今年秋天的一天，招聘服務公司Eightfold的首席招聘官Ashutosh Garg翻出了一份引起他興趣的簡歷。
Garg需要尋找的是從事數據科學家崗位的人才，崗位要求通過挖掘數據模式幫助企業做出決策，比如如何瞄準廣告。但奇怪的是，這份簡歷中沒有提到「數據科學」這個詞。
相反，這份簡歷屬於巴克萊銀行(Barclays)的一名分析師，他曾在加州大學洛杉磯分校攻讀物理學研究生。儘管他在社交網站LinkedIn上的個人資料顯示，他從來沒有從事數據科學家工作，但Eightfold公司的軟體認為他非常適合這個職位。在某些關鍵方面，比如他的數學和計算機能力，他與四名真正的數據科學家很相似，Garg曾指示該招聘軟體將這四位數據科學家作為尋找這方面人才的模板。
Garg說，這樣做的目的不是關注職位頭銜，而是「他們擁有什麼技能」。「你需要尋找可能也是那些沒有從事過這種崗位但是又擁有這類技能的人才。」
這種技術的力量，對於任何在勞動力緊張的市場中搶著填補職位空缺的僱主來說，都是顯而易見的——尤其是數據科學家的職位，谷歌、Facebook和亞馬遜等公司都在競相吸引這些職位。
AI招聘能擴大候選人範圍，選擇非傳統雇員
由於像Eightfold這樣的服務，它們依靠複雜的算法來匹配員工和崗位，許多僱主可能很快就能接觸到大量的潛在員工——即使是難以填補的職位——否則他們可能會錯過。
哥倫比亞大學研究人工智慧在招聘中的應用的經濟學家Bo Cowgill說，雖然這也可能對一些求職者有所幫助，但對求職者來說也存在潛在的不利因素:這種算法也可能降低這些領域的工資。
Cowgill 說，「你會得到更多非傳統的、同樣合格的、同樣高效的員工。但僱主「似乎不需要為此進行太多競爭。」
多年來，僱主和在線中介機構一直使用算法來幫助填補職位空缺，但它們的方法往往很粗糙。電腦會識別簡歷上的關鍵詞，然後判斷這些關鍵詞是否與職位描述中的文字相符。
雖然這種方法比像LinkedIn這樣網站的手動搜索更有效，但它也有缺點。求職者可以在簡歷中加入機器可能要找的術語，以此矇混過關。相反，措辭不當的求職簡歷可能會導致電腦忽視合格的求職者。
但最近一種名為深度學習的人工智慧形式的進步，讓一些公司使用的機器變得越來越強大，比如Eightfold和在線就業中心ZipRecruiter。現在，機器可以識別出求職者簡歷上沒有明確顯示的技能和資質，而不是簡單地讀取簡歷上文字，然後將其與職位描述中的文字進行匹配。
為了說明這一點，Garg指出，加州山景城(Mountain View)金融軟體公司Intuit的數據顯示，大約90%的軟體工程師知道程式語言Java。這代表著，即使軟體工程師沒有在簡歷上列出Java技能，這台機器也可以推斷出他/她懂Java。
通過在整個簡歷中執行類似的操作，該公司的軟體可以建立求職者的詳細檔案。它可以從教育背景(一些不太知名的大學的某些學科，比如麻薩諸塞大學阿姆赫斯特分校的自然語言處理專業，可以培養出優秀的員工)、甚至業餘愛好(西洋棋選手往往擅長編程，籃球運動員擅長銷售)等類別中提取比平常更多的信息。
總部位於矽谷的Eightfold公司也與客戶進行了一筆聰明的交易:為了改善業績，Eightfold要求客戶使用其人力資源軟體，該軟體以匿名形式導入員工數據。這包括不同背景的工人在不同工作中的表現，以及他們的收入。
然後Eightfold可以使用這些數據來更好地預測表現——比如說，一個會下西洋棋、畢業於麻薩諸塞大學的Intuit軟體工程師在亞馬遜或微軟的表現會有多好。
對於那些想要擴大搜索範圍、超越擁有傳統經驗和資格的求職者的僱主來說，這個軟體工具可能尤其強大。在這種情況下，招聘人員可以指定一些標準(比如行業和地點，甚至應聘者接受一份工作的可能性有多大)，這些標準會讓你的簡歷不那麼傳統。
為客戶提供數字廣告和營銷服務的AdRoll Group負責招聘和多元化管理者Claudia Villanueva說，她最近在應聘財務規劃職位時使用了Eightfold的軟體。最優秀的候選人擁有科技行業通常迴避的行業經驗，比如製造業。但Eightfold的算法認為她就是最合適的人選。
