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。
