Podcast: Slå AI-anställningsmaskinerna

AI intervjuar ett AI-koncept

Ms Tech | Getty





När det kommer till att anställa blir det alltmer en AI-värld – vi jobbar bara i det. I det här sista avsnittet av säsong 2 av vår AI-podcast In Machines We Trust och avslutningen av vår serie om AI och anställning, tar vi en titt på hur AI-baserade system i allt större utsträckning spelar gatekeeper i anställningsprocessen – sålla bort sökande i miljoner, baserat på lite mer än vad de ser i ditt CV. Men vi är inte maktlösa mot maskinerna. Faktum är att ett ökande antal personer och tjänster är designade för att hjälpa dig att spela efter – och i vissa fall böja – deras regler för att ge dig ett försprång.

Vi träffas:

  • Jamaal Eggleston, arbetsberedskapsinstruktör, HOPE-programmet
  • Ian Siegel, VD, ZipRecruiter
  • Sami Mäkeläinen, chef för strategisk framsyn, Telstra
  • Salil Pandey, VD, VMock
  • Gracy Sarkissian, interim verkställande direktör, Wasserman Center for Career Development, New York University

Vi pratade med:

  • Jamaal Eggleston, arbetsberedskapsinstruktör, HOPE-programmet
  • Studenter och lärare från The HOPE Program i Brooklyn, NY
  • Jonathan Kestenbaum, medgrundare och verkställande direktör för Talent Tech Labs
  • Josh Bersin, global industrianalytiker
  • Brian Kropp, Vice President Research, Gartner
  • Ian Siegel, VD, ZipRecruiter
  • Sami Mäkeläinen, chef för strategisk framsyn, Telstra
  • Salil Pandey, VD, VMock
  • Kiran Pandey, medgrundare, VMock
  • Gracy Sarkissian, interim verkställande direktör, Wasserman Center for Career Development, New York University

Ljud från:

Krediter

  • Den här miniserien om anställning rapporterades av Hilke Schellmann och producerades av Jennifer Strong, Emma Cillekens, Anthony Green och Karen Hao. Vi är redigerade av Michael Reilly.

Transkript

Syntetisk Jennifer: Hej allihopa! Det här är INTE Jennifer Strong.

Det är faktiskt en deepfake version av hennes röst.



För att avsluta vår rekryteringsserie turades vi två om att göra samma anställningsintervju, eftersom hon var nyfiken på om den automatiska intervjuaren skulle märka det. Och hur det skulle betygsätta var och en av oss.

[beat / musik]

Så, mänskliga Jennifer slog mig som en bättre match för jobbannonsen, men bara lite.



Detta deepfake? Den fick bättre personlighetspoäng. Eftersom, enligt denna anställningsprogramvara, är denna falska röst mer spontan.

Det blev också rankat som mer innovativt och strategiskt, medan Jennifer är mer passionerad och hon är bättre på att arbeta med andra.

[Beat/musikövergång]



Jennifer: Artificiell intelligens används allt mer i anställningsprocessen.

(Och det här är den riktiga Jennifer. Bara, förresten.)

Och t Idag bestämmer algoritmer om ett CV ses av en människa, mäter personligheter baserat på hur folk pratar eller spelar videospel, och kan till och med intervjua dig.



I en värld där du inte längre förbereder dig för dessa intervjuer genom att sätta din bästa fot framåt – vad innebär det att presentera ditt bästa digitala jag?

Sot: Youtube-klippmontage: Vlogger 1: Vill du veta tre enkla hacks för att avsevärt förbättra din prestation på videointervjuer som HireVue, Spark Hire eller VidCruiter? Vlogger 2: Se till att du tittar på det här från början till slut, för jag vill hjälpa dig att klara din intervju. Vlogger 3: Och om du förstår nyckelbegreppen kan du slå den algoritmen och få jobbet. Så låt oss börja.

Jennifer: Vi tittar på hur långt arbetssökande är villiga att gå för att slå dessa verktyg.

Gracy Sarkissian: Så det finns alla möjliga galna historier om vad studenter har gjort tidigare för att få sitt CV förbi sökandens spårningssystem. Men vad vi gör är att vi ser till att eleverna vet vad de kan förvänta sig och är beredda att bli framgångsrika.

Jennifer: Den framgången mäts med algoritmer över en mängd variabler, från automatiserade CV-granskare som försöker förutsäga en sökandes jobbprestation, till envägsvideointervjuer, där allt från en kandidats ordval till deras ansiktsuttryck kan analyseras.

