ปัญหาการฉ้อโกงในการจ้างงาน และช่วงเวลาเร่งด่วนทำให้ปัญหาเลวร้ายยิ่งขึ้น

ทุกๆ ปี การจ้างงานจะเกิดขึ้นตามจังหวะที่คาดการณ์ได้ ในเดือนมกราคม มีการเปลี่ยนแปลงงานใหม่ๆ ในฤดูใบไม้ผลิ มีการเติมเต็มการเรียนจบใหม่ๆ ในฤดูร้อน มีการจ้างงานตามฤดูกาล และทุกๆ ช่วงเวลาเหล่านี้สร้างความเสี่ยงเดียวกัน การสมัครงานจะไหลผ่านระบบที่ออกแบบมาเพื่อความเร็ว ไม่ใช่ความเข้มงวด

นักฉ้อโกงรู้เรื่องนี้ พวกเขาใช้ประโยชน์จากสภาพที่ทำให้การหางานในช่วงเวลาเร่งด่วนมีประสิทธิภาพ จากผู้จัดการงานที่ทำงานหนักและความกดดันในการเติมตำแหน่งงานอย่างรวดเร็ว ไปจนถึงกระบวนการที่ให้ความสำคัญกับความรวดเร็วมากกว่าการตรวจสอบ ผลลัพธ์คือวิกฤตที่เพิ่มขึ้นซึ่งทีม HR ส่วนใหญ่ไม่ได้รับการเตรียมพร้อมที่จะจัดการ

การคาดการณ์ของ Gartner คือในปี 2028 หนึ่งในสี่ของโปรไฟล์ผู้สมัครทั่วโลกจะเป็นเท็จ ซึ่งได้รับแรงผลักดันจากเครื่องมือ AI ที่ทำให้การสร้างตัวตนมืออาชีพเท็จเป็นไปได้อย่างรวดเร็วและราคาไม่แพง และสิ่งนี้ไม่ใช่ปัญหาในอนาคต ตามรายงาน Deepfake Readiness Benchmark ปี 2025 พบว่า 41% ของผู้นำด้าน IT, ไซเบอร์ซีเคียว, ความเสี่ยง และการฉ้อโกงยืนยันว่าองค์กรของตนได้จ้างและอบรมผู้สมัครเท็จแล้ว

ทำไมช่วงเวลาเร่งด่วนจึงเป็นแม่เหล็กดึงดูดการฉ้อโกง

ช่วงเวลาเร่งด่วนในการจ้างงานสร้างสภาพที่เหมาะสมสำหรับผู้สมัครเท็จ เมื่อผู้จัดการงานกำลังประมวลผลการสมัครงานหลายร้อยรายการต่อตำแหน่ง การตรวจสอบรายบุคคลจะลดลง รูปแบบที่อาจเด่นชัดในกลุ่มผู้สมัครที่เล็กกว่านั้น เช่น การสมัครหลายครั้งที่มาถึงภายในไม่กี่นาทีหรือเรซูเม่ที่ใช้ภาษาเหมือนกันเกือบจะถูกมองข้ามไป

ความกดดันในการเติมตำแหน่งงานอย่างรวดเร็วยังทำให้ระยะเวลาการตรวจสอบย่อลง การตรวจสอบประวัติและโทรศัพท์เช็คอ้างอิง ซึ่งไม่สมบูรณ์แบบในการจับกุมการฉ้อโกงที่ซับซ้อน จะถูกเลื่อนไปที่ขั้นตอนหลังหรือถูกข้ามไปเลยสำหรับตำแหน่งสัญญาและตามฤดูกาล เมื่อ समसัญปรากฏขึ้น ผู้สมัครเท็จอาจได้เข้ามาอยู่ในองค์กรแล้ว

