
文章来源: 学术头条( ID: SciTouTiao)
作者: 赵雅琦
【导读】如今,AI 越来越聪明,让很多人开始担心,有朝一日是否会被AI取代自己的工作。实际上,目前为止,AI还处在弱人工智能阶段,绝大多数人类的工作暂时无法被 AI 取代,但是,当前, AI 却可以决定你是否能够获得一份工作。
马上又是一年校招季。你是否有过被各大公司的网申系统支配的恐惧,是否做线上测试做到怀疑人生,是否投过无数的简历而石沉大海?
郁闷的背后,或许就是因为你的简历和测试结果,没有通过 AI 的初筛。
利用人工智能进行简历筛选,当下已经不是什么新鲜事。根据调研机构的分析,几乎所有财富 500 强公司(98% 以上)和越来越多的中小企业使用求职者跟踪系统过滤简历,然后再将其提交给人力招聘经理。
不仅仅如此,现在人工智能已经逐渐深入面试领域。这意味着,当你通过了人工智能的简历初筛后,你的第一轮面试也将由人工智能主导进行。
比如在美国,使用人工智能进行面试的现象已经十分普遍,当中包括希尔顿、联合利华和高盛等大公司,已经有超过 100 万求职者接受了 AI 的面试,一些大学甚至开设一些培训课程来帮助学生如何在 AI 面试时表现更好。
2020 年,新冠肺炎疫情给 AI 招聘工具又带来了新的发展契机。AI 招聘工具不仅可以帮助企业更加快速地对大量应聘者进行初步筛选,节省人力资源工作者的时间,也可以避免招聘方和应聘者的密切接触。这种优势在疫情全球化的背景下被凸显出来。如今,许多国内的公司也加入采用 AI 面试的大军中。
但是,AI 招聘工具真的更优于普通的人力筛选,能够带来更加公平公正的招聘环境吗?
实际上,人工智能只是机器可以“学习”决策的一种高级方式。程序员没有给出特定的命令,而是向 AI 提供了大量数据,通过重复测试对其进行“训练”以达到筛选适合自己公司简历的目的。因此给AI提供的数据库就显得尤为重要。
AI 根据以前的招聘结果来了解目标的工作要求和招聘模式,并通过识别简历中的关键词,来选取合适的候选人。这不仅可以根据候选人的工作技能和以前的工作经验,而且还可以根据组织的招聘文化来进一步筛选。这意味着,简历中的信息和用词对于通过AI初筛非常重要。
许多人认为 AI 简历筛选相对于人工筛选是更加公平的一种方式。但是,事实上并不是如此乐观。
早在两年前,亚马逊机器学习专家就发现他们的 AI 招聘工具有一个明显的倾向——在筛选简历过程中,重男轻女。
而这种倾向最终被归结为人工智能训练样本的问题。因为在具体机器学习的过程中,亚马逊针对 500 个特定职位开发了相对应的识别模型,并对过去 10 年的简历中的 5 万个关键词进行识别,最后进行重要程度的优先级排序。而这个数据库中大部分求职者为男性,而女性相关的数据太少,因此 AI 会误以为没有这类关键词的女性简历不那么重要。
许多开发 AI 招聘工具的公司声称,通过精心设计和培训其学习的模型,就能够在招聘流程中专门解决各种系统性偏见。但专家认为,这不是一个简单的任务:AI 算法在发展的过程中就一直带有性别,种族等歧视的问题。这些公司采用的策略是清除应用程序中的识别信息,依靠匿名面试和技能测试,甚至调整职位的措辞以吸引尽可能多的应聘者。这意味着背后更长时间的学习过程和更大量的数据。但这并不是一个简单的过程。
此外,以 AI 招聘工具在获得广泛信任之前面临的最大障碍之一是缺乏公共数据。这些机器学习的数据是非公开的,人们无法确认提高招聘中算法公平性的努力是否真的有效。由于围绕公平就业和工作场所歧视的责任问题,许多公司不愿公开分享此类信息。因为如果证明使用 AI 证明工具歧视某些群体,公司可能会面临严重的法律后果。
经过人工智能训练的视频面试技术可以分析面试者的面部特征、情绪、表情和语气,从而选择出最合适的候选人。在这个使用技术自动化的招聘过程中,语音识别、个性洞察、语气分析、答案的相关性、情感识别和心理语言学都被用于其中。
