مصاحبه‌گر هوش مصنوعی HackerRank نگاهی اجمالی به مصاحبه‌های شغلی می‌دهد

چه اتفاقی می‌افتد وقتی هوش مصنوعی از کمک به نامزدهای شغلی به ارزیابی آنها می‌رود؟ HackerRank، پلتفرمی که توسط شرکت‌ها برای ارزیابی و استخدام توسعه‌دهندگان مورد استفاده قرار می‌گیرد، نگاهی اجمالی به آینده مصاحبه‌های شغلی با چاکرا ارائه می‌دهد، یک عامل هوش مصنوعی که مصاحبه‌ها را انجام می‌دهد، نامزدها را در حین کار مشاهده می‌کند و نه تنها پاسخ‌های آنها را ارزیابی می‌کند، بلکه نحوه رسیدن آنها را ارزیابی می‌کند.

پس از حدود شش ماه نسخه بتا، HackerRank روز دوشنبه چاکرا را به طور کلی در دسترس مشتریان خود قرار می دهد. این استارت‌آپ می‌گوید مصاحبه‌گر هوش مصنوعی در حال حاضر بیش از 500000 مصاحبه در طول آزمایش انجام داده است، با شرکت‌هایی از جمله Snowflake، Snorkel و Capgemini در میان شرکت‌هایی که آن را امتحان کرده‌اند، در حالی که HackerRank محصول را به صورت داخلی نیز آزمایش کرده است.

هوش مصنوعی برای مدتی جزء اصلی مصاحبه‌های j ob بوده است و شرکت‌ها از عوامل صوتی و سایر ابزارهای خودکار برای بررسی نامزدها و کارآمدتر کردن فرآیند استخدام استفاده می‌کنند. در همین حال، جویندگان کار به طور فزاینده ای ابزارهای هوش مصنوعی خود را به دست آورده اند تا به آنها در انجام مصاحبه ها کمک کند، گاهی اوقات بدون اینکه کارفرمایان بدانند.

با چاکرا، HackerRank شرط می‌بندد که هوش مصنوعی نه تنها می‌تواند نحوه انجام مصاحبه‌ها، بلکه آنچه را که کارفرمایان می‌توانند اندازه‌گیری کنند را نیز تغییر دهد. فراتر از اینکه آیا کسی به پاسخ صحیح می‌رسد، استارت‌آپ می‌خواهد سیگنال‌های سخت‌تر مانند تفکر انتقادی و قضاوت، و همچنین آنچه را که «تسلط هوش مصنوعی» می‌نامد را ارزیابی کند – اینکه یک نامزد چقدر مشکل را برای هوش مصنوعی چارچوب‌بندی می‌کند، خروجی آن را قضاوت می‌کند و آن را به سمت راه‌حل هدایت می‌کند.

ویوک راویسانکار، یکی از بنیانگذاران و مدیرعامل HackerRank در مصاحبه ای گفت: «روش قبلی ارزیابی، ارزیابی خروجی بود. اکنون، به دلیل هوش مصنوعی، هر کسی می تواند یک مصنوع تولید کند. او گفت که سوال برای کارفرمایان این است که آیا آنها می توانند تفکر و قضاوتی را که برای تولید آن انجام شده است درک کنند.

در عمل، مصاحبه چاکرا به گونه ای طراحی شده است که بیشتر شبیه انجام کار باشد تا شرکت در آزمون کدگذاری سنتی. یک نامزد وظیفه ای شامل یک مخزن کد دنیای واقعی را دریافت می کند و آنها از طریق آن در یک بوم شامل یک دستیار هوش مصنوعی کار می کنند. همانطور که نامزد کار می کند، چاکرا می تواند از زمینه کاری که انجام می دهد برای پرسیدن سؤالات بعدی استفاده کند، مانند اینکه چرا یک رویکرد را بر رویکرد دیگری انتخاب کرده اند یا اگر یک محدودیت جدید ارائه شود راه حل آنها چگونه تغییر می کند.

راویسانکار به TechCrunch گفت که چاکرا در حال تغییر ساختار اساسی فرآیند استخدام است. او گفت که آنچه قبلا شامل سه دور جداگانه بود، شامل یک صفحه استخدام، ارزیابی در منزل و مصاحبه بعدی با یک مهندس، اکنون در یک مصاحبه چاکرا ترکیب شده است.

به نظر می رسد که دسترسی داوطلبان به هوش مصنوعی در طول مصاحبه، تقلب را آسان تر می کند. با این حال، HackerRank می گوید که برعکس آن را یافته است. راویسانکار گفت، پرچم‌های فعالیت مشکوک در مصاحبه‌های چاکرا 70 تا 80 درصد کمتر از ارزیابی‌های سنتی HackerRank بود، هرچند که این نرخ بسته به عواملی مانند جغرافیا و ارشدیت متفاوت بود.

راویسانکار به TechCrunch گفت که دسترسی داوطلبان به هوش مصنوعی انگیزه استفاده مخفیانه از ابزارهای بیرونی را کاهش می دهد که می توانند در طول مصاحبه به آنها پاسخ دهند.

