
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29