Ian Seal: Bokstavligen är detta ett av de fall där konventionell visdom kommer att döda dig i ditt sökande efter ett jobb. Och det är så synd eftersom jag tror att även många av experterna inte inser hur branschen faktiskt fungerar idag.

Jennifer: Du kan inte klä dig för att imponera på en algoritm. Så, hur ser det ut att spela ett automatiserat system?

Sami Makelainen: Tänk om du bara fick AI-intervjua en AI, skulle det kunna göras? Skulle det kunna göras nu? Skulle det kunna göras i framtiden? Jag menar – det är ganska tydligt att du inom en inte alltför avlägsen framtid kommer att ha den här typen av mycket vanligare förmåga att utveckla konstgjorda enheter som ser ganska exakt ut som människor och agerar väldigt mycket som människor. Eller kan vi använda någon av dessa saker för att göra intervjuerna åt oss?

Jennifer: Och i avsaknad av meningsfulla regler och förordningar, var drar vi gränsen?

Jag heter Jennifer Strong, och i det här sista avsnittet av en serie i fyra delar om AI och anställning utforskar vi hur vi anpassar oss till den automatiserade processen att hitta ett jobb.

[VISA ID]

[TITEL]

Anonym arbetssökande: Dessa AI:er eller artificiella intelligenta robotar läser CV genom en parser. Så om ditt CV inte är i nivå, går det inte vidare till nästa steg.

Jennifer: Det är den arbetssökande vi har följt genom den här serien. Hon bad oss ​​att kalla henne Sally men det är inte hennes riktiga namn. Hon kritiserar potentiella arbetsgivares anställningsmetoder... och hon fruktar att det kan påverka hennes karriär.

I ett tidigare avsnitt berättade hon om hur hon sökte närmare 150 jobb innan hon fick ett och hur hon stötte på AI vid flera tillfällen i processen.

Precis som Sally, första gången du kanske ser AI under ett jobbsökande är med en CV-parser eller screener. Den sorterar och väljer vilka som skickas vidare till nästa steg i anställningsprocessen.

Hon misstänkte att hennes CV inte gick igenom.

Och hon gjorde ytterligare efterforskningar efter att hon fått tag på en del av denna teknik.

Anonym arbetssökande: Så just nu, när jag lägger upp mitt CV, läser det mig som mjukvaruingenjör, med en antydan till dataanalys, vilket är mitt område. Så det är bra.

Jennifer: En vän till henne arbetar också med detta problem. Han testar ett annat verktyg som sätter en procentuell matchning på hur kvalificerat det bedömer att varje CV är för ett visst jobb.

Anonym arbetssökande: Han har en annan parser där den ger dig din procentsats. Så han har frågat andra människor som är datavetare och redan långt i fältet om deras CV och deras går igenom 80% till 90%.

Jennifer: De testar till och med mallar de hittar online, bara för att se vad som händer och om den formateringen hjälper.

Men hittills, när de fyller i dessa mallar, har de alla fått en låg matchpoäng – under 40 procent kvalificerade.

Anonym arbetssökande: Om du bara Google CV-mallar, om du behöver hjälp med ditt CV, testade vi de som dök upp. Och vi insåg att mallarna inte är bra. Så när du placerar mallarna i parsern, oavsett vilket jobb du är, är du fortfarande på de 40 eller under 40. Så det finns ett problem med att maskinen läser det.

Jennifer: Sally är programmerare. Hon vet hur man ska gå tillväga för att hitta och testa den här typen av programvara. Men de flesta av oss gör det inte. Det är osannolikt att vi vet om dessa algoritmer läser vårt CV på det sätt vi tänkt oss och extraherar de 'rätta' färdigheterna.

Anonym arbetssökande: Om du fyller i en jobbansökan online och det står konvertera CV. Och om, när du väl har konverterat ditt CV, om rutorna inte är ifyllda till vad ditt CV anger, då vet du, din procentandel är låg. Och det är väldigt vettigt eftersom när jag ansökte till som Goldman Sachs eller Capital One, som banksektorer och sånt när jag väljer, tar, um, informationen från mitt CV, var det aldrig korrekt. Och jag var alltid tvungen att fylla i resten av grejerna för att matcha mitt CV.

Jennifer: Hon säger att när hon gjorde den här upptäckten klickade det till slut.

Och hon önskar att hon förstod hur det här fungerade innan hon började söka jobb, för det skulle ha hjälpt mot hennes bedragare-syndrom.