บริษัท ไซเบอร์ซีเคียวริตี้หนึ่งแห่งรายงานว่าหลังจากติดตั้งเครื่องมือตรวจจับการฉ้อโกงในปี 2025 พบว่า 23.2% ของผู้สมัครถูกจัดให้อยู่ในกลุ่มเสี่ยงการฉ้อโกง โดยมีอัตราสูงสุดในตำแหน่งงานระยะไกลและวิศวกรรม ซึ่งหมายความว่าปัญหาใหญ่กว่าที่ทีมจ้างงานส่วนใหญ่เข้าใจ เพราะองค์กรที่ยังไม่ติดตั้งเครื่องมือตรวจจับการฉ้อโกงไม่มีทางวัดสิ่งที่พวกเขาเสียไป

วิธีการที่ผู้สมัครเท็จสามารถผ่านการตรวจสอบได้

กลยุทธ์ได้พัฒนาไปไกลเกินกว่าเรซูเม่ที่ถูกพองตัว ผู้สมัครเท็จในปัจจุบันสร้างตัวตนมืออาชีพที่สมบูรณ์จากศูนย์

กระบวนการนี้เริ่มต้นด้วยตัวตนเท็จ ซึ่งเป็นชื่อที่สร้างขึ้นจับคู่กับภาพถ่ายที่สร้างโดย AI, โปรไฟล์ LinkedIn ที่ดูเป็นมืออาชีพ และพอร์ตโฟลิโอของงานที่ดูเหมือนจริงแต่ไม่ลึกซึ้ง บัญชี GitHub จะถูกเติมด้วยคลองรีพอสิทอรี่ อีเมลจะถูกสร้างขึ้นและใช้สำหรับการสมัครงานที่ดูเหมือนจริง ทั้งหมดนี้ถูกออกแบบมาเพื่อให้ผ่านการตรวจสอบในระดับผิวเผิน

AI ได้ทำให้แต่ละขั้นตอนนี้เร็วขึ้นอย่างมาก เรซูเม่ที่น่าเชื่อถือซึ่งเคยใช้เวลานานในการปรับแต่ง สามารถสร้างได้ภายในไม่กี่วินาที จดหมายสมัครงานตรงกับคำอธิบายงานอย่างแม่นยำ การตอบแบบทดสอบมีความสมบูรณ์แบบจนผู้จัดการงานที่มีประสบการณ์ยากที่จะแยกความแตกต่างจากงานจริง ในการสำรวจผู้จัดการงานในปี 2025 พบว่า 59% ของผู้จัดการงานสงสัยว่าผู้สมัครใช้ AI เพื่อทำให้ตัวเองดูเหมือนจริง ในขณะที่เพียง 19% เท่านั้นที่มั่นใจว่ากระบวนการปัจจุบันจะสามารถจับการสมัครเท็จได้

ในขั้นตอนสัมภาษณ์ การฉ้อโกงจะซับซ้อนมากขึ้น ผู้สัมภาษณ์โดยใช้ซอฟต์แวร์เปลี่ยนใบหน้าแบบเรียลไทม์ เสียงจะถูกเปลี่ยนโดยใช้เทคนิคการโคลนเสียง คำตอบที่ถูกฝึกฝนและคำตอบที่ถูกเขียนไว้ล่วงหน้าจะจัดการกับคำถามพฤติกรรมมาตรฐาน น้ำเสียงที่ช้ากว่าการพูด เสียงที่ไม่สอดคล้องกัน หรือคำตอบที่ดูเหมือนซ้ำๆ เป็นตัวบ่งชี้ที่ต้องการความตระหนักรู้ที่ฝึกฝนมา

ในบางกรณี การฉ้อโกงไม่ใช่เรื่องของโอกาส แต่เป็นการสนับสนุนจากประเทศ ผู้บริหารระดับสูงของ Amazon เปิดเผยว่าบริษัทได้บล็อกผู้สมัครที่น่าสงสัยจากเกาหลีเหนือมากกว่า 1,800 รายจากกระบวนการจ้างงาน โดยมีการสมัครงานที่เพิ่มขึ้น 27% ทุกๆ ไตรมาส ผู้สมัครเหล่านี้ใช้ตัวตนและคุณสมบัติที่ถูกขโมยมาเพื่อสร้างตัวตนของคนงานใน美国 ที่มีจุดประสงค์เพื่อให้ได้รับการจ้างงาน รับเงินเดือน และส่งเงินกลับไปยังประเทศ

