>科技>>正文

AI招聘工具:地毯式搜索求职者有经验不一定值钱 非传统雇员或越来越普遍

原标题:AI招聘工具:地毯式搜索求职者有经验不一定值钱 非传统雇员或越来越普遍

今年秋天的一天,招聘服务公司Eightfold的首席招聘官Ashutosh Garg翻出了一份引起他兴趣的简历。

Garg需要寻找的是从事数据科学家岗位的人才,岗位要求通过挖掘数据模式帮助企业做出决策,比如如何瞄准广告。但奇怪的是,这份简历中没有提到“数据科学”这个词。

相反,这份简历属于巴克莱银行(Barclays)的一名分析师,他曾在加州大学洛杉矶分校攻读物理学研究生。尽管他在社交网站LinkedIn上的个人资料显示,他从来没有从事数据科学家工作,但Eightfold公司的软件认为他非常适合这个职位。在某些关键方面,比如他的数学和计算机能力,他与四名真正的数据科学家很相似,Garg曾指示该招聘软件将这四位数据科学家作为寻找这方面人才的模板。

Garg说,这样做的目的不是关注职位头衔,而是“他们拥有什么技能”。“你需要寻找可能也是那些没有从事过这种岗位但是又拥有这类技能的人才。”

这种技术的力量,对于任何在劳动力紧张的市场中抢着填补职位空缺的雇主来说,都是显而易见的——尤其是数据科学家的职位,谷歌、Facebook和亚马逊等公司都在竞相吸引这些职位。

AI招聘能扩大候选人范围,选择非传统雇员

由于像Eightfold这样的服务,它们依靠复杂的算法来匹配员工和岗位,许多雇主可能很快就能接触到大量的潜在员工——即使是难以填补的职位——否则他们可能会错过。

哥伦比亚大学研究人工智能在招聘中的应用的经济学家Bo Cowgill说,虽然这也可能对一些求职者有所帮助,但对求职者来说也存在潜在的不利因素:这种算法也可能降低这些领域的工资。

Cowgill 说,“你会得到更多非传统的、同样合格的、同样高效的员工。但雇主“似乎不需要为此进行太多竞争。”

多年来,雇主和在线中介机构一直使用算法来帮助填补职位空缺,但它们的方法往往很粗糙。电脑会识别简历上的关键词,然后判断这些关键词是否与职位描述中的文字相符。

虽然这种方法比像LinkedIn这样网站的手动搜索更有效,但它也有缺点。求职者可以在简历中加入机器可能要找的术语,以此蒙混过关。相反,措辞不当的求职简历可能会导致电脑忽视合格的求职者。

但最近一种名为深度学习的人工智能形式的进步,让一些公司使用的机器变得越来越强大,比如Eightfold和在线就业中心ZipRecruiter。现在,机器可以识别出求职者简历上没有明确显示的技能和资质,而不是简单地读取简历上文字,然后将其与职位描述中的文字进行匹配。

为了说明这一点,Garg指出,加州山景城(Mountain View)金融软件公司Intuit的数据显示,大约90%的软件工程师知道编程语言Java。这意味着,即使软件工程师没有在简历上列出Java技能,这台机器也可以推断出他/她懂Java。

通过在整个简历中执行类似的操作,该公司的软件可以建立求职者的详细档案。它可以从教育背景(一些不太知名的大学的某些学科,比如马萨诸塞大学阿姆赫斯特分校的自然语言处理专业,可以培养出优秀的员工)、甚至业余爱好(国际象棋选手往往擅长编程,篮球运动员擅长销售)等类别中提取比平常更多的信息。

总部位于硅谷的Eightfold公司也与客户进行了一笔聪明的交易:为了改善业绩,Eightfold要求客户使用其人力资源软件,该软件以匿名形式导入员工数据。这包括不同背景的工人在不同工作中的表现,以及他们的收入。

然后Eightfold可以使用这些数据来更好地预测表现——比如说,一个会下国际象棋、毕业于马萨诸塞大学的Intuit软件工程师在亚马逊或微软的表现会有多好。

对于那些想要扩大搜索范围、超越拥有传统经验和资格的求职者的雇主来说,这个软件工具可能尤其强大。在这种情况下,招聘人员可以指定一些标准(比如行业和地点,甚至应聘者接受一份工作的可能性有多大),这些标准会让你的简历不那么传统。

