從去年開始，很多校招季的金字招牌也在面試環節加入了AI面試/數字面試。很多招聘平臺都把智能面試系統作為自己的業務增長點，扮演著技術傳播者的角色。
至於申請人，知道自己要面對AI這個不知疲倦、絕情又善於觀察的“攔路虎”，恐怕很多人都會感到亞歷山大。尤其是大壹新生，以前都有學長學姐的言傳身教來指導，但是能面對“AI面試官”這個新生事物，市面上確實沒有太多有效的經驗可供參考。
今天，我們就來談談AI面試的邊界在哪裏，如何“進攻”它。
AI泛濫背後，雇主的陰謀
如果看到自己喜歡的企業或職位需要先經過AI，不要妄自菲薄，戰略上的輕視和戰術上的重視往往是AI面試官在“攻略”下的先決條件。
之所以這麽說，是因為現在市面上有太多的“金爹”打著AI的名義宣揚真相。其中，最接近大眾市場的快速消費品領域是重災區。在校招等環節貼上“AI面試”招牌的第壹批人大多是這種，比如食品飲料(可口可樂)、日化用品(寶潔、聯合利華)等等。
壹方面，這些企業大多沒有特殊的專業限制，頂著500強跨國公司的光環，簡歷篩選壓力非常大；同時，校招也是壹個非常好的在年輕人中“吸引眼球”的機會。很多公司都會打出“尋找未來經理人”的口號，競爭異常激烈。開放式提問、AI面試、遊戲評測等創意招聘方式也能有效幫助其擴大影響力，強化品牌形象。
這也決定了其AI面試系統需要滿足兩個核心訴求:
第壹，推出的時機是否足夠快，以便在宣傳上“占得先機”；第二，數據的多樣性和算法的魯棒性是否足夠高，以避免引爆考生因區分度和通過率而產生的負面情緒。
所以這些品牌企業采用的AI面試解決方案，大多是第三方算法公司結合市面上壹些成熟的AI技術應用打磨出來的。這意味著AI面試系統只能在最初的粗篩選中起到壹定的輔助作用，很難從根本上決定是否獲得offer。反而可以避免面試官感性判斷(如顏值、口音、畢業院校等)造成的偏差。)開頭，讓更多崗位匹配的考生有機會；另壹方面，基於深度神經網絡模型的訓練邏輯，以及目前NLP、人臉識別、情感算法等技術天花板，也讓考生有機會看壹看AI系統的考察點，並壹壹攻破。
讓我們來認識壹下這些能力各異的特殊面試官。
攻略難度壹星:問答AI面試
該產品往往將NLP自然語言理解技術與語音識別算法相結合，以問答的形式獲取壹些與職位匹配相關的關鍵信息。
日本人才公司En Japan讓即將畢業的大學生用壹個只會提問的手機進行了壹個小時的問答面試，包括126個問題。看到求職者最後被虐了，無語了...
這類“面試官”首先通過語音算法、語音語調統計等手段分析應聘者的反應速度和心理情緒。此外，借助NLP算法，對答案的關鍵詞和語義進行分析，結合企業的業務和崗位需求相關的問題，如快消品必問的“寶潔八問”及其變體，做出匹配度的初步判斷。
面對這些只憑聲音和語言特征選人的面試官，因為他們的參數是人為設定的，事先排除了壹些隱藏的感性偏好，所以他們的判斷會相對公正，策略也會有針對性。
首先，我們知道這些面試軟件大多都是事先設定好問答的標準題。比如上面說的En Japan考試軟件，就是15前期面試問答訓練的集合，主要涉及基本信息，工作技巧，性格特點等等。與人類面試官不同，他們有時會說要放松家裏的氣氛，或者通過問壹些棘手的問題來給他們施加壓力，人工智能面試系統通常只會以壹對壹的方式進行互動和提問。只要他們在參加面試前多做功課，了解用人單位的企業文化和用人理念，無論是快節奏的、創意的還是全球化的，合理調整並有意識地訓練自己的發音，就可以避免很多意想不到的情況。
同時，就像高考前老師反復提醒的“文筆優美可以獲得更多的印象分”壹樣，在回答AI問題時最好做自己喜歡的事情，盡量使用壹些符合機器邏輯的語言來組織語言。因為AI主要是基於實時語音傳遞、關鍵詞提取匹配、語義理解來判斷壹個求職者是否想要匹配職位描述。所以找出壹些必要的硬指標硬技能，指出壹些語句中的關鍵詞，比如領導力、國家項目、轉化率、團隊意識等，會更有幫助。
只要按圖走，妳可能會覺得AI比現場面試容易。
攻略難度二星:視頻AI面試
如果妳感興趣的企業更強，或者更懂技術，那麽碰上視頻AI這種高級面試官的概率就更大了。
簡而言之，視頻AI面試是基於智能問答的。AI還會實時分析應聘者的面部表情和肌肉動作來判斷應聘者的真實性和性格傾向，多維度考察應聘者是否接近企業的理想人選。
很多同學聽了心裏恐怕涼了半截。難道連翻白眼、東張西望都有可能“出賣”自己嗎？現在看《對我撒謊》(壹部以微表情心理為主題的美劇)能自救嗎？