Anonym arbetssökande: Så alla som inte vet om detta har inte en chans, för de vet inte ens.

Jennifer: Under loppet av denna rapportering hittade vi ett antal olika grupper som försökte komma under huven på dessa system. Oavsett om de ska hjälpa sig själva eller andra, anpassa sig och engagera sig i dessa verktyg.

Och vi besökte ett arbetskraftsberedskapsprogram i New York City som heter The Hope Program. Många av dess deltagare har hanterat hemlöshet, missbruk och långtidsarbetslöshet.

Jamaal Eggleston : Du ser alla ringar, dessa elever måste hoppa igenom bara för att få jobbet, där jag hatar att säga att ett annat segment av befolkningen kanske inte behöver gå igenom så många ringar. Så jag tror att det är upp till oss att ta på oss vår rustning och att bekämpa den, för det är bra människor vi pratar om här. Så det har verkligen blivit mitt livs resa att hjälpa dem. Och vi måste slå tillbaka. Alltför många bra människor lämnades till vägkanten.

Jennifer: Jamaal Eggleston är känd för sina elever som Mr. E. Och han säger att de kämpar med den växande användningen av personlighetstestning och andra former av automatisering vid anställning.

Jamaal Eggleston : De kommer tillbaka frustrerade. Det är ett riktigt stort problem att inte höra tillbaka alls. Det är nästan som om du gör en ansökan och din ansökan går in i matrisen och den är borta för alltid. Eller så får du det automatiska svaret som inte är särskilt personligt och det ger ingen information.

Jennifer: För honom representerar det en kamp i uppförsbacke för elever som redan är i underläge.

Jamaal Eggleston : När det kommer till deras personlighetstest känns det som om de blir lurade, eftersom det blir samma fråga, men formulerat på tre olika sätt. Det kommer från kreatörer, som inte alls delar kulturell bakgrund med några av de sökande.

Jennifer: Så han säger att han laddar ner exempel på dessa personlighetstest, analyserar dem och sedan använder det han hittar för att träna sina elever.

Jamaal Eggleston : Så jag ska ge dem de tre olika formuleringarna av den frågan. Så de vet vad de ska hålla utkik efter. Om du någonsin har varit i den här situationen, hur skulle du hantera det? Och de vet direkt att jag lärde dem när en fråga är formulerad på det sättet. Det kommer att bli en beteendefråga. Så det är något som de bör hålla utkik efter i ett personlighetstest och att ta sig tid.

Jennifer: Och de gör dessa tester som en del av sin arbetsträning. Deras resultat projiceras på en whiteboard under lektionen och diskuteras i grupp.

Jamaal Eggleston: Om dessa företag bara visste, du vet, alla fantastiska människor som de uteslöt på grund av dessa metoder. Och de skulle ha varit en fantastisk frisk fläkt. De skulle ha varit hårt kapabla arbetare, men på grund av dessa fördomar, oavsett om det är från personen som programmerade algoritmerna, eller algoritmerna själva, som uteslöt dessa människor, om de bara visste det, skulle de sparka sig själva, du vet, wow, okej personen har inte samma hudfärg som min. De kanske pratar med en annan dialekt eller accent, men vet du vad, de kom hit och de tog av sig svansen.

[Musikalisk övergång]

Ian Seal: Om det finns arbetssökande där ute i världen som älskar att söka arbete – jag har aldrig träffat dem. Och om det finns arbetsgivare som känner att de är experter på att rekrytera — jag har heller aldrig träffat dem. Ingendera sidan är utbildad i den aktivitet de ägnar sig åt.

Ian Seal: Jag heter Ian Siegel. Jag är VD och medgrundare av ZipRecruiter.

Jennifer: Det är en AI-driven marknadsplats där företag lägger ut jobb och människor söker arbete.

Ian Seal: Miljontals företag lägger ut jobb på vår webbplats varje månad. Och tiotals miljoner arbetssökande söker arbete på vår sida varje månad. Och vi använde AI för att spela rollen som en aktiv matchmaker mellan dem.

Jennifer: När vi pratade med honom i början av den här serien berättade han för oss att de allra flesta CV:n nu kontrolleras av en maskin först, innan en människa går in i processen.

Och han tror att alla som använder traditionella råd för att skapa ett CV riskerar att inte ta sig vidare till nästa omgång av anställningsprocessen, eftersom publiken för CV nu är algoritmer.

