この履歴書は人気があります:14nmコーヒーを手で挽き、マイクロソフトで性感染症を広め、90%の企業が和解の手を差し伸べる

この履歴書は人気があります:14nmコーヒーを手で挽き、マイクロソフトで性感染症を広め、90%の企業が和解の手を差し伸べる

[[432441]]

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

チームの 6 人のメンバーが、14 ナノメートルの粒子に挽いた南極のコーヒー豆を使ったコーヒーを飲むようにします。

LinkedIn で創設者 (Reid Hoffman) をフォローしてください。

Microsoft のインターンシップ チームの 60% に STD が蔓延。

[[432442]]

このような履歴書は間違いなく却下されるだろうと思われるでしょう。

間違っている!

驚いたことに、 90%の企業が協力し、私の履歴書に返信してくれました。

そして、 Airbnbのようなよく知られた小さな巨人です。

[[432443]]

この履歴書は、非常に深刻なナンセンスでいっぱいでしたが、その効果はあまりにも対照的で、多くのネットユーザーに衝撃を与えました。

ナンセンス「インタビューハーベスター」

問題はこれです。

このエンジニアの名前はアンジェリーナ・リー(略して「エンジェル・シスター」とも呼ばれる)です。これまで彼女が送った履歴書のほとんどは却下されていました。

彼女はこれに興味を持ちました。

採用担当者は実際に履歴書を読んでいるのでしょうか?

そこで、エンジェルシスターはあるアイデアを思いつき、真実を明らかにするために見栄えの良い履歴書を偽造することにしました。

この履歴書を一目見ると、スキル、個人的経験、学歴など、普通のものだと思う人が多いかもしれません。

これはかなり標準的な「3段落」の履歴書です。

しかし、エンジェルシスターが仕掛けた謎は、より詳しい紹介の中に隠されています。

たとえば、 「スキル」の紹介での説明は次のとおりです。

フィンテック、健康、アダルトエンターテイメント業界でスケーラブルなシステムを構築した経験を持つソフトウェア エンジニア。

JavaScript、TypeScript、Node.js、React AI、Mia Khalifa、C++ の専門家。

金融テクノロジーや健康分野には何の問題もありませんが、この「アダルトエンターテインメント」は、人々に多くのことを考えさせます。

使用されている言語やツールに関しては、ほとんどがごく一般的なものですが、このミア・カリファは

(えっと、ミア・カリファというポルノスターもいます)

次の「個人的な体験」はさらに興味深いものです。

Microsoft、LinkedIn、Zillow、Instagram の 4 社が大企業であることは間違いありません。

各社の履歴書には、3~4 件の詳細な職務内容が記載されていました。

でもよく読むと本当にすごいんです!離れる! !スコア! ! !

たとえば、Instagram で作業する場合:

6 人のエンジニアのチームを率いて、会社のサーバー上で Ethereum をマイニングします。

会社のサーバーを公然とマイニングに使用していますか?それは「データベースを削除して逃げる」こととほぼ同じです。

「チームに十分な量のコーヒーを提供するために、コーヒー豆を 14nm に挽く」というものもあります。

天使のお姉さん、あなたはフォトリソグラフィーマシンです...

例えば、マイクロソフトでの職務経験において、このエンジニアは「マイクロソフトの従業員を率いてトランプ社の再編を行った」と述べている。

まだインターンシップチームに所属しているのですが、 60%の人に性感染症を広めてしまいました

正直に言うと、テレビドラマでも、このような捏造された職業体験を撮影する勇気はないだろう。

教育体験のもう一つの紹介は次のとおりです。

学生クラブ内で一晩に最も多く飲んだウォッカの記録を樹立する。

さらに、履歴書内のハイパーリンクはすべて関連性のあるリンク アドレスではありません。それらをクリックすると、リックロールされたことがわかります。

(リックロールとは、一般的には外国で騙されることをジョークにした言葉です)

