想找份理想工作?你得先通過AI這一關

想找份理想工作?你得先通過AI這一關

編譯/劉大維

知己知彼

在網路時代,打好履歷後只需要按按滑鼠,一天投個幾十甚至上百家公司輕而易舉。但你可曾想過:人資部門該如何應對這些如雪片般飛來的電子履歷?為什麼投出的大部分履歷如石沉大海,或只收到罐頭回應?

除了求職者的技能與經歷真的不符合公司需求,或未能掌握履歷撰寫技巧外,另一個可能的原因,是你的履歷從頭到尾都沒有「人」看過,就被AI汰選掉了。這類被稱為「聘僱預測工具」(predictive hiring tools)的分析軟體,會自動尋找其中的關鍵字,例如技能、經歷和教育程度等,再按職務所需或公司指定的條件做加權,篩選出值得參加複試或面試的人選。越來越多的大公司開始採用這類履歷篩選系統,並且宣稱:如此可以確保求職者不會因為年齡、性別、膚色或種族等因素而有差別待遇。

然而,既然核心演算法是死的,勢必有一些「靈活」的技巧可以讓自己履歷通過AI的篩選,由眾多其他履歷中脫穎而出,提高求職者最終能與人類面試官面談的機率。以下列舉一二:

  • 在敘述自己的技能、經驗以及過去曾擔任的職務時,盡量使用在徵才訊息上出現的關鍵字。
  • 工作經歷以時間先後,由近到遠排列。2年前和10年前的工作,前者會得到AI較多的加權。
  • 避免籠統的敘述,最好能提供量化數據。例如:「曾帶領銷售團隊大幅提升業績表現」、「擅長資料分析」,相對於「曾帶領銷售團隊在半年內提升80%的業績表現」、「擅長Python程式語言」,後者是更好的敘述方式。
  • 在檔案格式的部份,考慮到可能是AI先進行審核的情況下,.doc、.docx檔案格式會是比.pdf更好的選擇,因為PDF可能會被某些軟體辨識為圖片。

除了文字上的審查,在疫情未見消退的當下,許多企業改採用視訊面試。如果你有幸受邀參加視訊面試,可千萬別理所當然地假定螢幕另一端盯著你看的,也是和你一樣有血有肉的人類。臉部及語音分析軟體可以從你的表情、說話語調以及用字遣詞等面向,評估你是不是合適人選。針對這類情境,以下的身體語言是不錯的應對方式:

  • 保持微笑。
  • 身體微向前傾。
  • 自然的眼神接觸。
  • 用字遣詞盡量簡潔、果斷。例如相對游移不定的「我覺得」,AI對「我認為」會更有正面評價,判定這是更有自信的表現。

無偏差招募?

然而,AI選才真的能夠如這些大公司所言,做到百分之百地不偏不倚、唯才是舉嗎?不可能,原因其實也不難理解:企業想利用AI招募到想要的人才,一個很直覺的方法就是以公司優秀職員當初應徵的履歷來訓練AI模型,提高找到具有相同特質人才的機會,但這種做法也有負面效果。

舉個例子:假如工程部門要招募新人,而現有的工程師絕大部分都是畢業於某名校、特定年齡層的白人男性,同質性過高的樣本理所當然地訓練出有偏差的模型。偏差的模型或許還是可以幫助企業找到想要的人才,但也在不經意中將同樣具備相同技能,只因為不同學歷、年齡、性別或種族而被排除在外,造成弱勢族群更加弱勢。另一方面,人資部門如果不察其中的偏差,繼續針對特定族群投放招募廣告,也只會招來更多同質性的應徵者。

如何消弭這類偏差?人資部門可以給予AI名單上所有求職者相同的複試或面試機會,無論他們當初的名次;並且定期將被AI剔除的履歷抽回檢視,如果發現過多符合要求的人選都在海選時遭AI剔除,就應該回頭修正、調整模型。

AI在人才招募上的運用雖然蔚為潮流,但不代表傳統、老派的做法便會讓你居於劣勢。尤其是需要主動解決問題、進行決策的高階職務,有公司內部人士的舉薦,錄取機會還是比只有AI背書者要大的多。所以,還是要時常更新自己在LinkedIn上的資料及履歷,並且在Twitter等社群媒體上,強調自己的經歷、技能與興趣,如此一來獵頭公司才能循這些「數位足跡」找上你。

編譯來源

參考資料

  1. BBC News, “AI at work: Staff ‘hired and fired by algorithm‘”, BBC News, 2021.
  2. K. Bishop, “Your Next Job Interview May Be With a Robot—Whether You Realize It Or Not“, Observer, 2021.
  3. K. Collier, The Robot-Proof Recruiter: A Survival Guide for Recruitment and Sourcing Professionals. Kogan Page, 2019.
  4. T. Kulp, “AI and hiring bias: Why you need to teach your robots well“, HRExecutive.com, 2021.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

(Visited 1 times, 1 visits today)
views