Ian Seal: Alla de råd du fick om hur man skriver ett CV är fel. Det är inte längre att skriva något som sticker ut, använd en vacker design tryckt på veläng, använd extraordinär prosa för att försöka klä upp dina prestationer, glöm allt det där. Du vill skriva som en grottman med de kortaste, skarpaste ord du kan. Du vill vara deklarativ och kvantitativ, eftersom programvara försöker lista ut vem du är för att avgöra om du ska ställas inför en människa. Och det är majoriteten av jobben i Amerika just nu idag.

Jennifer: Liksom andra hittade han problem med dessa verktyg som extraherar information från CV:n.

Så företaget byggde sitt eget.

Och han har några råd för att få igenom ett CV.

Ian Seal: Var tydlig, och om du har en färdighet, förklara den. Deklarera helst hur du lärde dig det. Så jag lärde mig färdigheten genom att gå igenom den här certifieringsprocessen, här är min certifiering eller mitt licensnummer för att verifiera att jag har denna färdighet. Eftersom det finns flera branscher, som om du är sjuksköterska, så länge du har en sjuksköterskelicens, är du anställd. Det finns ett desperat behov av fler sjuksköterskor i Amerika just nu. Om du är lastbilschaufför, om du har ett lastbilskörkortsnummer anlitas du. Så som att hela ditt CV kan vara den enda informationen, för resten spelar egentligen ingen roll för arbetsgivaren. Så se bara till att du listar alla dina färdigheter så konkret och med så mycket bevis som stöd för din expertis som möjligt.

Jennifer: Och på längre sikt ser han att ett nytt sätt att rekrytera blir normen.

Ian Seal: Det finns en vettig väg för detta till allt arbete, och det är arbetsgivaren bör gå först. Arbetsgivaren bör titta på aktiva arbetssökande på marknaden och välja de som de skulle vilja se gälla. Bjud in dem att ansöka eller direktrekrytera dem. Det är en fantastisk upplevelse. Arbetssökande hatar att söka jobb, men gissa vad? De älskar att bli rekryterade, och vem skulle inte göra det? Det är bokstavligen som att bli hämtad på en bar. Det sägs att du är önskvärd och speciell. Det är bara vettigt och sätter alla i rätt headspace. Då vinner arbetsgivaren för genom att rekrytera kommer de först, de uttrycker intresse, vilket betyder att de ökar chanserna att de kommer att få ett positivt svar, eftersom den personen kommer att bli så smickrad av det faktum att arbetsgivaren gick först. Så det är bara ett bättre och mer effektivt sätt för detta att fungera.

[Musikalisk övergång]

Jennifer: Som en del av den här utredningen har vi lärt oss om ett gäng verktyg som är avsedda att hjälpa arbetssökande att maximera sina chanser att lyckas.

Hilke Schellmann är rapportpartner i denna serie. Hon är också professor i journalistik som rapporterar om detta ämne.

Så, Hilke, vad hittade du om de knep som folk använder för att försöka få ett försprång?

Hilke: Så, en av sakerna jag hittade är en hel nischindustri av människor som delar 'bedömningshemligheter' med varandra online.

Såt: Youtube-klipp montage2: Talare 1: I den här videon idag kommer vi att prata om hur du kan klara ditt psykometriska test, första gången. Högtalare 2: Titta in i kameran, inte på skärmen. Högtalare 3: Var uttrycksfull när du pratar och ändra din röst när du talar, kom ihåg att AI kommer att leta efter inkonsekvenser i vad du säger och hur du beter dig. Talare 2: Och du avslöjar sedan resultaten av dina handlingar och resultaten ska alltid vara positiva. Så när du får en fråga som säger, berätta för mig om en tid då du. Eller beskriv en situation du var i. Se, det är en intervjufråga av beteendetyp och du måste ge en specifik situation.

Hilke: Så, det finns också de vanliga quora-diskussioner och subreddits som talar om frågorna som arbetssökande har stött på i videointervjuer, eller hur man kan slå dessa spel. Och sedan finns det några anlitande leverantörer som erbjuder kandidater en chans att göra AI-mock-intervjuer, innan den stora dagen.

Jennifer: Kandidater kan träna ensamma i ett rum, genom att prata in i kameran och försöka övertyga någon, eller en maskin, att de är den bästa kandidaten för jobbet?

