Josh Brenner，Hired 的 CEO – 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 的工作方式与 Monster 和其他招聘平台不同，您能否分享一下公司如何通过您的平台申请面试候选人?

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进行多步骤的注册，包括指定相关职位和位置 – 也可以是远程位置 – 以及偏好，如经验年限或基本工资。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审查和高素质的候选人，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，以鼓励他们向合适的候选人发送面试请求。我们平台上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，并最终使公司尽可能容易地建立出色的、多元化的团队。

您能否讨论一下用于匹配雇主和候选人的一些机器学习方法?

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，以更快速、更准确地匹配雇主和候选人。拥有来自我们平台的 17,000 多家雇主和 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。

还需要不断了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，我们利用机器学习提供补救措施，帮助候选人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简介。我们帮助候选人增加被接受的机会，通过提供可行的反馈，例如建议他们添加一个被遗忘的技能或实施长期的改变，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我们的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可行的反馈给候选人，可能会忽略有价值的候选人，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，提供给雇主高度准确的匹配，速度更快、效率更高。通过提供专门针对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面试、审查不合格候选人的简历和联系无响应的被动候选人上。由于我们专注于识别和推广平台上的活跃候选人，我们能够将招聘时间减少到平均值的 4 倍，并帮助公司用高素质人才扩建团队。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 “Hired 2021 影响报告 – 工作场所的工资不平等“，重点关注工作场所的种族和性别不平等。您发现了一些什么关键发现，您是否对这些发现感到惊讶?

我们的数据发现，虽然进展正在取得，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、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工资平均比男性低 3%，相比 2019 年的 4%。黑人候选人在 2020 年的工资比基准线低 4%，相比 2019 年的 5%。

我们继续看到一个持续的趋势，即代表性不足的群体被支付较低的工资，他们也期望比他们的白人、男性同事少得多的工资，即使他们有相同的经验。种族对这个期望差距有着显著的贡献，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她们的白人男性同事低 10%。

代表性不足的群体可能会陷入一个反复的循环中，如果他们没有透明的工资信息，就会收到较低的工资。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得的报酬，并能够要求公平的报酬。这就是我们通过年度报告要推动的目标。

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平等的工资，相比过去的几代人。这是一个积极的发展，因为员工在职业早期阶段就学会了谈判工资，他们将来获得公平工资的机会会增加。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，并影响未来的公平补偿。

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，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，告诉他们如何改进简介以被我们的平台接受时，例如添加一个特定的技能，Hired 验证了，如果候选人的种族、性别或年龄被告知，系统不会建议改变这些信息来改变算法的决策。

工资警报 – 为了减少不平等补偿的可能性，Hired 会向雇主和候选人发出警报，如果他们收到或请求的工资明显高于或低于该职位和经验水平的平均工资。我们的工资偏见警报导致公司的报价工资改变了 4.3% 的时间，平均工资调整为 20K 美元的差异。

工资透明度 – 补偿是透明的，既从候选人的角度来看，也从雇主的角度来看，当他们联系候选人时。

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

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进一步促进能力，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找到并吸引有才华的候选人，并多元化他们的人才管道。

目前有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 家雇主使用我们的市场，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 C 级高管使用，以帮助他们访问我们精心策划的高素质候选人。

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?

候选人需要在我们专注的领域工作，包括软件工程、分析、产品管理、设计、QA 和销售职位。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，无论教育背景如何。创建简介时，候选人会被提示概述他们的工作历史、技能和工资要求。那些在实习或开源工作中展示了显著经验的人，也可以在他们的经验年限中包括这些项目。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 个领先的科技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可能是一个令人沮丧的过程，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态报告。由于技能变得比背景更重要，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见解，告诉他们如何通过提升技能和利用编码训练营和自我教育计划来区分自己。我们的最新报告发现，在美国主要的科技中心，机器学习工程师的工资从每年 115,000 美元到 171,000 美元不等，根据位置、职位和经验不同，提供了宝贵的工资见解。

您还想分享关于 Hired.com 的其他信息吗?

Hired 的愿景是使所有招聘变得公平、高效和透明。我们旨在通过利用技术和人类同理心来实现这一愿景，重新塑造人们的招聘和被招聘方式。

在过去，招聘往往是雇主和候选人之间的交易。然而，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，因此招聘过程需要变得更加数字化和数据驱动，但也需要更加个性化。尤其是随着远程工作的日益普及，我们已经看到向更加数字化的招聘解决方案转变，这些解决方案能够为雇主和求职者提供最有效的招聘方式。我们很高兴能够站在这一转变的前沿，并继续推动我们的招聘变革愿景。