時事分析 | 創新及科技發展 | 2017-08-02 | 《經濟日報》

見工面試,假如遇上機械人考官……



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, https://www.bloomberg.com/news/articles/2016-10-12/the-rise-of-the-truly-awful-webcam-job-interview; Laura Noonan, “Goldman Sachs to drop on-campus interviews.” Financial Times, June 24, 2016, https://www.ft.com/content/5183ff92-3945-11e6-a780-b48ed7b6126f.
2 Laszlo Bock, “Here's Google's Secret to Hiring the Best People,” WIRED, April 7, 2015, https://www.wired.com/2015/04/hire-like-google/.
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, http://news.efinancialcareers.com/uk-en/275564/goldman-sachs-internship/, last modified 28 February 2017.
5 Paul Clarke, “Nine things you need to know about working at Goldman Sachs now,” eFinancialCareers, http://news.efinancialcareers.com/uk-en/277334/nine-things-you-need-to-know-about-goldman-sachs-now, 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:http://www.bauhinia.org/index.php/zh-HK/analyses/436,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, http://fortune.com/2017/05/19/ai-changing-jobs-hiring-recruiting/.
9 同8。
10 同8。
11 “About HireVue,” HireVue, https://www.hirevue.com/company/about-us, accessed June 21, 2017.
12 Nathan R. Kuncel, Deniz S. Ones, David M. Klieger, “In Hiring, Algorithms Beat Instinct,” Harvard Business Review, May 2014, https://hbr.org/2014/05/in-hiring-algorithms-beat-instinct; 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, http://www.harveynash.com/hrsurvey/executive-summary/, accessed June 22, 2017.
14 “Online Identity Analysis,” Fama, https://www.fama.io/#welcome, accessed June 22, 2017.
15 Sean Captain, “Can Using Artificial Intelligence Make Hiring Less Biased,” Fast Company, https://www.fastcompany.com/3059773/we-tested-artificial-intelligence-platforms-to-see-if-theyre-really-less-, last modified May 18, 2016.
16 “A Summary of Your Rights Under the Fair Credit Reporting Act,” Federal Trade Commission, https://www.consumer.ftc.gov/articles/pdf-0096-fair-credit-reporting-act.pdf, 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, https://www.ftc.gov/news-events/press-releases/2012/06/spokeo-pay-800000-settle-ftc-charges-company-allegedly-marketed, 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:https://www.pcpd.org.hk/tc_chi/news_events/media_statements/press_20130813.html,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:http://www.bauhinia.org/index.php/zh-HK/analyses/436,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, https://hbr.org/2016/12/hiring-algorithms-are-not-neutral.