当 AI 从帮助求职者转向评估求职者时，会发生什么？为企业评估和招聘开发者的平台 HackerRank 正在给出一个未来面试可能如何运作的样本：其 AI 代理 Chakra 会主持面试、观察候选人如何完成任务，并不仅评估答案本身，还评估他们是如何得出答案的。

HackerRank 表示，Chakra 经过大约六个月的测试版后，将于周一向客户正式开放。该公司称，这款 AI 面试官在测试期间已经完成了超过 50 万次面试，Snowflake、Snorkel 和 Capgemini 等公司都曾试用，HackerRank 也在内部测试了这款产品。

AI 早已是求职面试中的常见元素，企业使用语音代理和其他自动化工具筛选候选人，以提高招聘效率。与此同时，求职者也越来越多地借助自己的 AI 工具来应对面试，有时雇主并不知情。

HackerRank 认为，借助 Chakra，AI 不仅能改变面试的进行方式，也能改变雇主可以衡量的内容。除了看候选人是否给出正确答案外，这家初创公司还希望评估更难捕捉的信号，例如批判性思维和判断力，以及它所称的“AI 熟练度”——即候选人如何为 AI 构建问题、判断其输出，并引导它走向解决方案的能力。

HackerRank 联合创始人兼首席执行官 Vivek Ravisankar 在接受采访时说：“过去的评估方式是评估输出。现在，因为有了 AI，任何人都可以生成一个成果。”他表示，雇主面临的问题变成了：他们是否能看懂生成这些成果背后的思考过程和判断力。

在实际使用中，Chakra 面试的设计更像是在做真实工作，而不是参加传统编程测试。候选人会拿到一个涉及真实代码仓库的任务，并在一个包含 AI 助手的画布中完成。候选人在工作过程中，Chakra 可以根据上下文提出追问，例如为什么选择某种方案，而不是另一种，或者如果新增一个约束条件，解决方案会如何变化。

Ravisankar 告诉 TechCrunch，Chakra 正在改变招聘流程的基本结构。原本需要三轮、包括招聘人员筛选、居家作业评估以及与工程师的后续面试，现在被合并为一次 Chakra 面试。

让候选人在面试中使用 AI，似乎可能更容易作弊。不过 HackerRank 表示，结果恰恰相反。Ravisankar 说，与类似的传统 HackerRank 测评相比，Chakra 面试中的可疑行为标记低了 70% 到 80%，但这一比例会因地区和资历等因素而有所不同。

Ravisankar 告诉 TechCrunch，让候选人在面试中接触 AI，会降低他们偷偷使用外部工具、在面试中给出答案的动机。

HackerRank 于 2012 年在 TechCrunch Disrupt 上推出，最初围绕编程挑战构建业务，最终帮助企业根据技术能力评估和招聘开发者。这家获得 Y Combinator 支持的初创公司如今拥有超过 3000 家企业客户，包括 Amazon、Nvidia、Clay 和 Replit，全球开发者社区超过 3000 万人。

Chakra 代表着对 HackerRank 多年来构建的技术测评业务的一次押注逆转。其传统产品主要测试开发者是否能正确解决编程问题。不过，Ravisankar 认为，AI 已经让 HackerRank 早先的模式在衡量工程能力方面不再那么有用。

Ravisankar 将这一内部转型比作苹果从 iPod 转向 iPhone：旧产品仍有价值，但新产品代表了公司认为市场正在走向的方向。他说：“Chakra 将会成为头条。它将成为我们未来前进的方式。”

不过，让 AI 更深入地参与候选人评估，也带来了另一组问题，尤其是公司应在多大程度上把招聘决定交给算法。Ravisankar 告诉 TechCrunch，Chakra 的设计是对候选人进行评分，而不是做出最终招聘决定，后者仍由人类负责。

Ravisankar 说，AI 可以处理面试中更结构化的部分，持续按雇主设定的标准打分，而人类面试官则可以花更多时间判断自己是否真的想与候选人共事，并回答有关公司、团队和岗位的问题。

“如果调校得当，AI 比人类少得多的偏见，”Ravisankar 说。他认为，AI 系统可以被指示对每位候选人遵循同一套评分标准，而不会受到候选人背景或教育经历等因素影响。

不过，始终使用同一套标准，并不一定意味着 AI 系统就没有偏见。自动化招聘工具可能继承或放大用于构建它们的数据、模型和标准中的偏见，这也促使监管机构对其在就业决策中的使用进行审查。

AI 在招聘中的使用已经引发监管关注。比如纽约市要求，使用某些自动化就业决策工具的雇主必须接受独立偏见审计，并在使用前向候选人发出通知。Ravisankar 承认，招聘是一个受监管领域，并表示遵守这类要求也是 HackerRank 必须构建的一部分。