这家初创公司利用人工智能寻找多元化的华尔街求职者 - 彭博社
Erik Schatzker
来源:Getty Images在华尔街,这是最安全的投资之一:在沃顿、哈佛或芝加哥大学学习商业,并申请投资银行的工作。打壁球或曲棍球?这有帮助。合适的兄弟会或俱乐部也可以。
在招聘人才时,主导美国顶级金融公司的绝大多数白人男性和精英教育背景的群体本能地寻找年轻的自己。心理学家称这种倾向为“相似偏见”。拥有优越背景的求职者在并购、资本市场、企业融资和重组等热门职位上占据优势。其他人,包括女性和少数族裔,起步时就处于劣势。
彭博社商业周刊投资者热衷于印度,忽视阿达尼做空者的攻击总统选举并未阻止国际学生来美国退伍军人帮助填补美国电动车和电池工厂的劳动力短缺价值30亿欧元的集装箱盗窃案但在这个多样性和包容性的时代,金融行业需要改变,企业已开始寻求人工智能的招聘帮助。越来越多的公司,包括Houlihan Lokey、Lazard、Moelis和PJT Partners,正在使用预测算法筛选申请,寻找最有可能成为顶尖表现者的候选人——超越那些可能影响校园招聘者的表面信号。可以把它看作是金融界的Match.com。
马修·斯宾塞,Suited的联合创始人摄影师:萨莎·蒂维茨基,为彭博商业周刊他们都在与 Suited Inc.合作,这是一家位于洛杉矶的初创公司,专门为投资银行开发招聘工具。就像在线约会一样,每个申请者填写一个个人资料。这个资料涵盖了从大学教育到个性特征的所有内容,完成大约需要30分钟。一个计算机程序将这些回答通过模型运行,按照每个公司的理想属性进行评分。“当你在抽象中谈论它时,那是一回事,”PJT Partners Inc.的人力资源主管史蒂文·穆雷说。“但当你带着一堆简历出现,我们的银行家可以看到数据时,突然他们会问,‘哦,这个人得了多少分?’”
投资银行寻找雇员的方式几十年来变化不大。他们首先关注一小部分学校。校园内会有一个信息会议,随后进行一轮“快速约会”,学生们试图尽可能多地见到并给银行家留下深刻印象。招聘团队随后会考虑简历和个人推荐,以决定谁被邀请回去面试。暑期实习——作为分析师,针对大三本科生,或作为助理,针对一年级MBA候选人——是最终的奖赏。
许多实习生最终成为优秀的交易员,但系统是否真的有效或只是自我强化的,始终不清楚。如果银行考虑来自更广泛学校的候选人会怎样?如果无意识偏见不发挥作用会怎样?Suited的主张是,人工智能可以自动化劳动密集型的招聘部分,提高效率,并改善最终结果。
从下一届MBA申请者开始,PJT将考虑Suited算法生成的分数。最初,穆雷的一些同事开玩笑说“机器人”正在接管。现在,他说,他们已经改变了看法。
每个雇主都说招聘优秀人才很重要。在投资银行业尤其如此,因为没有杀手级应用,只有人。融资或并购任务可以产生数百万美元的费用,银行家们的薪酬也相应而来。典型的全职分析师年薪超过125,000美元。资深的业务拓展者年收入达到七位数或八位数。“我们的品牌的可持续性仅取决于我们发现和培养新人才的能力,”Moelis & Co.的创始合伙人之一米歇尔·宫川说。“我无法告诉你我们在招聘上花费了多少小时,从高层领导到下属。”
将人才池限制在熟悉的大学可能会错过许多潜在的明星,但这使得努力变得可管理。所有的道路都通向费城,那里是宾夕法尼亚大学沃顿商学院和其他一些商学院热点的所在地。没有人需要在奥马哈或密尔沃基停留。
这并不意味着这个过程是最优的。马特·斯宾塞在洛杉矶的投资银行Houlihan Lokey Inc.担任首席人力资本官后不久就想出了Suited的想法。那是2015年。作为一名深度参与公司招聘工作的前并购银行家,他目睹了人才争夺战演变成一个行业范围内的掠夺性策略、荒谬的高薪和“爆炸性”工作机会,这些机会在24小时后就会过期。
寻找更好的方法,Spencer 和 Suited 的联合创始人 Sam Fogarty 组建了一支由志愿者、承包商,最终还有具有数据科学、人工智能、软件工程和工业组织(I/O)心理学经验的员工组成的团队,该领域专注于工作场所行为。Houlihan Lokey 鼓励 Spencer 追求这个项目并筹集风险投资资金。他于三月离开,成为 Suited 的首席执行官。
Fogarty摄影师:Yael Malka 为 Bloomberg Businessweek 拍摄仅仅几个月,超过 10,000 名求职者填写了 Suited 个人资料。Spencer 在范德比尔特大学学习经济学,他已将该平台开放给数百所大学的申请者,远远超出了通常的投资银行目标。他希望扩展到其他重视人力资本的领域,如销售和交易、商业银行、资产管理和法律。
将人工智能引入招聘的一个风险是它 可能会强化偏见 而不是消除它们。毕竟,Suited 的数据来自一个行业,在这个行业中,大约 73% 的高级管理人员是白人男性。Spencer 意识到这个危险。他表示,公司每一个模型在被客户使用之前,都会经过严格的种族、性别和年龄组歧视测试。
Moelis 仍在训练模型,以确定与其最佳银行家属性相关的候选人,例如温暖和好奇心。这意味着需要输入更多的个人资料并验证结果。“这还处于早期阶段,”Miyakawa 说。该公司计划从明年春季开始将 Suited 作为补充工具使用。
银行需要几年才能判断在Suited算法中得分较高的候选人是否真的更适合并表现得更好。目前,他们正在接受这一原则。如果数据科学能够改善从在线销售到放射学的一切,也许它可以为华尔街招聘做一些好事。