Podcast: Slå AI-lejemaskinerne

AI interviewer et AI-koncept

Fru Tech | Getty





Når det kommer til ansættelse, bliver det i stigende grad en AI-verden - vi arbejder bare i det. I dette sidste afsnit af sæson 2 af vores AI-podcast In Machines We Trust og afslutningen på vores serie om AI og ansættelse, tager vi et kig på, hvordan AI-baserede systemer i stigende grad spiller gatekeeper i ansættelsesprocessen – udelukker ansøgere i millioner, baseret på lidt mere end hvad de ser i dit CV. Men vi er ikke magtesløse over for maskinerne. Faktisk er et stigende antal mennesker og tjenester designet til at hjælpe dig med at spille efter – og i nogle tilfælde bøje – deres regler for at give dig en fordel.

Vi mødes:

  • Jamaal Eggleston, arbejdsparathedsinstruktør, HOPE-programmet
  • Ian Siegel, CEO, ZipRecruiter
  • Sami Mäkeläinen, chef for strategisk fremsyn, Telstra
  • Salil Pandey, CEO, VMock
  • Gracy Sarkissian, midlertidig administrerende direktør, Wasserman Center for Career Development, New York University

Vi talte med:

  • Jamaal Eggleston, arbejdsparathedsinstruktør, HOPE-programmet
  • Studerende og lærere fra The HOPE Program i Brooklyn, NY
  • Jonathan Kestenbaum, medstifter og administrerende direktør for Talent Tech Labs
  • Josh Bersin, global industrianalytiker
  • Brian Kropp, Vice President Research, Gartner
  • Ian Siegel, CEO, ZipRecruiter
  • Sami Mäkeläinen, chef for strategisk fremsyn, Telstra
  • Salil Pandey, CEO, VMock
  • Kiran Pandey, medstifter, VMock
  • Gracy Sarkissian, midlertidig administrerende direktør, Wasserman Center for Career Development, New York University

Lyde fra:

Credits

  • Denne miniserie om ansættelse blev rapporteret af Hilke Schellmann og produceret af Jennifer Strong, Emma Cillekens, Anthony Green og Karen Hao. Vi er redigeret af Michael Reilly.

Afskrift

Syntetisk Jennifer: Hey alle sammen! Dette er IKKE Jennifer Strong.

Det er faktisk en deepfake version af hendes stemme.



For at afslutte vores ansættelsesserie, skiftedes vi to til at lave den samme jobsamtale, fordi hun var nysgerrig, om den automatiske interviewer ville bemærke det. Og hvordan det ville bedømme hver af os.

[beat / musik]

Så menneskelige Jennifer slog mig som en bedre match til jobopslaget, men bare med en lille smule.



Denne deepfake? Det fik bedre personlighedsscore. Fordi, ifølge denne ansættelsessoftware, er denne falske stemme mere spontan.

Det blev også rangeret som mere innovativt og strategisk, mens Jennifer er mere passioneret, og hun er bedre til at arbejde sammen med andre.

[Beat/ musikovergang]



Jennifer: Kunstig intelligens bruges i stigende grad i ansættelsesprocessen.

(Og dette er den rigtige Jennifer. Bare forresten.)

Og T I dag afgør algoritmer, om et CV bliver set af et menneske, måler personligheder baseret på, hvordan folk taler eller spiller videospil, og kan endda interviewe dig.



I en verden, hvor du ikke længere forbereder dig til de interviews ved at sætte din bedste fod frem – hvad vil det sige at præsentere dit bedste digitale jeg?

Sot: Youtube-klipmontage: Vlogger 1: Vil du vide tre nemme hacks til markant at forbedre din præstation på videointerviews som HireVue, Spark Hire eller VidCruiter? Vlogger 2: Sørg for at se dette fra start til slut, for jeg vil gerne hjælpe dig med at bestå dit interview. Vlogger 3: Og hvis du forstår nøglebegreberne, kan du slå den algoritme og få jobbet. Så lad os komme i gang.

Jennifer: Vi ser på, hvor langt jobsøgende er villige til at gå for at slå disse værktøjer.

Gracy Sarkissian: Så der er alle mulige skøre historier om, hvad eleverne tidligere har gjort for at få deres CV forbi ansøgersporingssystemet. Men det, vi gør, er, at vi sørger for, at eleverne ved, hvad de kan forvente og er forberedte på at få succes.

Jennifer: Denne succes måles ved hjælp af algoritmer på tværs af en lang række variabler, fra automatiske CV-screenere, der forsøger at forudsige en ansøgers jobpræstation, til envejs videointerviews, hvor alt fra en kandidats ordvalg til deres ansigtsudtryk kan analyseres.

