Swyg在种子期前筹集120万美元，利用同行面试官和人工智能减少招聘中的偏见

牵头这轮融资的是Frontline Ventures，还有包括Charles Bibby(Pointty的联合创始人)和Martin Henk(Pipedrive的联合创始人)在内的天使投资者。这笔资金将用于壮大Swyg的技术和产品团队，并进一步开发其平台。

Swyg创始人文森特·洛尼告诉我：“应聘者的选择是招聘中的一个大问题。”“这是Process…中劳动强度最大、最容易出错的部分。当单个审查者/面试官试图根据有限的信息(如简历或静态个人资料)做出决定时，就会做出糟糕的决定。这种情况正是人类偏见进入这一过程的地方“。

此外，在应聘者方面，Lonij指出，绝大多数求职者都希望从耗时的面试中获得反馈，“但只有41%的人收到了反馈，这阻碍了他们的学习和成长能力”。

为了解决这一问题，Swyg平台让应聘者通过面试过程，通过使用预定义的结构化问题进行一系列一对一的视频聊天来面试对方。

这位Swyg创始人解释说：“点对点流程利用了不同个人群体的专业知识，而不是依赖于单一的招聘人员或招聘经理。”“仅仅从更多不同的评论家那里获得意见就已经减少了偏见。”此外，Swyg的人工智能技术声称能够实时校准同行面试官，“以检测和纠正偏见和人为错误”。

思考这一问题的一种方法是，要了解被采访者以及他们在面试中的表现，首先，斯威格需要更多地了解采访者。这可能包括考虑他们如何对候选人进行总体评分(即他们的分数是更积极还是更负面)，以及其他变量，例如他们是否倾向于在高分后成为更严厉的裁判，反之亦然，或者他们是否保持相当的一致性。

还有一些系统可以在意想不到的事情发生时进行检测，包括参与者故意给出不公平的评分。这触发了一个审查过程，在这个过程中，Swyg可以排除某些审查，如果它是有保证的。

Lonij解释说：“简而言之，我们使用机器学习来理解面试官，而面试官反过来又理解受访者，而不是试图直接用AI/ML来评判候选人。”“我们能够使用这项技术来检测和纠正面试官已知的认知偏差，这将导致更准确的评估。”

与此同时，Lonij说，其他所有人都在尝试使用全自动解决方案或全手动解决方案来解决候选人选择问题。“这两种方法都行不通，”他辩称。

这是因为人工智能总体上还不够发达，不足以完全自动化地判断人类，导致简历关键字匹配或对录制视频的自动分析极其不可靠。反过来，人类面试官本身就很容易出错，并且容易受到一系列偏见的影响。

“我们是不同的，因为我们的混合方法，”Lonij补充道。“通过让应聘者成为这一过程的一部分，我们可以利用人类诚信和适应性的最好部分，同时也能获得人工智能的效率。”