چه اتفاقی می‌افتد وقتی که هوش مصنوعی از کمک به داوطلبان شغلی به ارزیابی آن‌ها منتقل می‌شود؟ HackerRank، یک پلتفرم مورد استفاده شرکت‌ها برای ارزیابی و استخدام توسعه‌دهندگان، نگاهی به آینده مصاحبه‌های شغلی با Chakra، یک عامل هوش مصنوعی که مصاحبه‌ها را انجام می‌دهد، در حین کار به داوطلبان نظارت می‌کند و نه تنها پاسخ‌های آن‌ها، بلکه اینکه چگونه به آن‌ها رسیده‌اند را ارزیابی می‌کند، ارائه می‌دهد.
پس از حدود شش ماه در مرحله بتا، HackerRank روز دوشنبه Chakra را به‌صورت عمومی برای مشتریان خود در دسترس قرار می‌دهد. این استارتاپ می‌گوید که مصاحبه‌گر هوش مصنوعی در حین آزمایش، بیش از ۵۰۰,۰۰۰ مصاحبه انجام داده است و شرکت‌هایی از جمله Snowflake، Snorkel و Capgemini از جمله شرکت‌هایی هستند که آن را آزمایش کرده‌اند، در حالی که HackerRank نیز این محصول را به‌صورت داخلی تست کرده است.
هوش مصنوعی مدتی است که در مصاحبه‌های شغلی مورد استفاده قرار گرفته است، با استفاده از عاملیت‌های صوتی و دیگر ابزارهای خودکار برای غربالگری داوطلبان و بهبود فرآیند استخدام. در عین حال، جویندگان کار به‌طور روزافزون از ابزارهای هوش مصنوعی خود برای کمک به هدایت مصاحبه‌ها استفاده کرده‌اند، گاهی بدون اینکه کارفرمایان از آن مطلع شوند.
با Chakra، HackerRank به این نتیجه رسیده است که هوش مصنوعی می‌تواند نه تنها نحوه برگزاری مصاحبه‌ها را تغییر دهد، بلکه همچنین آنچه که کارفرمایان می‌توانند اندازه‌گیری کنند را تغییر دهد. علاوه بر اینکه آیا فرد به پاسخ صحیح رسیده است یا خیر، این استارتاپ می‌خواهد سیگنال‌های سخت‌تری مانند تفکر انتقادی و قضاوت را ارزیابی کند، به علاوه آنچه که به آن «مهارت در استفاده از هوش مصنوعی» می‌گوید – اینکه یک داوطلب چگونه یک مسئله را برای هوش مصنوعی فرموله می‌کند، نتایج آن را قضاوت می‌کند و آن را به سمت یک راه حل هدایت می‌کند.
«مدل قبلی ارزیابی، ارزیابی خروجی بود،» وivek Ravisankar، یکی از بنیان‌گذاران و مدیر عامل HackerRank، در مصاحبه‌ای گفت. «اکنون، به‌دلیل هوش مصنوعی، هر کسی می‌تواند یک اثر تولید کند.» سوال برای کارفرمایان، به گفته او، این است که آیا می‌توانند تفکر و قضاوتی را که در تولید آن به‌کار رفته، درک کنند.
در عمل، یک مصاحبه با Chakra به گونه‌ای طراحی شده است که بیشتر شبیه به انجام کار باشد تا یک آزمون کدنویسی سنتی. یک داوطلب وظیفه‌ای مرتبط با یک مخزن کد واقعی را دریافت می‌کند و در یک پلتفرم حاوی یک دستیار هوش مصنوعی بر روی آن کار می‌کند. در حین کار، Chakra می‌تواند از زمینه کاری که داوطلب انجام می‌دهد استفاده کند تا سوالات پیگیری بپرسد، مانند اینکه چرا یک رویکرد را به دیگری ترجیح داده است، یا راه‌حل او چگونه تغییر می‌کند اگر یک محدودیت جدید معرفی شود.
Ravisankar به TechCrunch گفت که Chakra ساختار اساسی فرآیند استخدام را تغییر می‌دهد. آنچه روزگاری شامل سه دور جداگانه بود، شامل یک غربالگری استخدام‌کننده، ارزیابی خانگی و مصاحبه تحقیقی با یک مهندس، اکنون در یک مصاحبه تک بخشی با Chakra ترکیب شده است.
داده دسترسی به هوش مصنوعی برای داوطلبان در حین مصاحبه ممکن است به نظر برسد که این کار را برای تقلب آسان‌تر می‌سازد. با این حال، HackerRank می‌گوید که نتیجه برعکس بوده است. پرچم‌های فعالیت مشکوک، Ravisankar گفت، در مصاحبه‌های Chakra بین ۷۰ تا ۸۰ درصد کمتر از ارزیابی‌های سنتی مقایسه‌ای HackerRank بوده است، اگرچه نرخ این مورد بسته به عواملی مانند جغرافیا و سطح سنجش تغییر کرده است.