ทำไมการตรวจสอบแบบดั้งเดิมจึงไม่เพียงพอ

กระบวนการจ้างงานส่วนใหญ่ยังคงมุ่งเน้นการตรวจสอบในขั้นตอนที่ไม่ถูกต้อง การตรวจสอบประวัติเกิดขึ้นหลังสัมภาษณ์ หรือแม้กระทั่งหลังการเสนองาน การตรวจสอบการจ้างงานอาศัยข้อมูลที่ผู้สมัครให้มา การโทรเช็คอ้างอิงไปที่ผู้ติดต่อที่ผู้สมัครเลือก เมื่อการตรวจสอบเหล่านี้เกิดขึ้น ผู้จัดการงานก็ได้ลงทุนเวลาลงไปกับผู้สมัครที่อาจไม่มีตัวตนจริง

ปัญหาหลักคือการตรวจสอบแบบดั้งเดิมตอบคำถามว่า “เอกสารนี้เป็นของแท้หรือไม่?” มากกว่า “คนนี้เป็นตัวตนจริงหรือไม่?” ตัวตนเท็จที่สร้างขึ้นด้วยอีเมลที่มีอายุ การใช้เครื่องมือที่สอดคล้องกัน และพฤติกรรมที่น่าเชื่อถือ สามารถผ่านการตรวจสอบระดับเอกสารได้เพราะสัญญาณแต่ละสัญญาณดูเหมือนจริง การฉ้อโกงจะปรากฏชัดเจนเมื่อสัญญาณเหล่านี้ถูกมองเห็นร่วมกัน

การรณรงค์ที่ประสานกันทำให้การตรวจจับนี้ยากขึ้น ผู้ฉ้อโกงจะส่งการสมัครหลายครั้งสำหรับตำแหน่งที่เปิดหลายตำแหน่งพร้อมๆ กัน การสมัครแต่ละครั้งดูเหมือนแข็งแกร่งเมื่อถูกมองแยกกัน รูปแบบจะปรากฏชัดเจนเมื่อวิเคราะห์การสมัครทั่วทั้งกลุ่มผู้สมัคร โดยมองหาอุปกรณ์ที่ใช้ร่วมกัน การเชื่อมต่อเครือข่ายที่ทับซ้อนกัน รูปแบบการเรียงลำดับที่เหมือนกัน หรือเวลาในการสมัครที่น่าสงสัย

การตรวจจับการฉ้อโกงโดยไม่ทำให้กระบวนการจ้างงานชะงัก

คำตอบไม่ใช่การเพิ่มขั้นตอนให้กับผู้สมัครที่ถูกต้อง ผู้สมัครที่ถูกต้องกำลังเผชิญกับระยะเวลาการจ้างงานที่เฉลี่ย 40 ถึง 60 วันทั่วโลก การเพิ่มขั้นตอนการตรวจสอบที่มองเห็นได้จะเสี่ยงต่อการขับไล่ผู้สมัครที่คุณต้องการจ้าง

สิ่งที่ได้ผลคือการตรวจจับการฉ้อโกงในพื้นหลัง ตั้งแต่ช่วงเวลาที่การสมัครงานถูกส่งมา การตรวจจับการฉ้อโกงสมัยใหม่สามารถประเมินสัญญาณที่ไม่มองเห็นได้โดยผู้สมัคร อุปกรณ์อะไรที่พวกเขาใช้? พวกเขากำลังเชื่อมต่อจากที่ไหน? การสมัครของพวกเขา看起来เหมือนมนุษย์หรือไม่? ข้อมูลตัวตนของพวกเขาเท่ากันทุกประการในเรซูเม่ โปรไฟล์ LinkedIn และการสมัครงานหรือไม่?