Ian Seal: Bogstaveligt talt er dette et af de tilfælde, hvor konventionel visdom vil dræbe dig i din søgen efter et job. Og det er så ærgerligt, for jeg tror, ​​at selv mange af eksperterne ikke er klar over, hvordan industrien rent faktisk fungerer i dag.

Jennifer: Du kan ikke klæde dig på for at imponere en algoritme. Så hvordan ser det ud at spille et automatiseret system?

Sami Makelainen: Hvad hvis du lige fik AI-interviewet en AI, kunne det lade sig gøre? Kunne det lade sig gøre nu? Kan det lade sig gøre i fremtiden? Jeg mener – det er ret klart, at du i en ikke alt for fjern fremtid vil have denne form for en meget mere almindelig evne til at udvikle kunstige entiteter, der ligner mennesker stort set og opfører sig meget som mennesker. Eller kunne vi bruge en af ​​disse ting til at lave interviewene for os?

Jennifer: Og i mangel af meningsfulde regler og reguleringer, hvor trækker vi så grænsen?

Jeg hedder Jennifer Strong, og i dette sidste afsnit af en firedelt serie om AI og ansættelse undersøger vi, hvordan vi tilpasser os den automatiserede proces med at finde et job.

[VIS ID]

[TITEL]

Anonym jobsøgende: Disse AI'er eller kunstige intelligente robotter læser CV'er gennem en parser. Så hvis dit CV ikke er på niveau, går det ikke videre til de næste trin.

Jennifer: Det er den jobsøgende, vi har fulgt gennem denne serie. Hun bad os om at kalde hende Sally, men det er ikke hendes rigtige navn. Hun kritiserer potentielle arbejdsgiveres ansættelsespraksis ... og hun frygter, at det kan påvirke hendes karriere.

I et tidligere afsnit fortalte hun os, hvordan hun søgte tæt på 150 job, før hun fik et, og hvordan hun stødte på AI på flere punkter i processen.

Ligesom Sally er den første gang, du måske ser AI under en jobsøgning, med en CV-parser eller screener. Den sorterer og vælger, hvilke der bliver sendt videre til næste fase af ansættelsesprocessen.

Hun havde en mistanke om, at hendes CV ikke kom igennem.

Og hun forskede yderligere, efter at hun fik fingrene i noget af denne teknologi.

Anonym jobsøgende: Så lige nu, når jeg lægger mit CV igennem, læser det mig som softwareingeniør, med et strejf af dataanalyse, som er mit felt. Så det er fint.

Jennifer: En af hende arbejder også på dette problem. Han tester et andet værktøj, der sætter et procentvis match på, hvor kvalificeret det vurderer, at hvert CV er til et givent job.

Anonym jobsøgende: Han har en anden parser, hvor den giver dig din procentdel. Så han har spurgt andre mennesker, der er dataforskere og allerede langt i feltet, om deres CV, og deres går gennem 80% til 90%.

Jennifer: De tester endda skabeloner, de finder online, bare for at se, hvad der sker, og om den formatering hjælper.

Men indtil videre, når de udfylder disse skabeloner, har de alle fået en lav kampscore - under 40 procent kvalificeret.

Anonym jobsøgende: Hvis du bare Googler CV-skabeloner, og hvis du har brug for hjælp til dit CV, har vi testet dem, uanset hvad der dukkede op. Og vi indså, at skabelonerne ikke er gode. Så når du sætter skabelonerne inde i parseren, uanset hvilket job du er, er du stadig på de 40 eller under 40. Så der er et problem med, at maskinen læser det.

Jennifer: Sally er programmør. Hun ved, hvordan hun skal finde og teste denne type software. Men det gør de fleste af os ikke. Det er usandsynligt, at vi ved, om disse algoritmer læser vores CV på den måde, vi havde til hensigt, og udvinder de 'rigtige' færdigheder.

Anonym jobsøgende: Hvis du udfylder en jobansøgning online, og der står konverter CV. Og hvis, når du først har konverteret dit CV, hvis boksene ikke er udfyldt til det, dit CV angiver, så ved du, din procentdel er lav. Og det giver meget mening, for da jeg ansøgte om at lide Goldman Sachs eller Capital One, ligesom bankindustrier og sådan noget, når jeg vælger, tager, um, oplysningerne fra mit CV, var det aldrig korrekt. Og jeg skulle altid udfylde resten af ​​tingene for at matche mit CV.

Jennifer: Hun siger, at da hun gjorde denne opdagelse, klikkede den endelig.

Og hun ville ønske, hun forstod, hvordan det fungerede, før hun begyndte at søge job, for det ville have hjulpet på hendes bedragersyndrom.

Anonym jobsøgende: Så alle, der ikke ved om dette, har ikke en chance, for de ved det ikke engang.

