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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28