前 LinkedIn 内部人士 Jeremy Schifeling 量化了推荐相对于 AI 在线申请的价值,并指出自 2016 年以来的变化幅度。
摘要
Jeremy Schifeling 表示,由于 AI 筛选,推荐目前比在线申请有效 20 倍,并指出了候选方工具在招聘过程中对 AI 评分提出异议的空白。
摘要:在线申请已不再是 2016 年那样的赌注。前 LinkedIn 的 Jeremy Schifeling 有两年份的比例数据,第二个数据更伤人。2016 年,Schifeling 说,被推荐的候选人被录用的可能性是在线申请者的 10 倍。如今他认为是 20 倍。他说得对,一个知道你名字的人胜过一个门户,而且 ChatGPT 无法成为那个人。但修复方案忽略了在门户发生的一切。Greenhouse 的数据显示(Axios 于 8 月 21 日报道),63% 的美国申请者现已接受过 AI 系统面试。只有 21% 的招聘人员对其工具不会筛选掉合格人员非常有信心。运行漏斗的人也不信任它。所以,如果你已经申请了 341 次,门户仍然没有回应,你可能没有被任何人忽视。你可能被你看不到的东西打了分。目前,没有有约束力的联邦权利让你查看或质疑这个分数。Colorado 和 California 的新规定要到 2027 年 1 月 1 日才开始生效。一起针对 Eightfold 的集体诉讼指控其使用隐藏的 0 到 5 分系统在人类看到之前对候选人进行排序,并主张这些分数应该像信用报告一样可披露和可争议。驳回动议的听证会定于 8 月 4 日,此后没有裁决。有人构建了这个漏斗。有人决定它可以保持黑暗。你完成了被告知要做的工作。你得到的答案是沉默,法律中没有任何规定让你询问这意味着什么。
空白:谁在构建位于候选人一方的分数工具?据我所知,没有人。Jobscan 是真实的,据报道拥有超过一百万用户和每月 49.95 美元的高级层。它检测职位发布中的跟踪系统并调整你的简历,估计分数。它从不显示真实分数或帮助你质疑它。Consumer Reports 的 Permission Slip 证明人们会将数据请求交给授权代理,近五百万份。它处理删除和停止销售,而不是招聘分数。Worker Info Exchange 为零工工人而非申请者提交访问请求。我找到的产品甚至没有完成真实工具所需工作的三分之一。这看起来是一个开放的空白,而人们已经在为变通方案付费。像这样的空白以前已经关闭,决定因素是明确的。Worker Info Exchange 将司机的个人数据访问请求变成了法庭上的胜利。2023 年,阿姆斯特丹上诉法院称象征性的人工审核并拒绝了商业秘密借口。同年晚些时候,它下令对 Uber 因未遵守规定处以 58.4 万欧元的罚款。根据我的解读,推动这些案件的是请求者和返回结果的汇总记录,而不是巧妙的软件。Permission Slip 完成了另一半:一个真实的法律权利和一个人们已经信任的名字,超过一百万份请求,在一个更大的玩家吸收它之前。顺序不言而喻。这些州权利于 2027 年 1 月 1 日生效,Eightfold 案的一次裁决可能一夜之间使需求显而易见。谁在此之前发布一个免费的请求和跟踪工具,谁就成为雇主和供应商隐私收件箱已经认可的申请方代理,并第一个拥有汇总记录。谁在之后发布,谁就继承一个空的收件箱。
盈利时间线(我的估计,基于下面可行性部分中概述的规范/路线图):在小团队规模下,大约 18 到 30 个月达到盈亏平衡。唯一有来源的锚点是价格。每月 49.95 美元,大约 400 名付费用户可以覆盖每月 20,000 美元的消耗,而这个消耗数字是我自己的假设,所以置信度较低。
可行性:机会:第二层,开放且可行。我找到的候选方工具甚至没有完成下面列出的五项工作中的三项,而相邻需求已经在 Jobscan 的 49.95 美元层和 Permission Slip 的近五百万份请求中可见。
规范:五项工作且仅此而已:检测可能的自动筛选,按管辖区域映射申请者的真实权利,生成请求,跟踪响应时钟,并用通俗语言解释所有内容。
路线图:一个免费的权利表加上一个信件生成器。一个运行响应时钟的截止日期跟踪器。一个基于回复构建的雇主和供应商隐私联系目录。匿名化结果的可选汇总。