为客户提供数字广告和营销服务的AdRoll Group负责招聘和多元化管理者Claudia Villanueva说,她最近在应聘财务规划职位时使用了Eightfold的软件。最优秀的候选人拥有科技行业通常回避的行业经验,比如制造业。但Eightfold的算法认为她就是最合适的人选。

“科技行业有时很难摆脱过去的技术经验,”Villanueva说。“我们一直在这个行业雇佣同类资质的员工。对我来说,这是一个非常有趣的例子,说明我们如何打破了这种禁锢。”

就巴克莱银行分析师而言,Eightfold的软件将他定位为一名崭露头角的数据科学家,部分原因是他拥有统计学硕士学位,知道c++和Matlab等计算机编程语言,尽管他没有明显的数据科学背景。

“我们对数千万到数亿人的档案进行了分析,了解了他们在职业生涯中是如何进步的,”Garg说。“你可以很容易地预测他们下一步可能会做什么。”但他承认,这种方法在数据有限的新领域或模糊领域效果不太好。

AI招聘或会导致薪资降低

Steve Goodman是另一家将人工智能应用于招聘的Restless Bandit公司的首席执行官。

体育特许经营公司倾向于支付给离开前一支球队的自由球员远高于他们从大学或高中选拔出来的球员,因为自由球员有记录。但如果计算机能够相对准确地预测选秀的表现,这可能会改变他们的计算方法。自由球员的价格可能会下降,签选秀权运动员的价格可能会上升。事实上,这就是借助人工智能的软件可以独特的地方。

Goodman说,“我们把那些我们认为会成为不错的选秀对象的人挑出来,而不是那些已经从事过这类工作的人。这些的人资历稍浅,但根据他们的职业轨迹,那些与他们类似的选秀对象更廉价但表现的会更好。”

哥伦比亚大学经济学家Cowgill说,这种逻辑大体上是正确的,但有一个关键问题:根据他的研究,机器发掘出的那些不那么明显合格的候选人所获得的好处可能非常大,足以抵消传统候选人所遭受的较小损失。

例如,在软件工程这样的技术领域,一个从无名大学辍学的人,在被雇主聘用之后,可能会过上非常舒适的生活。但现有的编码员需求充足,即使在更容易找到替代方案的情况下,工资仍可能保持在较高水平。

另一方面,在技能需要较少的领域,工资可能会大幅下降。

考虑一下,比如说,高级市场营销工作,大公司通常需要工商管理硕士学位。如果机器能够可靠地识别出经验较少、资历较浅、但有可能胜任的候选人,那么它可能会压低工资。

AI招聘采用率低

然而,所有这些都假定表明,深度学习技术在招聘和人力资源方面是可行的,并最终可能成为普遍现象。调查显示,只有少数公司采用了这些工具,而且更少的公司愿意利用这些工具。

最近在宾夕法尼亚大学召开的一次会议上,一篇总结会议结果的论文列举了各种各样的问题。其中包括衡量员工表现的难度,以及如果电脑要做出招聘、解雇和晋升决定,员工可能会产生的不公平感。

或许最令人担忧的是一个基本的方法论观点——称之为N.B.A. 问题。如果你在研究美国国家篮球协会(National Basketball Association)的球员,想知道是什么让一个人变得伟大,你会发现,表现和身高之间几乎没有关联。在这个领域,几乎每个人都比平均身高要高。而那些不能用其他天赋来弥补的人,比如不寻常的速度和运动能力,很难胜出。

另一方面,如果你从普通人群中随机选择一些人,并测量他们的篮球潜力,你会发现这与身高高度非常相关。

令人担忧的是,机器实际上只研究“ N.B.A.球员”——那些已经在一家公司找到工作的人,甚至是那些正在找工作的人——而不是一般人群。

Cowgill先生相信有解决办法。他在一篇论文中写道,一家公司偶然面试的那些看似不合格的求职者,让一台机器模拟了一个粗略的随机实验,帮助公司更多地了解如何成为一名优秀的员工。

但或许更能说明问题的是,尖端科技公司已经在利用人工智能来填补职位空缺。Garg在谷歌做了四年的研究科学家。他说,该公司在招聘时使用了这种技术。

谷歌表示,该公司使用机器对数据库中的简历进行二次检查,而人力招聘人员可能会因为一些有限的职位而遗漏这些简历。

Garg声称,像Eightfold这样的供应商的优势在于,它可以访问其他数十家公司的内部数据,这是连谷歌都无法宣称的。他说:“我们现在可以建立比这些公司自己建立的更深层次的模式。”返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
投诉
免费获取
今日推荐