สำหรับผู้สมัครส่วนใหญ่ สิ่งนี้หมายถึงการไม่มีการเพิ่มความซับซ้อน พวกเขาสมัครงานและดำเนินการต่อโดยไม่รู้ตัวว่ามีการตรวจสอบอยู่เบื้องหลัง ระบบจะแสดงสัญญาณเตือนให้กับการทบทวนของมนุษย์เมื่อสัญญาณหลายอย่างชี้ไปในทิศทางเดียวกัน เช่น เรซูเม่ที่ตรงกับการสมัครอื่น word ต่อ word การมีอยู่ออนไลน์ที่เพิ่งสร้างขึ้น การเชื่อมต่อที่ขัดแย้งกับสถานที่ในใบสมัคร อุปกรณ์ที่ใช้ร่วมกันโดยผู้สมัครที่ไม่เกี่ยวข้องกัน

แนวทางนี้ยังตอบคำถามเรื่องความยุติธรรมด้วย การวิจัยของ Gartner พบว่า 62% ของผู้สมัครระบุว่าพวกเขามีแนวโน้มที่จะสมัครงานหากองค์กรต้องการสัมภาษณ์แบบตัวต่อตัว ซึ่งบ่งชี้ว่าผู้สมัครต้องการการยืนยันตัวตนเมื่อมันรู้สึกถึงความโปร่งใส มากกว่าการตรวจสอบแบบสุ่ม การตรวจสอบโดยอาศัยสัญญาณทางเทคนิคที่เป็นกลางมากกว่าความเชื่อส่วนบุคคลหรือการรู้สึกช่วยลดความเสี่ยงของการลำเอียงในขณะเดียวกันก็จับการสมัครที่ต้องการการตรวจสอบอย่างใกล้ชิด

ความเสี่ยงสูงกว่าการจ้างงานที่ไม่ดี

ความเสี่ยงของการปล่อยให้ผู้สมัครเท็จผ่านไปนั้นขยายออกไปไกลเกินกว่าความเสียหายของเวลาและทรัพยากรของทีมจ้างงาน เมื่อได้รับการจ้างงานแล้ว ผู้สมัครเท็จจะมีการเข้าถึงระบบภายใน ระบบเงินเดือน ข้อมูลลูกค้า และข้อมูลที่เป็นความลับ ผลที่ตามมาอาจรวมถึงการโอนเงินเดือนไปที่บัญชีปลอม การขโมยทรัพย์สินทางปัญญา และการละเมิดข้อมูลขนาดใหญ่เมื่อ AI ยังคงลดต้นทุนและความซับซ้อนในการสร้างตัวตนเท็จ การสมัครงานเท็จจะเพิ่มขึ้น โดยเฉพาะในช่วงเวลาเร่งด่วนในการจ้างงานที่กดดันความสามารถในการจัดสรรงานของทีมจ้างงาน องค์กรที่ปรับตัวจะสามารถย้ายการยืนยันตัวตนไปที่ขั้นตอนแรกของกระบวนการและเชื่อมโยงกับสัญญาณแบบเรียลไทม์มากกว่าการตรวจสอบเอกสารแบบคงที่ พวกเขาจะสร้างการตรวจจับที่ขยายได้ตามปริมาณการสมัครงานโดยไม่สร้างอุปสรรคสำหรับผู้สมัครที่สมควรได้รับการจ้างงานที่รวดเร็วและยุติธรรม การจ้างงานถูกออกแบบมาเพื่อให้เปิดกว้างและยินดีต้อนรับ แต่ความเปิดกว้างนี้กลายเป็นจุดอ่อนที่ใหญ่ที่สุดของมันแล้ว คำถามไม่ใช่ว่าผู้สมัครเท็จจะโจมตีองค์กรของคุณหรือไม่ แต่เป็นว่าคุณจะรู้ได้อย่างไรหากพวกเขาได้เข้ามาแล้ว