【若水AI編輯團隊 為您導讀】
AI當道,然而所有痛點只能用AI解嗎?當用AI找人才已經變得愈來愈常見,原創始祖「聯合利華」,在發想與執行上的巧思,十分值得參考。
這個個案的痛點很清楚:找到萬中選一的合適員工。於是,所需的數據(履歷)要廣,但結果要精準,所以如何設計「篩選」的流程很重要。
聯合利華結合社群行銷加上AI,用科學遊戲創造話題,引動更多人才想來投履歷,另一方面,在與遊戲互動的過程中,收集到求職者的反應時間、用詞、聲調、說話速度、陳述方式、肢體語言和整體表達能力等數據,為真人面試前,提供科學數據佐證。
最後一點,如何運用AI創造良好體驗?這點我們觀察到,是目前在台灣AI運用裡,較少觸及的的主題,內文提到,「68%的求職申請根本石沉大海!」但透過社群前導、加上AI助攻,聯合利華讓所有的求職者在每個階段,都會獲得寶貴的回饋,無形之中也讓聯合利華與所有面試者廣結善緣。
人對了,事就對了。說的簡單,但對全球最大的雇主之一,聯合利華 Unilever 要如何從每年180萬份的履歷汪洋中,挑出那萬中選一的員工呢?
「我們去大學招募人才的方式,就跟我 20 年前被招募時一樣,這感覺有點不太對勁」聯合利華北美人力資源副總裁 Mike Clementi 接受美國商業新聞網站《商業內幕》(Business Insider)訪問時說。
負責中亞市場的聯合利華人資副總裁瑪莉莎 • 芝 • 基(Melissa Gee Kee)則公開自嘲自家系統過時又冗長:「在 34 個國家,當我們要開始選人時,第一輪就有50%的申請人退出,連申請表都沒寫完。過時的技術耗了他們45分鐘,還不能在手機上填。」 她接著說:
「所以我們化危機為轉機。 這轉機,不是翻新,而是真正具有破壞性的創新」
與其派招募人員去菁英大學收集履歷,人工篩選,再一一安排電話面試,聯合利華和Pymetrics 與 HireVue 兩家科技新創攜手,用 AI 人工智慧來選員工!前三關由 AI 把關,過了才有機會跟真人面試。
圖/ 聯合利華的基層人員招募流程。AI 為前三關關主,
最後一關才真人面試
結合社群活動,巧妙收集最佳 AI 訓練數據
第一步,履歷出局,演算法上場!
年輕人是網路的動物,與其進入校園,聯合利華改在臉書,LinkedIn 領英,與熱門人才招募網站 The Muse、WayUp 上進行精準行銷,申請人只需上傳其 LinkedIn 領英個人檔案的連結,時間最多不超過10分鐘。這個階段,演算法約刷掉一半,只留下符合職缺要求的求職者。
下一關,玩線上遊戲!
申請人將在20分鐘內玩12款Pymetrics開發的腦神經科學遊戲。這些小遊戲考驗受試者在高壓下專注力、短期記憶力、風險的評估能力、以及對情緒和情境脈絡的解讀能力。
圖/ Pymetrics的小遊戲,求職者每打一次氣,就會獲得0.5美元,但氣球破掉則歸零。測試受試者的風險評估能力
「(答案的)光譜沒有對錯,這可不是為了讓你感覺良好而編出來的,光譜兩端可能適合非常不同的職缺,」Pymetrics 執行長芙烈達·波莉(Frida Polli)說。
至於適合什麼工作,聯合利華讓公司內各種職缺的優秀員工玩這些小遊戲,他們的結果就是衡量求職者的基準。每場遊戲結束,求職者就會得到立即的回饋,若結果符合基準,就晉級至下一關:透過HireVue系統線上面試。
HireVue的科技長羅倫‧拉森(Loren Larsen)稱之為「隨選面試」(On demand interview)。求職者可以用手機、平板電腦或裝有攝影機的桌機,在他們方便的時間,錄下對一系列問題的回應並上傳。
「觀看」這些影片的,不是真人,而是 HireVue的 AI。用自然語言處理(Natural Language Processing)和臉部辨識技術等,分析求職者的反應時間、用詞、聲調、說話速度、陳述方式、肢體語言和整體表達能力,並從聲音和表情分辨情緒,如對該主題的熱情程度。而這些訓練數據(AI Training Data Sets)成為讓 AI 變精準的最佳教材。
「機器會看 25,000 個不同的特徵和它們彼此間複雜的關係,」拉森說,但因為各職缺所需的條件殊異,「我們僅納入被證明可預測工作績效的數據點,而忽視無關緊要的特徵。 這消除了許多可能無意間影響人類招募者決策的特徵。」
