作者：MD

出品：明亮公司

近日，美国红点创投两位合伙人JacobEffron（中）、Patrick Achase（左）在播客“非监督学习“中与AI招聘平台Mercor的创始人、CEO Brendan Foody（右）展开了一场对谈。除了Mercor的核心业务AI招聘的变化之外，三人也一同探讨了未来AI与人类未来在工作领域的关系。

Mercor由Brendan Foody在内的三位21岁的Thiel Fellows在2023年创立。今年2月，公司宣布完成1亿美元B轮融资，估值20亿美元。该轮融资由Felicis领投，Benchmark、General Catalyst和DST Global等投资机构跟投。Mercor通过AI技术自动化简历筛选、候选人匹配、AI面试和薪酬管理，旨在提升招聘效率并减少人为偏见。

在访谈中，Brendan Foody提到，目前Mercor实际上已经进入AI模型的评估和数据标注领域。随着AI模型能力的提升，大量复杂的问题已经无法通过模型本身或普通常识来得到验证，因此模型的开发者需要借助专业领域的高知人才，但往往这类工作并非长期职位，与“专家网络”蕾丝，因此通过其平台为大量AI实验室找到该领域的人才也就“顺理成章”，Foody指出，“数据标注市场正从大规模、低门槛的众包转向高质量、专家型标注”。

而在其核心业务“AI招聘领域”，Brendan Foody认为，AI在通过文本进行人才评估方面已接近甚至超越人类，尤其是在简历筛选、面试文字分析等场景，但在多模态任务（如情感和氛围判断）方面，AI尚有不足。

其中，Brendan Foody还提到了一个观点：随着未来招聘和人才评估将越来越依赖丰富的上下文数据，反馈机制和数据输入的完整性将直接影响模型（评估）效果。比如，如果雇佣一个投资人，将其在播客中的观点、平日会议记录等数据输入模型形成上下文，将无疑更有利于模型判断这一候选人的认知、能力和求职偏好。而在传统的招聘中，这类数据的评估要么被完全忽视，要么需要耗费大量的精力，而AI实现的成本更低、效率更高。

因此，AI和人类的分工可能会变为，AI将很快主导人才评估环节，提高效率和准确率——人类则更多参与到“推销”环节，如沟通岗位氛围、激励等，提升候选人体验。

“我看到的趋势是，未来人类会专注于创造评测，让模型能学会还不会做的事，而不是反复做同一个任务”Brendan Foody说。

以下为「明亮公司」编译的访谈正文（有删节）：

Jacob：Brendan Foody是Mercor的联合创始人兼CEO，这是一家为AI-Native劳动力市场搭建基础设施的公司。Mercor平台已经被用于数据标注、人才筛选、绩效预测，以及评估人类和AI候选人。这是一家非常有趣的公司，处于招聘评估和改进基础模型的交叉点。#p#分页标题#e#

Brandon的团队最近融资一亿美元，他们正在与一些最先进的AI公司合作。我们今天的对话涉及很多有意思的话题，包括未来人类在劳动力中的角色。我们讨论了哪些类型的数据标注对模型改进最重要，Brandon回顾了Mercor的快速崛起及他做出的一些关键决策，我们还谈到了AI在招聘流程中哪些地方有效、哪些地方无效。总之，这是一次非常有趣的对话，我相信你们会喜欢。Brendan Foody，感谢你参加我们的播客。

Brendan：非常感谢邀请。我是你的忠实粉丝，非常兴奋。

Jacob：很高兴你能来。我想我们可以自上而下开始，对于我们的听众来说，我希望你能为大家梳理一下现在我们处在什么阶段？AI评估人才的现状如何？哪些有效，哪些无效？现在的进展如何？

Brendan：我对它的表现感到惊讶。我认为，只要是人类能够通过文本评估的内容，模型几乎都已经接近超越人类了，无论是面试的文字记录、书面评估，还是简历上的信号。这其实是一个很有趣的二元对立，因为这些技术实际上在经济中分布得很少。所以这里有很大的空白地带，这也是我们非常兴奋想要去开发和建设的事情之一。

Jacob：有没有哪些事情在推理模型出现之前是行不通的？比如说过去六个月，这些模型变得更好了，有哪些终于开始奏效了？

Brendan：是的，我记得在GPT-4发布时，我们构建了第一个AI面试官的原型，结果什么都不行。模型每两三个问题就会出现幻觉等各种问题。这一