지난해부터 많은 학교 모집 시즌의 금자간판도 면접 과정에서 AI 면접/디지털 면접에 참여했다. 많은 채용 플랫폼은 스마트 면접 시스템을 자신의 업무 성장점으로 삼아 기술 전파자 역할을 한다.
지원자는 지치지 않고, 지칠 줄 모르고, 관찰이 잘 되는' 길호호' 인 AI 에 직면해야 한다는 것을 알고, 많은 사람들이 알렉산더를 느낄 것 같다. 특히 대학 1 학년 신입생은 선배 선배의 말과 행동으로 지도해 왔지만' AI 면접관' 이라는 새로운 사물에 직면할 수 있는 시중에는 참고할 만한 효과적인 경험이 별로 없었다.
오늘, AI 면접의 경계가 어디인지, 어떻게' 공격' 하는지에 대해 이야기해 봅시다.
AI 범람, 고용주의 음모
자신이 좋아하는 기업이나 직위를 보면 먼저 AI 를 통과해야 하고, 함부로 자신을 얕보지 마라. 전략상의 경시와 전술상의 중시는 종종 AI 면접관이' 공략' 에서 전제조건이다.
이렇게 말하는 이유는 현재 시중에 너무 많은' 김아빠' 가 AI 라는 이름으로 진실을 선포하고 있기 때문이다. 그중 대중시장에 가장 가까운 빠른 소비재 분야는 중재해 지역이다. 학교 모집 등에' AI 면접' 간판을 붙인 첫 번째 사람들은 대부분 식품음료 (코카콜라), 일화용품 (프록터, 유니레버) 등이다.
한편 이들 기업은 대부분 특별한 전문 제한이 없어 500 대 다국적 기업의 후광을 짊어지고 이력서 심사 압력이 크다. 동시에, 학교 모집은 젊은이들 사이에서' 눈길을 끄는' 좋은 기회이기도 하다. 많은 회사들이' 미래지배인 찾기' 라는 구호를 내걸고 경쟁이 치열하다. 공개 질문, AI 면접, 게임 평가 등 창의적인 채용 방식도 영향력을 확대하고 브랜드 이미지를 강화하는 데 도움이 된다.
이는 또한 AI 면접 시스템이 두 가지 핵심 요구를 충족시켜야 함을 결정합니다.
첫째, 선전에서' 선제' 를 할 수 있는 시기가 충분히 빠른가? 둘째, 데이터의 다양성과 알고리즘의 루봉이 충분히 높은지 여부는 수험생이 구분도와 합격률로 인한 부정적인 감정을 터뜨리는 것을 막을 수 있다.
그래서 이들 브랜드 기업들이 채택한 AI 면접 솔루션은 대부분 타사 알고리즘 회사들이 시중에 나와 있는 성숙한 AI 기술 응용과 결합해 연마한 것이다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 예술명언) 즉, AI 면접 시스템은 원래의 거친 선별에서만 어느 정도 보조적인 역할을 할 수 있으며, offer 를 받을 것인지의 여부를 근본적으로 결정하기가 어렵다는 것을 의미한다. 오히려 면접관의 감성적 판단 (예: 안값, 억양, 졸업원 등) 으로 인한 편차를 피할 수 있다. ) 시작, 더 많은 일자리가 일치하는 수험생들에게 기회를 준다. 한편, 심도 있는 신경망 모델을 기반으로 한 훈련 논리와 현재 NLP, 얼굴 인식, 감정 알고리즘 등 기술 천장은 수험생들에게 AI 시스템의 고찰점을 살펴보고 하나씩 뚫을 수 있는 기회를 제공한다.
이러한 능력이 다른 특수 면접관들을 알아보자.
해적 난이도 별: q&a AI 인터뷰
이 제품은 NLP 자연어 이해 기술과 음성 인식 알고리즘을 결합하여 직책 일치와 관련된 주요 정보를 질의 응답 형식으로 얻는 경우가 많습니다.
