Το Φαινόμενο του Φωτοστέφανου και η Παγίδα στις Προσλήψεις

Τι είναι το «Φαινόμενο του Φωτοστέφανου»

Το «Φαινόμενο του Φωτοστέφανου» (halo effect) είναι ένα γνωστικό σφάλμα όπου ένα έντονα θετικό χαρακτηριστικό ενός υποψηφίου—π.χ. άνεση στην επικοινωνία, “λαμπερό” βιογραφικό, προηγούμενη εργασία σε γνωστή εταιρεία ή ένα εντυπωσιακό πανεπιστήμιο—χρωματίζει δυσανάλογα τη συνολική αξιολόγηση. Έτσι, ο interviewer τείνει να «συμπληρώνει» ασυνείδητα και άλλα θετικά που δεν έχουν αποδειχθεί, υποτιμώντας κρίσιμες πτυχές όπως η ουσιαστική τεχνική επάρκεια, η προσαρμοστικότητα ή η συνέπεια στην εκτέλεση.

Το 2026, αυτό δεν είναι απλώς θέμα «κακής κρίσης». Είναι ζήτημα κόστους (λάθος πρόσληψη), δικαιοσύνης (αποκλεισμός ταλέντου) και πλέον, κανονιστικής έκθεσης, καθώς οι διαδικασίες πρόσληψης συνδέονται όλο και περισσότερο με υποχρεώσεις διαφάνειας και με κανόνες για τη χρήση τεχνολογίας.

ΔΕΙΤΕ ΕΔΩ ΟΛΑ ΤΑ ΣΕΜΙΝΑΡΙΑ ΓΙΑ ΑΝΑΠΤΥΞΗ ΠΡΟΣΩΠΙΚΩΝ ΔΕΞΙΟΤΗΤΩΝ

Γιατί το 2026 Γίνεται πιο Επικίνδυνο

Η παγίδα βαθαίνει για τρεις λόγους:

1. Σφιχτές Αγορές Δεξιοτήτων: οι εταιρείες πιέζονται να «κλείσουν γρήγορα» θέσεις, άρα αυξάνεται ο κίνδυνος να βασιστούν σε εντυπώσεις.
2. Υβριδικές Συνεντεύξεις: όταν η αξιολόγηση γίνεται σε video, η “παρουσίαση” μπορεί να υπερισχύσει της ουσίας.
3. Εργαλεία AI στο Recruiting: τα φίλτρα βιογραφικών και οι αλγοριθμικές αξιολογήσεις μπορούν να ενισχύσουν υπάρχουσες προκαταλήψεις αν τα δεδομένα/κριτήρια δεν είναι σωστά σχεδιασμένα.

Σύμφωνα με την Ευρωπαϊκή Επιτροπή, από τις 2 Αυγούστου 2026 οι κανόνες του EU AI Act για “high-risk” συστήματα του Παραρτήματος ΙΙΙ μπαίνουν σε εφαρμογή—και μέσα σε αυτά περιλαμβάνονται ρητά συστήματα AI για recruitment/selection, ανάλυση αιτήσεων και αξιολόγηση υποψηφίων. Αυτό πρακτικά ανεβάζει τον πήχη σε τεκμηρίωση, ανθρώπινη εποπτεία και έλεγχο κινδύνων.

Πώς το Φωτοστέφανο Δημιουργεί «Λάθος Ταίριασμα»

Στις προσλήψεις, το halo effect εμφανίζεται συχνά ως “dominant-skill bias”: ένας υποψήφιος είναι εξαιρετικός στο να μιλά, να «πουλά» εμπειρίες και να δημιουργεί θετική χημεία—και αυτό μεταφράζεται λανθασμένα σε συνολική καταλληλότητα. Το αποτέλεσμα είναι λάθος ταίριασμα ρόλου–ανθρώπου: ο υποψήφιος μπορεί να είναι δυνατός σε παρουσίαση, αλλά αδύναμος σε execution, συνεργασία, διαχείριση χρόνου ή σε τεχνικές λεπτομέρειες που ο ρόλος απαιτεί καθημερινά.

