Maaari bang matukoy ng AI ang kasinungalingan sa mga interview?

Ang pagtukoy ng kasinungalingan ng makina ay ipinangako sa loob ng isang siglo, mula sa mga polygraph hanggang sa mga voice-stress analyzer hanggang sa mga micro-expression scanner, at ang siyentipikong talaan ay pare-pareho: wala sa mga pamamaraang ito ang maaasahang nagpapaghiwalay ng panlilinlang mula sa kinakabahan. Ang mga signal ng stress ay tunay, ngunit ang mga interview ay nagpapakabig sa mga tapat na tao, na eksakto ang populasyong sini-scan.

Ang industriya ng screening ay tahimik na pinagbigyan ang puntong ito. Ang mga vendor ng video-interview na dating nag-advertise ng pagsusuri ng mukha ay publiko itong tinanggal pagkatapos ng patuloy na pagsisiyasat mula sa mga mananaliksik at regulador, at ang mga natitirang assessment ay nagsi-score ng sinasabi mo kaysa sa kung paano gumagalaw ang iyong mukha habang sinasabi ito. Kung saan naaangkop ang batas, maraming hurisdiksyon na ngayon ang nangangailangan ng pagsisiwalat o pahintulot bago ang AI analysis ng interview video.

Kaya ang direktang sagot sa nakakabalisa na bersyon ng tanong na ito ay hindi: ang AI sa kabilang dulo ng iyong screening call ay hindi nagbabasa ng iyong pulso sa pamamagitan ng webcam. Ang ginagawa nito sa halip ay mas karaniwan at sulit na maunawaan nang eksakto.

Nag-aalala ka na markahan ka ng makina para sa pag-ikot ng iyong job title pataas, at sulit na malaman kung ano talaga ang ginagradahan ng makina. Sinasaklaw ng seksyong ito kung ano ang siniscore ng automated screening, at kung saan talaga nahuhuli ang pagmamalabis.

Sinusuri ng mga automated screener ang transcribed na nilalaman: kung ang iyong sagot ay tinutugunan ang kakayahang tinutukoy ng tanong, kung mayroon itong kongkretong detalye, istruktura tulad ng sitwasyon, aksyon, at resulta, at keyword overlap sa profile ng papel. Ang ilan ay nagsi-score ng mga basic na delivery tulad ng bilis at rate ng filler-word. Wala sa mga iyon ang pag-verify ng katotohanan; ang isang maliwanag na pagbabago ay nakakakuha ng magandang score sa bawat isa sa mga axe na iyon.

Kung saan nabibigo ang pagmamalabis ay sa ibang pagkakataon at mas mababang teknolohiya. Ang isang inaangkin na kasanayan ay gumuguho sa technical deep-dive, isang kwentong nagbabago sa pagitan ng recruiter screen at ng onsite ay napansin ng mga taong naghahambing ng mga tala, at ang mga reference check ay natutuklasan ang pagtaas ng titulo sa loob ng ilang minuto. Isaalang-alang ang isang kandidato na nag-upgrade ng isang support role sa isang team lead: pinasa siya ng screening AI, at ang ikatlong follow-up na tanong ng hiring manager tungkol sa mga desisyon sa headcount ay hindi.

Sinasaklaw ng detectability cluster ang katabing tanong, kung ano ang makikita ng mga interviewer at platform tungkol sa mga tool na pinapatakbo mo, sa mga sagot sa detectability at privacy.

Ang isang real-time na interview assistant ay nagta-transcribe ng pag-uusap at nagmumungkahi ng mga talking point na nakabatay sa mga dokumentong ibinigay mo. Hindi nito bine-verify ang iyong mga claim, at hindi nito magagawang totoo ang isang gawa-gawang kwento; kung ang iyong na-load na resume ay pinalabis, ang mga mungkahi ay mamanahin ang pagmamalabis. Malinaw na binabalangkas ni Aaron Cao, tagapagtatag ng SubcueAI, ang hangganan ng disenyo: pinapalakas ng produkto ang paghahanda, at ang katapatan ay nananatiling trabaho ng kandidato, kaya ang mga mungkahi ay nakabatay sa iyong sariling resume at ang paglalarawan ng trabaho sa halip na nabuo mula sa manipis na hangin.

Ang praktikal na hakbang na pinagana nito ay kabaligtaran ng pagsisinungaling. Ang iyong tunay na karanasan ay halos palaging naglalaman ng mas magandang materyal kaysa sa isang gawa-gawang bersyon, at ang agwat ay pagkuha sa ilalim ng presyon, hindi substansya. Ang isang mock interview laban sa isang AI interviewer ay naglulutas ng mga tunay na kwentong iyon nang maaga, na may mga follow-up na tanong na nagsusuri ng presyon sa kanila sa paraang gagawin ng isang tao, upang ang live na sagot ay manggaling sa inehersayong alaala sa halip na improvisation.

Para sa mga pinahintulutang live na konteksto, ang desktop app ay nagpapanatili ng mga inehersayong puntong iyon sa loob ng kamay sa panahon ng tunay na tawag; kung paano gumagana ang capture at suggestion pipeline ay nakadokumento sa mga sagot sa how-it-works.