顶级 3 假设:被拒绝的申请者会发送正式请求,而不是直接申请其他地方。最便宜的测试:一个着陆页等待列表加上与 10 到 15 名被裁员的申请者的访谈。雇主和供应商会在法定时间内回复。最便宜的测试:大约 20 份手工发送的请求的礼宾运行,记录每一个回复。权利查询可以在规则变动时保持准确,并停留在法律建议的信息一侧。最便宜的测试:在构建任何东西之前与两三位雇佣律师进行访谈。
可行性快照:技术 – 通过。一个规则表、一个信件生成器和一个跟踪器;它不需要访问任何算法。单位经济学 – 风险。在数量到来之前薄弱。盈利时间线 – 风险。大约 18 到 30 个月,仅是估计。数据护城河 – 风险。启动时薄弱,只有在汇总达到规模时才真实。法律合规 – 最高风险。它必须在不越界提供法律建议的情况下提供信息,并且需要授权代理处理。
MVP 定义:输入雇主、职位和位置。工具查找实际适用的权利,并生成一个准备发送的访问、解释或人工审核请求,附带一个截止日期时钟。申请者审查它并从自己的电子邮件中发送。
通过/失败线(我的估计目标):至少 80% 的被访谈的被裁员申请者表示他们会发送它;大约 20 份手工发送的测试请求中至少一半在法定时间内得到回复;一位审查的雇佣律师确认每个测试案例的输出读起来是信息,而不是建议。
反目标:它不打败或逆向工程筛选算法,不提供法律建议,不承诺重新评分。
上市策略:前十名用户是已经在职业和裁员社区中的被裁员白领申请者,通过免费权利检查内容接触。Permission Slip 自己的路径依赖于法律权利和一个人们已经信任的名字,而免费内容是新工具赢得信任部分的方式。
为什么他们会转换(10 倍,我的估计):今天这意味着寻找隐私联系并手工起草请求,每个雇主大约一个下午。一个准备在几分钟内发送的请求能十倍地解决这个问题。
融资:估计,基准比较类别融资:大约 15 万到 75 万美元达到决策门。该类别的上限巨大(Cloaked 在 2026 年 3 月筹集了 3.75 亿美元的 B 轮融资),但这不是一个请求生成器 MVP 的可比对象。我找不到真正的种子前可比对象,所以这个范围是我的估计,不是基准推导的数字。
决策门:估计:一个活跃的等待列表加上大约 20 份手工发送的礼宾请求,其中至少一半在法定时间内得到回复,在任何完整构建之前。如果回复没有返回,它就在着陆页停止。
_______________________________
我不知道为什么记忆把我带到了这个故事。我努力找到某种主题等价性或与主要视频的相邻性。所以我会尽力而为。大约在 2011 年初,我们一群马来西亚人被借调到阿联酋,帮助建造位于 Zayed City Mosque 附近的高端 AED 10 亿的 Rihan Heights 五栋公寓项目,就在阿布扎比市郊。到那时,项目已完成约 75-80%。结构已建好。建筑和机电工作正在进行并接近完成。正是在我们邀请阿布扎比市政厅的建筑官员来检查工作进展和质量的阶段。
相似文章
LinkedIn的行为评分系统及其对在该平台上构建AI自动化工具的人的意义
LinkedIn已实施动态行为评分系统,取代了固定的连接请求上限,通过接受率、SSI(社交销售指数)等因素判定账户信任度和数量限制,对Expandi等AI自动化工具产生影响。
招聘已成为两个AI相互欺骗:一个写简历,另一个筛选简历
文章讨论了AI生成的求职申请如何使传统简历筛选失效,并推荐使用像Synmatch AI这样的AI驱动平台,基于实际能力而非关键词匹配来评估候选人。
求职应变得更难。不,真的。
AI导致求职申请激增,促使招聘者寻求更难的申请流程,以提高候选人质量而非数量。
@Diptish09: Sider AI刚刚揭露了大多数求职者已经怀疑的事情。一些LinkedIn上的职位可能从未真正招聘……
Sider AI的Sider Code工具在LinkedIn职位列表上进行了测试,通过分析高申请人数和重新发布信号等因素来揭露幽灵职位,直接在LinkedIn内提供实时评分和红旗分析。
一半人用AI写简历,另一半人用AI筛简历,我觉得已经没人真的在看人了
对求职者和雇主双方都用AI处理简历和筛选这一趋势的评论,质疑简历作为信号的价值,并探讨替代的招聘方法。