Jennifer: I løbet af denne rapportering fandt vi en række forskellige grupper, der forsøgte at komme ind under motorhjelmen på disse systemer. Om de skal hjælpe sig selv eller andre, tilpasse sig og engagere sig i disse værktøjer.

Og vi besøgte et arbejdsstyrkeberedskabsprogram i New York City kaldet The Hope Program. Mange af dets deltagere har beskæftiget sig med hjemløshed, stofmisbrug og langtidsarbejdsløshed.

Jamaal Eggleston : Du kan se alle bøjlerne, disse studerende skal springe igennem bare for at få jobbet, hvor jeg hader at sige, at et andet segment af befolkningen måske ikke skal igennem så mange bøjler. Så jeg tror, ​​det er op til os at tage vores rustning på og bekæmpe det, for det er gode mennesker, vi taler om her. Så det er virkelig blevet mit livs rejse at hjælpe dem. Og vi skal kæmpe tilbage. Alt for mange gode mennesker blev overladt til vejkanten.

Jennifer: Jamaal Eggleston er kendt af sine elever som Mr. E. Og han siger, at de kæmper med den voksende brug af personlighedstest og andre former for automatisering ved ansættelser.

Jamaal Eggleston : De kommer frustrerede tilbage. Der er et rigtig stort problem med slet ikke at høre tilbage. Det er næsten, som om du laver en ansøgning, og din ansøgning går ind i matrixen, og den er væk for altid. Eller du får det automatiske svar, som ikke er særlig personligt, og det giver ingen information.

Jennifer: For ham repræsenterer det en kamp op ad bakke for studerende, der allerede er dårligt stillet.

Jamaal Eggleston : Når det kommer til deres personlighedstest, føler de det, som om de bliver narret, fordi det vil være det samme spørgsmål, men formuleret på tre forskellige måder. Det kommer fra skabere, som slet ikke deler en kulturel baggrund med nogle af ansøgerne.

Jennifer: Så han siger, at han downloader eksempler på disse personlighedstest, analyserer dem og bruger det, han finder, til at træne sine elever.

Jamaal Eggleston : Så jeg vil give dem de tre forskellige formuleringer af det spørgsmål. Så de ved, hvad de skal passe på. Hvis du nogensinde har været i denne situation, hvordan ville du så håndtere det? Og de ved med det samme, at jeg lærte dem, når et spørgsmål er formuleret på den måde. Det bliver et adfærdsspørgsmål. Så det er noget, de bør se efter i en personlighedstest og tage sig god tid.

Jennifer: Og de tager disse test som en del af deres jobtræning. Deres resultater projiceres på en tavle i klassen og diskuteres i gruppe.

Jamaal Eggleston: Hvis disse virksomheder kun kendte, du ved, alle de fantastiske mennesker, som de udelukkede på grund af denne praksis. Og de ville have været et fantastisk frisk pust. De ville have været hårdt dygtige arbejdere, men på grund af disse skævheder, uanset om det er fra den person, der programmerede algoritmerne, eller algoritmerne selv, der udelukkede disse mennesker, hvis de bare vidste det, ville de sparke sig selv, du ved, wow, okay personen har ikke samme hudfarve som min. De taler måske med en anden dialekt eller accent, men ved du hvad, de kom her, og de arbejdede efter.

[Musikalsk overgang]

Ian Seal: Hvis der er jobsøgende derude i verden, der elsker at søge arbejde – jeg har aldrig mødt dem. Og hvis der er arbejdsgivere, der føler, at de er eksperter i at rekruttere — jeg har heller aldrig mødt dem. Ingen af ​​parterne er trænet i den aktivitet, de deltager i.

Ian Seal: Mit navn er Ian Siegel. Jeg er administrerende direktør og medstifter af ZipRecruiter.

Jennifer: Det er en AI-drevet markedsplads, hvor virksomheder slår job op, og folk søger arbejde.

Ian Seal: Millioner af virksomheder lægger job på vores side hver måned. Og titusinder af jobsøgende søger arbejde på vores side hver måned. Og vi brugte AI til at spille rollen som aktiv matchmaker mellem dem.

Jennifer: Da vi talte med ham i starten af ​​denne serie, fortalte han os, at langt de fleste CV'er nu bliver screenet af en maskine først, før et menneske går ind i processen.

Og han mener, at enhver, der bruger traditionelle råd til at oprette et CV, risikerer ikke at komme igennem til næste runde af ansættelsesprocessen, fordi publikum for CV'er nu er algoritmer.