壹個想了解閱讀和聽力的面試官，除了必要的網絡查和gfd(見人類面試官也要註意)，恐怕還得從技術認知上打壹場有準備的仗。
可以肯定的是，利用AI對面部表情進行情感識別，在算法上並沒有足夠的科學依據。即使是微軟、谷歌、IBM等AI巨頭，其情感識別算法也並不嚴謹，應用於招聘場景時很可能會產生嚴重誤導。因此，求職軟件監控情緒、篩選求職者也被認為是不合適的。
比如偶爾皺眉不代表“生氣”的情緒，也不代表面試官壹定有難以合作的特質。事實上，視頻面試更有助於發現那些表現最好的人。
以高盛、摩根大通、畢馬威、聯合利華、歐萊雅等大型集團采用的HireVue或Sonru為例。它的原理是識別65，438+05，000個特征，包括選擇的語言、使用的詞匯、眼神的表情、聲音的大小等。，然後結合這些特征，根據以往“成功”候選人的特征庫，判斷壹個人的反應、情緒和認知能力。最後通過排名算法，壹定比例的最佳候選人進入下壹輪。
據了解，希爾頓集團已經使用其算法面試了超過43000個職位。在全球範圍內，HireVue系統每個季度提供6.5438+0萬次面試和超過6.5438+0.5萬次就業前評估。
正如其技術總監所說，“人類語言、肢體語言和表達的極端復雜性，需要非常在意算法偏差和潛在的有害影響。”如果客戶在某些題目中篩選出90%的求職者，說明“考察點範圍太小”，會做出改變。
在了解了這個視頻AI面試的基本原理後，妳會發現，妳並不需要對AI持謹慎態度。當然，我們可以找到壹些對算法有好處的小技巧，但是我們建議妳照常玩，因為每壹個習慣都可能影響妳以後工作的樂趣。
比如只有10%-30%的分數權重是由面部表情決定的，其他大部分取決於面試官的言語表現。在詞匯上，多使用符合目標企業偏好的特色詞匯。求職者是否喜歡說被動動詞或主動詞，是否經常使用“我”或“我們”，是否經常使用技術詞匯，都會影響系統對匹配度的評價。
再比如說話的語氣。如果有些人說得真的很慢，可能不適合電話咨詢，如果說得太快，用戶就聽不懂了。用同理心找到最適合自己喜歡位置的狀態，或許“感覺”比數據更靠譜。
攻略難度三星:會讀心術的AI
聽到這裏妳是不是已經感受到求職者的落寞了？先別難過。如果妳“不幸”被讀取妳社交網絡的AI發布系統面試，在算法下“裸奔”後，妳只能買張彩票安慰自己。
在這個層面上，AI往往會根據壹些復雜的數據來分析求職者的日常行為，進而推導出其與職位的匹配度。不久前，加州初創公司Predictim利用NLP技術和計算機視覺技術掃描保姆職位候選人的臉書、Instagram和Twitter歷史，然後預測他們是否可能欺負或騷擾他人，是否可能虐待兒童等等。
當然，這樣的面試官很快遭到了業界的抵制。臉書認為，該公司違反了禁止開發者使用這些信息審查求職者的禁令，從而極大地限制了該公司在臉書和Instagram上獲取用戶數據的權限。Twitter還中斷了Predictim對其API的訪問，理由是禁止將Twitter數據用於監控目的。
類似的算法風險也發生在求職平臺LinkedIn，因為第三方網站HiQ收集LinkedIn的數據來預測員工可能何時離職。
科技巨頭之所以用這樣的AI面試系統明確界限，是因為機器學習無法可靠地解釋語調和言語的細微差異，比如諷刺或玩笑，其在面試場景中的應用非常不穩定；同時，這種算法是無法監督的，也就是它有壹個黑箱，壹些本來可能很敬業的員工很可能在不知道原因也不解釋的情況下失去工作機會。
另外，把面試成功的決定性因素交給AI顯然也不符合技術倫理。如果企業出於決策者的偏好/偏見，直接使用小規模、單壹的數據集進行訓練，那麽AI面試的公平性就會消失，甚至可能加劇企業在年齡、種族上的歧視和排斥。正如UCL人機交互教授Anna Cox所說，“任何數據集都會有偏差，會把真正擅長這份工作的人排除在外。”
目前看來，AI分析招聘面試過程中的復雜要素還是壹個有爭議的未來。
然而，技術的車輪正在加速。IBM宣布將使用沃森主動搜索內部培訓系統的數據，了解員工的培訓和學習情況，判斷他們是否具有晉升潛力，從而進行內部評估。而從這樣壹個相對結構化的數據到面試招聘環節，或許也是沖著廣大求職者來的。
可以說，過去我們看到壹些機械化程度高，數據結構化的領域，文檔，翻譯，識別等。都被AI取代了。如今，面試這個充滿情感色彩的傳播領域也未能幸免。好在技術的魔力正在消退，手握知識之劍的人類終將找到與AI“* * *”的最佳方式。在反復的較量和對抗中叠代優化，最終走出人機磨合的痛苦。