Bisakah AI mendeteksi kebohongan dalam wawancara?

Terdengar gugup dapat membuat Anda khawatir bahwa sistem wawancara akan menganggap kecemasan sebagai ketidakjujuran. Bagian ini menjelaskan perbedaannya dengan memisahkan perilaku yang dapat diamati, interpretasi model, dan bukti bahwa suatu pernyataan salah.

Perangkat lunak dapat mengukur jeda, perubahan nada suara, atau gerakan yang terlihat. Pengamatan tersebut tidak secara khusus mengidentifikasi penipuan. Konsentrasi, berbicara dalam bahasa kedua, dan keterlambatan koneksi dapat memengaruhi cara berbicara, sedangkan jawaban palsu yang telah dilatih dapat terdengar lancar. Kegugupan maupun kepercayaan diri tidak membuktikan apakah cerita yang mendasarinya benar.

Label seperti “risiko penipuan” merupakan keluaran model, bukan bukti. Bahkan membuktikan bahwa suatu pernyataan tidak akurat tidak membuktikan bahwa pembicara sengaja berbohong. Kesalahan tanggal, susunan kata yang ambigu, atau kesalahan transkripsi memerlukan penjelasan yang berbeda dari pengalaman yang dikarang.

Untuk menilai klaim deteksi kebohongan dari penyedia layanan, periksa bagaimana peneliti menentukan pernyataan mana yang merupakan kebohongan, apakah pengujiannya menyerupai wawancara kerja sungguhan, dan seberapa sering kandidat yang jujur keliru ditandai. Kinerja pada kebenaran dan kebohongan yang telah dibuat dalam skenario tidak otomatis berlaku pada wawancara dengan pertanyaan yang tidak dikenal dan konsekuensi nyata.

Pemeriksaan yang berguna memerlukan klaim yang jelas dan bukti yang relevan. Penilaian pemberi kerja dan asisten kandidat dapat memiliki masukan serta tujuan yang berbeda, sehingga tidak ada satu penjelasan yang berlaku untuk semua hal yang dinilai AI wawancara.

• Konsistensi: Jika diberi kedua pernyataan, sistem dapat menandai tanggal kerja yang berbeda atau deskripsi kepemilikan proyek yang bertentangan. Ketidaksesuaian tersebut tetap memerlukan klarifikasi.
• Bukti eksternal: Sistem yang memiliki akses ke catatan yang sesuai dapat membandingkan klaim dengan catatan tersebut. Catatan yang tidak tersedia, kedaluwarsa, atau tidak lengkap membatasi kesimpulan.
• Pengetahuan yang ditunjukkan: Jawaban teknis dapat diperiksa kebenarannya. Jawaban yang salah membuktikan adanya kesalahan dalam jawaban itu, bukan ketidakjujuran yang disengaja mengenai riwayat kandidat.
• Kualitas jawaban: Relevansi, perincian, dan struktur berkaitan dengan seberapa baik suatu jawaban menjawab pertanyaan. Hal-hal tersebut tidak mengautentikasi peristiwa yang dijelaskan.

Bayangkan seorang engineer backend yang diwawancarai untuk posisi senior mengatakan bahwa ia memimpin migrasi basis data. Pertanyaan lanjutan mengungkapkan bahwa ia bertanggung jawab atas pengujian beban, sedangkan engineer lain memilih arsitekturnya. Memperjelas kontribusi tersebut memberikan keterangan yang lebih akurat kepada pewawancara; susunan kata awal saja tidak membuktikan adanya penipuan yang disengaja.

Untuk pertanyaan terkait penilaian pemberi kerja, lihat jawaban tentang platform perekrutan dan pemeriksaan kandidat.

SubcueAI diposisikan sebagai asisten wawancara AI. Jangan menganggap sarannya sebagai konfirmasi atas riwayat pekerjaan, kredensial, kepemilikan proyek, atau hasil. Mentranskripsikan ucapan dan menghasilkan saran tidak mengautentikasi peristiwa yang sedang dibahas.

Kedua antarmuka bantuan langsungnya juga memiliki akses audio yang berbeda:

• Aplikasi desktop native: Aplikasi utama untuk macOS dan Windows menangkap audio sistem dan mikrofon, menyediakan overlay lokal mengambang, serta berfungsi dengan klien rapat desktop seperti Zoom dan Microsoft Teams.
• Ekstensi browser: Side Panel menyediakan bantuan langsung selama wawancara di browser Chromium, termasuk Chrome dan Edge. Ekstensi ini menangkap audio dari tab rapat, termasuk suara pewawancara, untuk panggilan melalui tab browser seperti Google Meet. Ekstensi ini tidak pernah menangkap mikrofon Anda dan tidak mentranskripsikan ucapan kandidat. Versi Firefox hanya mendukung latihan simulasi.

Karena itu, perekaman audio pewawancara saja oleh ekstensi tersebut tidak boleh digambarkan sebagai aktivitas mendengarkan jawaban lisan Anda untuk mendeteksi kebohongan. Demikian pula, akses mikrofon aplikasi desktop tidak membuktikan adanya kemampuan verifikasi kebenaran.

Kedua antarmuka tersebut tidak menambahkan bot rapat ataupun menyisipkan skrip konten ke halaman rapat. Pilihan desain ini tidak menjamin bahwa alat tidak terlihat. Berbagi layar, perekaman layar, sesi yang diawasi, dan perangkat yang dikelola perusahaan tidak tercakup dalam jaminan semacam itu.

Untuk panduan penyiapan antarmuka yang tersedia, lihat tutorial SubcueAI.

Sebelum wawancara, periksa klaim yang kemungkinan akan Anda bahas: tanggal kerja, tanggung jawab pribadi Anda, keputusan yang Anda buat, dan hasil yang dapat Anda buktikan. Pisahkan pencapaian tim dari kontribusi Anda. Bedakan hasil yang diukur dari perkiraan, dan akui perincian yang sudah tidak Anda ingat secara tepat.

Tinjau setiap saran yang dihasilkan sebelum menggunakannya. Jika saran tersebut menambahkan teknologi, tanggung jawab, atau hasil yang bukan bagian dari pengalaman Anda, hapus atau perbaiki. Susunan kata yang terdengar masuk akal bukan bukti bahwa suatu peristiwa pernah terjadi.

Jika sistem atau pewawancara mempertanyakan kejujuran Anda, tanyakan pernyataan mana yang dipermasalahkan dan bukti apa yang mendasari kekhawatiran tersebut. Periksa transkrip jika tersedia, jelaskan setiap ambiguitas, dan berikan informasi pendukung relevan yang diizinkan untuk Anda bagikan. Mintalah peninjauan oleh manusia jika label otomatis tampaknya didasarkan pada kesalahan; skor keyakinan saja tidak dapat menyelesaikan perselisihan faktual.

Periksa aturan wawancara mengenai bantuan dan pengungkapan sebelum menggunakan alat langsung. Izin untuk menggunakan bantuan dan keakuratan jawaban merupakan persyaratan yang berbeda.

Untuk berlatih sebelum percakapan sebenarnya, kunjungi halaman simulasi wawancara.