リアルタイム面接コパイロット：ライブの回答提案が実際にどう動くのか
文責 Aaron Cao · 更新
リアルタイム面接コパイロットは、ライブ面接を聞き取り、面接官の発言を数秒で文字起こしし、画面に回答案を提示するソフトウェアです。SubcueAI はこれを、会議ボットではなく、ローカルのフローティングオーバーレイを備えたネイティブのデスクトップアプリとして実現します。
リアルタイム面接コパイロットが実際にすること
ライブ面接は進行が速すぎて助けを得られないのではと心配かもしれません。本節では、リアルタイム面接コパイロットが実際に何をするのかを順を追って説明します。要するに、話された質問を文字に変え、あなたが話し始める前に回答案を手渡すものです。
このループは常に同じ4つの段階です。音声を取得し、それを文字に文字起こしし、回答案を生成し、それを表示します。リアルタイムという言葉がすべての要です。面接官が質問を言い終えてからあなたが返答を始めるまでの数秒のうちに、この4段階すべてが完了して初めて価値が生まれます。
SubcueAI は、ブラウザ拡張機能でも通話に参加する参加者でもなく、ローカルのフローティングオーバーレイを備えたネイティブのデスクトップアプリとして位置づけられています。まず製品のマーケティング的な概要を見たい場合は、ホームページがそれを AI 面接アシスタントとして説明しています。
音声がどう取得されるか：デュアル取得
あらゆるライブのコパイロットで最も難しいのは、会話の両側を同時に聞き取ることです。リアルタイム面接コパイロットには、面接官の声（スピーカーから出てきます）とあなた自身の声（マイクから）の両方が必要です。SubcueAI はこれをデュアル音声取得と呼びます。システム音声出力とマイク入力を同時に読み取ります。
だからこそネイティブのデスクトップアプリが重要です。macOS と Windows のシステム音声取得はオペレーティングシステムレベルの機能であり、ブラウザのタブは通常、別個の Zoom、Google Meet、Microsoft Teams のウィンドウの音声を取り込めません。SubcueAI はボットとして会議に参加しないため、面接官の参加者リストに余分な出席者が増えることはありません。取得モデルのより詳しい解説は 仕組みのトピック にあります。
音声から回答案へ
音声が取得されると、コパイロットはそれを音声認識エンジンに流し込みます。このエンジンは文の完成を待つのではなく、文字を連続して出力します。部分的な文字起こしによって、回答生成の段階を早く開始できます。生成の段階は、文字起こしされた質問に、履歴書や職務記述書などあなたが提供したコンテキストを加え、回答案を作ります。
あるパブリッククラウド事業者の L5 ポジションの面接を受けているバックエンドエンジニアを想像してください。面接官がレートリミッターをどう設計するかと尋ねると、文字起こしが数秒以内に現れ、構造化された概要——トークンバケット、分散カウンター、トレードオフ——がオーバーレイに浮かびます。候補者は依然として自分の言葉で答えなければなりません。コパイロットは台本ではなく、きっかけです。
重要なのは、この出力がデスクトップアプリによってあなた自身のマシン上に描かれるローカルのフローティングオーバーレイに表示される点です。映像フィードに挿入されるものではなく、共有される会議ウィンドウの一部でもないため、通話の画面共有をしてもそれ自体ではオーバーレイは共有されません。
遅延、限界、そして「リアルタイム」にできないこと
ライブのコパイロットにとって、エンドツーエンドの遅延——面接官が一文を言い終えてから使える提案が現れるまでの総時間——は、基盤となるモデルの素の大きさより重要です。1秒で応答するやや小さいモデルは、10秒かかるより大きいモデルに勝ります。10秒の時点では、答える瞬間はすでに過ぎているからです。
限界には正直であるべきです。リアルタイム面接コパイロットは、あなたが画面を共有しているとき、面接官側でセッションがあなたの画面全体を捉える形で録画されているとき、あなたのマシンをロックダウンまたは監視する監督付き試験の最中、あるいはソフトウェアをインストールできない会社管理のデバイスでは適用外です。こうした状況では安全なツールは存在せず、SubcueAI も普遍的に検出不可能だとは主張しません。プライバシーに関するトレードオフは 検出可能性のトピック で扱い、セキュリティモデルは セキュリティページ にまとめられています。