일본 인재회사 En Japan 은 졸업을 앞둔 대학생들에게 질문만 할 수 있는 핸드폰으로 한 시간 동안 문답면접을 진행하도록 했다. 126 개 질문 포함. 구직자가 결국 학대를 당하는 것을 보고 어이가 없었다 ...
이런' 면접관' 은 우선 음성알고리즘, 음성억양통계 등을 통해 지원자의 반응속도와 심리감정을 분석한다. 또한 NLP 알고리즘을 통해 응답의 키워드와 의미를 분석하고, 기업의 업무와 일자리 수요와 관련된 문제 (예: 쾌삭품이 반드시 물어야 할' 프록터' 와 그 변종) 를 결합해 일치도에 대한 초보적인 판단을 내린다.
목소리와 언어적 특성만으로 사람을 뽑는 면접관들을 대면한다. 그들의 매개변수는 인위적으로 정해져 있기 때문에 숨겨진 감성적 선호도를 미리 배제해 판단이 비교적 공정하며 전략도 목표로 삼을 수 있기 때문이다. (윌리엄 셰익스피어, 스튜어트, 자기관리명언)
우선, 우리는 이러한 면접 소프트웨어 대부분이 미리 설정된 문답의 표준문제라는 것을 알고 있다. 예를 들어 위에서 언급한 En Japan 시험 소프트웨어는 15 사전 면접 퀴즈 훈련의 집합이며, 주로 기본 정보, 업무 기교, 성격 특성 등을 다루고 있다. 인간 면접관과는 달리, 그들은 때때로 집안 분위기를 늦추거나 까다로운 질문을 함으로써 스트레스를 가한다고 말한다. 인공지능 면접 시스템은 보통 일대일 방식으로 상호 작용과 질문을 한다. 면접을 보기 전에 숙제를 많이 하고, 고용주의 기업문화와 고용 이념을 이해하는 한, 빠르게, 창의적으로, 세계화하고, 합리적으로 자신의 발음을 조정하고 의식적으로 훈련시킨다면 예상치 못한 상황을 많이 피할 수 있다.
한편 수능 전 선생님이 반복적으로 일깨워 준' 문필이 아름다워서 더 많은 인상을 얻을 수 있다' 는 것처럼, AI 질문에 대답할 때 자신이 좋아하는 일을 하고, 가능한 기계논리에 맞는 언어를 사용하여 언어를 조직하는 것이 좋다. AI 는 주로 실시간 음성 전달, 키워드 추출 일치, 의미 이해를 바탕으로 구직자가 직위 설명과 일치하기를 원하는지 판단하기 때문이다. 따라서 리더십, 국가 프로젝트, 전환율, 팀 인식 등 몇 가지 문장에서 키워드를 지적하는 데 필요한 하드 지표 하드 스킬을 찾는 것이 더 도움이 될 것입니다.
그림대로 가면 AI 가 현장 면접보다 쉽다고 생각할 수 있습니다.
해적 난이도 별: 비디오 AI 인터뷰
관심 있는 기업이 더 강하거나 기술을 더 잘 안다면 비디오 AI 와 같은 고급 면접관을 만날 확률이 높아진다.
간단히 말해서, 비디오 AI 면접은 스마트 퀴즈를 기반으로 한다. AI 는 지원자의 얼굴 표정과 근육 동작을 실시간으로 분석해 지원자의 진실성과 성격 성향을 판단하고 지원자가 기업의 이상적인 인선에 근접했는지를 다차원적으로 점검한다.
많은 학우들이 듣고 마음이 반쯤 식었을까 봐 걱정된다. 눈을 희번덕거리고 두리번거리는 것도 자신을' 배신' 할 수 있을까? 지금' 나에게 거짓말' 을 보면 자구할 수 있을까?
독서와 청력을 알고 싶은 면접관은 필요한 인터넷 조사와 gfd (인간 면접관도 주의해야 함) 외에도 기술인식으로 준비된 싸움을 해야 할 것 같다.
