rrole的Frrole的Frrole的DeepSense AI没有关于我的好话要说。我的稳定潜力(一个人在退出之前“全力以赴”的意愿)的得分为4.6，这是一个“中等”的评估，标有不祥的红色横条。其他特征，例如我的学习能力和对自主的要求，仅排名略高，而简短的人格评估则更为友善：乐观的态度，开朗的性格，善于倾听。
(资料图)
目前，DeepSense已将我简化为一系列数据点。该系统从我的社交资料(从LinkedIn到Twitter)中提取了信息，以将我概括为一个人。目的?招聘人员可能会更好地侦察和了解潜在员工。招聘专业人员在解释和理解可能的候选人时会表现出自己的个人偏见。这项技术并非万无一失，但AI驱动的系统有望消除其中的一些偏见。
对于某些科技公司而言，人工智能的位置对于缩短应用程序审查的难度可能最有价值。诸如Ideal之类的公司会尽早将这些系统引入该过程。他们设想一个人可以快速对数据进行排序的过程，而不是一个人阅读数百份简历。首席执行官Somen Mondal将其技术与推荐引擎进行了比较，就像亚马逊或Netflix一样，这是防止大量招聘的第一道防线。Ideal可以连接到公司的申请人跟踪系统，确定谁提出了申请，并将其与已经被录用并且表现良好的人进行比较。
“人工智能不擅长的事情就是软技能”
例如，以一名前微软雇员为例。Mondal说：“我们的系统能够理解Microsoft是一家技术公司，因此它就像人类一样会增加上下文。”“然后，它能够就如何非常准确，智能地进行选择进行培训，这不仅是为了提高效率，而且是为了提高雇用质量，这意味着要雇用更好的人来工作。”然后，技术人员将这些遗漏的部分联系起来，并向招聘人员提供建议：这是您应聘用的人员以及基于他们过去的表现和技能的原因。孟德尔声称，就像人类招聘人员的工作变得更好一样，他们的AI技术也会随着时间的推移而不断提高。
但是，对于所有职业领域而言，理想的选择都不是理想的选择。例如，它对零售工作，呼叫中心或银行工作很有帮助，但并不是追踪公司下一销售副总裁的最佳方法。而且它无法弄清文化契合度。蒙达说：“人工智能不擅长的事情-或一般而言，是计算机的软技能。”“我们的目标是让某人合适的人来面试，而在以前，大量招聘甚至使人们无法浏览所有的申请……但是，谈到"这个人是否合适，我们可以进行谈判吗?与这个人一起获得这些东西，“显然，这些都是您需要人为管理的东西。”
但这并没有阻止像Frrole这样的公司尝试。DeepSense依靠行为预测和少量的个性评估。它从可公开获得的社交数据中提取信息，使用情感分析，并将其发现提炼为行为特征和个性-诸如团队合作，学习能力或行为等类别，目的是节省考生花在测试或传统简历上的时间。
“我们在这里要做的实际上是建立一种真正简单的方法来在人员和工作之间建立正确的匹配，” Frrole联合创始人兼DeepSense联合创始人Amarpreet Kalkat说。他说，决定一个好的候选人的原因通常取决于人格。
Kalkat说，DeepSense通常是第一步，用于行政和管理人员招聘。它着重于个人及其个性，期望和行为，以便更好地个性化交流，而不是对大量申请人进行分类。他说：“我们不是背景调查工具。”“我们进入流程的第一步，您试图了解候选人或如何与该人说话。”对候选人进行分析后，它将提供有关人员的简短摘要。当我通过浏览器将自己的LinkedIn插入DeepSense时，它告诉我，我是一个持怀疑态度的人，会不断地提出问题-您可以将其应用于任何记者的星座式描述。对我作为团队合作者的能力或我的友善态度的解释很好奇，但足以申请。我敢肯定，编辑对我按时完成任务的能力有不同的看法。
“从相对的角度来看，人类的判断有多准确?”