しかし、そんな馬鹿げた履歴書でも、「復帰率」はなんと90%

メールに返信する企業には、Reddit、Dropbox、Notion、ApartmentList、Quizlet、Outschool、LiveRamp、AirBnB、Blend などがあります。

Atlassian と同様に、履歴書のメールには 1 時間以内に返信しました。

さらに、エンジェル・シスターと彼女の間の電子メールのやり取りでは、添付されたリンクは依然としてリックロールのいたずらの写真のままでした。

しかし、このリクルーターは返答すらせず、直接和解の手を差し伸べ、面接をセッティングしてくれました。

したがって、この経験から、リーは次のような真実をまとめました。

1. 大企業で働く

2. 大企業で働かない

つまり、履歴書に大企業の名前や話題のテクノロジーワードなどが含まれていれば、履歴書が承認される可能性が大幅に高まります。

Angel Sisterさんもテンプレートを作ってくれました。興味があれば、名前や日付などを変えてみてもいいかもしれません(記事末のリンクを参照)。

人工知能が再び襲来?

つまり、条件を満たした履歴書は審査に合格できないのに、この履歴書は合格するということですか?これは一体どういう審査手順なんだ!

コメント欄で最も高く評価されていたのは、キーワードだけを掴んで実際の内容を全く気にしないこのような人工知能の行動は「信じがたい」と、履歴書の審査におけるAIを激しく批判するコメントだった。

では、これらの履歴書スクリーニングプログラムは具体的にどのように機能するのでしょうか?

あるコメントでは、多くの企業が同じ履歴書応募システムを使用していると指摘されており、その仕組みは基本的に次のとおりです。

雇用主は 100 個のキーワードを入力し、満たさなければならないキーワードの最小数を設定できます。この数を満たさない履歴書はすぐに破棄されます。

同時に、必要な履歴書の数も設定できます。たとえば、10 に設定すると、システムは設定されたパラメータに最も一致する 10 件の履歴書を自動的に送信します。

では、企業がシンプルかつ大まかに捉えるために選ぶ「ホットキーワード」とは何でしょうか?

主にFAANGが含まれており、以下の投稿者が追加した Microsoft、Facebook、Google などの大企業の名前も含まれています。

まあ...おそらくこれらの巨人は国内の BAT と TMD に相当します:

[[432445]]

これが現実です。履歴書の 90% は実際の人間に読まれることはありません。

ある人事担当者がコメント欄で自身の体験をシェアしました。彼によると、送られてきた履歴書の中には、募集しているポジションにまったく適さないものもあったそうです。これらの履歴書にはたまたま「人事担当者が指摘しなければならないホットワード」や、この仕事に不可欠な言葉が含まれていただけだったそうです。

これらのよく知られた「採用の流行語」に加えて、採用担当者が「経験に基づいて」実際の職務要件を非常にばかげた説明に翻訳するというコメントもあります。

たとえば、新しいテクノロジー分野の専門家を採用する場合、技術部門では「React または類似のフレームワークに非常に精通している」と説明しますが、人事部門はこの「非常に精通している」を「React フレームワークで 6 年間の経験が必要」と翻訳または理解します。

しかし、問題は、React フレームワーク自体が 6 年前に開発されたことです。このポジションの要件を満たすのは、おそらくフレームワーク開発者だけでしょう...

そこで、コンテンツよりもキーワードを重視するこのような機械によるスクリーニングに対して、コメント欄に次のような天才的な提案が現れました。

機械による選考をスムーズに通過できるよう、履歴書に採用に人気の言葉を最小の白いフォントで記載しましょう。

ロボット対人間

実際、履歴書の機械選考は長年にわたり行われている採用手法です。

小規模な企業では、人事部門にすべての履歴書を確認させるところもあります。

しかし、大企業の場合、社内にはすでに多くの部署があり、求人要件も異なります。秋の採用シーズンには、合計10万通以上の履歴書が届くこともあります。これらすべてを人力で解決するのは明らかに現実的ではありません。