在很长一段时间里,人们认为面部表情能可靠地传达情绪。因此 AI 公司销售用于识别面部表情的软件作为 AI 面试的基础也是可靠的。但心理学家们仍然对 AI 识别人类的面部表情并判断其情绪这件事表示怀疑。
许多研究人员认为面部表情在不同的背景和文化之间差异很大。例如,有研究发现,尽管西方人和东亚人对面孔如何表现出疼痛有相似的概念,但他们对快乐的表达却有不同的看法。而这会影响 AI 在面试过程中对候选人的判断。
此外,在人工智能视频面试过程中,考生对人工智能如何分析自己紧张的抽搐或微笑,或许是眉毛的抬起,都会感到忐忑不安。这种忧虑是人工智能面试过程中显露出来的苦恼原因,会影响整体结果。
同时情绪也会因面试者的情况不同而不同。比如头痛、痛苦的分手,甚至是亲人的去世,都会导致一个人原本阳光的性格暂时受挫。而在人际互动中,考生可以向面试官说明情况,面试官会综合考虑,但这在人工智能视频面试中是不可能的。
面部的物理疤痕,如中风、面部疤痕,甚至是最近注射的肉毒杆菌,都会修改面部表情。人类面试官也会考虑到这些,而人工智能则没有能力进行这样的考虑。
在美国,AI 视频面试中的老大哥 HireVue,令各位求职者闻风丧胆。HireVue 声称可以通过 1.5 万个不同的维度(包括肢体语言、语音模式、眼神活动、做题速度、声音大小等)对候选人进行评分。其一套标准的面试时间为 30 分钟,包括 6 个问题,从中可以得出 500000 个数据点,然后算法将参考这些数据来评估面试者的表现。
这些算法根据其数据库中约 25000 条面部和语言信息对申请人进行评估。这些信息是根据以前对“成功的员工”,即那些已经走上工作岗位的优秀员工的面试结果编制而成的。
其中 350 个语言元素包括应聘者的语气、他们使用的被动或主动词、句子的长度和他们说话的速度等标准,分析的数千项面部特征包括眉毛、眉毛上扬、眼睛睁开或闭合的程度、嘴唇收紧、下巴上扬和微笑。
这就意味着,在面试过程中你的一举一动都可能成为你被淘汰的原因。很多人都表示,这种方式会更让人紧张。就像是 360 度环绕式审查,让人感觉很不舒服。
疫情下的招聘季虽然在一定程度上受阻,但这也成就了招聘“新模式”——AI 招聘工具的深入应用。
不可否认,AI 招聘工具确实可以帮助企业更高效的解决招聘问题,尤其是在筛选初级应聘者,例如实习生、校招生等方面。高速的筛选简历不仅仅可以节约公司时间,也可以给应聘者更快速的反馈。未来它也将成为人力资源工作的中流砥柱。
但是我们也不能忽视 AI 招聘工具目前所存在的问题,其适用性仍存在很大的局限性。面对更加成熟的社招应聘者,他们可能更加需要与面试官当面交谈,来进行一个双向选择。
尤其是从 AI 面试的角度上来看,在面部表情识时带来的负面效果是不能忽视的。现阶段,AI 无法解析人类的心智,其面试结果的精准性是值得怀疑的。因此在雇佣方和候选人两个角度,都应该更理智地看到 AI 招聘工具带来的招聘市场的变化,也应该更加理智地面对 AI 招聘工具的使用。
对于这个招聘季中你可能遇到的人工智能 HR,你怎么看?
排版:赵辰霞
编审:王新凯
资料来源:
https://spectrum.ieee.org/tech-talk/at-work/tech-careers/ai-tools-bias-hiring
https://www.ifanr.com/1272558
https://www.nature.com/articles/d41586-020-00507-5
https://theconversation.com/facial-analysis-ai-is-being-used-in-job-interviews-it-will-probably-reinforce-inequality-124790
https://towardsdatascience.com/your-next-job-interview-may-be-with-an-ai-robot-34dbf4da6340
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14