A toborzási technológiáiról ismert HackerRank bemutatta Chakrát, egy olyan mesterséges intelligencia alapú interjúagentet, amely nemcsak a jelöltek megoldásait értékeli, hanem figyeli a munkafolyamatot és a döntéshozatalt is. A cég hétfőn tette elérhetővé a terméket ügyfelei számára, miután körülbelül hat hónapos bétaidőszakban próbálták ki.
Mi a Chakra és hogyan működik?
A Chakra-interjúk úgy vannak felépítve, hogy inkább a napi munkához hasonlítsanak, mint a hagyományos kódolási tesztekhez. A jelölt egy valós kódtárat érintő feladatot kap, és egy olyan munkafelületen dolgozik, amelybe beépített AI-asszisztens is tartozik. Az agent kontextus alapján figyeli a tevékenységet, és képes célzott utánkérdezésekre — például miért választott egy adott megközelítést, vagy hogyan változtatná meg a megoldást új korlát bevezetése esetén.
A rendszer a munka közben keletkező jeleket használja arra, hogy a hagyományos eredményen túl további készségeket mérjen: kritikai gondolkodást, ítélőképességet és azt, amit a vállalat „AI-folyszerűségnek” nevez — vagyis hogy egy jelölt hogyan képez le problémát a AI számára, hogyan értékeli annak kimenetét és hogyan irányítja azt megoldás felé.
Tesztelés és korai adatok
A HackerRank szerint a Chakrát a bétaidőszakban több mint 500 000 interjún futtatták le. A kipróbálók között voltak vállalatok, mint a Snowflake, a Snorkel és a Capgemini; a terméket a HackerRank saját csapata is tesztelte.
A cég azt állítja, hogy a Chakra-interjúk során észlelt gyanús tevékenységeket jelző riasztások 70–80 százalékkal alacsonyabbak voltak, mint a hasonló hagyományos HackerRank-értékelések esetén, bár ez régiótól és senioritástól függően változott. A vállalat szerint az AI-hozzáférés csökkenti azt az ösztönzést, hogy a jelöltek titokban külső eszközöket használjanak megoldások beszerzésére.
A toborzási folyamat átalakulása
A HackerRank vezére, Vivek Ravisankar szerint a Chakra alapvetően megváltoztathatja a felvételi folyamat struktúráját. A korábban több fordulóból álló menet — például recruiter-szűrés, otthoni feladat és mérnökkel történő follow-up — a Chakra esetében egyetlen, komplex interjúban egyesíthető, ahol az AI együttműködik a jelölttel a megoldás megtalálásában.
Ravisankar hangsúlyozta, hogy a Chakra pontozza a jelölteket, de a végső felvételi döntés emberek kezében marad; az AI a strukturáltabb értékelési részfeladatokat végezné el következetesen, míg az emberi interjúztatók több időt fordíthatnak a kulturális illeszkedés, a csapatmunka és a szereppel kapcsolatos kérdések megválaszolására.
Piaci és üzleti kontextus
A HackerRank 2012-ben, a TechCrunch Disrupton indult, a Y Combinator támogatásával. A startup üzleti ügyfeleinek száma meghaladja a 3 000-et, ügyfelei között szerepelnek például az Amazon, az Nvidia, a Clay és a Replit; a fejlesztői közösség pedig több mint 30 milliót tesz ki világszerte.
A Chakra bevezetése egyben elmozdulást is jelent a HackerRank hagyományos, output-alapú technikai értékelési modelljétől: míg korábban elsősorban azt mérték, hogy a jelölt helyes megoldást tud-e előállítani, a vállalat szerint az AI megjelenésével ez a megközelítés kevésbé tükrözi a mérnöki képességeket.
Kockázatok és szabályozási szempontok
Bár Ravisankar azt állítja, hogy az AI megfelelő beállítás mellett kevesebb elfogultsággal dolgozik, a mesterséges intelligencia alapú kiválasztási rendszerek nem mentesek a torzítás veszélyétől: az algoritmusok és a tanítóadatok tükrözhetik vagy erősíthetik a meglévő torzításokat. Emiatt a szabályozók egyre figyelmesebben vizsgálják az automatizált munkaerő-döntéstámogató eszközök használatát.
Például New York City előírja, hogy bizonyos automatizált foglalkoztatási döntéstámogató rendszereket független elfogultsági auditnak kell alávetni, és a jelölteket értesíteni kell az alkalmazásukról. Ravisankar elismerte, hogy a felvétel szabályozott terület, és a megfelelés ilyen előírásoknak része annak, amit a HackerRank megépített a Chakra bevezetéséhez.
Összegzés
A Chakra a HackerRank kísérlete arra, hogy az AI-t ne csak segédeszközként, hanem aktív értékelőként is beépítse a fejlesztői kiválasztási folyamatba. A cég szerint a megoldás hatékonyabb, részletesebb képet ad a jelöltek képességeiről, miközben csökkentheti a csalásra utaló jeleket. Ugyanakkor a technológia szélesebb elterjedése kérdéseket vet fel az elfogultság, az átláthatóság és a szabályozási követelmények teljesítése kapcsán.