HackerRank که در TechCrunch Disrupt در سال 2012 راه اندازی شد، کسب و کار خود را حول چالش های کدنویسی ایجاد کرد و در نهایت به شرکت ها کمک کرد تا توسعه دهندگان را بر اساس مهارت های فنی خود ارزیابی و استخدام کنند. استارت آپ تحت حمایت Y Combinator اکنون بیش از 3000 مشتری تجاری از جمله آمازون، انویدیا، کلی و ریپلیت و جامعه ای متشکل از 30 میلیون توسعه دهنده در سراسر جهان دارد.

چاکرا نشان دهنده یک شرط بندی در برابر نوع ارزیابی فنی کسب و کار است که HackerRank سال ها را صرف ساخت آن کرده است. محصول سنتی آن تا حد زیادی آزمایش می کرد که آیا توسعه دهندگان می توانند مشکلات کدنویسی را به درستی حل کنند. با این وجود، راویسانکار معتقد است که هوش مصنوعی مدل قبلی HackerRank را برای اندازه‌گیری توانایی مهندسی کمتر مفید کرده است.

راویسانکار انتقال داخلی را با حرکت اپل از آی‌پاد به آیفون مقایسه کرد، زیرا محصول قدیمی هنوز ارزش دارد، اما محصول جدید نشان‌دهنده جایی است که استارت‌آپ معتقد است بازار به سمت آن می‌رود. او گفت: «چاکرا سرفصل خبر خواهد بود. "این راهی است که ما به جلو حرکت خواهیم کرد."

با این حال، دادن نقش عمیق‌تر به هوش مصنوعی در ارزیابی نامزدها، مجموعه‌ای از سؤالات را ایجاد می‌کند، به ویژه در مورد اینکه شرکت‌ها چه مقدار از تصمیم‌گیری استخدام را باید به یک الگوریتم واگذار کنند. راویسانکار به TechCrunch گفت که چاکرا برای امتیاز دادن به نامزدها طراحی شده است تا اینکه تصمیم نهایی برای استخدام را بگیرد که در اختیار انسان ها باقی می ماند.

راویسانکار گفت، هوش مصنوعی می‌تواند با استفاده از معیارهای تعیین‌شده توسط کارفرما، بخش‌های ساختار یافته‌تری از مصاحبه را مدیریت کند، در حالی که مصاحبه‌کنندگان انسانی می‌توانند زمان بیشتری را صرف تعیین اینکه آیا واقعا می‌خواهند با یک نامزد کار کنند و به سؤالات مربوط به شرکت، تیم و نقش خود پاسخ دهند.

راویسانکار با این استدلال که یک سیستم هوش مصنوعی می تواند به جای اینکه تحت تاثیر عواملی مانند پیشینه یا تحصیلات یک نامزد قرار گیرد، آموزش داده شود که از یک عنوان برای هر نامزدی پیروی کند، گفت: "هوش مصنوعی بسیار کمتر از انسان ها تعصب دارد، اگر آن را به درستی تنظیم کنید."

با این حال، استفاده مداوم از معیارهای یکسان، لزوما یک سیستم هوش مصنوعی را عاری از تعصب نمی کند. ابزارهای استخدام خودکار می‌توانند سوگیری‌ها را از داده‌ها، مدل‌ها و معیارهای مورد استفاده برای ساخت آن‌ها به ارث ببرند یا تقویت کنند و تنظیم‌کننده‌ها را وادار کنند تا استفاده از آن‌ها را در تصمیم‌گیری‌های استخدامی موشکافی کنند.

استفاده از هوش مصنوعی در استخدام در حال حاضر مورد بررسی نظارتی قرار گرفته است. به عنوان مثال، شهر نیویورک از کارفرمایان می خواهد که از ابزارهای تصمیم گیری خودکار استخدامی خاصی استفاده می کنند تا آنها را تحت یک ممیزی سوگیری مستقل قرار دهند و قبل از استفاده از آنها به نامزدها اطلاع دهند. راویسانکار اذعان کرد که استخدام یک منطقه تنظیم شده است و گفت که رعایت چنین الزاماتی بخشی از چیزی است که HackerRank باید برای آن ایجاد کند.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

Jagmeet استارت‌آپ‌ها، به‌روزرسانی‌های مربوط به سیاست‌های فناوری و سایر پیشرفت‌های مهم فناوری محور از هند را برای TechCrunch پوشش می‌دهد. او قبلا به عنوان خبرنگار اصلی در NDTV کار می کرد.

قاضی فدرال، آنتونی ها را "نظارت جمعی بی رویه" می نامد

آمازون در پاسخ به عکس العمل مرکز داده، می گوید دیگر از NDA آنتونی ها استفاده نمی کند

گوگل فکر می کند استارشیپ اسپیس ایکس باید 1800 بار قبل از اینکه مراکز داده فضایی از زمین خارج شوند تیم فرنهولز

اولین نیروگاه زمین گرمایی پیشرفته جهان تنها در 23 ماه تکمیل شد تیم دی چانت

گوگل Gemini 4 Argon را منتشر کرد که قدرتمندترین مدل خود را Lucas Ropek می نامند

پنتاگون از ایلان ماسک و پالمر لاکی استفاده می کند تا به تصمیم گیری در مورد اینکه ارتش بعدی دومینیک مادوری دیویس چه کاری باید انجام دهد کمک کند.

OpenAI Dots را راه‌اندازی می‌کند، نماد عامل حباب‌انگیز خود Lucas Ropek