此外,由於表達方式和情緒表現具有文化差異,拉森強調:「我們採用同一文化的人的數據來訓練模型。」
總言之,「我們分析面試(影片),並預測他們的未來表現。我們分析該職缺重視的特徵,並產生一個洞察分數(Insight Score),基本上那就是他在我們所見過的求職者中的排名。」
建立龐大對照 AI 數據庫,消除演算法的偏見
讓看不透的機器決定一個人的聘任與否,招致不少黑箱批評,然而不論是Pymetrics或HireVue都強調他們致力於消除機器的偏見。Pymetrics有一套嚴謹的方法,能找出並移除演算法中隱藏的偏見,「並非所有的演算法皆平等,它們不是一開始就客觀公平。 若你用存在偏見的訓練數據去訓練機器,它只是直接複製人類的偏見,並往往讓偏見更加惡化。」
他們建立了一套擁有上萬人資料的對照數據庫,用來檢證潛在的偏見,一旦發現問題,即降低其權重,直到消除演算法的偏見,服膺5分之4法則(註:根據美國公平就業機會委員會的《員工篩選程序統一指南》,任一群體的選擇率若低於選擇率最高的族群的80%,即顯示該族群受到不當歧視),「我們相信任何獨厚單一族群的演算法,只是反映噪音,不是反映信號,」Pymetrics官網說。
HireVue也反駁,
人類面試官的判斷常會不自覺的受到性別、種族、美醜、身材等跟工作成功無關的因素左右,對勝任工作的定義也相對模糊,還往往靠「直覺」來做判斷,無視於偏見常躲在直覺的背後
他們認為嚴格檢視機器產生的結果,反而能讓人才招募更公平。拉森舉例,機器可能會發現公司裡最優秀的技術客服工程師說話的速度比其他人慢。
而男性說話的速度可能也普遍比女性慢。這可能導致演算法認為男性優於女性。一旦在測試中發現這點,可忽略說話速度,以免性別導致結果偏差,並重新訓練和測試。
在這兩關,機器分別刷掉6至8成的人。通過AI這三關後,該是讓「人類面試官」上場了!求職者會受邀至聯合利華的辦公室進行一日生活體驗,當天面試官就會做出決斷。
從數據開始 AI 革命,讓企業運作更有人性
目前,AI已接手聯合利華在全球68個國家的基層人員招聘,精通15種語言,分析超過27萬份求職申請,節省75%的招聘人力,求職者5萬個小時的寶貴生命,並把招聘作業時間從4至6個月縮至2週,幫公司每省1百萬英鎊(約4千萬台幣)。
進到最後一關的求職者,有80%拿到工作,82%接受工作,皆高於過去63~64%的水平。不僅如此,員工的多樣性前所未有,非白人的比例提高,大學的來源從原本的840所增加到2600所。
「(在我們所有的客戶中,)聯合利華是唯一從零到百分百投入的公司,」波莉說。聯合利華在不到一年內,未先進行小規模測試,就直接運用在所有基層職缺的招募上。
任何的改變,當然並非一帆風順,「那把我們的招募人員和某些招聘經理嚇壞了,」領導這場AI革命的瑪莉莎說,「我向你保證,他們的心目中,他們當初經歷的招募過程顯然是最好的,所以只須照舊複製就好了,」
她調皮的豎起大拇指。這些不安和不信任,讓計畫延誤了5個月,「有人跟我們說這太荒唐了,幸好現在那些人已經不在了。」
「其中最大的迷思,就是機器怎能取代人性?」
瑪莉莎的回應很簡單:今天,68%的求職申請根本石沉大海。但透過AI,聯合利華所有的求職者在每個階段,都會獲得寶貴的回饋,「至少有一頁A4,詳述你為什麼適合與否,需要加強什麼能力,有何強項……Pymetrics也會幫忙找到他們在公司裡找到更適合的職位。」
「這是 AI 讓我們更有人性的例子,」聯合利華首席人資長琳娜·拿爾(Leena Nair)說。
【推薦閱讀】
1.數據太多或太少的時候怎麼辦?又或者怎麼判定目前 AI 數據品質好壞,能為演算模型採用?這篇值得閱讀 ➡️➡️ 數據教我的三件事,這麼做讓 AI 落地更精準!
2.一趟數十秒的電梯旅行,這家公司收集了超過 200 項即時 AI 數據,讓他們得以化被動為主動,在故障前先下手為強。請看 ➡️➡️ 電梯界的關鍵報告。
資料來源:TRAIN, VALIDATE, RE-TRAIN: HOW WE BUILD HIREVUE ASSESSMENTS MODELS
圖片來源:Pymetrics、HireVue、JESHOOTS.COM on Unsplash