Hilke: Ja. Arbetssökande kan också se sina personlighetsprofiler. Men det finns en gräns för hur användbart detta är, eftersom de flesta kandidater inte vet vilka frågor de kommer att ställas. Som till exempel hittade jag ett företag som listade anställningsprocessen i sju steg på Amazon, som mycket tydligt förklarade vad kandidaterna måste göra. Det företaget har också byggt AI-spel som liknar det som arbetssökande blir ombedda att spela i den verkliga världen. Så de arbetssökande kan träna på dessa spel i förväg (mot en avgift förstås).

Jennifer: Och du tittade på många företag som gör detta, gjorde du något intressant?

Hilke: Så tydligen har vissa jobbkandidater som inte har alla kompetenser som arbetsbeskrivningen efterfrågar, de sätter de färdigheter de saknar vitt på CV:t. Så det är osynligt för en människa, men en dator skulle känna igen färdigheterna. Arbetssökande hoppas komma på ja-högen genom att göra detta, och rekryterare blir frustrerade över detta.

Jennifer: Okej, kan det här vara ett sätt att jämna ut villkoren för arbetssökande som har mindre makt nu mot AI. Eller är det typ av fusk och ger vissa sökande ett försprång framför andra?

Hilke: Tja, vissa människor som utövar dessa bedömningar får ett försprång framför andra, eftersom de vet vad de kan förvänta sig nu. Men det är inte för att de har övat och övat för att ta reda på hur de ska få den höga poängen (som i ett tv-spel), för det är inte så dessa bedömningar fungerar.

Dessa spel försöker bedöma din personlighet och 'för att vinna' i huvudsak jämför algoritmen dina egenskaper med egenskaperna hos anställda som redan arbetar på det företaget. Om du har liknande personlighetsdrag går du vidare till nästa omgång i anställningsprocessen. Men haken är att ingen vet vad dessa egenskaper är. Så jag vet inte om du kan kalla det fusk, när du inte ens riktigt kan reglerna för det spel du spelar.

Jennifer: Och vi vet inte exakt hur AI ger arbetssökande, så de som ger detta råd kanske inte heller vet.

Hilke: Ja, och om det rådet är felaktigt kan det till och med slå tillbaka för arbetssökande. Men jag förstår den ångest människor har kring dessa nya verktyg och deras önskan att förstå hur detta fungerar. Och uppenbarligen kan den där övningen lugna dem på den stora dagen...

Jennifer: Men som alla andra katt- och musspel är det bara en tidsfråga innan folk använder automatisering för att slå tillbaka mot denna automatisering.

Hilke: Det var precis vad jag tänkte.

[Musikalisk övergång]

Jennifer: Så du testade detta i en videointervju och använde bara vanlig text till tal-programvara för att svara på frågorna.

Hilke: Ja, jag använde en deepfake datorgenererad ljudfil för att se om jag kunde lura intervjuprogramvaran att tro att deepfake är en människa.

[SOT: Hilke talar]: Och så den första frågan är, presentera dig själv. Snälla presentera dig själv, deepfake.

Datorgenererat ljud: Jag heter Hilke Shellman. Jag är en Emmy-belönt reporter och journalist i journalistik vid New Yorks universitet. Jag har varit journalist i över ett decennium.

Jennifer: Ok och den djupa falska rösten har inget ansikte, så det finns ingen video här, och systemet ger den fortfarande poäng.

Hilke: Ja. Deepfake fick 79 % matchpoäng med jobbet. Det är faktiskt ganska högt. Den fick också en personlighetsanalys, som berättade för mig att deepfake är väldigt innovativt och inte särskilt konsekvent. Det är ganska socialt och inte särskilt reserverat.

Jennifer: Höger.

Hilke: Ja och det konstigaste var att jag sedan testade det igen, den här gången läste jag samma text med min faktiska röst.

Jennifer: Och vad hände?

Hilke: Ahh, välkommen. Den datorgenererade rösten fick faktiskt högre poäng än jag när jag läste samma text!

Jennifer: Wow. Det låter som att du kanske vill överväga att ta med din ljudavatar på vägen.

Hilke: Jag antar det.

[Musikalisk övergång]

Jennifer: Men vi är inte de enda med denna idé.

Sami Mäkeläinen: Tänk om du just hade AI-intervjuer en AI?

Jennifer: Sami Mäkeläinen är chef på Telstra, som är ett australiensiskt telekomföretag.

