跳到正文
原文
TechCrunch · AI· Jagmeet Singh·· 4 小时前AI 评分53

HackerRank 的 AI 面试官 Chakra 展现招聘面试可能的变化

HackerRank’s AI interviewer offers a glimpse into what job interviews could become

AI 导读

HackerRank 的 AI 面试官 Chakra 让候选人在带 AI 助手的画布中处理真实代码仓库,并追问其思路与判断,以此展现招聘面试可能的变化。约六个月测试后,产品于周一向客户正式提供,已完成超过 500,000 场面试,Snowflake、Snorkel 和 Capgemini 等公司试用过。

正文 · AI 翻译

当 AI 从帮助求职者转向评估他们时,会发生什么?HackerRank 是企业用来评估和招聘开发者的平台,它正通过 Chakra 让人们一窥未来求职面试可能的样子。Chakra 是一个 AI 智能体,负责进行面试、在候选人工作时观察他们,评估的不仅是他们的答案,还有他们如何得出这些答案。

经过大约六个月的 beta 测试后,HackerRank 将于周一向其客户正式提供 Chakra。这家初创公司表示,这款 AI 面试官在测试期间已进行了超过 500,000 次面试,试用公司包括 Snowflake、Snorkel 和 Capgemini,同时 HackerRank 也在内部测试了该产品。

AI 在求职面试中成为标配已有一段时间,企业使用语音智能体和其他自动化工具筛选候选人,使招聘流程更高效。与此同时,求职者也越来越多地获得自己的 AI 工具来帮助应对面试,有时雇主并不知情。

借助 Chakra,HackerRank 押注 AI 不仅能改变面试的进行方式,还能改变雇主可以衡量的内容。除了某人是否得出正确答案之外,这家初创公司还希望评估更难捕捉的信号,例如批判性思维和判断力,以及它所谓的“AI 熟练度”——候选人向 AI 框定问题、判断其输出并引导其走向解决方案的能力有多强。

“以往的评估模式是评估产出,”HackerRank 联合创始人兼 CEO Vivek Ravisankar 在一次采访中说。“现在,因为有了 AI,任何人都能产出一件成果。”他说,对雇主而言,问题变成了他们能否理解产出背后所投入的思考与判断。

在实践中,Chakra 面试的设计更像是在做实际工作,而不是参加传统的编程测试。候选人会得到一项涉及真实代码仓库的任务,并在包含 AI 助手的画布中完成它。候选人工作时,Chakra 可以利用他们正在做的事情的上下文提出后续问题,例如他们为什么选择一种方法而非另一种,或者如果引入新的约束,他们的解决方案会如何改变。

HackerRank 的 Chakra 在面试后向招聘经理展示一份详细报告图片来源:HackerRank

Ravisankar 告诉 TechCrunch,Chakra 正在改变招聘流程本身的基本结构。他说,以往包含三个独立环节——招聘人员筛选、带回家评估以及与工程师的后续面试——现在合并为一次 Chakra 面试。

在面试中让候选人使用 AI 似乎会让作弊更容易。然而,HackerRank 表示它发现情况恰恰相反。Ravisankar 说,Chakra 面试中的可疑活动标记比同类传统 HackerRank 评估低 70% 到 80%,不过这一比例会因地域和资历等因素而有所不同。

Ravisankar 告诉 TechCrunch,让候选人使用 AI 会降低他们在面试期间偷偷使用外部工具来获取答案的动机。

推出于 2012 年的 TechCrunch Disrupt,HackerRank 围绕编程挑战构建业务,最终帮助企业根据技术技能评估并招聘开发者。这家由 Y Combinator 支持的初创公司目前拥有超过 3,000 家企业客户,包括 Amazon、Nvidia、Clay 和 Replit,以及一个遍布全球、超过 3000 万名开发者的社区。

Chakra 代表着一次与 HackerRank 花费多年打造的那类技术评估业务相悖的押注。其传统产品主要测试开发者能否正确解决编程问题。尽管如此,Ravisankar 认为,AI 已使 HackerRank 早期的模式在衡量工程能力方面变得不那么有用。

Ravisankar 在内部将这一转型比作 Apple 从 iPod 转向 iPhone:旧产品仍有价值,但新产品代表着这家初创公司所认为的市场走向。“Chakra 将会成为主打,”他说。“它将是我们前进的方式。”

然而,让 AI 在评估候选人方面扮演更深入的角色,会引发另一系列问题,尤其是企业应将多少招聘决策交给算法。Ravisankar 告诉 TechCrunch,Chakra 的设计是为候选人打分,而不是做出最终招聘决定,最终决定仍由人类做出。

Ravisankar 说,AI 可以通过始终如一地应用雇主设定的标准,来处理面试中更结构化的部分,而人类面试官则可以把更多时间用于判断自己是否真的想与某位候选人共事,并回答有关公司、团队和职位的问题。

“如果调校得当,AI 的偏见远少于人类,”Ravisankar 说。他认为,可以指示 AI 系统对每位候选人遵循同一套评分标准,而不是受候选人背景或教育等因素的影响。

然而,始终如一地应用相同标准,并不必然使 AI 系统没有偏见。自动化招聘工具可能会从用于构建它们的数据、模型和标准中继承或放大偏见,促使监管机构审查其在就业决策中的使用。

AI 在招聘中的使用已经引起监管审查。例如,纽约市要求使用某些自动化就业决策工具的雇主对其进行独立偏见审计,并在使用前向候选人发出通知。Ravisankar 承认招聘是一个受监管的领域,并表示遵守此类要求是 HackerRank 必须为之进行建设的一部分。

当你通过我们文章中的链接购买时,我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

来源:TechCrunch · AI · techcrunch.com