2017/08/07, 職場

見工面試，假如遇上人工智能考官……

見工面試，假如遇上人工智能考官……
image credit: 作者提供
我們想讓你知道的是

高盛集團、摩根大通等國際投資銀行，已嘗試用AI面試，你有心理準備同AI考官交手嗎？

人工智能（Artificial Intelligence，AI）發展一日千里，不僅可能搶去人類的「飯碗」，還隨時會決定你的求職申請。這並非聳人聽聞，因為高盛、摩根大通等跨國企業，已開始借助機械人「面試官」，篩選潛在僱員。[1]

比起傳統招聘方式，機械人招聘可助企業減省人手資源。更有研究稱，利用人工智能算法，企業能夠審視更多求職者訊息，作出比人類更客觀的判斷，從而揀出合適人選。正值暑期招聘季，在人才爭奪戰中，機械人面試官能否助企業一臂之力？

傳統招聘費時 或存人為偏見

企業要填補人力空缺，人事部門往往要審視大量履歷，邀請求職者面試，再與心水人選反覆聯絡，尤其是大型企業，整個招聘程序一般持續數日至數月，才能決定素未謀面的求職者能否勝任工作。

但究竟有多少考官能充滿信心作出判斷，當中又有多少是基於客觀事實，有時卻惹人懷疑。畢竟每名考官經驗不同，亦可能存在某些「隱形偏見」，如偏好同一所學校，或與自己擁有共同嗜好的申請者。另外早有研究指，面試時考官在前10秒鐘已根據第一印象作出判斷，之後的詢問是在確認先前判斷，而不是去真正評估應聘者，這一現象被心理學家稱為「確認偏見」。[2]

要減少上述偏見，近年興起的機械人招聘，潛力龐大，尤其在面對大量申請時，機械人招聘能提供相對省時的方案。印度一間初創企業宣稱，原本需10日的招聘過程，利用機械人技術，兩日便能完成。[3]

AI招聘讓企業、人才更易交流？

現時高盛集團、摩根大通等國際投資銀行，亦已嘗試使用人工智能網羅人才。其中高盛在首輪招聘中，會採用視像面試系統HireVue篩選應徵者。系統設有五條問題，每條設30秒準備時間，應徵者隨後有3分鐘時間對着機器作答。[4]去年，高盛畢業生及實習生計劃收到13萬份申請，但成功獲聘的比例只有4%，機械人考官可為公司節省人手資源，大大縮短招聘時間。[5]

除大型企業外，香港亦有機構開發了類似工具，讓招聘和求職雙方更易交流。其中初創企業Talkpush推出的AI聊天程式Chatbot，宣稱可讓求職者隨時隨地與機械人考官交流，對話語音及視像則會交予僱主篩選。據傳媒今年3月的報道，每星期約有1,000名求職者使用Talkpush，當中約50人成功獲聘。而僱主可從大量求職者中嚴選兩三名合適人選接見。[6]

求才方程式 = 大數據 + 機器學習

AI招聘有多省時省力，全賴是否有充足的參考數據和有效的機器學習（machine learning）[7]演算法，讓機械人懂得從海量申請中找出合適的求職者。部分機械人還會收集申請者在社交媒體上的數據，並從視像面試中評估求職者的說話語氣、微表情等內容，判斷其個性及特質是否符合公司要求。[8]

前文提及的HireVue，便試圖利用演算法分析求職者的視像面試表現，從中分辨出求職者的意圖、習慣、個性和特質，包括評估應徵者是否使用主動動詞，如can（能夠）、will（將會），或是依賴被動語態can’t（不能）或have to（不得不）。[9]HireVue又稱應用了心理學家Paul Ekman創造的「情感圖譜」（atlas of emotions），分辨面試者10,000種面部表情，宣稱連短至1/25秒的反應也無所遁形。[10]HireVue表示正與逾600間機構合作，包括Vodafone、Nike、Deloitte、Intel等大型企業。[11]

AI技術在招聘方面是否比人類更智能？參考美國學術期刊《應用心理學雜誌》（Journal of Applied Psychology）2013年發表的一項研究，分別比較機械和人類評估求職者表現後發現，前者以一道簡單方程式得到的結果，勝於個人或群體作出的決定；而這種差別是在任何有大量求職者的情況下都會存在，並涵蓋前線、中層主管甚至高層等職位。[12]