확실한 것은 AI 를 이용하여 얼굴 표정을 감정적으로 인식하는 것은 알고리즘에 충분한 과학적 근거가 없다는 것이다. Microsoft, Google, IBM 등 AI 거물조차도 감정 인식 알고리즘이 엄격하지 않아 채용 시나리오에 적용할 때 심각한 오도를 초래할 수 있다. 따라서 구직 소프트웨어 감시 감정, 구직자 선별도 부적절하다고 여겨진다.
예를 들어 가끔 눈살을 찌푸리는 것은' 화난' 감정을 의미하는 것도 아니고 면접관이 반드시 협력하기 어려운 특성을 가지고 있다는 의미도 아니다. 사실, 비디오 면접은 가장 잘하는 사람들을 찾는 데 더 도움이 된다.
골드만 삭스, 모건대통, 비마위, 유니레버, 로레알 등 대형 그룹이 채택한 하이레브 (HireVue) 나 소엔루 (Sonru) 를 예로 들 수 있습니다. 그 원리는 선택된 언어, 사용된 어휘, 눈빛의 표정, 소리의 크기 등 65,438+05,000 가지 특징을 인식하는 것이다. 그런 다음 이러한 특징을 결합하여 과거의' 성공' 후보의 특징고에 따라 한 사람의 반응, 감정, 인지능력을 판단한다. 마지막으로 순위 알고리즘을 통해 일정 비율의 최우수 후보가 다음 라운드로 진출했다.
힐튼그룹은 이미 알고리즘을 이용해 43,000 개 이상의 직위를 면접한 것으로 알려졌다. 전 세계적으로 HireVue 시스템은 분기별로 6 만 5438+0 만 건의 면접과 6 만 5438+0 만 5 천 건이 넘는 사전 고용 평가를 제공합니다.
기술 이사가 말했듯이, "인간의 언어, 몸짓 언어, 표현의 극단적인 복잡성은 알고리즘 편차와 잠재적인 유해한 영향에 대해 매우 신경을 써야 한다." 고객이 특정 주제에서 구직자의 90% 를 선별하여' 시찰점의 범위가 너무 작다' 는 것을 설명하면 변화가 있을 것이다.
이 비디오 AI 면접의 기본 원리를 이해하면 AI 에 대해 신중할 필요가 없다는 것을 알게 될 것이다. 물론, 우리는 알고리즘에 좋은 팁을 찾을 수 있지만, 모든 습관이 앞으로의 일의 즐거움에 영향을 줄 수 있기 때문에 평상시와 같이 노는 것이 좋습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 습관명언)
예를 들어 10%-30% 의 점수 가중치만 얼굴 표정에 의해 결정되고, 나머지는 면접관의 언어 표현에 따라 결정된다. 어휘적으로 대상 기업의 선호도에 맞는 특색 어휘를 많이 사용한다. 구직자들이 수동적 동사나 주동어를 좋아하는지,' 나' 또는' 우리' 를 자주 사용하는지, 기술 어휘를 자주 사용하는지는 시스템의 일치도 평가에 영향을 미친다.
예를 들어 말하는 말투. 만약 어떤 사람이 정말 느리게 말한다면, 전화 상담에 적합하지 않을 수도 있고, 너무 빨리 말하면 사용자가 알아들을 수 없을 것이다. 공감으로 자신이 좋아하는 위치에 가장 적합한 상태를 찾으면, 아마도' 느낌' 이 데이터보다 더 믿을 수 있을 것이다.
