京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08