招聘的下一個前沿是人工智能驅動

rrole的Frrole的Frrole的DeepSense AI沒有關于我的好話要說。我的穩(wěn)定潛力(一個人在退出之前“全力以赴”的意愿)的得分為4.6，這是一個“中等”的評估，標有不祥的紅色橫條。其他特征，例如我的學習能力和對自主的要求，僅排名略高，而簡短的人格評估則更為友善：樂觀的態(tài)度，開朗的性格，善于傾聽。

目前，DeepSense已將我簡化為一系列數據點。該系統(tǒng)從我的社交資料(從LinkedIn到Twitter)中提取了信息，以將我概括為一個人。目的?招聘人員可能會更好地偵察和了解潛在員工。招聘專業(yè)人員在解釋和理解可能的候選人時會表現出自己的個人偏見。這項技術并非萬無一失，但AI驅動的系統(tǒng)有望消除其中的一些偏見。

對于某些科技公司而言，人工智能的位置對于縮短應用程序審查的難度可能最有價值。諸如Ideal之類的公司會盡早將這些系統(tǒng)引入該過程。他們設想一個人可以快速對數據進行排序的過程，而不是一個人閱讀數百份簡歷。首席執(zhí)行官Somen Mondal將其技術與推薦引擎進行了比較，就像亞馬遜或Netflix一樣，這是防止大量招聘的第一道防線。Ideal可以連接到公司的申請人跟蹤系統(tǒng)，確定誰提出了申請，并將其與已經被錄用并且表現良好的人進行比較。

“人工智能不擅長的事情就是軟技能”

例如，以一名前微軟雇員為例。Mondal說：“我們的系統(tǒng)能夠理解Microsoft是一家技術公司，因此它就像人類一樣會增加上下文。”“然后，它能夠就如何非常準確，智能地進行選擇進行培訓，這不僅是為了提高效率，而且是為了提高雇用質量，這意味著要雇用更好的人來工作。”然后，技術人員將這些遺漏的部分聯系起來，并向招聘人員提供建議：這是您應聘用的人員以及基于他們過去的表現和技能的原因。孟德爾聲稱，就像人類招聘人員的工作變得更好一樣，他們的AI技術也會隨著時間的推移而不斷提高。

但是，對于所有職業(yè)領域而言，理想的選擇都不是理想的選擇。例如，它對零售工作，呼叫中心或工作很有幫助，但并不是追蹤公司下一銷售副總裁的最佳方法。而且它無法弄清文化契合度。蒙達說：“人工智能不擅長的事情-或一般而言，是計算機的軟技能。”“我們的目標是讓某人合適的人來面試，而在以前，大量招聘甚至使人們無法瀏覽所有的申請……但是，談到'這個人是否合適，我們可以進行談判嗎?與這個人一起獲得這些東西，“顯然，這些都是您需要人為管理的東西。”

但這并沒有阻止像Frrole這樣的公司嘗試。DeepSense依靠行為預測和少量的個性評估。它從可公開獲得的社交數據中提取信息，使用情感分析，并將其發(fā)現提煉為行為特征和個性-諸如團隊合作，學習能力或行為等類別，目的是節(jié)省考生花在測試或傳統(tǒng)簡歷上的時間。

“我們在這里要做的實際上是建立一種真正簡單的方法來在人員和工作之間建立正確的匹配，” Frrole聯合創(chuàng)始人兼DeepSense聯合創(chuàng)始人Amarpreet Kalkat說。他說，決定一個好的候選人的原因通常取決于人格。

Kalkat說，DeepSense通常是第一步，用于行政和管理人員招聘。它著重于個人及其個性，期望和行為，以便更好地個性化交流，而不是對大量申請人進行分類。他說：“我們不是背景調查工具。”“我們進入流程的第一步，您試圖了解候選人或如何與該人說話。”對候選人進行分析后，它將提供有關人員的簡短摘要。當我通過瀏覽器將自己的LinkedIn插入DeepSense時，它告訴我，我是一個持懷疑態(tài)度的人，會不斷地提出問題-您可以將其應用于任何記者的星座式描述。對我作為團隊合作者的能力或我的友善態(tài)度的解釋很好奇，但足以申請。我敢肯定，編輯對我按時完成任務的能力有不同的看法。

“從相對的角度來看，人類的判斷有多準確?”

