當 AI 從協助求職者轉變為評估求職者時，會發生什麼事？HackerRank，一個企業用來評估和聘用開發人員的平台，透過其 AI 代理 Chakra，讓外界得以一窺未來求職面試的樣貌。Chakra 不僅能進行面試，還能觀察求職者工作時的表現，並評估他們的答案以及達成答案的過程。
經過約六個月的 beta 測試後，HackerRank 將於週一向客戶全面推出 Chakra。該新創公司表示，AI 面試官在測試期間已進行了超過 50 萬次面試，包括 Snowflake、Snorkel 和 Capgemini 等公司都曾試用，HackerRank 也進行了內部測試。
AI 在求職面試中已應用一段時間，企業使用語音代理和其他自動化工具來篩選候選人並提高招聘效率。同時，求職者也越來越多地使用 AI 工具來協助面試，有時雇主並不知情。
透過 Chakra，HackerRank 押注 AI 不僅能改變面試的進行方式，還能改變雇主能夠衡量的內容。除了是否能得出正確答案外，該新創公司還希望評估更難捕捉的指標，例如批判性思維和判斷力，以及他們所謂的「AI 流暢度」——即候選人如何為 AI 設定問題、判斷其輸出結果，並引導其走向解決方案。
HackerRank 共同創辦人兼執行長 Vivek Ravisankar 在一次訪談中表示：「過去的評估模式是評估輸出結果。現在，因為有了 AI，任何人都可以產出一個成果。」他補充說，對雇主而言，問題在於他們能否理解產出成果背後的思考和判斷過程。
實際上，Chakra 的面試設計更像是實際執行工作，而非傳統的程式碼測試。候選人會接到一個涉及真實程式碼儲存庫的任務，並在包含 AI 助手的畫布上進行操作。在候選人工作時，Chakra 可以利用他們正在進行的內容的上下文來提出後續問題，例如為何選擇某種方法而非另一種，或者如果引入新的限制條件，他們的解決方案會如何改變。
Ravisankar 告訴 TechCrunch，Chakra 正在改變招聘流程本身的基礎結構。他表示，過去需要三個獨立的階段，包括招募人員篩選、帶回家評估和與工程師進行後續面試，現在都整合到單一的 Chakra 面試中。
讓候選人在面試中獲得 AI 的協助，看似會讓作弊更容易。然而，HackerRank 表示他們發現情況恰恰相反。Ravisankar 表示，在 Chakra 面試中，可疑活動標記比傳統的 HackerRank 評估低了 70% 到 80%，儘管這個比率會因地理位置和職級等因素而異。
Ravisankar 告訴 TechCrunch，讓候選人獲得 AI 的協助，降低了他們在面試中秘密使用外部工具來獲取答案的動機。
HackerRank 於 2012 年在 TechCrunch Disrupt 上推出，其業務圍繞著程式碼挑戰，最終幫助企業根據技術技能評估和聘用開發人員。這家獲得 Y Combinator 支持的新創公司現在擁有超過 3,000 家企業客戶，包括 Amazon、Nvidia、Clay 和 Replit，以及一個擁有超過 3,000 萬開發人員的全球社群。
Chakra 代表著對 HackerRank 多年來建立的技術評估業務的一種押注。其傳統產品主要測試開發人員是否能正確解決程式碼問題。儘管如此，Ravisankar 認為 AI 已使得 HackerRank 先前的模式在衡量工程能力方面變得不那麼有用。
Ravisankar 將這次內部轉變比作 Apple 從 iPod 轉向 iPhone，舊產品仍有價值，但新產品代表了該新創公司認為市場的發展方向。他表示：「Chakra 將會是頭條新聞，這將是我們前進的方式。」
然而，讓 AI 在評估候選人方面扮演更重要的角色，引發了另一系列問題，特別是如何將招聘決策的多少委託給演算法。Ravisankar 告訴 TechCrunch，Chakra 的設計目的是為候選人評分，而不是做出最終的招聘決定，後者仍由人類負責。
他表示，AI 可以透過一致地應用雇主設定的標準來處理面試中較結構化的部分，而人類面試官則可以花更多時間來判斷他們是否真的想與候選人共事，以及回答有關公司、團隊和職位的問題。
Ravisankar 表示：「如果調校得當，AI 的偏見遠小於人類。」他認為，AI 系統可以被指示為每位候選人遵循相同的評分標準，而不是受到候選人背景或教育程度等因素的影響。
然而，應用相同的標準並不一定能使 AI 系統免於偏見。自動化招聘工具可能會繼承或放大用於建構它們的數據、模型和標準中的偏見，促使監管機構仔細審查它們在就業決策中的使用。
AI 在招聘中的應用已經引起監管機構的關注。例如，紐約市要求使用某些自動化就業決策工具的雇主對其進行獨立的偏見審計，並在使用前通知候選人。Ravisankar 承認招聘是一個受監管的領域，並表示遵守這些要求是 HackerRank 必須構建的一部分。
