Re: [討論] 招募時遇到的種種問題
沒關係喔，其實不用給我P幣，我很多，而且還用不太到，
我只是喜歡跟人家分享比較實質的東西，所以給我台幣就好 (誤)。
還是一樣，沒關係，我幫你收斂一下你目前想做的東西，有錯請指正，
因為我對AI或是生成式AI沒什麼專業，雖然我天天在玩Chatgpt就是了。
那依照你的敘述來看，我歸納以下幾個點:
1. 你的AI面試的目的，主要是針對面試環節的第一段，HR面試的部分。
這個部分可能可以包含履歷人工篩檢，以及(非專業)筆試。
2. 你期望解決的是企業需要大量面試，因而從第一點所產生時間成本，
透過這套面試系統，節省大量基礎面試所需要的人力。
3. 此套系統"現階段"無法解決:
a. 專業技能面試問題。
b. 非專業的，但面試官會問的原因不是想知道答案，而是你"怎麼切入問題，
怎麼闡述你的答案"的問題。
4. 你發文主要的目的是想知道面試過程當中會碰到很消耗時間的問題，
當成你開發或是推動此系統的參考。
假設以上我的歸納是無誤的，或是八九不離十的，那接下來是我延伸出來的想法，
你參考看看。
A. 這套系統目前我能想像的到的，大概僅能解決規模如鴻海的製造業的"作業員"面試，
所產生的時間成本。
以我對台灣產業粗略的理解，前幾名大型的公司基本上都屬於製造業，
而會需要"同時"過濾大量面試履歷的公司，職缺基本上都是作業員居多，
你不會有大量業務職缺流動，也不會有大量會計財務人員應聘。
那如果你說你是要解決一個職缺，但是投遞的履歷過多的問題，
其實基本上只要依照企業的特性，視學歷與年齡，或是產業經驗，
就可以篩掉絕大部份人了，這些甚至還不需要到HR面試的階段。
B. 承上，製造業對於作業員的需求，基本上都差不多，所以可能較容易形成套板，
通用各企業，比如服從性高，性格和善，願意配合加班，
然後思考邏輯同於正常人就好。
這幾點簡單的問卷題就可以篩出來。你的AI面試系統應該可以解決的。
但是，這幾年製造業是缺工的，甚至有一陣子，是只要是人還會動，
HR就找來上產線直接試做了，目的只是篩掉手眼不協調的。
C. 而實際上，面試最花時間，碰到的困難也最多的，往往都在我說的第三點。
而你想達成的目的第四點，其實第三點已經回答你了。
所以這樣你是否能理解我前一篇發文，想表達的問題了呢?
除了對於AI的理解不是你現在想做的東西之外，其實我們有面試經驗的人，
都會很苦惱的點，就是我提的第三點。
我舉個例子，對單身年輕的女性應聘者，問一個非專業的問題:
"請問你未來三~五年內是否有結婚生孩子的計畫呢?"
面試官為何會問，面試者該怎麼回答? YES有YES的答法，NO也有NO的答法，
我要聽的不是YES或NO，我想聽的可能是你對你的答案是怎麼解釋的。
這個，應該放在你AI面試階段? 還是後面面試官的階段呢?
有些公司可能是篩選條件，只要知道有或沒有就好，那可以放AI面試階段，
直接篩掉。但是我問你，有沒有可能，面試者回答的是企業不想聽到的答案，
但是如果是跟人面試，面試者卻有辦法說的讓面試者改變心意呢?
然後我再問另一個問題，適合鴻海的軟工，是否適合GOOGLE?
假設鴻海用你的面試系統，GOOGLE也用你的系統，能通過進到後面面試階段的人，
效果是否相近? 為何是舉例這兩家? 因為這兩家的企業文化是天秤的兩個極端。
所以，以上我提到的，你去思考一下，如果你做出來一套這樣的系統，
有許多限縮的條件，你要怎麼去銷售它? 去說服一個企業導入你這一套系統?
面試除了考驗專業技能，絕大部分，都是在看"人"這一塊，
你的AI面試系統如果不能最大化的解決"人"的問題，只是簡化企業招聘流程的其中一塊，
那只要把HR專員線上篩選履歷，跟前段面試所花的時間加總，再將一年總工時統計出來，
然後去乘上HR專員的時薪，倘若低於你的系統的年費，那企業主就不會買你的單了。
PS:我僅以電子製造業的某一個族群去思考，給你參考看看，世界很大，
或許有其他機會我沒看到，你再自己斟酌吧。
PS:其實台灣前幾名的企業有金融業，但是第一金融業我不熟悉，
第二，金融業好像都是透過考試+證照來篩選，我不知道如何銜接你的系統。
所以這塊我沒提，你再問問看相關產業前輩吧。
※ 引述《qaws5503 (賣油翁_吾射不亦精乎)》之銘言：
: 首先謝謝 pipsqueak002 前輩這樣無私分享，我願奉上 100p
: 有機會的話還想與您有更進一步的交流。關於你的問題回答如下：
: 1. 抱歉在文章內沒有詳細明整個架構如何，因為我不想將文章篇幅再增加太多，
: 前篇的推文內我也有說明，我主要想幫助的就是面試官在非專業技能上面的面試時間，
: 將這些面試丟給 AI 去做。
: 面試官只需要等著看報告，對有興趣的應徵者可以再去看回放影片，
: 這樣總比一位一位面試來的節省時間。
: 2. 好像很多人提到 AI 便會與前幾年的 AI 相混淆，
: 前些陣子的 AI 便是你提到的用大數據去做預測分類等等（下稱 AI）。
: 但是生成式 AI（避免混淆我下稱 gpt）則是找出詞與詞之間的關聯性。
: 例如「蝴」後面十之八九會接「蝶」對吧？gpt 就是像這樣的接龍遊戲。
: 所以因為他優秀的見人說人話見鬼說鬼話的能力，我認為很適合應用於面試上。
: 你只需要一個起始的問題，他在接收到應徵者的回答後，