隨著時間的流逝，Frrole如何展示其發(fā)現。Kalkat說，在審查“對招聘有用和正確的東西”的同時，他們削減了任何可能與標準有效性或工作績效無關的見解。他們提供給我的第一個個人資料，包括來自我的Twitter的信息，分析了焦慮和抑郁等方面。當我向Kalkat咨詢這些指標時，他指出了由于“大量Twitter數據”而導致的緩存版本。這些類別不再存在于我的個人資料中。他說：“無論如何，這并不是衡量心理健康的指標。”

Kalkat說，這種求職方式是為了幫助與首次應聘者進行首次互動的招聘人員更好地“管理那些第一印象”。當我建議根據AI閱讀而不是面對面的會議來分配特征實際上會增加聘用者的偏見時，Kalkat表示不同意。“與我可能會形成的判斷相比如何?”他說。“從相對的角度來看，人類的判斷有多準確?”

他聲稱，隨著更多的數據，人工智能將繼續(xù)改善，而人類“不太可能在這一領域做出重大飛躍”。他說，DeepSense可以通過不考慮種族，年齡或性別等特征來避免偏見。它還有助于集中精力“在DISC和Big Five等標準框架上預測個性屬性，這些框架已使招聘團隊在使用了50多年后容易并以標準化的方式理解。”

在未經征得其同意的情況下分析潛在雇員的個人資料可能令人懷疑，但實際上，公共信息對雇主而言是公平的游戲。招聘人員在檢查候選人的文化適應性時掃描社交媒體資料并不罕見。LinkedIn的存在是為了吸引您對您的專業(yè)能力的關注;DeepSense不會搜尋私有數據。

“至關重要的是，我們必須在道德和道德上做正確的事，” Kalkat說。他繼續(xù)說：DeepSense無法判斷您在說什么，對于任何想大聲談論政治或宗教等話題的人來說，這都是一個潛在的棘手情況。“這是不看的話題。實際上，正在瀏覽該主題以查看在30多年的學術研究中得到證實的語言模式。”他說。“使用更多代詞的人可能不太開放，或者使用更多肯定詞的人可能更容易接受。”重要的是明顯的特征，而不是特定的情感。他說：“目的是要了解'真實'的人，而不會被分心所困擾。”

在TWITTER之類的平臺上，上下文就是一切

人工智能在招聘中的存在旨在簡化征稅流程并減少人為偏見，但同時也帶來了一些擔憂。AI Now在其2018年的報告中發(fā)現，“與AI相關的擔憂引起了人們的關注，這些人之間的差距正在擴大，而不是縮小，這是因為那些開發(fā)AI并從中獲利的人與最有可能遭受其負面影響的人之間的差距越來越大，歧視，正當程序，責任和整體損害賠償責任。在許多情況下，機器學習已被證明是有問題的。亞馬遜得知該軟件對女性有偏見后，便終止了一項AI審查項目。甚至由AI驅動的對保姆等工作的評估引起人們對軟件如何區(qū)分在線實際欺凌行為和笑話或電影報價的關注。

在Twitter之類的平臺上，上下文就是一切。該平臺的逐吹性質已經成熟，可以剝離其真正含義的推文。閱讀文本中的諷刺或諷刺需要情境線索。一些書面模因要求理解特定的大寫字母或標點符號。Kalkat說背景是公司一直在努力的事情，但是通過使用多年的數據和平臺，感覺“我們現在處于一個好時機”。他補充說，將來，該公司計劃擴展其技術，使其包括人們上傳由心理學語言引擎分析的信件或論文的選項。

尚不清楚如何解釋互聯網語和文化。對于沒有足夠豐富網絡影響力的潛在候選人，DeepSense不會有太大幫助。沒有足夠的在線數據，它將無法編譯配置文件。“ DeepSense并未說明應為某個工作選擇哪個候選人，而不是那個。它不是消除工具，” Kalkat說。“招聘組織擁有100%的控制權。他們從過去的可用數據中了解成功候選人的特征，或在必要時對其進行修改。然后，他們使用它以客觀且經過數據驗證的方式了解即將到來的候選人，從而可以消除人為主觀的偏見。”

但是，像Ideal一樣，DeepSense只會不斷發(fā)展。研究人員對AI從書面文字中提取含義的能力日益增強持樂觀態(tài)度，而想要實現招聘自動化的公司可以從中受益。Ideal和Frrole都表示，他們的用戶群繼續(xù)增長，并且興趣正在上升。Mondal說：“我真的認為2019年對于AI和招聘來說將是重要的一年，這將擺脫自動化和真正的智能。”“能夠取得更好的結果。我認為這是前進的真正關鍵。”