پرش به محتوای اصلی
پرش به محتوای مقاله

«گفتگوهای بی‌معنی»؛ پیامد استفاده هم‌زمان متقاضی و استخدام‌کننده از بات‌ها

·۱۱ شهریور ۱۴۰۵۴ دقیقه مطالعه
نقطه منطقی پایانی مصاحبه‌های شغلی با هوش مصنوعی: گفتگوی دو ربات با یکدیگر
نقطه منطقی پایانی مصاحبه‌های شغلی با هوش مصنوعی: گفتگوی دو ربات با یکدیگر
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

برخلاف بحث‌های قبلی درباره جایگزینی انسان با هوش مصنوعی، اینجا شاهد «تعامل بدون انسان» هستیم؛ جایی که دو سیستم مصنوعی بدون هیچ نظارت یا هدف واقعی، در یک حلقه بسته با هم گفتگو می‌کنند.

تصور کنید برای شغلی که به شدت به آن نیاز دارید، با یک مصاحبه‌کننده صحبت می‌کنید، اما هر دو طرف میز مذاکره در واقع یک کد برنامه‌نویسی هستند. این وضعیت دیگر یک سناریوی علمی-تخیلی نیست، بلکه واقعیتِ تلخِ بازار کار امروز است.

به گزارش Wired در ۲ سپتامبر ۲۰۲۶، کریستوفر، متقاضی کار، برای تست این فرضیه، قابلیت صوتی ChatGPT را در برابر یک عامل (Agent) — شبیه به یک دستیار دیجیتال که می‌تواند به‌جای شما تصمیم بگیرد و عمل کند — استخدام‌کننده قرار داد. نتیجه، ۱۰ دقیقه گفتگو بود که او آن را «حلقهٔ ادب‌های مصنوعی» نامید؛ تعاملی که دقیقاً به همان سکوت و بی‌نتیجه‌ای ختم شد که کریستوفر در چهار مصاحبه انسانی قبلی خود تجربه کرده بود.

این اصطکاک در حالی رخ می‌دهد که بازار کار به‌شدت با نگهبان‌های خودکار اشباع شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، وقتی سیستم‌های خودکار بدون نظارت انسانی رها شوند، خروجی‌های غیرمنتظره‌ای تولید می‌کنند. در اینجا با نوع متفاوتی از شکست روبرو هستیم: تبادلی عملکردی اما بی‌معنی از «داده‌های پوچ» (Slop Data) که هیچ انسانی در هیچ مرحله‌ای از آن وارد نمی‌شود. این ناکارآمدی با یافته‌های اخیر همسو است؛ چرا که پژوهش‌های دانشگاه برکلی نشان می‌دهد نرخ موفقیت عامل‌های هوش مصنوعی در انجام وظایف تخصصی همچنان بسیار پایین است.

طبق این گزارش، عامل استخدام‌کننده با نام «رایلی» از شرکت Everforth Apex Systems، نمادی از یک روند رو به رشد در غربالگری‌های شرکتی است. فرآیند استخدام چنان خودکار شده که حالا متقاضیان برای عبور از این سدها، از ابزارهای هوش مصنوعی خودشان استفاده می‌کنند.

زمینهٔ دشوار جست‌وجوی شغل

ناامیدی کریستوفر پس از پایان قراردادش با دولت در دوران DOGE آغاز شد. او طی یک دوره ۶ ماهه، برای حدود ۷۰۰ شغل درخواست داد، اما در اکثریت قریب به اتفاق این موارد، هیچ پاسخی دریافت نکرد.

تعامل او با رایلی از ژوئن آغاز شد. در ابتدا، کریستوفر پیام‌های متنی این هوش مصنوعی را فرصتی نادر برای معرفی توانایی‌هایش و ارائه یک پیشنهاد (Pitch) می‌دید. اما پس از چهار تماس تلفنی مجزا که در آن‌ها رایلی وعده داد در صورت داشتن صلاحیت‌ها، یک مصاحبه‌کننده انسانی با او تماس بگیرد، هیچ اتفاقی نیفتاد. او حتی یک پیام رد درخواست خودکار هم دریافت نکرد و در همان سکوت مطلق باقی ماند.

مکانیسم «چرخهٔ داده‌های پوچ»

آزمایش کریستوفر چندین نکته کلیدی درباره وضعیت فعلی هوش مصنوعی صوتی در استخدام فاش کرد:

  • منطق دوری: ربات‌ها در حلقه‌ای از بحث درباره «فرآیندهای استاندارد پذیرش و بررسی پیشینه» گیر کردند بدون اینکه هرگز به نتیجه‌ای برسند یا تصمیمی اتخاذ کنند.
  • شکاف صلاحیت: کریستوفر حتی یک کاندیدای جعلی به نام «دان دیکنر» ساخت و برای او رزومه‌ای بی‌نقص طراحی کرد که دقیقاً از روی یک آگهی شغلی بازنویسی شده بود. در این حالت، رایلی ۲۳ دقیقه با ChatGPT صحبت کرد. آن‌ها درباره مفاهیمی چون «بهبود عملیاتی پایدار»، «حفاظت از تجربه مشتری تحت فشار حجم کاری بالا» و «جلوگیری از پراکندگی دانش سازمانی» (Tribal Knowledge Drift) بحث کردند. با وجود این عملکرد بی‌نقص، رایلی در نهایت همان پاسخ کلی، مبهم و غیرمتعهدانه همیشگی را داد.
  • موانع مهندسی: اوفیر سامسون، مدیر هوش مصنوعی صوتی در Greenhouse، اشاره می‌کند که رفتارهای ساده انسانی، مثل قطع نکردن صحبت طرف مقابل، همچنان یک «مسئله مهندسی بسیار دشوار» برای این عامل‌ها است. هوش مصنوعی صوتی اغلب با لهجه‌های مختلف یا مکث‌های انسانی (مثل «اوم...») دچار اختلال شده و مسیر گفتگو را گم می‌کند.

