AI 能写出准确而公平的职位描述吗?

能,前提是 AI 根据用人经理的需求访谈记录而不是职位名称来起草,把真正的要求与期望区分开,并由招聘人员在发布前对照实际岗位核对每一项要求。公平主要来自如实的要求,而不是巧妙的措辞。阿拉伯语版本是为阿拉伯语读者撰写的,而不是逐行翻译。

要点速览

• 仅凭职位名称起草的职位描述,会照搬市场上被抬高的要求;应改为根据需求访谈来起草。
• 公平性最大的提升,来自删掉岗位并不需要的要求,例如没人核查的学历或工作年限。
• 研究表明,单靠调整措辞对求职者构成的影响很小,所以不要止步于性别用语检测工具。
• 阿拉伯语和英语版本根据同一套要求分别撰写,再由精通该语言的人审阅。
• 如果岗位不多,一个聊天工具加上下面的清单就够了;只有规模大、客户格式多时,才值得投入更多。

为什么大多数职位描述都不准确?

用人经理周一提出招人需求,招聘人员复制去年的广告或竞争对手的广告,改一下职位名称,就发布到 LinkedIn、Bayt 和公司招聘页面上。每复制一次,要求清单就变长一点。求职者要么望而却步,要么见岗就投,筛选也因此变得更难。

如果 AI 也这样用,只会让这一切更快、更糟:让模型写一份“运营经理职位描述”,它给出的是它见过的所有同类广告的平均值,连同那些被抬高的要求。

带有性别色彩的措辞真的会改变谁来应聘吗?

影响比许多工具宣称的要小。MIT Sloan,2023 年 4 月 报道的一项针对数十万条招聘信息的研究发现,更中性的措辞对男性和女性是否应聘的影响微乎其微。措辞对清晰度和语气仍然重要,但公平性的大部分并不在这里取得。

更大的杠杆在于广告要求什么。一项岗位并不需要的要求,无论周围的措辞如何,都会把优秀的候选人挡在门外,还会让筛选环节(无论是人工还是 AI)按错误的标准过滤。

#用 AI 起草职位描述的实用操作手册是什么样的?

1. 开展结构化需求访谈:问用人经理,这个人实际要做什么、怎样才算做得好,以及第一天就需要哪些技能。
2. 拆分清单:AI 把访谈记录分成必备条件、可培养的技能和期望条件,由用人经理确认分类。
3. 根据记录起草:AI 只使用访谈记录和你们的写作风格来撰写描述,绝不套用通用模板。
4. 逐项质疑要求:对每一项必备条件,招聘人员都要问清楚如何核查;如果没人会核查,就删掉。
5. 撰写两种语言版本:阿拉伯语和英语版本根据同一套要求起草,再由精通该语言的审阅人阅读。
6. 保存访谈结果:确认后的要求成为筛选标准,让招聘广告与候选人短名单保持一致。

最后一步把招聘广告与甄选联系起来。Lewis Silkin,2024 年 4 月 指出,欧盟人工智能法案把用于招聘和甄选决策的 AI 列为高风险,并把起草职位描述列为生成式 AI 已经出现的场景之一。一次写好、两处共用的标准,是证明流程公平的最简单记录。

哪些事情应该留给人?

要求由用人经理负责,质疑由招聘人员负责。AI 可以对某项要求提出疑问,例如现任者没有学位也能胜任,这个岗位是否真的需要学位,但做决定的是人,记录中也会写明是谁。

什么情况下一个聊天工具就够了?

如果你一次只发布少数几个岗位,一个公司批准的 ChatGPT、Claude 或 Copilot 版本,把上面六个步骤当作检查清单,再加一位精通阿拉伯语的审阅人,就足以应对。不需要立项,如实说明这一点才是诚实的回答。

当一家招聘机构要为众多格式各异的客户撰写职位描述、数百个岗位共用一套能力框架,或者招聘广告必须以两种语言从 ATS 同步到多个招聘网站时,投入更多才有道理。

#Stennir 能在哪里发挥作用?

对大多数团队来说,工作从 AI 咨询 开始:Stennir 的 AI 机会评估会审视你的整个招聘流程,并对五个工作流程排序,让你知道职位描述是值得搭建,还是一份检查清单就能解决。如果值得搭建,AI 落地实施 会把需求访谈、起草和发布与你的 ATS 连接起来。

AI 培训 教招聘人员和用人经理用阿拉伯语和英语开展需求访谈并质疑要求。

人才招聘负责人下一步该做什么?

选出你发布最多的五个岗位,针对每一项必备条件,写下在筛选时如何核查。删掉那些没人核查的。然后阅读 面向运营团队的 AI 和 面向 HR 团队的 AI 培训,并 做免费的就绪度评估。

常见问题