借AI起應徵者底　隨時犯法

除了用作面試，部分僱主還會利用AI了解求職者在面試以外的真實個性。近年，透過社交媒體挖掘求職者更多訊息，如興趣、習慣、生活圈子等，更呈上升趨勢。獵頭公司Harvey Nash今年1月發表的全球調查顯示，僱主透過社交網絡招攬人才的比例，按年上升了44%。[13]

AI招聘的出現，將社交網絡的數據挖掘和分析工作自動化，讓僱主更容易對求職者進行背景審查。例如智能「起底」公司Fama，便是利用機器學習和自然語言處理（Natural Language Processing）方法[14]，挖掘Facebook、Instagram等社交網絡的貼文和照片，以及相關新聞報道等，了解求職者是否種族主義者、性別歧視者或有暴力傾向。[15]

不過僱主擅自搜索求職者的社交網站，進而了解其宗教、性取向或犯罪記錄等背景資料，卻存在道德爭議，在某些國家更可能會干犯法例。在美國，消費者可根據《公平信用報告法》（Fair Credit Reporting Act，FCRA），質疑有關其就業調查及信用評估公開資料的準確性；另外僱主在向第三方收集求職者相關資料前，必須得到求職者的書面同意。[16]換言之，求職者若從未就有關調查作出書面同意，或是認為公司是基於背景審查的錯誤資料，而作出聘用與否的決定，便可提出訴訟。

1970年頒布這項法案的規範對象，包括信用調查機構、僱傭背景審查公司等，但AI時代出現的數據經紀商（data broker），卻未必受到同樣限制。雖然數據經紀商也會透過蒐集社交網絡等資料，建立完整個人檔案，並應用於僱傭調查，但假如他們不屬於信用調查等機構，FCRA則無法適用。直至2012年美國聯邦貿易委員會（FTC）與數據經紀商Spokeo的一場法庭判決，才確認了這類新型信息來源，受到上述法案的約束。[17]

在香港，個人資料私隱專員公署（公署）2013年時指一款名為「起你底」的手機應用程式嚴重侵犯私隱，該程式聲稱可搜尋目標人物的部分身份證號碼、地址、是否有民事、刑事訴訟及破產案件等紀錄，方便僱主對求職者進行背景審查。[18]

根據由公署發出、2001年生效的《人力資源管理實務守則》，僱主可透過背景審查或品格審查程序收集求職者資料，但有關資料必須與工作性質相關。[19]在AI招聘時代，僱主會從多方面途徑招攬人才，但究竟何謂「與工作性質相關」，合法「起底」的範圍可以有幾闊，恐怕言人人殊。

技術未成熟　只能作初步篩選

另外前文提及，AI技術以關鍵字詞或表情篩選合適人選，例如招聘工具ZingHR，便是透過將招聘廣告內容與求職者履歷表上的關鍵字配對，為每名申請人評分，僱主若要求未來員工操流利兩文三語、有團隊精神、願意輪班工作，履歷表及求職信中提及上述字眼的申請人可獲較高分數。[20]

聰明的人類若故意使用某些詞彙或表情迎合機械人考官，以增加錄用機會，現階段而言並非無可能。由於AI仍未能確保懂得「帶眼識人」，現時使用機械人協助招聘的企業，一般只會利用系統作初步審核，申請人仍需通過與人事部門面試等環節。而目前，AI不可根據求職者的臨場答案追問，因此仍難取代人事部門的角色。

要防範智能歧視

另一要注意的是，僱主在為機械人設定篩選合適人才的標準時，一般以現任或離任員工的履歷及工作表現作為參考，這亦可能引起「智能」歧視的擔憂。英國有研究指出，不同的「機器學習」方法，即使是用上同一套資料，也可以演算出截然不同的結果。原因之一，是不同演算法所採用的假設各異，而資料分析難免涉及人類的主觀判斷，例如哪個模型最佳、甚麼變量（variable）最合適。因此，正如AI應用於其他範疇時出現的問題一樣，機械人的決策，有時並非必然客觀。[21]

現時採用機械人招聘的公司不少為跨國企業，其僱員往往來自不同文化背景、使用不同語言的全球人才，因此口音、表情動作等可能不盡相同。現時有關技術是否成熟到能夠準確辨別文化語言等差異，選出合適人才，令人懷疑。若機器學習「學會」淘汰「非我族類」，亦可能有違部分公司期望打造多元團隊的初衷，變相成為另一種歧視。