Ian Seal: Alt det råd, du fik om, hvordan du skriver et CV, er forkert. Det er ikke længere at skrive noget, der skiller sig ud, brug et smukt design trykt på vellum, brug ekstraordinær prosa til at prøve at pynte dine præstationer, glem alt det. Du vil skrive som en hulemand med de korteste, sprødeste ord, du kan. Du vil gerne være deklarativ og kvantitativ, fordi software forsøger at finde ud af, hvem du er for at afgøre, om du vil blive stillet foran et menneske. Og det er størstedelen af ​​jobs i Amerika lige nu i dag.

Jennifer: Som andre fandt han problemer med disse værktøjer, der udtrækker information fra CV'er.

Så virksomheden byggede sit eget.

Og han har nogle råd til at få et CV igennem.

Ian Seal: Vær eksplicit, og hvis du har en færdighed, så erklær den. Ideelt set erklære, hvordan du har lært det. Så jeg lærte færdigheden ved at gennemgå denne certificeringsproces, her er min certificering eller mit licensnummer for at bekræfte, at jeg har denne færdighed. Fordi der er flere brancher, som hvis du er sygeplejerske, så længe du har en sygeplejelicens, bliver du ansat. Der er et desperat behov for flere sygeplejersker i Amerika lige nu. Hvis du er lastbilchauffør, hvis du har et lastbilkørekortnummer, bliver du ansat. Så som om hele dit CV kunne være den eneste information, 'fordi resten er virkelig ligegyldigt for arbejdsgiveren. Så sørg bare for, at du oplister alle dine færdigheder så konkret og med så meget bevis for at understøtte din ekspertise som muligt.

Jennifer: Og på længere sigt ser han, at en ny måde at rekruttere på bliver normen.

Ian Seal: Der er en fornuftig vej for dette til alt arbejde, og det er arbejdsgiveren bør gå først. Arbejdsgiveren bør se på aktive jobsøgende på markedet og vælge dem, som de gerne vil se søge. Inviter dem til at ansøge eller rekruttere dem direkte. Det er en stor oplevelse. Jobsøgende hader at søge job, men gæt hvad? De elsker at blive rekrutteret, og hvem ville ikke? Det er bogstaveligt talt som at blive hentet på en bar. Det bliver fortalt, at du er ønskværdig og speciel. Det giver bare mening og sætter alle i det rigtige headspace. Så vinder arbejdsgiveren, fordi ved at rekruttere, går de først, de udtrykker interesse, hvilket betyder, at de øger chancerne for, at de får et positivt svar, fordi den person vil blive så smigret af det faktum at arbejdsgiveren gik først. Så det er bare en bedre og mere effektiv måde at fungere på.

[Musikalsk overgang]

Jennifer: Som en del af denne undersøgelse har vi lært om en masse værktøjer, der skal hjælpe jobsøgende med at maksimere deres chancer for succes.

Hilke Schellmann er rapporteringspartner på denne serie. Hun er også professor i journalistik, der rapporterer om dette emne.

Så, Hilke, hvad fandt du ud af om de tricks, folk bruger for at prøve at få en fordel?

Hilke: Så en af ​​de ting, jeg fandt, er en hel nicheindustri af folk, der deler 'vurderingshemmeligheder' med hinanden online.

Sot: Youtube klip montage2: Taler 1: I denne video i dag skal vi tale om, hvordan du kan bestå din psykometriske test, første gang. Højttaler 2: Kig ind i kameraet, ikke se på skærmen. Højttaler 3: Vær udtryksfuld, når du taler, og skift din stemmetone, når du taler, husk, at AI vil lede efter uoverensstemmelser i, hvad du siger, og hvordan du opfører dig. Taler 2: Og så afslører du resultaterne af dine handlinger, og resultaterne skal altid være positive. Så hver gang du bliver stillet et spørgsmål, der siger, så fortæl mig om et tidspunkt, hvor du. Eller beskriv en situation, du var i. Se, det er et adfærdsmæssigt interviewspørgsmål, og du skal give en specifik situation.

Hilke: Så der er også de sædvanlige quora-diskussioner og subreddits, der taler om de spørgsmål, jobsøgende er stødt på i videointerviews, eller hvordan man slår disse spil. Og så er der nogle ansættende leverandører, som tilbyder kandidater en chance for at lave AI mock-interviews før den store dag.

Jennifer: Kandidater kan øve sig alene i et lokale., ved at tale ind i kameraet og forsøge at overbevise nogen eller en maskine om, at de er den bedste kandidat til jobbet?

Hilke: Ja. Jobsøgende kan også se deres personlighedsprofiler. Men der er en grænse for, hvor nyttigt dette er, da de fleste kandidater ikke ved, hvilke spørgsmål de vil blive stillet. Som for eksempel fandt jeg et firma, der listede ansættelsesprocessen i syv trin hos Amazon, som meget tydeligt forklarede, hvad kandidater skulle gøre. Det firma har også bygget AI-spil, der ligner det, jobsøgende bliver bedt om at spille i den virkelige verden. Så de jobsøgende kan træne på disse spil i forvejen (selvfølgelig mod et gebyr).