با وجود این نقص‌ها، نرخ پذیرش این ابزارها بالاست. Greenhouse گزارش می‌دهد که ۶۳ درصد از متقاضیان کار اکنون با مصاحبه‌های هوش مصنوعی مواجه شده‌اند.

برای مقابله با این وضعیت، استارتاپ‌هایی مثل Ribbon در حال توسعه ابزارهایی برای شناسایی پاسخ‌های «بیش از حد متنی، کمک‌گرفته از هوش مصنوعی یا تمرین‌شده» هستند. این یعنی یک مسابقه تسلیحاتی فنی بین متقاضیان و استخدام‌کنندگان شکل گرفته است تا هر طرف بتواند مصنوعی بودن طرف مقابل را تشخیص دهد. این رقابت باعث شده تا برخی سازمان‌ها دوباره به سمت ایجاد موانع دستی در فرآیند استخدام بازگردند تا بتوانند سیل رزومه‌های تولید شده توسط AI را مهار کنند.

حلقهٔ سنتتیک

کریستوفر این تجربه را «چرخهٔ داده‌های پوچ» (Slop Flywheel) توصیف می‌کند؛ جایی که یک شخصیت مصنوعی، داده‌های بی‌ارزش را به شخصیتی دیگر می‌دهد و این داده‌ها به هیچ کجا نمی‌رسند. اگرچه این کار برای او جنبه‌ای «سرگرمی شیطنت‌آمیز» داشت، اما در نهایت باعث شد هرگز نخواهد برای این شرکت کار کند.

مارک موناگان، نایب‌رئیس توسعه سازمانی در شرکت IQor، معتقد است این «مرحله منطقی بعدی» در استخدام است. او استفاده کریستوفر از هوش مصنوعی را توجیه می‌کند و می‌گوید: «اگر شما رباتی را به سمت من می‌فرستید، من هم رباتی را به سمت شما می‌فرستیم.»

این چرخش نشان می‌دهد که نقطه پایان منطقی استخدام مدرن، یک حلقه بسته از شخصیت‌های مصنوعی است. وقتی شرکت رباتی را برای غربالگری می‌فرستد، متقاضی تشویق می‌شود رباتی بفرستد تا از آن غربال عبور کند. نتیجه سیستمی است که به‌جای توانایی واقعی انسان، «ظاهرِ یک کاندیدای واجد شرایط» را بهینه می‌کند.

برای یک متخصص معمولی، این یعنی رزومه سنتی دیگر مانع اصلی نیست. چالش جدید، عبور از لایه‌ای از میان‌افزارهای هوش مصنوعی است که شاید حتی به هیچ تصمیم‌گیرنده انسانی متصل نباشند و صرفاً به عنوان یک فیلتر عمل کنند.

اگر فرآیند استخدام به نبردی میان پرامپت‌ها تبدیل شود، تنها برندگان فروشندگان ابزارهای شناسایی و تولید هستند. در این حالت، استخدام واقعی به محصول جانبی یک مذاکره ربات-با-ربات تبدیل می‌شود و ماهیت انسانی استخدام از بین می‌رود.

گام بعدی شما

  • اگر متقاضی کار هستید، از ابزارهای تحلیل توصیف شغلی استفاده کنید تا کلمات کلیدی مورد نیاز ربات‌های غربالگر را در رزومه بگنجانید.
  • در مصاحبه‌های صوتی، سعی کنید لحنی طبیعی داشته باشید و از جملات بیش از حد ساختاریافته (که بوی هوش مصنوعی می‌دهند) پرهیز کنید.
  • منتظر ظهور گواهینامه‌های «انسان تأییدشده» یا الزامات بیومتریک در مصاحبه‌ها باشید تا شرکت‌ها بتوانند این حلقه مصنوعی را بشکنند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این روند اعتبار سیستم‌های غربالگری خودکار را زیر سؤال می‌برد و باعث می‌شود شرکت‌ها به دلیل اعتماد نکردن به خروجی‌های ربات‌ها، دوباره به سمت روش‌های سنتی یا سخت‌گیرانه‌تر برگردند. تخصص در مهندسی پرامپت اکنون به یک مهارت بقا برای متقاضیان کار تبدیل شده است.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به APIهای پیشرفته و تحریم‌ها، اکثر متقاضیان ایرانی هنوز با این سطح از اتوماسیون در بازار داخلی مواجه نیستند، اما برای کسانی که برای شرکت‌های خارجی رزومه می‌فرستند، این یک چالش واقعی است.

·نگاه ما
تحریریه دات‌هوش

این پدیده نشان می‌دهد که بهینه‌سازی برای «عبور از فیلتر» جایگزین بهینه‌سازی برای «شایستگی» شده است. وقتی هر دو طرف یک سیستم با استفاده از مدل‌های زبانی بزرگ (LLM) سعی می‌کنند طرف مقابل را فریب دهند، ارزش اطلاعاتیِ مصاحبه به صفر می‌رسد. در واقع ما شاهد تولد یک «سیاهچاله اطلاعاتی» در منابع انسانی هستیم که در آن حجم داده‌ها زیاد است اما معنای کاربردی ندارد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.