「科技行業有時很難擺脫過去的技術經驗，」Villanueva說。「我們一直在這個行業僱傭同類資質的員工。對我來說，這是一個非常有趣的例子，說明我們如何打破了這種禁錮。」
就巴克萊銀行分析師而言，Eightfold的軟體將他定位為一名嶄露頭角的數據科學家，部分原因是他擁有統計學碩士學位，知道c++和Matlab等計算機程式語言，儘管他沒有明顯的數據科學背景。
「我們對數千萬到數億人的檔案進行了分析，了解了他們在職業生涯中是如何進步的，」Garg說。「你可以很容易地預測他們下一步可能會做什麼。」但他承認，這種方法在數據有限的新領域或模糊領域效果不太好。
AI招聘或會導致薪資降低
Steve Goodman是另一家將人工智慧應用於招聘的Restless Bandit公司的執行長。
體育特許經營公司傾向於支付給離開前一支球隊的自由球員遠高於他們從大學或高中選拔出來的球員，因為自由球員有記錄。但如果計算機能夠相對準確地預測選秀的表現，這可能會改變他們的計算方法。自由球員的價格可能會下降，簽選秀權運動員的價格可能會上升。事實上，這就是藉助人工智慧的軟體可以獨特的地方。
Goodman說，「我們把那些我們認為會成為不錯的選秀對象的人挑出來，而不是那些已經從事過這類工作的人。這些的人資歷稍淺，但根據他們的職業軌跡，那些與他們類似的選秀對象更廉價但表現的會更好。」
哥倫比亞大學經濟學家Cowgill說，這種邏輯大體上是正確的，但有一個關鍵問題:根據他的研究，機器發掘出的那些不那麼明顯合格的候選人所獲得的好處可能非常大，足以抵消傳統候選人所遭受的較小損失。
例如，在軟體工程這樣的技術領域，一個從無名大學輟學的人，在被僱主聘用之後，可能會過上非常舒適的生活。但現有的編碼員需求充足，即使在更容易找到替代方案的情況下，工資仍可能保持在較高水平。
另一方面，在技能需要較少的領域，工資可能會大幅下降。
考慮一下，比如說，高級市場營銷工作，大公司通常需要工商管理碩士學位。如果機器能夠可靠地識別出經驗較少、資歷較淺、但有可能勝任的候選人，那麼它可能會壓低工資。
AI招聘採用率低
然而，所有這些都假定表明，深度學習技術在招聘和人力資源方面是可行的，並最終可能成為普遍現象。調查顯示，只有少數公司採用了這些工具，而且更少的公司願意利用這些工具。
最近在賓夕法尼亞大學召開的一次會議上，一篇總結會議結果的論文列舉了各種各樣的問題。其中包括衡量員工表現的難度，以及如果電腦要做出招聘、解僱和晉升決定，員工可能會產生的不公平感。
或許最令人擔憂的是一個基本的方法論觀點——稱之為N.B.A. 問題。如果你在研究美國國家籃球協會(National Basketball Association)的球員，想知道是什麼讓一個人變得偉大，你會發現，表現和身高之間幾乎沒有關聯。在這個領域，幾乎每個人都比平均身高要高。而那些不能用其他天賦來彌補的人，比如不尋常的速度和運動能力，很難勝出。
另一方面，如果你從普通人群中隨機選擇一些人，並測量他們的籃球潛力，你會發現這與身高高度非常相關。
令人擔憂的是，機器實際上只研究「 N.B.A.球員」——那些已經在一家公司找到工作的人，甚至是那些正在找工作的人——而不是一般人群。
Cowgill先生相信有解決辦法。他在一篇論文中寫道，一家公司偶然面試的那些看似不合格的求職者，讓一台機器模擬了一個粗略的隨機實驗，幫助公司更多地了解如何成為一名優秀的員工。
但或許更能說明問題的是，尖端科技公司已經在利用人工智慧來填補職位空缺。Garg在谷歌做了四年的研究科學家。他說，該公司在招聘時使用了這種技術。
谷歌表示，該公司使用機器對資料庫中的簡歷進行二次檢查，而人力招聘人員可能會因為一些有限的職位而遺漏這些簡歷。
Garg聲稱，像Eightfold這樣的供應商的優勢在於，它可以訪問其他數十家公司的內部數據，這是連谷歌都無法宣稱的。他說:「我們現在可以建立比這些公司自己建立的更深層次的模式。」