Ravisankar به TechCrunch گفت که دادن دسترسی به هوش مصنوعی به داوطلبان، انگیزه برای استفاده مخفیانه از ابزارهای نامناسب که می‌توانند به آن‌ها در حین مصاحبه پاسخ بدهند را کاهش می‌دهد.
HackerRank که در TechCrunch Disrupt در سال ۲۰۱۲ راه‌اندازی شد، کسب‌وکار خود را بر اساس چالش‌های کدنویسی بنا کرد و به تدریج به شرکت‌ها کمک کرد تا توسعه‌دهندگان را بر اساس مهارت‌های فنی آن‌ها ارزیابی و استخدام کنند. این استارتاپ از Y Combinator بیش از ۳,۰۰۰ مشتری تجاری دارد، از جمله Amazon، Nvidia، Clay و Replit، و یک جامعه شامل بیش از ۳۰ میلیون توسعه‌دهنده در سراسر جهان.
Chakra نمایانگر یک ریسک علیه نوع کسب‌وکار ارزیابی فنی است که HackerRank سال‌ها در حال ساخت آن بوده است. محصول سنتی آن عمدتاً توانایی توسعه‌دهندگان را در حل صحیح مسائل کد آزمایش می‌کرد. با این حال، Ravisankar معتقد است که هوش مصنوعی باعث شده است که مدل قبلی HackerRank برای اندازه‌گیری توانایی‌های مهندسی کمتر مفید باشد.
Ravisankar درستی این انتقال را با حرکت اپل از iPod به iPhone مقایسه کرد، زیرا محصول قدیمی هنوز هم ارزش دارد، اما محصول جدید نمایانگر جایی است که این استارتاپ معتقد است بازار به آن سمت پیش می‌رود. «Chakra خواهد بود که عنوان اصلی ما خواهد بود،» او گفت. «این مسیر پیشروی ما خواهد بود.»
با این حال، دادن نقش عمیق‌تری به هوش مصنوعی در ارزیابی داوطلبان سؤالات متفاوتی را مطرح می‌کند، به‌ویژه در مورد اینکه شرکت‌ها باید چقدر از تصمیم گیری استخدام را به الگوریتم واگذار کنند. Ravisankar به TechCrunch گفت که Chakra طراحی شده است تا به داوطلبان امتیاز دهد، نه اینکه تصمیم نهایی استخدام را اتخاذ کند، که همچنان مرتبط با انسان‌ها می‌باشد.
هوش مصنوعی، Ravisankar گفت، می‌تواند بخش‌های ساختاری بیشتر مصاحبه را با اعمال مداوم معیارهای تعیین‌شده توسط کارفرما مدیریت کند، در حالی که مصاحبه‌کنندگان انسانی می‌توانند زمان بیشتری را صرف تعیین اینکه آیا واقعاً می‌خواهند با یک داوطلب همکاری کنند، و پاسخ به سؤالات درباره شرکت، تیم و نقش کنند.
«هوش مصنوعی خیلی کمتر از انسان‌ها تعصب دارد، اگر به درستی تنظیم شود،» Ravisankar گفت و استدلال کرد که یک سیستم هوش مصنوعی می‌تواند آموزش ببیند تا همان الگو را برای هر داوطلب دنبال کند، به جای اینکه تحت تأثیر عواملی مانند پیشینه یا تحصیلات داوطلب قرار گیرد.
با این حال، اعمال معیارهای مشابه به‌طور مداوم به معنای آزاد بودن یک سیستم هوش مصنوعی از تعصب نمی‌باشد. ابزارهای استخدام خودکار می‌توانند تعصب‌ها را از داده‌ها، مدل‌ها و معیارهایی که برای ساخت آن‌ها استفاده شده، به ارث ببرند یا تقویت کنند، که موجب می‌شود تنظیم‌کننده‌ها به استفاده آن‌ها در تصمیمات استخدام توجه بیشتری نشان دهند.
استفاده از هوش مصنوعی در استخدام، در حال حاضر مورد بررسی قانونی قرار دارد. به‌عنوان مثال، شهر نیویورک، کارفرمایانی که از ابزارهای خودکاری برای تصمیم‌گیری استخدام استفاده می‌کنند، ملزم به گذراندن یک حسابرسی تعصب مستقل و ارائه اطلاعیه به داوطلبان قبل از استفاده از آن‌ها است. Ravisankar اذعان کرد که استخدام یک حوزه تنظیم‌شده است و گفت که مطابق با چنین الزامات، بخشی از آنچه که HackerRank باید برای آن بسازد است.
