtergrond of rekenaarwetenskap-opleiding. Ervaring met bestuur van verskeie produklyne.

Rooi vlae: Slegs projekbestuurs-ervaring (geen produk-eienaarskap nie). Geen bewyse van meetbare uitkomste of metrieke. Puurlik tegniese agtergrond sonder klant-/gebruikerinteraksie.

Evaluasieprioriteit: Waardeer bewyse van impak bo gesogte maatskappynaam. Soek kandidate wat oor uitkomste praat (byv. behoud verbeter met X%, inkomste het met Y% gegroei) in plaas van net kenmerke wat gestuur is.

Bemarkingsbestuurder (B2B)

Moet hê: 3+ jaar B2B-bemarkings-ervaring. Ervaring met inhoudbemarking en/of vraaggenerering. Bekendheid met bemarkingsoutomatiseringsinstrumente (HubSpot, Marketo, ens.). Bewyse van veldtogbestuur en ROI-opsporing.

Sterk onderskeiders: SaaS-bemarkingservaring. SEO en organiese groeikennis. Ervaring met ABM (Rekeninggebaseerde Bemarking). Betaalde advertensiebestuur (Google Ads, LinkedIn). Ervaring om bemarking van nuuts af by 'n opstart te bou.

Rooi vlae: Slegs B2C of agentskap-ervaring. Geen bewyse van ROI-metings of toeskrywing nie. Puurlik kreatiewe agtergrond sonder analitiese vaardighede.

Evaluasieprioriteit: Prioritiseer kandidate met datagedrewe bemarkingsbenaderings. Waardeer bewyse van pyplyn-/inkomste-impak bo handelsmerkbewustheidsmetings. SaaS-ervaring is 'n sterk pluspunt maar nie verpligtend as draagbare vaardighede getoon word nie.

Verkoopsverteenwoordiger (SaaS)

Moet hê: 2+ jaar B2B-verkope-ervaring. Rekord van kwota-bereiking of oortref. Ervaring met CRM-instrumente (Salesforce, HubSpot). Outbound-prospektering-ervaring.

Sterk onderskeiders: SaaS of tegnologie-verkope-ervaring. Gemiddelde transaksiewaarde >$50K. Ervaring met ondernemingsverkopsiklusse. Bekendheid met verkoopsmetodologieë (MEDDIC, SPIN, Challenger). Ervaring in ons bedryfsektor.

Rooi vlae: Slegs inbound-/bestelverkope-ervaring. Geen kwota-bereikdata nie. Gereelde sywaartse skuif sonder bevordering. Slegs kleinhandel- of B2C-verkoopagtergrond.

Evaluasieprioriteit: Kwota-bereiking is die nommer 1-indikator. Soek spesifieke syfers: gegenereerde inkomste, geslote transaksies, persentasie van kwota bereik. Waardeer geselskapverkope bo transaksionele verkoops-ervaring.

Kliëntesuksesbestuurder

Moet hê: 2+ jaar in kliëntesukses, rekeningbestuur of kliëntediens. Ervaring met bestuur van 'n boek van besigheid. Bewyse van behoud- of uitbreidingsmetrieks. Sterk kommunikasievaardighede.

Sterk onderskeiders: SaaS-kliëntesukses-ervaring. Ervaring met CS-platforms (Gainsight, Totango, ChurnZero). Rekord van verbetering van NPS, CSAT of behoud-metrics. Ervaring met ondernemingskliënte ($100K+ ARR). Aan boord neem of implementerings-ervaring.

Rooi vlae: Slegs ondersteuning/helpdesk-ervaring sonder strategiese rekeningbestuur. Geen bewyse van proaktiewe kliëntebetrokkenheid nie. Hoë kliënte-afval in vorige rolle sonder konteks.

Evaluasieprioriteit: Soek bewyse van kliëntebehoud en uitbreiding. Waardeer kandidate wat oor besigheidsuitkomste praat, nie net verhoudingsbou nie. Empatie en kommunikasie-indikatore is belangrik — soek kliënte-advokaatvoorbeelde.

Datawetenskaplike / ML-ingenieur

Moet hê: 3+ jaar ervaring met masjienleer of datawetenskap. Beheersing van Python en ML-raamwerke (TensorFlow, PyTorch, scikit-learn). Sterk statistiese en wiskundige grondslag. Ervaring om modelle in produksie te implementeer.