Sami Mäkeläinen: Skulle det kunna göras? Skulle det kunna göras nu? Skulle det kunna göras i framtiden? Jag menar att det är ganska uppenbart att du inom en inte alltför avlägsen framtid kommer att ha den här typen av, mycket vanligare förmåga att utveckla konstgjorda enheter som ser ut ungefär som människor och agerar väldigt mycket som människor. Jag tänkte att, ja, kunde vi använda någon av dessa saker för att göra intervjuerna åt oss?

Jennifer: Han har en bakgrund inom mjukvaruteknik och hans jobb är att studera konsekvenserna av framtida tekniska trender.

Bara av nyfikenhet bestämde han sig och några kollegor för att testa om AI-intervjuare skulle känna igen skillnaden mellan att intervjua en människa eller en annan maskin.

Så de tog ett välkänt AI-intervjusystem som använder video (han ville inte avslöja vilket), och han parade ihop det med en avatar.

Sami Mäkeläinen: Vi hade precis ett AI-intervjusystem. Och vi distribuerade en AI digital människa, digital avatar, digital tvilling, (om du vill kalla det så), för att liksom fungera som språkrör för den intervjuade människan. Så du vet att orden som avataren talade kom från människor, det var inte en språkmodell eller AI bakom den delen.

Jennifer: De skrev med andra ord ett manus och det framfördes av en deepfake.

Så en falsk röst på en falsk video svarade på frågorna från en AI-intervjuare.

Och efter ett dussintal tester, hur gjorde den här AI-jobbkandidaten?

Sami Mäkeläinen: Nåväl, störde det intervjun? Nej, det gjorde det inte. Det var bra ur AI-intervjuarens perspektiv. Det var som om det var att intervjua någon annan.

Jennifer: De testade samma ord, på två sätt. En talad av en människa och en talad av avatar. Och han säger att resultatet var liknande för båda.

Och han har tankar om vad som kan hända härnäst.

Sami Mäkeläinen: Så säg om några år från nu, kommer du att kunna ha en mycket realistisk digital tvilling av dig själv, en audiovisuell representation av dig i huvudsak. Du kan föreställa dig en hel rad användningsfall för det. Du kan få det att sitta i, du vet, ett tråkigt, stort möte för dig som kunde eh och umm med rätt intervall. Du kan använda det i, du vet, virtuellt spel eller spel och virtuell närvaro typ av miljö. Eller så kan du använda den för att ta intervjuer åt dig.

Jennifer: Även om han inte är medveten om andra som testar denna teknik med digitala människor än. Och om Hollywood-filmer inte lätt kan lyckas med detta, känner han att det är liten fara att vi andra kommer att distribuera avatarer för att göra vårt bud när som helst snart.

Men det faktum att anställningsverktyget inte kunde känna igen att det var en intervju med en maskin är ett problem. Och det betyder att programvaran fortfarande har en väg att gå.

Sami Mäkeläinen: Så jag antar, helst när du har ett system som skenbart intervjuar en människa, skulle du liksom vilja försäkra dig om att det är människan som du tror att du intervjuar i andra änden. Annars skulle du bara anlita en vän för att göra AI-intervjun åt dig, och det skulle förmodligen vara mycket mer övertygande än en AI skulle vara för närvarande. Det finns en hel rad saker som dessa system skulle kunna göra för att verifiera att, du vet, de pratar med vem de tror att de pratar om, men hur exakt det kommer att utvecklas är igen, något som ska bestämmas.

Jennifer: Han säger att de inte har några planer på att testa vidare, men om de gjorde det har han funderingar på vad de kan testa.

Sami Mäkeläinen: Vi grävde inte djupare i kan vi möjligen justera poängen genom att optimera ansiktsuttryck, eller tonfall eller, du vet, känslor eller liknande? Det är inget som vi grävde ner oss i. Och, det var bara, det var bara en väldigt enkel, typ av ett proof of concept.

Jennifer: Och han tror att vi också måste komma ihåg att en del av detta inte är nytt.

Sami Mäkeläinen: Vi har liksom spelat, intervjuerna för alltid. Som när man har en mänsklig intervju så har man till och med kurser om hur man ska bete sig där, vad man ska säga, vad man ska göra, vad man ska ha på sig. Vi kommer i allt högre grad att använda intelligenta agenter 'citera unquote' för att göra vårt bud åt oss.

Jennifer: Men han säger att det är viktigt att inse att anställning aldrig var perfekt till att börja med.