Jennifer: Og du undersøgte en masse virksomheder, der gør dette, havde du noget interessant?

Hilke: Så tilsyneladende har nogle jobkandidater, der ikke har alle de kompetencer, jobbeskrivelsen beder om, de sætter de kompetencer, de mangler, med hvidt på CV'et. Så det er usynligt for et menneske, men en computer ville genkende færdighederne. Jobsøgende håber at komme på ja-bunken ved at gøre dette, og rekrutterere bliver frustrerede over dette.

Jennifer: Okay, kan dette være en måde at udjævne vilkårene for jobansøgere, der har mindre magt nu mod AI. Eller er det en slags snyd og giver nogle ansøgere en fordel i forhold til andre?

Hilke: Nå, nogle mennesker, der praktiserer disse vurderinger, får en fordel i forhold til andre, fordi de ved, hvad de kan forvente nu. Men det er ikke, fordi de har øvet sig og øvet sig for at finde ud af, hvordan man får den høje score (som i et videospil), for det er ikke sådan, disse vurderinger fungerer.

Disse spil forsøger at vurdere din personlighed og 'for at vinde' sammenligner algoritmen i det væsentlige dine egenskaber med egenskaberne hos medarbejdere, der allerede arbejder i det pågældende firma. Hvis du har lignende personlighedstræk, går du videre til næste runde i ansættelsesprocessen. Men fangsten er, at ingen ved, hvad disse egenskaber er. Så jeg ved ikke, om man kan kalde det snyd, når man ikke engang rigtig kender reglerne for det spil, man spiller.

Jennifer: Og vi ved ikke præcist, hvordan AI scorer jobsøgende, så de mennesker, der giver dette råd, ved de måske heller ikke.

Hilke: Ja, og hvis det råd er unøjagtigt, kan det endda give bagslag for jobsøgende. Men jeg forstår den angst folk har omkring disse nye værktøjer og deres ønske om at forstå, hvordan dette virker. Og selvfølgelig kan den smule øvelse berolige dem på den store dag...

Jennifer: Men som ethvert andet katte- og musspil er det kun et spørgsmål om tid, før folk bruger automatisering til at kæmpe tilbage mod denne automatisering.

Hilke: Det var præcis, hvad jeg tænkte.

[Musikalsk overgang]

Jennifer: Så du testede dette i et videointerview, ved at bruge almindelig tekst til tale-software til at svare på de stillede spørgsmål.

Hilke: Ja, jeg brugte en deepfake computergenereret lydfil for at se, om jeg kunne narre interviewsoftwaren til at tro, at deepfake er et menneske.

[SOT: Hilke taler]: Og så det første spørgsmål er, venligst præsentere dig selv. Introducer venligst dig selv, deepfake.

Computergenereret lyd: Mit navn er Hilke Shellman. Jeg er en Emmy-prisvindende reporter og journalistikprofessor ved New York University. Jeg har været journalist i over et årti.

Jennifer: Ok og den dybe falske stemme har ikke et ansigt, så der er ingen video her, og systemet giver den stadig en score.

Hilke: Ja. Den deepfake scorede en matchscore på 79% med jobbet. Det er faktisk ret højt. Den fik også en personlighedsanalyse, som fortalte mig, at deepfake er meget nyskabende og ikke særlig konsekvent. Det er ret socialt og ikke særlig reserveret.

Jennifer: Ret.

Hilke: Ja, og det mærkeligste var, at jeg så testede det igen, denne gang læste jeg den samme tekst med min egentlige stemme.

Jennifer: Og hvad skete der?

Hilke: Ahh, vel. Den computergenererede stemme scorede faktisk højere end jeg læste den samme tekst!

Jennifer: Wow. Det lyder som om du måske vil overveje at tage din lydavatar med på farten.

Hilke: Det tror jeg nok.

[Musikalsk overgang]

Jennifer: Men vi er ikke de eneste med denne idé.

Sami Mäkeläinen: Hvad hvis du lige har fået AI til at interviewe en AI?

Jennifer: Sami Mäkeläinen er direktør hos Telstra, som er et australsk teleselskab.

Sami Mäkeläinen: Kunne det lade sig gøre? Kunne det lade sig gøre nu? Kan det lade sig gøre i fremtiden? Jeg mener, det er ret klart, at du i en ikke alt for fjern fremtid vil have denne form for en meget mere almindelig evne til at udvikle kunstige entiteter, der ser ud til at ligne stort set mennesker og opføre sig meget som mennesker. Jeg tænkte, at godt, kunne vi bruge en af ​​disse ting til at lave interviewene for os?

