人資如何應用 AI 分析出的報告?

人資如何應用 AI 分析出的報告?

導入 HRDA ( Human Resource Digital Assistant )- AI 錄影面試系統後, HR 常問:

  • 該如何正確應用 AI 分析出的特質報告?

  • 這樣的報告準確嗎?

  • 為什麼 AI 分析出的結果跟自己的觀察有落差?

相信科學 - AI 和大數據技術不斷發展,其分析能力和準確性也會不斷進步。

通常面試官都有豐富的識人經驗,但隨著影像處理和雲端運算技術的進步,AI 的應用變得更加廣泛。如今,我們可以把 AI 視為一位閱人無數的超級面試官。

AI 已經觀察過無數求職者的表情,甚至能識別一般人難以察覺的微表情變化,並將這些表情與人格特質進行對應。目前已有許多研究指出:微表情與人格特質存在相關性,這些相關資料會存儲在 AI 的記憶中,形成常模。

當新的求職者進行 AI 錄影面試時,AI 會分析其動態微表情變化,並與常模比對,比對出這個人可能跟它過去看過的某個人很相似,從而推測出這位求職者的可能人格特質,於是透過 HRDA 系統產出求職者的人格特質報告,即為科學化的統計參考資料。

而常見的挑戰是: HR 覺得AI 分析出的結果跟自己的觀察有落差,但其實不同的面試官看待同一位求職者,都很可能都會有不同的看法。我們又怎能保證「人」看「人」一定精準呢?

由於 AI 是透過標註面部表情點位去運算各點位之間的相互連動變化,在機器眼中,不會受到外觀或顏值影響測評結果;而且機器不會累,但人會累,如果 HR 面對上千位求職者,針對每一位都得個別給出評論,其實很難保證測評能公平客觀;甚至以現況來看,很難保證不會是 HR 粗略看過求職者的面試狀況後,輸入幾個關鍵字標籤,直接利用 chat GPT 完成面試報告,應付交差。

所以,使用 AI 分析報告作為參考依據,其實還是一個相對更科學的作法,尤其 AI 的發展已經可以漸進式修正模型,當資料量越大,所形成的大數據分析就越準確。

在 HRDA 系統中,如何利用 AI 分析資料呢?

目前系統產出的公版 AI 分析報告,分析指標為:人際溝通技巧及五大人格特質(情緒穩定性/外向性/經驗開放性/親和性/盡責性)等,各特質分數是以 PR 值呈現,代表資料在標準化後,該求職者在 100 個人當中,按排序會高於多少人。

但特質分數是相對概念,並非分數越高就一定越好。而對企業徵才來說,針對各職缺所著重的特質可能也會不同(這部分若要精準符合企業當前用人傾向,會建議另外進行建模專案);以「工程師」職缺為例,可能有些公司選才偏好會優先評估盡責性及經驗開放性,最不在乎親和性,即該公司對於選才的排序為:盡責性>經驗開放性>人際溝通技巧>…>…>…親和性。

所以實際應用時,我們可以使用系統的匯出功能,將某職缺中的所有求職者資料匯出成 excel 檔,再針對各特質分數作資料排序調整,篩選出符合企業期待的人選,邀約進一步面試。

不過,仍需注意:招募人才主要會評估其「專業能力」與「人格特質」,但不同職缺對這兩項的需求又會不同,像是對於招募儲備幹部來說,一般會比較重視其「人格特質」,但工程師的「專業能力」則通常比其「人格特質」來得更重要。所以在評估工程師的各特質偏好順序前,則建議可先觀看其錄影答題狀況,先由用人單位主管先選出符合專業期待的人選,再從名單中針對特質偏好作分數排序,這樣才能讓招募工作更有效率。

前述提及 HR 可能會覺得 AI 分析結果跟自己的觀察有落差,故系統針對報告中某些特質分數特別低的狀況,已直接設計好相對應的題目,若 HR 覺得某位求職者表現不錯,仍可邀約其進入下一階段面試,屆時,可直接針對這些低分的特質去發問問題,以釐清主管與 AI 之間的認知差異。

AI 發展已然是未來趨勢,HRDA ( Human Resource Digital Assistant )- AI 錄影面試系統的創建初衷是成為 HR 的數位助理,協助企業數位轉型,提供更有效率選人及用人的參考依據,讓 HR 能有更多選擇,並得以將心力放在其他更重要的工作上。