: 可以依著應徵者的回答再去做更進一步的追問，這樣一來可以挖掘更多的回答，
: 二來能夠測試應徵者的臨場反應。但當然這之中還是有很多麻煩事要解決，
: 像是很難去控制 gpt 要講什麼內容，但這也就是提示工程為什麼這麼重要的原因。
: 3. 我也了解說每個職位在應徵的需求及技能上非常不同，
: 所以我現在的設計上不是讓 gpt 自由發揮，
: （這樣真的是個災難以及收集到的資訊會蠻沒用的）
: 反而是讓企業端可以設定幾個想要問的問題，
: 讓 gpt 以這些問題開始如上題講的一樣與應徵者一來一回的互動，
: 就每個問題詢問更多細節。
: 說白了就像是現在的表單形式只是轉換為有面試互動的模式，
: 這樣應該可以在企業付出任何時間成本以前看到應徵者更全面的狀況。
: 4. 誠如你所說，我是想來蒐集你們的問題，
: 所以我不想錨定主題來限制你們僅僅只鎖定在某個部分，
: 主要是因為 ptt 不像面談一樣可以再一次面談中來回討論很多不同部分。
: 那我也很抱歉後果是導致你們覺得很難回答，
: 所以我還是很感謝願意花時間與我分享的各位前輩們。
: 5. 很感謝前輩在最後還願意分享自己的個人觀點，
: 你所說的將資料量化或是在非結構化資料內僅僅抽取出我們想要的資訊，
: 以 gpt 的能力它可以做到（反觀 AI 很難），
: 你可以嘗試用 ChatGPT 抽取出你想要的資料或是將資料做整理，
: 我相信你會非常驚訝他的能力。
: 我也認同你說的每個產業、領域、地區甚至於你提到的企業的現況，
: 這些都會改變企業對應徵者的期待或是期望的人格特質，
: 這部份真的太複雜 AI 或 gpt 皆很難去對這部分做決策，
: 所以這部份的工作還是該由人類去執行，那 gpt 可以幫助的地方在哪裡？
: 我的回答是：你不需要親自花時間一位一位應徵者去面試蒐集一些廣泛的資訊，
: 例如說：之前面臨過最大的困難、有沒有團隊合作的經驗、
: 到目前為止最大的成就是什麼等等為了更了解應徵者的問題，
: 你可以運用 gpt 見人說人話見鬼說鬼話的能力去應付要問這些問題的面試。
: 剩餘的如你所提及面試比你年紀大的業務的那種需要較專業
: 或是較個人化每位應徵者的問題，我相信還是應該交給專業的面試官來處理。
: 那這樣是否能幫助到面試官節省時間呢？就像我舉的例子現在你有 100 位應徵者，
: 你可以廣泛的用 gpt 面試這些人，事後僅需要為每位應徵者花 3~5 分鐘瀏覽面試報告，
: （會有面試的摘要、標籤、錄影、逐字稿等等）
: 從中觀察應徵者的臨場反應還有回答藉此來刷掉 80 位，
: 之後你只需要真人再面試剩餘的 20 位，
: 而且後續這階段的面試還可以直接問重點不用再囉唆其他問題，
: 因為 gpt 已經在之前幫你做好了。
: 最後你提及的前老闆的條件那就等於是在篩選履歷，我目前是沒打算碰這塊，
: 畢竟條件百百種很難歸納全部。
: 然後有有沒有辦法歸納出較成功的應徵者呢？
: 也就是說有沒有辦法降低你們錄取到不適任者的機率。
: 我認為不無可能，因為對某個職位或是企業來講「好員工」一定都有相對客觀的要素，
: 如團隊合作、積極進取等等，只要找到辦法可以蒐集到這個特質就可行。
: 但是實際推行會有很大的難度，
: 從資料蒐集部分也就是怎麼從應徵者提取這些資訊，
: 到像是要你們企業端主動標記哪位應徵者被錄取以及後續的表現等等，
: 還有最後面的模型選用、調教，都是可以單獨開來變成一個新題目。
: 這是一個很大的工程而且還要企業端全力配合才可能做到，
: 也就是說現階段幾乎是不太可能。
: 以上是我的回答，歡迎再來交流～
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.248.10.126 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Salary/M.1703495826.A.42E.html
推
12/25 22:52,
4月前
, 1F
12/25 22:52, 1F
→
12/25 22:52,
4月前
, 2F
12/25 22:52, 2F
→
12/25 22:57,
4月前
, 3F
12/25 22:57, 3F
→
12/25 22:57,
4月前
, 4F
12/25 22:57, 4F
→
12/25 22:57,
4月前
, 5F
12/25 22:57, 5F
→
12/25 22:57,
4月前
, 6F
12/25 22:57, 6F
推
12/25 22:58,
4月前
, 7F
12/25 22:58, 7F
→
12/25 23:01,
4月前
, 8F
12/25 23:01, 8F
→
12/25 23:01,
4月前
, 9F
12/25 23:01, 9F
→
12/25 23:01,
4月前
, 10F
12/25 23:01, 10F
推
12/26 10:53,
4月前
, 11F
12/26 10:53, 11F
→
12/26 10:55,
4月前
, 12F
12/26 10:55, 12F
→
12/26 10:55,
4月前
, 13F
12/26 10:55, 13F
討論串 (同標題文章)