Sami Mäkeläinen: Det är lätt att liksom börja skylla på AI och användningen av AI för många av dessa situationer. Och i många fall är det garanterat, eller hur? Jag tror inte att någon kan säga att det var en perfekt process till att börja med och, du vet, sedan kommer vi att gilla, hur distribuerar vi dessa system? Hur använder vi dem, hur mycket ansvar ger vi dem? Djävulen finns alltid i detaljerna. Så på ett plan skulle jag vilja hålla med om att kostnaden för att anställa fel är för hög. Men å andra sidan har vi i grunden kommit fel som samhälle i decennier.

Jennifer: Om ett ögonblick tittar vi på en del av det som görs på universitetsnivå, för att hjälpa studenter att bli redo att engagera sig i dessa system när vi kommer tillbaka.

[Midroll]

Jennifer: Den här nya eran inom rekrytering kan kännas lite överväldigande för personer som söker jobb, som inte alltid vet hur och när de testas, eller exakt vad de testas för.

Människor letar efter sätt att bättre förbereda sig för att engagera sig i dessa AI-system, och det har flyttats bortom individuell nyfikenhet och gräsrotsorganisation. AI-företag finns också i detta utrymme och tillhandahåller verktyg och utbildning för arbetssökande.

En av dem är ett företag som heter VMock, som har affärsavtal med hundratals högskolor och universitet. Dess AI-baserade programvara korrigerar hundratals meritförteckningar för att bli lättare att läsa av maskiner och ger feedback på videointervjuer.

Salil Pandey: Och i den första anblicken, om du faktiskt gick till no-högen, då är historien över. Du kanske är det smartaste barnet som kommer ut från ditt grundutbildningsprogram. Du är borta, du kommer inte att få en andra chans. Världen har gått vidare till en mycket snabb cykel, och det är blip och du antingen ja eller nej.

Jennifer: Salil Pande är en av företagets grundare.

Han säger att även för bara några år sedan gjordes varje steg i anställningsprocessen av en människa. Det är inte längre fallet, särskilt för företag som anställer många nyutexaminerade och personer med mindre yrkeserfarenhet, eftersom det gör det svårare för anställande chefer att veta vem som är den bästa personen för jobbet.

Salil Pandey: Så småningom när det finns en hög sannolikhet för framgång, det är då tidsinteraktion mellan människa och människa sker, vilket betyder att den tidiga delen, som var avvisningsdelen, redan har getts till teknik som, Hej, teknik filtrerar mig rätt CV, filtrera mig den rätta, eh, LinkedIn-profilen, filtrera mig de bra pitches och gör även några psykometriska tester och allt satte ihop allt för mig. Och när allt detta är klart, boka in en intervju åt mig, och det är då jag ska gå, boom, en timmes intervju, jag är klar.

Jennifer: VMocks uppdrag är att förbereda studenter för ett anställningsområde där deras CV och videointervjuer måste vädja till AI först.

Salil Pandey: Om du inte har optimerat ditt CV för den jobbbeskrivningen, kan det hända att sökandespårningssystemet som faktiskt är ungefär som att arbeta runt den jobbbeskrivningen inte filtrerar in dig i ja-högen. Du kan vara i no-högen eller en kanske hög. Så du måste tänka på hur du ska gå igenom den här tidiga processen där du ska hantera sökandens spårningssystem. Du kommer att ta itu med ett artificiell intelligenssystem som kommer att känna igen dina, dina intervjuer och allt annat. Vad är ett bra pitch? Hur lyfter du fram dina spetskompetenser? Vilken kompetens söker rekryterare? Vilka färdigheter har du för närvarande? Hur presenterar du dina färdigheter när du inte har färdigheten, men du har något annat som skulle kunna tas som ett exempel på den andra färdigheten, och du kan faktiskt presentera.

Jennifer: Pande säger att karriärcentra vid universitet överträffas av den teknik som nu används av många stora företag. Det är där han säger att VMocks AI kan hjälpa elever att slå den AI de möter när de letar efter sitt första jobb.

Och en skola som använder det är New York University.

Gracy Sarkissian: Så eleverna möter dessa system tidigt, tidigare och tidigare. Och jag skulle säga, du vet, karriärcenter försöker hålla jämna steg med dessa förändringar så att vi kan förbereda våra elever mer effektivt när de inte vet vad de kan förvänta sig. Jag tror att det är så här mycket okänt för studenter. Och så är vårt jobb att avmystifiera det lite.

Jennifer: Gracy Sarkissian leder Career Center vid NYU.

Hon säger att hon tog in VMock för att göra tiden karriärcoacher har med eleverna mer effektiv.