Jennifer: Han har en baggrund i software engineering, og hans job er at studere konsekvenserne af fremtidige teknologiske tendenser.

Bare af nysgerrighed besluttede han og et par kolleger at teste, om AI-interviewere ville genkende forskellen mellem at interviewe et menneske eller en anden maskine.

Så de tog et velkendt AI-interviewsystem, som bruger video (han ønskede ikke at afsløre hvilken), og han parrede det med en avatar.

Sami Mäkeläinen: Vi har lige haft et AI-interviewsystem. Og vi indsatte et digitalt menneske med kunstig intelligens, digital avatar, digital tvilling (hvis man vil kalde det det), for på en måde at fungere som talerør for det interviewede menneske. Så du ved, at de ord, som avataren talte, kom fra mennesker, det var ikke en sprogmodel eller AI bag den del.

Jennifer: Med andre ord skrev de et manuskript, og det blev udført af en deepfake.

Så en falsk stemme på en falsk video besvarede spørgsmålene stillet af en AI-interviewer.

Og efter omkring et dusin tests, hvordan klarede denne AI-jobkandidat det?

Sami Mäkeläinen: Tja, smed det interviewet? Nej, det gjorde det ikke. Det var fint set fra AI-interviewerens perspektiv. Det var, som om det var at interviewe nogen anden.

Jennifer: De testede de samme ord på to måder. En talt af et menneske, og en talt af avataren. Og han siger, at resultatet var ens for begge.

Og han har tanker om, hvad der kan ske næste gang.

Sami Mäkeläinen: Så sig om et par år fra nu, vil du være i stand til at have en meget realistisk udseende digital tvilling af dig selv, i det væsentlige audiovisuel repræsentation af dig. Du kan forestille dig en hel række af use cases til det. Du kunne få det til at sidde i, du ved, et kedeligt, stort møde for dig, der kunne øh og umm med de rigtige intervaller. Du kan bruge det i, du ved, virtuel spil eller spil og virtuel tilstedeværelse som et miljø. Eller du kan bruge det til at tage interviews for dig.

Jennifer: Selvom han ikke er klar over, at andre har testet denne teknologi med digitale mennesker endnu. Og hvis Hollywood-film ikke nemt kan klare dette, føler han, at der ikke er nogen fare for, at vi andre snart vil bruge avatarer for at gøre vores bud.

Men det faktum, at ansættelsesværktøjet ikke kunne genkende, at det var at interviewe en maskine, er et problem. Og det betyder, at softwaren stadig har en vej at gå.

Sami Mäkeläinen: Så jeg formoder, at ideelt set, når du har et system, der tilsyneladende interviewer et menneske, vil du gerne sikre dig, at det er det menneske, du tror, ​​du interviewer i den anden ende. Ellers ville du bare hyre en ven til at lave AI-interviewet for dig, og det ville sandsynligvis være langt mere overbevisende, end en AI ville være i øjeblikket. Der er en hel række ting, som disse systemer kunne gøre for at verificere, at de taler med den, de tror, ​​de taler til, men hvordan det præcist vil blive udviklet, er igen noget, der skal bestemmes.

Jennifer: Han siger, at de ikke har nogen planer om at teste yderligere, men hvis de gjorde det, har han tanker om, hvad de kan prøve.

Sami Mäkeläinen: Vi har ikke gravet dybere ned i, kan vi muligvis justere scoringerne ved at optimere ansigtsudtryk, eller tonefald eller, du ved, følelser eller sådan noget? Det er ikke noget, vi har dykket ned i. Og det var bare, det var bare et meget simpelt, en slags proof of concept.

Jennifer: Og han mener, at vi også skal huske, at noget af det her ikke er nyt.

Sami Mäkeläinen: Vi har ligesom spillet, interviewene for evigt. Som når du har et menneskeligt interview, har du endda kurser i, hvordan du skal opføre dig der, hvad du skal sige, hvad du skal gøre, hvad du skal have på. Vi vil i stigende grad bruge intelligente 'citer unquote'-agenter til at gøre vores bud for os.

Jennifer: Men han siger, at det er vigtigt at indse, at ansættelse aldrig var perfekt til at begynde med.

Sami Mäkeläinen: Det er nemt at begynde at give AI'en og brugen af ​​AI skylden for mange af disse situationer. Og i mange tilfælde er det garanteret, ikke? Jeg tror ikke, nogen kan sige, at det var en perfekt proces til at begynde med, og du ved, så kommer vi til at lide, hvordan implementerer vi disse systemer? Hvordan bruger vi dem, hvor meget ansvar giver vi dem? Djævelen er altid i detaljerne. Så på et plan vil jeg gerne være helt enig i, at omkostningerne ved at ansætte forkert er for høje. Men på den anden side har vi i det væsentlige taget fejl som samfund i årtier.

