目前 DeepSense已将我缩减为一系列数据点

Frrole的DeepSense AI对我没什么好说的。我的稳定潜力 - 一个人在戒烟之前愿意“全力以赴” - 排名为4.6，这是一个以不祥的红色标记为标志的“中等”评估。其他特征，比如我的学习能力和对自主性的需求仅略高，而短暂的个性评估则更为温和：乐观的态度，阳光的性格，良好的倾听者。

目前，DeepSense已将我缩减为一系列数据点。该系统从我的社交档案中抽取信息，从LinkedIn到Twitter，努力将我当作一个人。目的?招聘人员可能会更好地侦察和了解潜在的员工。招聘专业人员将他们自己的个人偏见置于表格中，以解释和理解可能的候选人。技术并非绝对可靠，但AI驱动的系统承诺消除一些偏见。

对于一些科技公司来说，AI的位置可能对缩短应用程序审查的口号最有价值。像Ideal这样的公司很早就将这些系统引入这个过程。他们设想了一个AI可以快速分类数据的过程，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，这是对抗大批量招聘的第一道防线。理想连接到公司的申请人跟踪系统，找出已申请的人，并将其与已经被雇用并且表现良好的人进行比较。

以一位前微软员工为例。“我们的系统能够理解微软是一家技术公司，所以它就像人类一样增加了背景，”蒙达尔说。“然后它能够​​训练自己如何非常准确，智能地选择 - 不仅是为了效率而且是为了雇用的质量，这意味着雇用更好的人来完成工作。”然后，技术人员将那些缺失的部分连接起来，并为招聘人员提供建议：根据他们的历史表现和技能，这里是你应该雇佣的人和原因。Mondal声称，就像人类招聘人员在工作中变得更好，他们的AI技术将随着时间的推移而改善。

但像理想这样的选择并不适合所有职业领域。例如，它对零售工作，呼叫中心或银行工作很有帮助，但不是追踪公司下一个销售副总裁的最佳方式。它无法弄清楚文化契合等问题。“人工智能不擅长的事情 - 或一般的计算机 - 是软技能，”蒙达尔说。“我们的目标是让合适的人接受采访，而之前，大量招聘，人们甚至无法浏览所有的应用程序......但是当谈到'这个人是否合适时，我们可以谈判吗?有了这个人才能得到它们，“那些显然是你需要人性化处理的东西。”

这并没有阻止像Frrole这样的公司尝试。DeepSense依赖于行为预测和小型人格评估。它从公开可用的社交数据中提取，使用情绪分析，并将其调查结果提炼为行为特征和个性 - 如团队合作，学习能力或行为等类别 - 旨在为候选人节省他们在测试或传统简历上花费的时间。

“我们在这里尝试做的事实上是建立一种非常简单的方法来创造他们所做的人与工作之间的正确匹配，”Frrole联合创始人和DeepSense联合创始人Amarpreet Kalkat说。他说，决定一个优秀候选人的因素通常归结为个性。

Kalkat说，作为第一步，DeepSense经常用于执行和管理招聘。它侧重于个人及其个性，期望和行为，试图更好地个性化沟通，而不是通过大量的申请人。“我们不是一个后台检查工具，”他说。“我们在您尝试了解候选人或如何与该人交谈的过程开始时进入。”一旦对候选人进行了分析，它就会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，我是一个怀疑论者，他会不断提出问题 - 类似星座的描述，你可以适用于任何记者。解释我作为团队合作者的能力或我的友好程度是好奇的，但是很模糊，足以申请。我确信我的编辑对我达到截止日期的能力有不同的看法。

Frrole如何呈现其发现随着时间的推移而发生了变化。Kalkat说，在审查招聘的“有用和正确”时，他们已经削减了可能与标准有效性或工作绩效无关的任何见解。他们提供给我的第一个档案，其中包括来自我的Twitter的信息，分析了焦虑和抑郁等方面。当我向Kalkat询问这些指标时，他指出了一个缓存版本，因为“重要的Twitter数据。”我的个人资料中不再存在这些类别。“无论如何，这并不是心理健康的衡量标准，”他说，指着他们的技术使用的特定心情图。

