当 AI 从帮助求职者转向评估求职者时，会发生什么？HackerRank，一个被公司用来评估和招聘开发者的平台，正通过以下产品让我们一窥这种面试未来的可能样貌：Chakra，一个 AI 智能体，负责进行面试、观察候选人的工作过程，并不仅评估他们的答案，还评估他们是如何得出答案的。
在约六个月的测试后，HackerRank 于周一将 Chakra 向其客户全面开放。这家初创公司表示，该 AI 面试官在测试期间已经进行了超过 500,000 场面试，包括 Snowflake、Snorkel 和 Capgemini 在内的公司都曾试用过它，同时 HackerRank 也在内部测试了该产品。
AI 一直是求职面试中的常见元素已有一段时间，公司使用语音智能体和其他自动化工具来筛选候选人，并让招聘流程更高效。与此同时，求职者也越来越多地拥有自己的 AI 工具来帮助他们应对面试，有时雇主并不知情。
借助 Chakra，HackerRank 押注 AI 不仅能改变面试的进行方式，还能改变雇主可以衡量的内容。除了某人是否得出正确答案之外，这家初创公司还想评估更难以捕捉的信号，例如批判性思维和判断力，以及它所称的“AI 流畅度”——候选人如何为 AI 构建问题、判断其输出，并引导它走向解决方案。
“以前的评估模式是评估输出，”HackerRank 联合创始人兼 CEO Vivek Ravisankar 在接受采访时说。“现在，因为 AI，任何人都能产出成果。”他说，对雇主而言，问题就变成了他们能否理解产出这一成果背后的思考和判断。
实际上，Chakra 面试的设计更像是在做实际工作，而不是参加传统的编程测试。候选人会拿到一个涉及真实代码仓库的任务，并在一个包含 AI 助手的画布中完成它。在候选人工作的过程中，Chakra 可以利用他们正在做的事情的上下文来提出后续问题，例如为什么他们选择一种方法而不是另一种，或者如果引入新的约束条件，他们的解决方案会如何改变。
Ravisankar 告诉 TechCrunch，Chakra 正在改变招聘流程本身的基本结构。他说，以前涉及三个独立轮次，包括招聘人员筛选、带回家评估以及与工程师的后续面试，现在合并为一次 Chakra 面试。
在面试中让候选人使用 AI 似乎会让作弊变得更容易。然而，HackerRank 表示他们发现了相反的情况。Ravisankar 说，Chakra 面试中的可疑活动标记比可比的传统 HackerRank 评估低 70% 到 80%，尽管这一比率因地域和资历等因素而有所不同。
Ravisankar 告诉 TechCrunch，让候选人使用 AI 会降低他们在面试中秘密使用外部工具来提供答案的动机。
推出HackerRank 于 2012 年在 TechCrunch Disrupt 上推出，围绕编程挑战建立了自己的业务，最终帮助公司根据技术技能评估和招聘开发人员。这家由 Y Combinator 支持的初创公司现在拥有超过 3,000 家企业客户，包括 Amazon、Nvidia、Clay 和 Replit，以及全球超过 3,000 万名开发者的社区。
Chakra 代表着对 HackerRank 花了多年建立的那种技术评估业务的一次押注。其传统产品主要测试开发者是否能正确解决编程问题。尽管如此，Ravisankar 认为 AI 已经使 HackerRank 早期的模式在衡量工程能力方面变得不那么有用。
Ravisankar 在内部将这一转变比作 Apple 从 iPod 转向 iPhone，因为旧产品仍有价值，但新产品代表了这家初创公司认为市场未来的走向。“Chakra 将成为头条，”他说。“这将是我们前进的方式。”
然而，让 AI 在评估候选人中扮演更深入的角色会引发另一组问题，尤其是围绕公司应在多大程度上将招聘决策委托给算法。Ravisankar 告诉 TechCrunch，Chakra 的设计目的是给候选人打分，而不是做出最终招聘决定，最终决定权仍掌握在人类手中。
他说，AI 可以通过一致地应用雇主设定的标准来处理面试中更结构化的部分，而人类面试官则可以花更多时间判断他们是否真的愿意与某位候选人共事，并回答有关公司、团队和职位的问题。
“如果调校得当，AI 的偏见远少于人类，”Ravisankar 说，并主张可以指示 AI 系统对每位候选人都遵循同一套评分标准，而不受候选人背景或教育等因素的影响。
然而，一致地应用相同标准并不一定能让 AI 系统免于偏见。自动化招聘工具可能会继承或放大用于构建它们的数据、模型和标准中的偏见，这促使监管机构审查其在雇佣决策中的使用。
AI 在招聘中的使用已经引起监管审查。例如，纽约市要求使用某些自动化雇佣决策工具的雇主对其进行独立的偏见审计，并在使用前通知候选人。Ravisankar 承认招聘是一个受监管的领域，并表示遵守此类要求正是 HackerRank 必须构建应对的部分。
当你通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。