Jennifer: Om et øjeblik ser vi på noget af det, der bliver gjort på universitetsniveau, for at hjælpe studerende med at blive klar til at engagere sig i disse systemer, når vi kommer tilbage.

[Midroll]

Jennifer: Denne nye æra inden for ansættelse kan føles lidt overvældende for folk, der leder efter et job, som ikke altid ved, hvordan og hvornår de bliver testet, eller hvad de præcist bliver testet for.

Folk leder efter måder, hvorpå de bedre kan forberede sig på at engagere sig i disse AI-systemer, og det er flyttet ud over individuel nysgerrighed og græsrodsorganisering. AI-virksomheder er også i dette område og leverer værktøjer og træning til jobsøgende.

En af dem er et firma kaldet VMock, som har forretningsaftaler med hundredvis af gymnasier og universiteter. Dens AI-baserede software retter hundredvis af CV'er, så de lettere kan læses af maskiner, og giver feedback på videointerviews.

Salil Pandey: Og i det første blik, hvis du faktisk gik til nej-bunken, så er historien slut. Du er måske den klogeste dreng, der kommer ud af dit bachelorprogram. Du er væk, du får ikke den anden chance. Verden er gået videre til en meget hurtig cyklus, og det er blip, og du enten ja eller nej.

Jennifer: Salil Pande er en af ​​virksomhedens grundlæggere.

Han siger selv for blot et par år siden, at hvert trin i ansættelsesprocessen blev udført af et menneske. Det er ikke længere tilfældet, især for virksomheder, der ansætter mange nyuddannede universitetsuddannede og folk med mindre erhvervserfaring, fordi det gør det sværere for ansættelsesledere at vide, hvem der er den bedste person til jobbet.

Salil Pandey: Til sidst, når der er en høj sandsynlighed for succes, er det, når mennesket til menneskets tidsinteraktion sker, hvilket betyder, at den tidlige del, som var afvisningsdelen, allerede er blevet givet til teknologi, Hej, teknologi filtrerer mig det rigtige CV, filtrer mig den rigtige, øh, LinkedIn-profil, filtrer mig de gode pitches og lav også nogle psykometriske tests og alting satte det hele sammen for mig. Og når alt dette er færdigt, så planlæg et interview for mig, og det er, når jeg skal afsted, boom, en times interview, jeg er færdig.

Jennifer: VMocks mission er at forberede studerende til et ansættelsesområde, hvor deres CV'er og videointerviews først skal appellere til AI.

Salil Pandey: Hvis du ikke har optimeret dit CV til den jobbeskrivelse, vil ansøgersporingssystemet, der faktisk ligner at arbejde uden om den jobbeskrivelse, muligvis ikke filtrere dig ind i ja-bunken. Du kan være i no-bunken eller en måske-bunken. Så du er nødt til at tænke over, hvordan du bare vil gennemgå denne tidlige proces, hvor du skal håndtere ansøgersporingssystem. Du kommer til at beskæftige dig med et kunstig intelligens-system, der vil genkende dine, dine interviews og alt muligt andet. Hvad er et godt pitch? Hvordan fremhæver du dine spidskompetencer? Hvilke kompetencer leder rekrutterere efter? Hvilke færdigheder har du i øjeblikket? Hvordan præsenterer du dine færdigheder, når du ikke har færdigheden, men du har noget andet, der kunne tages som et eksempel på den anden færdighed, og du kan faktisk præsentere.

Jennifer: Pande siger, at karrierecentre på universiteterne er udkonkurreret af den teknologi, der nu anvendes af mange store virksomheder. Det er der, han siger, at VMocks AI kan hjælpe studerende med at slå den AI, de møder, når de leder efter deres første job.

Og en skole, der bruger det, er New York University.

Gracy Sarkissian: Så eleverne møder disse systemer tidligt, tidligere og tidligere. Og jeg vil sige, du ved, karrierecentre forsøger at følge med disse ændringer, så vi kan forberede vores elever mere effektivt, når de ikke ved, hvad de kan forvente. Jeg tror, ​​det er så meget ukendt for eleverne. Og så er vores opgave at afmystificere det en lille smule.

Jennifer: Gracy Sarkissian leder karrierecentret på NYU.

Hun siger, at hun hentede VMock ind for at gøre den tid, karrieretrænere har med eleverne, mere effektiv.

