编辑导语：AI技巧在人才雇用范畴已经被广泛应用，据不完全数据统计，在美国已有跨越100万求职者接收了 AI 面试，一些大年夜学甚至开设了培训课程来晋升学生在 AI 面试时的表示。跟着AI面试越来越多，我们不禁开端思虑：AI面试官真的有那么神奇吗？
继可口可乐、结合利华等巨擘采购AI雇用体系后，国内雇用平台智联雇用也推出了视频面试产品“AI易面”。在面试中AI能进行语义分析、视频分析，还能给出一些固定套路的面试题，加上经典的性格和智力测评，“AI易面”就可以智能完成人岗匹配。
听起来似乎HR已经被AI踢出了雇用流程，但这种新技巧也存在不少问题。
本来AI雇用的卖点是可以清除企业在雇用过程中的工资成见，让企业和求职者都能从雇用中受益。但实际应用起来可没那么轻易，AI算法并非“生来”客不雅，雇用软件也会带来新的误差和歧视，误刷掉落有才能的应聘者，甚至让企业陷入被动地步。
一、哪些公司在做AI雇用对象？
雇用流程中，每一步都有AI参加的可能性。
Textio公司用机械进修来帮主管们优化岗亭描述。Facebook、LinkedIn和ZipRecruiter都是应用算法的推荐，制造专门针对潜在的候选人雇用页面。
另一方面，Ideal、CVViZ等AI供给商推出“简历扫描”办事，可以筛选简历，留下那些相符前提的候选人。而当和候选人的面试停止后，HireVue、Modern Hire等向企业承诺他们的算法可以分析面试中的对话，猜测哪些候选人将来会在工作上表示最好。
图注：Pymetric的核心（测试）小游戏
还有一些软件公司会供给AI嵌入的心理测试，如Humantic经由过程候选人的申请材料和小我网上档案来分析，Pymetrics表示可以用一些简单的小游戏达到一样的后果。
二、AI雇用对象是若何工作的？
要做好AI雇用对象，数据基本是最大年夜的难题。只稀有据质量高，机械进修算法才能精确。
今朝，大年夜多半AI雇用对象都从现有员工的数据中进行提取练习的，例如要练习一个“简历扫描仪”，公司须要收集全部在人员工的简历，与发卖数据或年度报告请示等指标进行比较。这些数据汇集、梳理、分析将教会算法若何辨别与公司顶尖员工最类似的简历。
当然，这种办法只能抓取现有员工的数据，不免陷入“窠臼”，甚至会出现用人的成见。
北美地区波士顿咨询集团AI部分的结合主管Shervin Khodabandeh说：“AI生来就是带有成见的，因为世界上根本不存在毫无误差的数据。”他解释说，这个难题在雇用中加倍明显，因为可用数据异常有限??公司雇用的候选人，要过很多年才能看出他们将来会不会成为顶尖员工。
为懂得决这些问题，AI办事供给商们采取一种迂回的方法削减练习数据中的误差。在康奈尔大年夜学进修雇用算法的学生Manish Raghavan说，很多卖家都在遵守“4/5规矩”的基本上设计算法（美国司法规定，以人口特点划分，随便率性人口组被选择的概率不得低于另一人口组的80%）。
所认为了防止企业承担司法义务，经由精心设计的雇用AI对象会向企业推荐人数相等的男性和女性。但Raghavan说，这并不料味着在人口特点以外的方面算法也能有同样的表示。
假如练习数据大年夜多来自男性员工，AI有可能学着把一些更多形容男性的特质与“成功”接洽到一路。例如，简历上有参加高中橄榄球队的经历、在介绍信中被称为“摇滚明星”等。
“假如你有很多如许的特质，你可能会骗到很善于猜测表示出色的男性的AI雇用对象，但在善于女性猜测AI雇用对象中你可能就会被镌汰”，Raghavan说道。
假如之后公司面试了十位最相符请求的男性和由申请对象遴选出的十位女性的随机样本，外面上来看此次雇用或许是清除了成见的，但这份工作照样更轻易由男性取得。
三、“搬起石头砸了本身的脚”
基于上文提到的“弊病”，AI雇用对象在很多情况下并不克不及优质、高效的完成义务。
2018年，亚马逊开辟的“简历扫描仪”被爆歧视女性，申明狼藉。本想做雇用AI中的俊彦，却因不公平对待含有“女子”一词（如女子球队、女子俱乐部）的简历而马掉前蹄。
HireVue曾对自家面试分析AI进行了严密的测试，这款产品可以分析候选人的面部细微变更、用词和语气。
但纽约大年夜学AI Now学院的道德伦理“卫士”们评价这款对象是“假科学”、“对歧视的纵容”，还毫不留情地点名应用这款AI的企业，个中包含了赫赫有名的结合利华、希尔顿集团。
面对集体抵制，美国联邦贸易协会正式控告HireVue。伊利诺伊州甚至经由过程了一项法案，请求企业披露对类似AI对象的应用。
四、前车可鉴，后事之师
波士顿咨询集团的Khodabandeh说，从之前事宜中我们最应当汲取的经验就是不要盲从AI的推荐，雇用部分经理应当始终将决定计划权握在本身手中。“当你的算法告诉你‘这就是你想要的人’时，不该盲目信赖它。”他弥补道。
相反，Khodabandeh认为大年夜众应当换个思路想问题。企业不该该让AI筛选最佳候选人，之后让雇用部分经理给它的“决定”盖个章，而是应当应用AI来审计企业本身的雇用流程。
最幻想的AI雇用应当是可以或许深刻研究人事数据，但最终目标并不是猜测下个最优人选是谁，而是综合指出以前谁表示得更好。
Khodabandeh弥补说：“AI算法的一个优势就是可以或许指出你的成见，你会发明本身对某些候选人特质可能已经有了不公平、不负义务的偏向，甚至本身都没意识到可能已经触及了伦理道德的边线。
这时刻才轮到我们人类出场、主动去清除成见和误差，决定下一轮面试和雇用看重哪些候选人特质。”
企业必须异常懂得对所应用算法的审计，康奈尔的研究员Raghavan说：“多半AI供给商只会和客户分享AI算法的内部逻辑。对很多客户来说，即使拿到审计证据，他们也没有对实际情况的评估才能。”
对于没有内部数据的企业，Raghavan的研究中给出了一些普适性提示：起首，对于AI体系探测给出的员工工作表示和面庞、声音、行动等的接洽关系性，要保持困惑立场；其次，供给心理方面检测及结论的算法少之又少。
是以这类算法提出的接洽关系性一般只比随机取样稍微靠谱一点点，得出的结论本身可能就是一项新风险。总结来看，大年夜火的AI技巧并不是无所不克不及。有时，HR们最须要的“高科技对象”只是他们的本能。
文章翻译自QUARTZ，译者：艾瑞莉娅
原文作者：Nicolás Rivero
原文标题：How to use AI hiring tools to reduce bias in recruiting
本文由 @霞光社 翻译宣布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协定