Kalkat说，这个生物是为了帮助那些第一次与可能的候选人互动的招聘人员，以“管理那些第一印象”，而不是盲人。当我建议根据人工智能阅读而不是面对面会议来分配特征时，实际上会增加雇主的偏见，卡尔卡特不同意。“它与我可能形成的判断相比如何呢?”他说。“从相对的角度来看，人类判断的准确程度如何?”

他声称，人工智能将继续随着更多数据而改善，而人类“不太可能在这一领域取得任何重大飞跃”。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。它还有助于专注于“预测DISC和Big Five等标准框架的个性属性，招聘团队可以轻松地以标准化方式理解框架，因为它们已经使用了50多年。”

在未经他们同意的情况下分析未来员工的个人资料可能听起来令人怀疑，但实际上，公共信息对于雇主来说是公平的。招聘人员在检查适合文化的候选人时扫描社交媒体资料并不罕见; LinkedIn的存在是为了吸引您的专业能力; 并且DeepSense不会搜索私人数据。

“我们在道德和道德上做正确的事情至关重要，”卡尔卡特说。他继续说道：DeepSense不会判断你在说什么，对于那些想要大声谈论政治或宗教等话题的人来说，这是一个潜在的棘手问题。“这是不看的话题。事实上，正是通过这个主题来看看已经在30多年的学术研究中证明的语言模式，“他说。“使用更多代词的人可能不那么开放，或者使用更多积极词语的人可能会更加乐观。”重要的是突出的特征，而不是特定的情绪。“目的是了解'真实'的人，而不会被分心所困扰，”他说。

人工智能在招聘方面的存在旨在简化征税过程并减少人为偏见，但它伴随着其关注的一部分。在其2018年的报告中，AI Now发现“ 人工智能开发和利润之间的差距 - 以及那些最有可能遭受其负面影响的人之间的差距正在变得越来越大，而不是越来越小”，因为它与对偏见的关注有关，歧视，正当程序，责任和全面的伤害责任。在许多情况下，机器学习已被证明是有问题的。在得知该软件对女性有偏见之后，亚马逊杀死了AI审查项目。甚至人工智能驱动的评估工作，如保姆 引起人们对软件如何区分网上实际欺凌行为和笑话或电影报价的担忧。

在像Twitter这样的平台上，上下文就是一切。该平台的逐个吹嘘性质已经成熟，可以删除其真实含义的推文。在文本中阅读讽刺或讽刺需要情境线索。一些书面模因需要了解特定的大写或标点符号。Kalkat表示，背景是公司不断努力的方向，但通过使用多年的数据和平台，感觉“我们现在处于一个好的位置”。他补充说，未来，该公司计划扩展其技术，包括人们上传他们编写的信件或论文以供心理语言学引擎分析的选项。

如何解释互联网俚语和文化仍然不清楚。对于那些没有足够多的互联网存在的潜在候选人而言，DeepSense将不会有太大帮助。如果没有足够的在线数据，则无法编译配置文件。“DeepSense没有说明应该为某项工作选择哪个候选人，而不是选择哪个候选人。它不是消除工具，“Kalkat说。“招聘组织拥有100%的控制权。他们从过去的数据中了解成功候选人所展示的特征，或在必要时进行修改。然后他们用它来客观地，以数据证明的方式理解即将到来的候选人，这样他们就可以消除主观的人类偏见。“

但是像理想这样的DeepSense只会增长。研究人员看好人工智能从书面文字中提取意义的能力越来越强，想要自动招聘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攀升。“我真的认为2019年将成为人工智能和招聘的重要一年，有点远离自动化和真正的智能，”蒙达尔说。“能够取得更好的成果。我认为这是前进的真正关键。“