Ταυτόχρονα, το αντίστροφο είναι εξίσου σοβαρό: υποψήφιοι με ουσία, αλλά λιγότερο “flash”, απορρίπτονται νωρίς. Αυτό χτυπά την ποικιλομορφία και μειώνει την πιθανότητα να βρεθεί ο πραγματικά καλύτερος άνθρωπος.

ΔΕΙΤΕ ΕΔΩ ΟΛΑ ΤΑ ΣΕΜΙΝΑΡΙΑ ΓΙΑ ΤΗΝ ΑΣΦΑΛΕΙΑ ΚΑΙ ΥΓΕΙΑ ΣΤΗΝ ΕΡΓΑΣΙΑ

Τι Λέει η Επιστήμη για πιο Αξιόπιστες Προσλήψεις

Η οργανωτική ψυχολογία εδώ και δεκαετίες δείχνει ότι οι πιο ισχυρές μέθοδοι επιλογής είναι εκείνες που μειώνουν τον χώρο της εντύπωσης και αυξάνουν τη δουλειά-σχετική απόδειξη: δομημένες συνεντεύξεις, work-sample tests, και συνδυασμοί αξιολογήσεων με σαφή κριτήρια. Μετα-αναλύσεις (όπως οι κλασικές του Schmidt/Hunter και νεότερες ανασκοπήσεις) τεκμηριώνουν υψηλότερη προγνωστική εγκυρότητα όταν η συνέντευξη είναι δομημένη και βαθμολογείται με κοινή ρουμπρίκα. Με απλά λόγια: λιγότερο “μου άρεσε”, περισσότερο “το  απέδειξε”.

Διαφάνεια Αμοιβών και Skills-first: Δύο Τάσεις που Περιορίζουν την Προκατάληψη

Το 2026 ενισχύεται και η κατεύθυνση προς πιο διαφανείς και τεκμηριωμένες διαδικασίες: η Οδηγία (ΕΕ) 2023/970 για τη διαφάνεια αμοιβών πρέπει να ενσωματωθεί έως 7 Ιουνίου 2026, φέρνοντας πιο καθαρούς κανόνες για πληροφόρηση υποψηφίων και κριτήρια αμοιβής. Αυτό δεν «σβήνει» το halo effect, αλλά ωθεί τις εταιρείες να έχουν πιο ώριμο job architecture και αντικειμενικότερη λογική προσφοράς.

Παράλληλα, σύμφωνα με έρευνες του Harvard/Harvard Business School και ανάλυση της αγοράς, η “degree reset” συζήτηση συνεχίζεται: πολλές εταιρείες δηλώνουν skills-first, αλλά η προκατάληψη υπέρ “brand names” επιμένει αν δεν αλλάξουν οι μηχανισμοί επιλογής.

Πρακτικά Βήματα για HR και Hiring Managers το 2026

1. Σαφές scorecard ρόλου (δεξιότητες, συμπεριφορές, outcomes 90 ημερών).
2. Δομημένη συνέντευξη με ίδια ερωτήματα για όλους και κοινή βαθμολόγηση.
3. Work sample σχετικό με πραγματικές εργασίες (μικρό case, σύντομη άσκηση).
4. Panel interview με ανεξάρτητες βαθμολογίες πριν τη συζήτηση.
5. Υπεύθυνη χρήση AI: έλεγχος bias, ανθρώπινη εποπτεία, τεκμηρίωση—ειδικά λόγω AI Act.

Το συμπέρασμα για την επαγγελματική αγορά είναι ξεκάθαρο: οι εταιρείες που θα κερδίσουν το 2026 είναι όσες μετατρέπουν την πρόσληψη από «εντύπωση» σε απόδειξη, με αξίες διαφάνειας, δικαιοσύνης και προβλεψιμότητας.