해적 난이도 삼성: 독심술을 할 줄 아는 AI
이 말을 듣고 구직자의 외로움을 느낀 적이 있습니까? 먼저 슬퍼하지 마세요. 만약 당신이' 불행하게도' 소셜 네트워크의 AI 발표 시스템 면접을 읽는다면, 알고리즘 하에서' 벌거벗은 실행' 을 한 후에 복권 한 장을 사서 자신을 위로할 수 있을 뿐이다. (조지 버나드 쇼, 자기관리명언)
이 수준에서 AI 는 종종 복잡한 데이터를 기준으로 구직자의 일상적인 행동을 분석하여 직위와의 일치도를 추론합니다. 얼마 전 캘리포니아 신생 기업인 Predictim 은 NLP 기술과 컴퓨터 시각 기술을 이용해 가정부 후보의 페이스북, 인스타그램, 트위터 역사를 스캔한 뒤 다른 사람을 괴롭히거나 괴롭힐 수 있는지, 아동 학대 가능성 등을 예측했다.
물론 이런 면접관은 곧 업계의 보이콧을 받았다. 페이스북은 이 회사가 개발자가 구직자를 심사하는 것을 금지하는 금지령을 위반한 것으로 보고 페이스북과 인스타그램에서 사용자 데이터를 얻을 수 있는 권한을 크게 제한했다. 또한 Twitter 는 모니터링을 위해 Twitter 데이터를 사용할 수 없기 때문에 Predictim 의 API 에 대한 액세스도 중단했습니다.
유사한 알고리즘 위험은 구직 플랫폼인 LinkedIn 에서도 발생한다. 제 3 자 웹사이트인 HiQ 는 LinkedIn 의 데이터를 수집하여 직원들이 언제 이직할 수 있는지를 예측하기 때문이다.
테크놀로지 거물들이 이런 AI 면접 시스템을 사용하는 이유는 기계 학습이 어조와 언어의 미묘한 차이를 안정적으로 설명할 수 없기 때문이다. 예를 들어 풍자나 농담과 같은 그 응용은 면접 장면에서 매우 불안정하기 때문이다. 동시에, 이 알고리즘은 감독할 수 없다. 즉, 블랙박스를 가지고 있는데, 원래 직업에 종사했을 가능성이 있는 일부 직원들은 그 이유도 설명도 없이 일자리를 잃을 가능성이 높다. (윌리엄 셰익스피어, 윈스턴, 일명언)
또 면접 성공의 결정적인 요소를 AI 에게 넘기는 것도 기술윤리에 맞지 않는 것 같다. 기업이 의사결정권자의 선호도/편견으로 소규모의 단일 데이터 세트를 직접 사용하여 훈련하면 AI 면접의 형평성이 사라지고 나이, 인종적 차별과 배제도 심화될 수 있다. UCL 인간-컴퓨터 상호 작용 교수 Anna Cox 가 말했듯이, "어떤 데이터 세트에도 편차가 있을 수 있으며, 이 일을 정말 잘하는 사람은 제외될 것이다."
현재 AI 분석 채용 면접 과정의 복잡한 요소는 여전히 논란의 미래인 것으로 보인다.
그러나 기술의 바퀴는 가속되고 있다. IBM 은 왓슨을 사용하여 내부 교육 시스템의 데이터를 사전 예방적으로 검색하고, 직원들의 교육 및 학습을 이해하고, 승진 잠재력이 있는지 판단하여 내부 평가를 실시한다고 발표했습니다. 이와 같은 비교적 구조적인 데이터에서 면접 채용 과정에 이르기까지, 아마도 많은 구직자들을 상대로 한 것일 것이다. (윌리엄 셰익스피어, 윈스턴, 일명언)
과거에 우리는 기계화 수준이 높고, 데이터 구조화 분야, 문서, 번역, 인식 등을 보았다고 할 수 있다. 모두 AI 로 대체되었습니다. 오늘날 면접이라는 감정적 색채가 가득한 전파 분야도 면할 수 없다. 다행히도 기술의 마법이 사라지고 있다. 지식의 칼을 쥐고 있는 인류는 결국 AI 와 가장 좋은 방법을 찾을 것이다. 반복적인 경쟁과 대항에서 반복적인 최적화로 결국 인간-기계 연마의 고통에서 벗어났다.