随着时间的流逝，Frrole如何展示其发现。Kalkat说，在审查“对招聘有用和正确的东西”的同时，他们削减了任何可能与标准有效性或工作绩效无关的见解。他们提供给我的第一个个人资料，包括来自我的Twitter的信息，分析了焦虑和抑郁等方面。当我向Kalkat咨询这些指标时，他指出了由于“大量Twitter数据”而导致的缓存版本。这些类别不再存在于我的个人资料中。他说：“无论如何，这并不是衡量心理健康的指标。”
Kalkat说，这种求职方式是为了帮助与首次应聘者进行首次互动的招聘人员更好地“管理那些第一印象”。当我建议根据AI阅读而不是面对面的会议来分配特征实际上会增加聘用者的偏见时，Kalkat表示不同意。“与我可能会形成的判断相比如何?”他说。“从相对的角度来看，人类的判断有多准确?”
他声称，随着更多的数据，人工智能将继续改善，而人类“不太可能在这一领域做出重大飞跃”。他说，DeepSense可以通过不考虑种族，年龄或性别等特征来避免偏见。它还有助于集中精力“在DISC和Big Five等标准框架上预测个性属性，这些框架已使招聘团队在使用了50多年后容易并以标准化的方式理解。”
在未经征得其同意的情况下分析潜在雇员的个人资料可能令人怀疑，但实际上，公共信息对雇主而言是公平的游戏。招聘人员在检查候选人的文化适应性时扫描社交媒体资料并不罕见。LinkedIn的存在是为了吸引您对您的专业能力的关注;DeepSense不会搜寻私有数据。
“至关重要的是，我们必须在道德和道德上做正确的事，” Kalkat说。他继续说：DeepSense无法判断您在说什么，对于任何想大声谈论政治或宗教等话题的人来说，这都是一个潜在的棘手情况。“这是不看的话题。实际上，正在浏览该主题以查看在30多年的学术研究中得到证实的语言模式。”他说。“使用更多代词的人可能不太开放，或者使用更多肯定词的人可能更容易接受。”重要的是明显的特征，而不是特定的情感。他说：“目的是要了解"真实"的人，而不会被分心所困扰。”
在TWITTER之类的平台上，上下文就是一切
人工智能在招聘中的存在旨在简化征税流程并减少人为偏见，但同时也带来了一些担忧。AI Now在其2018年的报告中发现，“与AI相关的担忧引起了人们的关注，这些人之间的差距正在扩大，而不是缩小，这是因为那些开发AI并从中获利的人与最有可能遭受其负面影响的人之间的差距越来越大，歧视，正当程序，责任和整体损害赔偿责任。在许多情况下，机器学习已被证明是有问题的。亚马逊得知该软件对女性有偏见后，便终止了一项AI审查项目。甚至由AI驱动的对保姆等工作的评估引起人们对软件如何区分在线实际欺凌行为和笑话或电影报价的关注。
在Twitter之类的平台上，上下文就是一切。该平台的逐吹性质已经成熟，可以剥离其真正含义的推文。阅读文本中的讽刺或讽刺需要情境线索。一些书面模因要求理解特定的大写字母或标点符号。Kalkat说背景是公司一直在努力的事情，但是通过使用多年的数据和平台，感觉“我们现在处于一个好时机”。他补充说，将来，该公司计划扩展其技术，使其包括人们上传由心理学语言引擎分析的信件或论文的选项。
尚不清楚如何解释互联网语和文化。对于没有足够丰富网络影响力的潜在候选人，DeepSense不会有太大帮助。没有足够的在线数据，它将无法编译配置文件。“ DeepSense并未说明应为某个工作选择哪个候选人，而不是那个。它不是消除工具，” Kalkat说。“招聘组织拥有100%的控制权。他们从过去的可用数据中了解成功候选人的特征，或在必要时对其进行修改。然后，他们使用它以客观且经过数据验证的方式了解即将到来的候选人，从而可以消除人为主观的偏见。”
但是，像Ideal一样，DeepSense只会不断发展。研究人员对AI从书面文字中提取含义的能力日益增强持乐观态度，而想要实现招聘自动化的公司可以从中受益。Ideal和Frrole都表示，他们的用户群继续增长，并且兴趣正在上升。Mondal说：“我真的认为2019年对于AI和招聘来说将是重要的一年，这将摆脱自动化和真正的智能。”“能够取得更好的结果。我认为这是前进的真正关键。”
