用AI做招聘，可靠嗎？

12月19日，由創業黑馬主辦的「第16屆創業家年會」在北京舉辦，年會主題為「AI新紀元破局向未來」。近嶼智能創始人&CEO方小雷以《用AI做新式招聘》做了演講。

以下內容為創業家&i黑馬編輯過的演講節選：

我們是做AI面試的公司。AI面試分級，我們2017年開始創業，一直做到2020年市面上出現了很多仿品。仿品會講，微表情研究，就是通過微表情判斷這個人是不是在撒謊。現在回過頭來看，大家會覺得很荒唐，但是在當時有很多人真的會上當，所以當時我很痛苦。

有次我在南京遇到了我們的董事，黑馬基金的胡翔總。胡總說，我幫你想過這個問題了，你可以按照自動駕駛對AI面試進行分級，這樣就可以把自己定位在一個級別上，也可以把競品按照他們的特徵，定位在另一個級別上。於是我設計了L1到L5級別的AI面試分級，當時我們已經在L4級別，用篇章級別語義識別判斷一個候選人的完整語義，再對錶情和聲音進行判斷，綜合在一起就是一個多模態算法。2019年我們發佈了第一代的篇章級別語義識別算法，比Open AI的GPT 1還要早三個月。

2022年我們非常痛苦，因為我們的AI面試官產品好像走入了一個死胡同。

第一，在市面上我們看到了很多的「面經」，就是很多人參加完AI面試後，把參加的題目發到網上，後面的候選人可以看到這個題目提前做準備，這基本是個無解的作弊問題。

第二，不能追問。就是問了個問題後，AI面試官不能給候選人任何回應，只能機械的跳到下一個預設好的問題。從候選人角度來講，看不到AI面試官的任何智能。

第三，AI面試官是單向的，只能她問候選人問題，候選人不能問AI面試官問題。

所以當時陷入了一個死胡同，我希望能達到L5級別，就是既能多輪對話回答候選人問題，又能千人千問規避題目泄露導致的作弊問題，還能對候選人進行多輪的實時追問。

結果2023年上半年突然大模型時代突然來臨，Mate的LLaMA也開源了，我們馬上基於LLaMA的開源算法進行增量預訓練和SFT，達到了L5級別的AI面試。

在AI面試里最核心的價值是什麼呢？就是AI面試報告中呈現的全自動的AI得分和對候選人的深度解析。到今天為止我們絕大多數競品還是用關鍵詞識別來判斷一個候選人回答問題的質量。甚至位了保證得分的質量還會請一個人類面試官躲在AI面試官後面打分，但是如果有海量的候選人同時參加AI面試，那麼請很多人類躲在AI面試官背後打分就來不及了。

這是我們的產品優勢。我們的AI面試官能回答候選人的問題，每個候選人會看到不同的面試問題，即使針對同一個勝任力進行提問。我們可以一輪又一輪地對候選人進行全自動的即時追問，而且追問過程中候選人不會遇到幻覺。這是一個非常關鍵的問題。假設用一些閉源算法的API，包括ChatGPT在內，至少會有10%到20%的候選人會遇到各種各樣的幻覺問題。但如果用我們自己訓練的模型，這個幻覺問題就沒有了。我們去年幫中原銀行面試了1萬人，今年又面試了1.4萬人，沒有任何候選人遇到幻覺問題。

我們的算法迭代路徑開始於2018年。那一年，我們訓練出了第一代模型，當時還是叫篇章級別的語義識別算法。我們去融資，談了69家VC，沒有人投我們。原因是多方面的，一方面大家會請CV（視覺識別）的人判斷NLP的項目，大家都不理解我們做什麼，甚至不相信NLP已經能夠做到篇章級別了。另一方面，被投資人諮詢到的HR不會說他們需要一個AI面試官。他們通常會說，我需要一個AI解析工具幫我篩選簡曆就夠了。但我個人做了十多年的甲方HR出來創業，我覺得簡曆解析是做出來的，因為我們發佈的招聘廣告都沒有很認真地撰寫並且持續迭代，另外一邊，我們收到的簡曆70%到80%的內容有水分，特別是候選人的工作業績和工作經驗這兩個部分，用JD和簡曆做匹配，就能挑出好的候選人，這從底層邏輯來講就不Work。