說到底，機器的決定，始終會受把關人影響。機械人面試官全無偏見不大可能，但不斷審核和修正演算法、多重演算、由人事經理作最終把關等，均有機會減少決策失誤。[22]在全球人才爭奪戰中，除了期望利用機械人提升招聘效率，提升AI技術、改善人事部門角色，以及懂得處理人與機器的職責分擔，亦是企業招賢納士、增強競爭力的關鍵。

  1. Rebecca Greenfield, “The Rise of the (Truly Awful) Webcam Job Interview,” Bloomberg, October 12, 2016, Laura Noonan, “Goldman Sachs to drop on-campus interviews.” Financial Times, June 24, 2016.
  2. Laszlo Bock, “Here's Google's Secret to Hiring the Best People,” WIRED, April 7, 2015.
  3. 洪寶瑩，〈用AI招聘 助企業分析挑選求職者〉，《香港經濟日報》，2017年5月30日，A09頁。
  4. Max Chardwell, “I’ve just secured a summer internship at Goldman Sachs. Here’s how,” eFinancialCareers, last modified 28 February 2017.
  5. Paul Clarke, “Nine things you need to know about working at Goldman Sachs now,” eFinancialCareers, last modified March 16, 2017.
  6. 〈語音視像篩選人才 機械人助招聘快夾準〉，《信報》，2017年3月23日，A12頁。
  7. 「讓人工智能領導人民？AlphaGo戰勝棋王的啟示」。取自智經研究中心網站，最後更新日期2016年4月9日。
  8. Jennifer Alsever, “How AI Is Changing Your Job Hunt,” Fortune, May 19, 2017.
  9. 同8。
  10. 同8。
  11. “About HireVue,” HireVue, accessed June 21, 2017.
  12. 12 Nathan R. Kuncel, Deniz S. Ones, David M. Klieger, “In Hiring, Algorithms Beat Instinct,” Harvard Business Review, May 2014; Nathan R. Kuncel et al., “Mechanical Versus Clinical Data Combination in Selection and Admissions Decisions: A Meta-Analysis,” Journal of Applied Psychology 98, No. 6 (2013): 1060–1072, accessed June 20, 2017, doi: 10.1037/a0034156.
  13. “HR Survey Executive Summary,” Harvey Nash, accessed June 22, 2017.
  14. “Online Identity Analysis,” Fama, accessed June 22, 2017.
  15. Sean Captain, “Can Using Artificial Intelligence Make Hiring Less Biased,” Fast Company, last modified May 18, 2016.
  16. “A Summary of Your Rights Under the Fair Credit Reporting Act,” Federal Trade Commission, accessed June 22, 2017.
  17. “Big Data: A tool for inclusion or exclusion?” Federal Trade Commission, Jan 6, 2016, pp. 13-14; “Spokeo to Pay $800,000 to Settle FTC Charges Company Allegedly Marketed Information to Employers and Recruiters in Violation of FCRA,” Federal Trade Commission, last modified June 12, 2012.
  18. 「調查報告：手機程式『起你底』嚴重侵犯個人資料私隱」。取自個人資料私隱專員公署網站，最後更新日期2013年8月13日。
  19. 根據守則，僱主應在向僱員收集個人資料前，為僱員提供一份收集個人資料聲明，藉以告知僱員該等資料的使用目的、可能獲移轉該等資料的人的類別，以及僱員查閱及改正該等資料的權利。資料來源：《人力資源管理實務守則》，個人資料私隱專員公署，查詢日期2017年6月22日。
  20. 同3。
  21. Harry Armstrong, "Machines That Learn In The Wild," Nesta, http://www.nesta.org.uk/sites/default/files/machines_that_learn_in_the_wild.pdf, last modified July 2015, p. 4；「讓人工智能領導人民？AlphaGo戰勝棋王的啟示」。取自智經研究中心網站，最後更新日期2016年4月9日。
  22. Gideon Mann, Cathy O'Neil, “Hiring Algorithms Are Not Neutral,” Harvard Business Review, December 9, 2016.

本文獲授權轉載，原文見智經研究中心。

責任編輯：周雪君

核稿編輯：王陽翎