一批招聘初创公司认为, 利用计算机算法进行招聘比人工更高效、更省钱，更重要的是它不带偏见。但计算机算法真的比人更懂人吗？
招聘看起来似乎是最没有可能实现自动化的工作之一。它整个过程似乎都需要计算机所欠缺的技能，比如进行对话，再比如解读社会的潜台词。
但人也有偏见和偏好。他们常常无意识地根据与岗位要求毫无关系的共同点来做出聘用的决定，比如求职者是否和自己有共同的朋友，是否曾经就读过同一所学校，或者说，是否爱好同样的运动。
研究人员之所以说传统的招聘很失败，这就是一个原因。问题是，怎样改善它。
包括Gild、Entelo、Textio、Doxa和GapJumpers公司在内，一波新的创业公司正在尝试用不同的方式来实现招聘的自动化。他们说，软件能够更有效地完成这项工作，而且效率比人类更高。许多人也都开始接受这个理念。一些成熟的猎头公司，比如光辉国际（Korn Ferry），也开始在自己的工作中融入计算机算法。
如果能成功，他们说，招聘就能加快速度，降低费用，而他们掌握的数据则可以让招聘人员找到技能更精湛、更符合公司需求的人。另外一个可能的结果则是提高员工队伍的多样性。这种软件依靠数据从广大的地域范围内筛选候选者，把他们的技能与岗位要求进行比照，完全不受偏见的影响。
“每家公司都有自己的方式，或者是按学校，或者是按简历上的公司。”为整个招聘流程制作软件的Gild公司联合创始人兼首席执行官希尔罗伊·德赛（Sheeroy Desai）说，“它或许有一定的预见性，但问题是，它有失偏颇。它们回绝了成堆成堆符合资格的人。”
但有些人怀疑，算法是不是真的能够比人更懂人。
“我寻找的是激情和欺骗，但没有什么数据算法能够挖到这种根子上的东西。”科技行业高管猎头公司Millennium Search创始人兼首席执行官艾米什·沙（Amish Shah）说，“它是一种直觉，一种本能，一种化学反应。”他把它类比成自己和妻子的初次邂逅。
然而, 一些研究人员称，人们对化学反应和文化适应性的观念导致用人公司走上了歧途。原因是，许多面试官以为，它意味着聘用和他们玩得来的人。
宾夕法尼亚大学（the University of Pennsylvania）沃顿商学院（Wharton School）研究行为及判断的凯德·梅西（Cade Massey）说：“面试官和面试者之间的共同点，比如他们来自同一个地区，读过同一所学校，穿着同样的衬衫，叫了同样的茶，这些因素的影响非常大，尽管它并不能预测他们将来的表现怎么样。”
相反，研究人员称，面试官应该在面试者身上寻找精诚合作的态度以及对公司战略和价值观的认可。
“文化适应性是指，一个人与工作相关的价值观和工作方式支持公司的战略。”西北大学凯洛格管理学院（Kellogg School of Management）研究招聘的劳伦·里维拉（Lauren Rivera）说，“一旦考虑大量的统计学特征，人们就会不仅仅是偏离这个概念，甚至还会陷入歧视。”
他们推荐公司采用结构化的面试，对每一个候选者询问同样的问题，指派模拟实战工作的任务，同时还要依靠数据。
比如，Gild公司利用用人公司自己的数据以及从LinkedIn或者GitHub这些地方获得的公开数据来寻找那些技能符合公司需求的人。它尝试算出某个人对某个职位感兴趣的可能性，同时根据他们所在公司及他们个人的职业发展曲线给出建议，什么时候是联系他们的恰当时机。
德赛说，Gild公司找到的候选者比用人公司通常找到候选者更具有多样性。在科技行业，它筛选出来的工程师中，性别为女性、年纪较长的人更多，就读的学校和社会经济背景也更多样化。
“如果你们已经有了年轻的白人男性工程师，他们会认识什么人？”德赛说，“当然也是年轻的白人男性工程师。”
大多数科技公司超过80%的技术员工都是男性，只有不到5%的人是黑色人种或者拉丁裔人口。
有一位工程师曾经两次申请云计算公司Rackspace的职位，但两次都不走运。他是一位退役老兵，曾经在一家公共电台工作过，但是没有高校学位，也没有专业编程的经验，并不符合Rackspace招人的模式。但是Gild根据他自行编写的软件推荐了他，而他最终也获得了录用。
科技行业之所以成为一些招聘初创公司关注的焦点，部分原因是这个行业的职位空缺比它能够招到的人还要多，而且科技公司都面临着压力，需要提高员工队伍的多样化。比如，Twitter只有10%的技术员工是女性，而在Facebook和雅虎，这个数字在15%左右。科技行业部分女性和少数族裔描述称, 这个行业的文化不欢迎他们；面对这样的批评，科技公司的回应是，它们开始公布多样化方面的数据，同时承诺做出改变。
一些软件听起来感觉就跟最能设身处地的人事总监一样感情丰富。新成立的Doxa公司计划根据技能、价值观以及兼容性来匹配候选者和用人的科技公司、特定的团队，甚至是经理，比如某个团队是独立作业还是协同作业居多，或者说，女性员工是否觉得自己的观点得到了严肃的对待。
Doxa联合创始人兼首席执行官纳瑟莉·米勒（Nathalie Miller）说：“招聘活动的人工部分确实存在太多的局限性，我们现在的招聘方式之所以不起作用是因为，人们对自己的工作不满意。”
目前，Doxa已经发现了用人公司很少向求职者公开的一些工作内情。这些来自员工匿名调查的数据包括：员工们上下班的时间、一周花在开会上的小时数、夜班和周末加班的比例，以及薪酬的性别差距哪个部门最大，哪个部门最小。
另外一家公司Textio则利用机器学习和语言分析来分析星巴克和巴克莱银行等公司的职位信息。公司联合创始人兼首席执行官基兰·施耐德（Kieran Snyder）称，Textio发现，2.5万多个词组都在暗示性别歧视。“顶级（top-tier）”“有进取心（aggressive）”的用语以及“关键任务（mission critical）”这种拿体育和军事进行类比的用语都会降低某个职位的申请者中女性所占的比例。而像“伙伴关系（partnerships）”和“学习的热情（passion for learning）”这样的用语则会吸引更多的女性。
那么，如果招聘实现了自动化，人类的立足之地在哪里？研究招聘的人们说，数据只是招聘人员利用的一种工具。人类的专业知识仍然必不可少。而且，数据还催生了对新岗位的需求，比如多样化咨询师。他们分析数据显示一家公司的什么领域多样性不足，然后找出解决的办法。
人们同时还需要确保算法不仅仅只是把深层次的偏见变成了代码，或者因为筛选具有某些特定特征的求职者，结果导致各家公司还是像过去一样同质化。
“这类算法其中的一个危险在于，”里维拉说，“依赖数据，结果人们变得自信过了头。”
评论 (0)