科技讯11月10日消息，据国外媒体Venturebeat报道，把人工智能应用于招聘中，这种做法已对许多企业产生影响，因为以更快的速度聘用最优质的员工有助于省钱以及提升竞争优势。这也对求职者产生了积极的影响，因为无论他们的性别、种族、年龄和就读大学是什么，铁面无私的人工智能有助于他们在面试时能够得到公平的、无偏见的录用机会。
尽管用人企业都希望在招聘过程中实现公平公正，但无法避免的是，人们几乎在每次做出决定时都会存在偏见，而大多数时候，我们并没有意识到这一点。招聘经理推荐某些候选人时往往会出于一些与个人相关的原因，如候选人和招聘经理来自同一所大学或对某项运动都感兴趣。有时候，一些合格的候选人却与应聘的工作失之交臂，就是因为这种隐形的偏见。
事实证明，多样化的员工队伍有助于增加企业收入，但关键挑战在于打造和维持多样化的以及有竞争力的员工队伍。目前的招聘方式主要依赖应聘者的个人简历，这是一种沿用已久的、无法避免偏见的招聘方式。这是企业面临的最紧迫的挑战之一，因为如果没有雇佣到合适的人才，在产品和服务上的竞争力就会减弱。
需要考虑的一个复杂因素是做出决策时缺乏优质数据。在招聘过程中我们使用的数据来源是多样的，如，简历、面试和评估。如今，还多了参与数据（engagement data）这一来源，这类数据被用来跟踪员工的表现、潜力和跳槽风险。这些数据集本身就较复杂难懂，也无法保障数据的一致性。大多数人无法充分理解这些数据，就依赖于他们的直觉，这无意中就会引发偏见。
我们需要保证数据的多样性、完整性以及前后一致地批量处理数据的能力。借助标准化的数据，我们可基于此前的100个聘用结果做出判断，但计算机可以处理超过10万个面试和招聘结果。
电话面试或现场面试的主要目标之一是评估应聘者的软能力。这可能包括沟通能力、友善度、同理心、团队合作、动机以及参与积极性，这些特征仅仅通过简历是很难做出判断的。
传统面试中，一旦面试结束，所有丰富的交互式数据就会丢失。保留下来的只有“是/否”式的粗略得分，或面试者对应聘者的模糊印象。
但目前数字化面试逐渐增多，上述数据再也不会丢失了，可通过科技手段保留以待进一步的分析。可以说，这是一个过去无从建立的数据金矿。
人工智能识别合格应聘者的能力强于人类
美国网络招聘公司HireVue开发的面试模型能够提取原始的音频数据、从对话中整理文本以及收集应聘者的微表情。通过集合所有这些数据，我们发现该模型不仅可利用交叉评估来预测新数据，而且在评估不同应聘者能力上极具竞争力。一些更值得注意的测试案例是，通过包含三个问题的面试为运输公司评估已聘用者违反交通法规的可能性，以及让一家全球服务类公司的招聘时间从六周锐减为五天。
R值是工业与组织心理学（Industrial/Organizational Psychology）中对人才招聘是否高效的标准判断标准。而基于计算模型的深度机器学习实施招聘的R值远高于由人类面试者构成的对照组。
计算机实施的面试分析技术还能让面试问题更客观。无论大小，大多数公司无法保障面试问题的实效性。这些问题在保证面试模型正常运作中发挥着十分重要的作用。数据科学团队发现，能够让优质和普通面试者给出截然不同的回答的问题最具预测力。利用从面试中获取的数据，优质和普通面试者之间的差异就能够得到客观评价。使用这种类型的面试模型有助于招聘者关注真正重要的问题并避免偏见。
人工智能有助于改善就业
人工智能在不断发展。随着时间的推移，过去我们认为只有人类能够胜任的工作如今在不断受到人工智能的挑战。
因此，一些企业在不断寻求有效的机器学习和人工智能解决方案。
寻找招聘流程中的一些薄弱环节。这些环节也许过度依赖人力，也许十分耗时。
招聘流程中因人类员工而引发的低效环节是哪些？什么职位总是会引发瓶颈状态？