そのため、多くの企業が独自の履歴書応募システムや履歴書データベースを構築しており、これは一般に「機械選考」や「オンライン応募」と呼ばれています。

AI を使用して非効率的な履歴書や無効な履歴書の大部分を抽出した後、残りは人事部に送信されます。

このプロセスでは、履歴書追跡システム (ATS) などの成熟度が増している自動スクリーニング アルゴリズムが多数存在しますが、それほど高度ではない関連性アルゴリズムや何らかの「ルーチン」を使用する採用 Web サイトも常に存在します。

そのため、オンライン申請/機械審査に合格するためのチュートリアルが市場に多数登場しています。

そのため、企業にとっては人的資源を節約する手段となるが、求職者にとっては「人間対ロボット」の戦いとなる。

これらの現象についてどう思いますか?

参考リンク:
[1] https://www.reddit.com/r/recruitinghell/comments/qhg5jo/this_resume_got_me_an_interview/
[2] https://www.reddit.com/r/recruitinghell/comments/qhg5jo/this_resume_got_me_an_interview/

履歴書テンプレート:

https://docs.google.com/document/d/1OevE4HFiAgUPlOym3RAPjtvpk1zIurOKdTdrUFoyS28/edit#

<<:  人工知能の開発を加速するための9つのヒント

>>:  「非ディープ ネットワーク」12 層が 50 層に勝つ、プリンストン + インテル: 深い方が必ずしも良いわけではない

ブログ    
ブログ    

推薦する

Google、機械学習を使用して医療イベントを予測するFHIRプロトコルバッファツールをオープンソース化

先月26日、GoogleはarXivに「電子健康記録のためのスケーラブルで正確なディープラーニング」...

今後 20 年間で、人工知能ロボットが介護士に取って代わり、高齢者の世話をすることになり、介護士よりも信頼できる存在になるでしょう。

人工知能の発達により、数十年、あるいは12年後には、人々は介護者やロボットを使って高齢者の世話をする...

興味深い記事:女の子を追いかけるためのさまざまなアルゴリズムを教える

動的プログラミング基本的に、それは次のことを意味します。女の子を追いかけるときは、彼女の親しい友達全...

データだけ? 2018 年の AI 予測トップ 5

[[213487]] 2017年、人工知能(AI)は職場でも家庭でも、ほとんどの人々の日常生活の一...

Google: パフォーマンスの低い微調整モデルを捨てず、平均重量を計算してパフォーマンスを向上させる

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

130年の歴史を持つアメリカのブランド、カーハートがAIを活用して売上を伸ばす方法

戦略的利益のために AI を活用している企業の中に、アメリカの衣料品会社 Carhartt がありま...

OpenAI従業員:エンジニアリングスキルは誇張されているが、人との付き合い方を学ぶことの方が重要

12月29日のニュース、プロンプトエンジニア、つまり、人工知能モデルを誘導して最良の出力を生成するチ...

.NET8 究極のパフォーマンス最適化 プリミティブ - DateTime

序文前回の記事では列挙型の最適化について説明しました。今回は時刻形式である DateTime の最適...

AIの最高峰:自然言語処理

近年、世界中でますます多くの政府や企業組織が人工知能の経済的、戦略的重要性を徐々に認識し、国家戦略や...

MoEとMambaが協力し、状態空間モデルを数百億のパラメータに拡張

状態空間モデル (SSM) は、最近注目を集めている Transformer の代替手段です。その利...

AIビッグモデルが急増しており、将来はデータと現実の統合を促進することに重点を置くべきである

AIGCの「風」は人々の生産と生活のあらゆる分野に吹き込み、巨大な市場チャンスももたらしました。 I...

人工知能のもう一つの方向性:メモリスタに基づくストレージおよびコンピューティング技術

[[325184]]この記事はLeiphone.comから転載したものです。転載する場合は、Leip...

Googleの人工知能部門DeepMindが想像力を駆使した新システムを開発

北京時間8月19日のreadwriteによると、2014年にGoogleに買収された英国の人工知能企...

...