سیادال ماگوس و شهریار تاجبخش به ترتیب در Uber و Palantir مشغول به کار بودند، زمانی که هر دو متوجه شدند استخدام – به ویژه فرآیند مصاحبه – برای بسیاری از بخش‌های منابع انسانی شرکت‌ها سخت می‌شود.
ماگوس به TechCrunch گفت: «برای ما واضح بود که مهم‌ترین بخش فرآیند استخدام، مصاحبه‌ها است، اما همچنین مبهم‌ترین و غیرقابل اعتمادترین بخش آن است. “علاوه بر این، مجموعه ای از مشقت های مرتبط با یادداشت برداری و نوشتن بازخورد وجود دارد که بسیاری از مصاحبه کنندگان و مدیران استخدام هر کاری که می توانند برای اجتناب از آن انجام می دهند.
ماگوس و تاجبخش فکر می کردند که فرآیند استخدام برای ایجاد اختلال آماده است، اما می خواستند از انتزاع بیش از حد عنصر انسانی اجتناب کنند. بنابراین آنها Metaview را راه اندازی کردند، یک برنامه یادداشت برداری با هوش مصنوعی برای استخدام کنندگان و مدیران استخدام که مصاحبه های شغلی را ضبط، تجزیه و تحلیل و خلاصه می کند.
Magos گفت: “Metaview یک یادداشت برداری هوش مصنوعی است که به طور خاص برای فرآیند استخدام ساخته شده است.” «این به استخدام‌کنندگان و مدیران استخدام‌کننده کمک می‌کند تا بیشتر روی شناخت نامزدها تمرکز کنند و کمتر روی استخراج داده‌ها از مکالمات تمرکز کنند. در نتیجه، استخدام‌کنندگان و مدیران استخدام‌کننده زمان زیادی را برای نوشتن یادداشت‌ها صرفه‌جویی می‌کنند و در طول مصاحبه‌ها بیشتر حضور دارند، زیرا مجبور به انجام چند کار نیستند.»
Metaview با برنامه‌ها، سیستم‌های تلفن، پلت‌فرم‌های ویدئو کنفرانس و ابزارهایی مانند Calendly و GoodTime ادغام می‌شود تا به‌طور خودکار محتوای مصاحبه‌ها را ضبط کند. Magos می‌گوید که این پلتفرم «نقاط ظریف گفتگوهای استخدامی را در نظر می‌گیرد» و «خود را با داده‌های منابع دیگر، مانند سیستم‌های ردیابی متقاضی، غنی می‌کند تا مرتبط‌ترین لحظات را برجسته کند.
Magos گفت: “Zoom، Microsoft Teams و Google Meet همگی دارای رونویسی داخلی هستند که جایگزینی ممکن برای Metaview است.” اما اطلاعاتی که هوش مصنوعی متاویو از مصاحبه‌ها به دست می‌آورد، بسیار بیشتر به موارد استفاده از استخدام مرتبط است تا جایگزین‌های عمومی، و ما همچنین به کاربران در گام‌های بعدی در جریان کار استخدام در این مکالمات و پیرامون آن کمک می‌کنیم.»
اعتبار تصویر: متا ویو
مطمئناً مصاحبه شغلی سنتی اشتباهات زیادی دارد و یک برنامه یادداشت برداری و تجزیه و تحلیل مکالمه مانند Metaview می تواند حداقل در تئوری کمک کند. همانطور که در Psychology Today اشاره شده است، مغز انسان مملو از سوگیری هایی است که مانع قضاوت و تصمیم گیری ما می شود، به عنوان مثال تمایل به تکیه بیش از حد به اولین بخش از اطلاعات ارائه شده و تفسیر اطلاعات به گونه ای که باورهای قبلی ما را تأیید می کند. .
سوال این است که آیا Metaview کار می کند – و مهمتر از آن، برای همه کاربران به یک اندازه خوب کار می کند؟
حتی بهترین سیستم‌های دیکته گفتار مجهز به هوش مصنوعی نیز از تعصبات خاص خود رنج می‌برند. یک مطالعه استنفورد نشان داد که نرخ خطا برای بلندگوهای سیاه پوست در سرویس‌های گفتار به نوشتار آمازون، اپل، گوگل، آی‌بی‌ام و مایکروسافت تقریباً دو برابر بلندگوهای سفیدپوست است. مطالعه جدیدتر دیگری که در ژورنال Computer Speech and Language منتشر شده است، تفاوت های آماری قابل توجهی را در نحوه برخورد دو مدل پیشرو تشخیص گفتار با سخنرانان با جنسیت، سن و لهجه متفاوت نشان می دهد.
توهم نیز وجود دارد که باید در نظر گرفت. هوش مصنوعی در جمع بندی اشتباه می کند، از جمله در خلاصه جلسات. در مطلبی اخیر، وال استریت ژورنال به نمونه ای اشاره کرد که در آن، برای یکی از کاربران اولیه که از ابزار AI Copilot مایکروسافت برای خلاصه کردن جلسات استفاده می کرد، Copilot شرکت کنندگان را اختراع کرد و تماس های ضمنی درباره موضوعاتی بود که هرگز مورد بحث قرار نگرفتند.
وقتی از ماگوس پرسیده شد که متاویو چه اقداماتی برای کاهش تعصب و سایر مسائل الگوریتمی انجام داده است، ماگوس ادعا کرد که داده‌های آموزشی متاویو به اندازه‌ای متنوع است که مدل‌هایی را به دست می‌دهد که «عملکرد انسانی» را در جریان کار استخدام پیشی می‌گیرد و در معیارهای رایج برای سوگیری عملکرد خوبی دارد.
من نسبت به رویکرد Metaview در مورد نحوه مدیریت داده‌های گفتاری شک دارم و کمی محتاط هستم. Magos می گوید که Metaview داده های مکالمه را به طور پیش فرض به مدت دو سال ذخیره می کند، مگر اینکه کاربران درخواست کنند که داده ها حذف شوند. به نظر می رسد این زمان بسیار طولانی است و نامزدها احتمالاً این کار را خواهند کرد.
اما به نظر می رسد هیچ یک از اینها بر توانایی متاویو برای دریافت بودجه یا مشتریان تأثیری نداشته است.
Metaview در این ماه 7 میلیون دلار از سرمایه‌گذارانی از جمله Plural، Coelius Capital و Vertex Ventures جمع‌آوری کرد و مجموع درآمد این استارت‌آپ مستقر در لندن را به 14 میلیون دلار رساند. ماگوس می‌گوید تعداد مشتریان متاویو به 500 شرکت از جمله Brex، Quora، Pleo و Improbable می‌رسد – و سالانه 2000 درصد رشد داشته است.
ماگوس گفت: «این پول در درجه اول برای رشد محصول و تیم مهندسی مصرف خواهد شد و انرژی بیشتری به تلاش‌های فروش و بازاریابی ما خواهد داد. ما تیم مهندسی و محصول را سه برابر خواهیم کرد، موتور ترکیب مکالمه خود را بیشتر تنظیم خواهیم کرد تا هوش مصنوعی ما به طور خودکار دقیقاً اطلاعات مناسبی را که مشتریان ما نیاز دارند استخراج کند و سیستم هایی را برای شناسایی فعالانه مسائلی مانند ناسازگاری در فرآیند مصاحبه و نامزدهایی که به نظر می رسد توسعه دهد. از دست دادن علاقه.»