Gracy Sarkissian: Och när du väl integrerar den feedbacken kommer du att se poängen gå upp. Så det ger bara eleverna lite övning i att inte bara få feedback, utan också se hur ett system kan reagera på att reagera eller svara på deras CV.

Jennifer: Och hon har några råd till arbetssökande som försöker imponera på både AI och människor.

Gracy Sarkissian: Vissa elever säger till mig att jag gjorde som ni sa åt mig att göra. Jag såg till att mitt CV var fyllt med nyckelord. Och nu låter det som, typ som ett ostlikt marknadsföringsdokument. Och så vad jag säger, jag förstår, jag hör dig. Ha två versioner av ditt CV. Ha den som du ska ansöka till när du går igenom system och ha en som du ska lämna till någon, om du träffar någon och du vill imponera på dem. Och så det har hjälpt eleverna att säga, okej, jag förstår. Det här är något jag måste göra så att mitt CV plockas upp.

Jennifer: Hennes team förbereder också eleverna för envägsvideointervjuer.

Gracy Sarkissian: Vi inser inte hur mycket input vi får när vi har ett en-till-en-samtal med någon, eller du, även om det är en grupp- eller panelintervju. Du tittar på människor i ögonen, du får positiv feedback. Du kan få negativ feedback som kan få dig att justera din fråga. Om du var nervös, finns det en god chans att du kommer att känna lite empati från någon i rummet. När vi intervjuar AI känns det som en främling, eller hur? Det känns som en främling utan ansikte. Det är en tom skärm. Och ofta stirrar man på sig själv och därför kan det vara en ensam process tror jag, um, för några av våra elever.

Jennifer: Det är en av anledningarna till att hon tror att arbetsgivare på en stram arbetsmarknad kanske vill ompröva några av dessa strategier, särskilt om de vill attrahera topptalanger.

Gracy Sarkissian: Du vet, vi vet att Gen-Z-studenter är, är en värderingsdriven generation, eller hur? De vill försäkra sig om att de kan ansluta till kulturen i organisationen. Att organisationens uppdrag och värderingar är, är i linje med dessa. Och det är något som är svårt att bedöma när du intervjuade på ett virtuellt sätt. När du inte träffar folk, när du inte pratar med folk på en intervju, när du inte går igenom ett kontor och bara ser arbete hända.

Jennifer: Men i en värld där miljontals företag tar emot miljontals ansökningar, är skräddarsydda för individer inte något som skalas.

Och det landar oss tillbaka i en position vi har varit tidigare, blackbox-beslutsfattande, tillämpat på alla, vilket leder till oavsiktliga konsekvenser.

När vi avslutar den andra säsongen av denna podcast – och vår fyradelade undersökning av hur AI används för att fatta anställningsbeslut – ser vi löftet att använda algoritmer. Men rapporteringen klargör att detta är en framväxande industri med många rörliga delar, och åtminstone några verktyg som bara inte finns där än. Och i vissa fall kan de faktiskt göra motsatsen till vad de har för avsikt.

Vi har sett system med partiskhet mot kvinnor och personer med funktionsnedsättning, till och med ett verktyg som förutspår att människor som heter Jared kommer att bli framgångsrika på jobbet. Andra verktyg betygsatte kandidaterna högt på deras engelska språkkunskaper, även om inspelningarna inte innehöll ett ord engelska. Vi laddade också upp inspelningar som inte hade något att göra med intervjufrågorna som ställdes, utan som bedömdes som matchande för den kompetens som krävs för att utföra jobbet.

Med lite tillsyn finns det också lite insyn i vad som händer i den svarta lådan och varför programvaran fattar de beslut den fattar. Företag som bygger dessa verktyg behöver inte berätta för någon hur deras system fungerar eller varför de ska lita på.

De goda nyheterna? På många sätt är vi fortfarande i början. Och det finns möjlighet att bygga bättre system, om vi är ärliga om vad som inte fungerar, var maskinerna kommer i korthet och om vi fattar ett beslut att inte värdera skala, effektivitet eller hastighet framför allt.

[KREDIT]

Jennifer: Den här miniserien om anställning rapporterades av Hilke Schellmann och producerades av mig, Emma Cillekens, Anthony Green och Karen Hao. Vi är redigerade av Michael Reilly.

Det var allt för säsong två, vi kommer att ta en paus och se dig tillbaka här till hösten.

Tack så mycket för att du lyssnade. Jag är Jennifer Strong.

Dölj