Hired 的 CEO Josh Brenner – 采访系列

Josh Brenner 是 Hired 的 CEO，Hired 是一家领先的 AI 驱动的招聘市场，连接顶级公司如 Instacart、Wayfair、Zendesk、Capital One 和 Peloton 与人才。

Hired.com 与其他招聘平台如 Monster 有所不同，能否分享一下公司如何通过 Hired 招聘候选人的概念?

Hired 独特之处在于，它将三个元素结合起来，改变招聘体验：一个高度策划的、数据驱动的招聘解决方案，专注于技术和销售人才，高触感的客户服务，以及 Adecco Group 全球网络的支持。公司可以通过我们的平台注册，注册过程涉及指定相关职位和地点（也可以是远程工作），以及偏好，如工作经验或基本工资。我们然后将雇主与一名专门的人才成功经理配对，并提供招聘数据和分析，以帮助他们找到预先筛选和高素质的候选人，这些候选人符合他们的职位要求。为了创建一个个性化和策划的体验，我们将相关的候选人信息，如他们的技能、工作经验和期望工资，传回给雇主，鼓励他们向合适的候选人发送面试请求。我们展示的候选人正在积极寻找新的机会，通常在注册后的前几天内就会收到多个面试请求，因此我们鼓励雇主快速和透明地行动。

通过提供一个数据驱动的招聘解决方案，考虑到雇主和候选人的具体需求，我们提高了匹配的质量，减少了招聘时间，并使公司更容易建立出色的、多元化的团队。

能否讨论一下用于匹配雇主和候选人的机器学习方法?

我们的机器学习模型跟踪实时招聘数据，监测趋势，并预测招聘行为，以更快、更准确地匹配雇主和候选人。我们的平台拥有超过 17,000 家雇主和 300 万候选人的大量相关实时数据，使我们能够提供高度策划和个性化的匹配，导致匹配质量更高，接受率更高。

还有一个日益增长的需要去理解和解释招聘中使用的机器学习算法的预测，以实现透明度、偏见缓解和为用户提供补救措施。

在 Hired，我们利用机器学习为候选人提供补救措施，以帮助他们了解为什么他们没有被我们的市场接受，以及如何改进他们的资料。我们帮助候选人增加被接受的机会，通过提供可行的反馈，这可能包括建议他们添加一个被遗忘的技能，或者实施长期的改变，如学习一种新的编程语言。

由于现有的机器学习系统的补救方法缺乏速度、可行性或无法可靠地找到能够改变系统决策的改变，我们开发了自己的机器学习系统的补救方法。我们还通过过度采样技术积极减轻机器学习系统中的偏见，确保候选人的种族、性别或年龄不会影响算法的决策。

雇主也从这个系统中受益，因为如果我们的评分系统没有提供这种可行的反馈，可能会忽略有价值的候选人，从而导致招聘人员错过优秀的候选人。

AI 如何帮助公司在规模上减少招聘时间?

我们利用 AI 和平台的实时数据，提供雇主更准确、更高效的匹配。通过提供符合公司职位要求的候选人，我们每次招聘平均节省招聘人员 45 个小时，这些时间原本会花在预筛选面试、审查不合格候选人的简历和联系不响应的被动候选人上。由于我们专注于识别和推广我们的平台上的活跃候选人，我们能够将招聘时间减少至少 4 倍，并帮助公司用高素质的人才扩建团队。例如，我们曾与 Capital One 合作，帮助他们通过 Hired 市场招聘了 300 多名候选人，节省了他们大量的时间来筛选简历。

Hired.com 最近发布的报告 “2021 年 Hired 影响报告 – 工作场所的工资不平等“，关注了工作场所的种族和性别不平等。报告中的一些关键发现是什么？是否有任何让你感到惊讶的发现?

我们的数据显示，虽然进展正在被做出，工资差距正在缩小，但我们仍然有很长的路要走。2020 年，男性被提供的工资高于女性，同一家公司的同一个职位 59% 的时间，相比 2019 年的 65%。特别是，公司为同样的职位提供给女性的平均工资比男性低 3%，相比 2019 年的 4%。黑人候选人的工资低于基准线 4%，相比 2019 年的 5%。

我们继续看到一个正在进行的趋势，即代表性不足的群体被支付较低的工资，他们也期望较低的工资，即使他们有相同的经验。种族对这个期望差距贡献很大，因为低工资期望在少数族裔女性中最为普遍，相比白人女性或少数族裔男性。例如，黑人女性期望的工资比白人男性同事低 10%。

代表性不足的群体可能会陷入一个反复的低工资循环，如果他们没有对自己的工作获得透明的工资信息。我们发现，缩小工资差距的最佳方式是增加工资透明度，以便所有候选人都知道他们应该获得的工资，并能够要求公平的报酬。这就是我们通过年度报告想要推动的目标。

虽然工资透明度一直是所有员工的长期问题，无论他们的 демограф特征如何，但我们惊讶地发现，年轻员工更有可能要求和获得更公平的工资，相比过去的几代人。这是一个积极的发展，因为早期职业生涯中学习如何谈判工资的员工将来获得公平报酬的机会更大。继续增加工资透明度和减少入门级员工的期望差距可能会对工资不平等产生深远的、长期的影响，并影响未来的公平报酬。

Hired.com 如何消除招聘中的无意识偏见?