Gracy Sarkissian: Og når du først har integreret den feedback, vil du se resultatet stige. Så det giver bare eleverne lidt øvelse i ikke kun at få feedback, men også at se, hvordan et system kan reagere på at reagere eller reagere på deres CV.

Jennifer: Og hun har nogle råd til jobsøgende, der forsøger at imponere både AI og mennesker.

Gracy Sarkissian: Nogle elever siger til mig, du ved, jeg gjorde, hvad I sagde til mig at gøre. Jeg sørgede for, at mit CV var fyldt med søgeord. Og nu lyder det lidt som et osteagtigt markedsføringsdokument. Og så hvad jeg siger, jeg forstår, jeg hører dig. Har to versioner af dit CV. Hav den, du vil søge til, når du går gennem systemer, og hav en, som du vil give til nogen, hvis du mødes med nogen, og du vil imponere dem. Og så det har hjulpet eleverne med at sige, okay, jeg forstår det. Dette er noget, jeg skal gøre, så mit CV bliver samlet op.

Jennifer: Hendes team forbereder også eleverne til envejs videointerviews.

Gracy Sarkissian: Vi er ikke klar over, hvor meget input vi får, når vi har en en-til-en samtale med nogen, eller du er, selvom det er et gruppe- eller panelinterview. Du ser folk i øjnene, du får positiv feedback. Du får muligvis negativ feedback, der kan få dig til at justere dit spørgsmål. Hvis du var nervøs, er der en god chance for, at du vil føle lidt empati fra nogen i rummet. Hvorimod når vi interviewer AI, føles det som en fremmed, ikke? Det føles som en fremmed uden ansigt. Det er en tom skærm. Og ofte stirrer man på sig selv, og det kan derfor være en ensom proces, tror jeg, øhm, for nogle af vores elever.

Jennifer: Det er en af ​​grundene til, at hun mener, at arbejdsgivere i et stramt arbejdsmarked måske vil gentænke nogle af disse strategier, især hvis de vil tiltrække toptalenter.

Gracy Sarkissian: Du ved, vi ved, at Gen-Z-studerende er, er en værdidrevet generation, ikke? De vil sikre sig, at de kan forbinde sig med organisationens kultur. At organisationens mission og værdier er, er i tråd med disse. Og det er noget, der er svært at vurdere, når man interviewede på en virtuel måde. Når du ikke møder folk, når du ikke taler med folk til et interview, når du ikke går gennem et kontor og bare ser arbejdet ske.

Jennifer: Men i en verden, hvor millioner af virksomheder modtager millioner af ansøgninger, er skræddersy til enkeltpersoner ikke noget, der skaleres.

Og det bringer os tilbage i en position, vi har været før, blackbox-beslutningstagning, anvendt på alle, hvilket fører til utilsigtede konsekvenser.

Når vi afslutter anden sæson af denne podcast – og vores firedelte undersøgelse af, hvordan AI bliver brugt til at træffe ansættelsesbeslutninger – ser vi løftet om at bruge algoritmer. Men rapporteringen gør det klart, at dette er en ny industri med mange bevægelige dele og i det mindste et par værktøjer, der bare ikke er der endnu. Og i nogle tilfælde kan de faktisk gøre det modsatte af, hvad de har til hensigt.

Vi har set systemer med bias mod kvinder og mennesker med handicap, selv et værktøj, der forudsiger folk ved navn Jared vil få succes på jobbet. Andre værktøjer vurderede kandidater højt på deres engelskkundskaber, selvom optagelserne ikke indeholdt ét ord engelsk. Vi uploadede også optagelser, der ikke havde noget at gøre med de stillede interviewspørgsmål, men som blev vurderet som match for de færdigheder, der kræves for at udføre jobbet.

Med lidt overblik er der også lidt gennemsigtighed om, hvad der foregår inde i den sorte boks, og hvorfor softwaren træffer de beslutninger, den træffer. Virksomheder, der bygger disse værktøjer, er ikke forpligtet til at fortælle nogen, hvordan deres systemer fungerer, eller hvorfor de skal have tillid til.

Den gode nyhed? På mange måder er vi stadig i begyndelsen. Og der er mulighed for at bygge bedre systemer, hvis vi er ærlige omkring, hvad der ikke virker, hvor maskinerne kommer til kort, og hvis vi træffer en beslutning om ikke at værdsætte skala, effektivitet eller hastighed frem for alt.

[KREDITTER]

Jennifer: Denne miniserie om ansættelse blev rapporteret af Hilke Schellmann og produceret af mig, Emma Cillekens, Anthony Green og Karen Hao. Vi er redigeret af Michael Reilly.

Det var det for anden sæson, vi tager en pause og ses her til efteråret.

Mange tak fordi du lyttede. Jeg er Jennifer Strong.

skjule