我是一個在AI行業有一定時間的創業者。現在AI還是在一個持續不斷迭代的過程之中，可用於訓練大模型的數據還遠遠沒有達到用盡的狀態。大家想一個問題，為什麼大廠讓大家以幾厘甚至幾毫的價格去調用他們的API呢？很核心的一個原因就是他們需要在AI應用過程中產生的數據，這些數據才是真正寶貴的財富。如果你把這些數據持續不斷迭代訓練到大模型基座里，大模型才能執行更多的替代人類的智能決策的任務。所以現在還遠遠沒有到數據枯竭的狀態，我們每天用AI，就是幫AI創造更多的數據。

但是有部分私有情景，比如AI面試官，就不可能用大廠的API。因為客戶有非常嚴苛的信息安全要求，所以我們需要基於一個開源基座，自己訓練模型，然後去使用自己的模型。像我們這樣的場景非常多，凡是對信息安全要求高的公司都需要開源基座進行一定程度的訓練，有的時候運氣比較好，到了微調層面就可以結束了，有的要到增量預訓練階段。很多AI應用效果不好的原因是，大家以為是用一個Prompt加上一個API，呈現一個結果就是一個好的產品了，這個也太容易了。如果大廠想做這件事，隨時都可以做，毫無壁壘可言。

基於基座至少進行了SFT，這時你的產品才會有商業價值，才會有壁壘。而這個才是我們做AI應用的關鍵之一，無論是做AI Agent還是copilot，你要去積累的東西，不斷形成自己的壁壘，才能產生數據的積累，產生一個飛輪效應。

朱嘯虎是我們的天使輪投資人。到今天為止投了我們三次，領投一輪，跟投兩輪。朱總當時對我們有兩個關鍵判斷。

首先是算法。當時我們談了很多投資人，大家很難判斷出來一個領先的算法是什麼樣子。我跟朱總討論了這個問題。朱總說解決這個問題很簡單，於是請團隊在卡內基梅隆大學找了一位NLP的博士，對我們進行了技術盡調，確認我們獨立發明了篇章級別的語義識別算法。朱總是唯一從美國調人來研究我們技術的投資人。

其次是需求。他找了一位PWC的Partner問了HR的同事，如果朱嘯虎投了AI面試的產品，你們會不會用？PWC的HR說不會的，我們用Hirevue很多年，很好用的，為什麼要換呢？於是朱總確認這個市場存在，只是在中國還沒有開始，於是他就投了。

最後分享一下，我的創業感受。

第一，千萬不要憋大招。我2017年從加拿大回國創業，一開始想做背景調查的項目，一直在打磨產品，把錢都花完了。當你有一個簡單產品時，應該立刻推向市場去做驗證，這個動作非常關鍵。我在很多大公司工作過，花錢總是大手大腳，以前我的助理對我的備註是花錢小能手—Lucas，不過我現在已經非常孤寒了。

第二，以前創業最重要的事情就是股權融資，持續的股權融資。我2017年回國時，我們有概率拿到比較好的投資。2022年時投資人已經不看好SaaS模式。2023年時，行業內HR的巨頭也上市了，但股價直接跌了90%，大家對於HR行業不那麼看好了。我們從2023年到2024年遇到的都是戰略規劃的Worst Case Scenario，也就是最差的計劃。這時候股權融資已經不可能，那就需要一個平衡的戰略，做現金流業務的同時，去保持AI產品的持續迭代。

在不同的階段里，大家既要能生存，也要能發展。以上是我的分享內容，感謝大家。

黑馬大課年度會員重磅來襲，會員核心權益：

3980任選3次黑馬大課，每場100+老闆，每一場定期不定期小飯桌，私董會等活動鏈接。

歡迎鎖定最後的優惠名額。

活動詳情如下

↓↓↓