Sterk onderskeiders: Ervaring met LLM's en generatiewe KI. Diep leer kundigheid. Gepubliseerde navorsing of konferensie-aanbiedings. Ervaring met ML-infrastruktuur (MLflow, Kubeflow, SageMaker). Domeinvaardigheid in ons bedryf.

Rooi vlae: Slegs Kaggle-kompetisie-ervaring sonder produksiewerk. Kan nie modelbesluite of kompromieë verduidelik nie. Geen ervaring met databane of kenmerkingenieurswese op skaal nie.

Evaluasieprioriteit: Produksie-ervaring is van uiterste belang — prioritiseer kandidate wat ML-stelsels in produksie gebou en in stand gehou het bo slegs navorsingsagtergronde. Soek bewyse van besigheidsimpak van hul modelle.

Menslike Hulpbronne / Mense-operasies

Moet hê: 3+ jaar HR-ervaring. Kennis van arbeidswetgewing en nakoming. Ervaring met HRIS-stelsels. Werknemersverhoudings-ervaring.

Sterk onderskeiders: Ervaring met uitbrei van HR vir 'n groeiende maatskappy (50 tot 200+ werknemers). Vergoedings- en voordele-ontwerp. Kultuurbou en werkgewerhandelsmerk. Ervaring met HR-analitiese en mense-data. Internasionale HR / multi-land-ervaring.

Rooi vlae: Slegs administratiewe HR-ervaring. Geen bewyse van strategiese HR-inisiatiewe nie. Geen ervaring met moderne HR-instrumente nie. Weerstand teen datagedrewe benaderings.

Evaluasieprioriteit: Waardeer strategiese HR-denke bo administratiewe ervaring. Soek kandidate wat prosesse en stelsels gebou het, nie net gehandhaaf het nie. Kultuur en werknemerservaring is belangrik.

Gevorderde Prompt-Tegnieke

Gefaseerde Evaluasie

Evalueer kandidate in drie vlakke:
- Vlak 1 (Sterk Pas): Voldoen aan alle moet-hê + 3 of meer onderskeiders
- Vlak 2 (Goeie Pas): Voldoen aan alle moet-hê + 1-2 onderskeiders
- Vlak 3 (Nettou Pas): Voldoen aan meeste moet-hê maar mis sleutelvereistes

Noem die vlak duidelik in die analise.

Bedryfspesifieke Fokus

Ons is 'n fintech-maatskappy wat ondernemingsbanke bedien. Prioritiseer kandidate wat:
- Ervaring in finansiële dienste of gereguleerde industrieë het
- Verstaan van nakomingsvereistes (SOC 2, PCI, ens.)
- Ervaring met ondernemingsverkopsiklusse (6+ maande)

Groei-potensiaal Evaluasie

Benewens huidige vaardighede, evalueer groeipotensiaal:
- Bewyse van vinnige vaardigheidsverkryging
- Loopbaantraject (bevorderings, toenemende verantwoordelikheid)
- Sysideprojekte of deurlopende leerindikators
- Aanpasbaarheid deur loopbaanoorplasings

Kulturele Sein

Ons span waardeer:
- Eienaarskap en aanspreeklikheid (soek bewyse van end-tot-end projek-eienaarskap)
- Samewerking (bewyse van kruisfunksionele werk)
- Deurlopende leer (kursusse, sertifikate, syprojektes)
- Direkte kommunikasie (soek duidelike, bondige skryfstyl in die CV)

Wenke vir Prompt-optimalisering

1. Wees spesifiek — “Sterk programmeringsvaardighede” is vaag. “3+ jaar Python met Django of FastAPI” is uitvoerbaar.

2. Verduidelik jou redenasie — In plaas van net kriteria te lys, verduidelik hoekom dit saak maak. Dit help die KI om beter oordeel te maak in grensgevalle.

3. Itereer — Hersien die eerste stel resultate. As die KI te veel fokus op iets, pas jou prompt aan.

4. Gebruik die opvolgprompt — Die aanvanklike prompt sift CV's. Die opvolgprompt kan kandidate vra oor gapings of interessante punte.

5. Hou dit op datum — Soos jou vereistes ontwikkel, werk jou prompt by. Wat vir werk #1 belangrik was, kan verskil vir werk #10.

---

Jou KI is net so goed soos jou instruksies. Skryf wonderlike prompte, werf wonderlike mense.