为了减轻无意识偏见对招聘决策的影响，我们的平台配备了特定的工具和功能，以促进透明度、效率和公平性，例如：

可行的、无偏见的反馈 – 当我们向候选人提供反馈，告诉他们如何改进他们的资料以被我们的平台接受时，例如添加一个特定的技能，Hired 验证我们的系统不会建议改变候选人的种族、性别或年龄来改变算法的决策。

工资警报 – 为了减少不平等补偿的可能性，Hired 会在雇主或候选人收到或请求明显高于或低于平均工资的职位和经验水平时，向他们发出工资偏见警报。我们的工资偏见警报导致公司的Offer 工资改变了 4.3% 的时间，平均工资调整为 20,000 美元的差异。

工资透明度 – 薪酬信息从候选人和雇主的角度提供透明度，当候选人加入我们的平台时，他们的期望工资和雇主在联系候选人时的工资信息都是透明的。

偏见减少过滤器 – 我们的平台提供了屏蔽候选人 демограф信息的功能，以减少无意识偏见，并鼓励公司根据候选人的技能而不是其他因素进行招聘。

定制评估 – 作为一个招聘市场，我们专注于基于技能的匹配，包括使用技能评估来促进候选人的能力，而不是传统的简历和工作申请过程。由于这些评估可以远程访问，我们使公司能够在全球范围内发现有技能的候选人，并多元化他们的人才管道。

目前哪些类型的公司正在使用 Hired.com 平台进行招聘?

Hired 有超过 17,000 家雇主在其市场上，包括许多知名品牌，如 Instacart、Wayfair、Zendesk、Postmates、Twitch、Capital One、Compass 和 Peloton。特别是，我们的平台被公司的招聘经理、招聘人员、人力资源部门和高管使用，以帮助他们访问我们池中的高素质和策划的候选人。

候选人需要满足哪些教育或就业历史要求才能使用 Hired.com 平台?

在 Hired 上，候选人需要在我们专攻的领域工作，包括软件工程、分析、产品管理、设计、QA 和销售角色。所有级别的求职者都被鼓励注册，因为我们的平台高度优先考虑基于技能的招聘，而不是教育背景。当创建个人资料时，候选人会被提示概述他们的工作历史、技能和工资要求。那些在所需角色中展示了大量经验的候选人，也可以包括他们的实习或开源工作在他们的工作经验中。我们还鼓励候选人利用技能提升资源，如编码训练营和教育课程，以提高他们被接受和最终获得面试和工作机会的机会。

为什么 AI/机器学习专业人士应该使用 Hired.com?

Hired 为 AI 和机器学习专业人士提供了访问美国、加拿大、英国和爱尔兰 18 个领先技术中心中最具创新性的公司的机会。我们理解，在竞争激烈的领域中寻找工作往往会感到沮丧，这就是为什么我们旨在通过将他们与符合他们独特技能、经验、目标和价值观的雇主联系起来来赋予候选人权力。

我们还为 AI 和机器学习专业人士提供了各种资源，例如我们的年度软件工程师状况报告。由于技能比背景更重要，我们的报告根据我们的平台数据概述了最受需求的技能和编码语言，并为 AI 和机器学习工程师提供了如何通过提高技能、利用编码训练营和自我教育计划来区分他们自己的见解。我们的最近报告发现，在美国主要的技术中心，机器学习工程师的工资范围从每年 11.5 万美元到 17.1 万美元，根据地点、角色和经验的不同，为专业人士提供了宝贵的工资见解。

是否还有其他关于 Hired.com 的信息您想分享?

Hired 的愿景是使所有招聘变得公平、效率高和透明。我们旨在通过利用技术和人类的同理心来实现这一愿景，连接有抱负的人和团队，革新人们的招聘和被招聘方式。

过去，招聘往往是雇主和候选人之间的交易。但是，随着人们越来越寻找符合他们个人价值观和职业发展目标的公司，雇主也越来越认识到人才对于业务增长的重要性，招聘过程需要变得更加数字化和数据驱动，但同时也需要更加个性化。尤其是随着远程工作的采用增加，我们已经看到一种转变，即更加数字化的招聘解决方案能够赋予雇主和求职者在全球范围内招聘的最有效和最有效的方式。我们很高兴能够站在这一转变的前沿，并继续推动我们变革招聘的愿景。