這家初創公司利用人工智能尋找多元化的華爾街求職者 - 彭博社

來源：Getty Images在華爾街，這是最安全的投資之一：在沃頓、哈佛或芝加哥大學學習商業，並申請投資銀行的工作。打壁球或曲棍球？這有幫助。合適的兄弟會或俱樂部也可以。

在招聘人才時，主導美國頂級金融公司的絕大多數白人男性和精英教育背景的羣體本能地尋找年輕的自己。心理學家稱這種傾向為“相似偏見”。擁有優越背景的求職者在併購、資本市場、企業融資和重組等熱門職位上佔據優勢。其他人，包括女性和少數族裔，起步時就處於劣勢。

彭博社商業週刊投資者熱衷於印度，忽視阿達尼做空者的攻擊總統選舉並未阻止國際學生來美國退伍軍人幫助填補美國電動車和電池工廠的勞動力短缺價值30億歐元的集裝箱盜竊案但在這個多樣性和包容性的時代，金融行業需要改變，企業已開始尋求人工智能的招聘幫助。越來越多的公司，包括Houlihan Lokey、Lazard、Moelis和PJT Partners，正在使用預測算法篩選申請，尋找最有可能成為頂尖表現者的候選人——超越那些可能影響校園招聘者的表面信號。可以把它看作是金融界的Match.com。

馬修·斯賓塞，Suited的聯合創始人攝影師：薩莎·蒂維茨基，為彭博商業週刊他們都在與 Suited Inc.合作，這是一家位於洛杉磯的初創公司，專門為投資銀行開發招聘工具。就像在線約會一樣，每個申請者填寫一個個人資料。這個資料涵蓋了從大學教育到個性特徵的所有內容，完成大約需要30分鐘。一個計算機程序將這些回答通過模型運行，按照每個公司的理想屬性進行評分。“當你在抽象中談論它時，那是一回事，”PJT Partners Inc.的人力資源主管史蒂文·穆雷説。“但當你帶着一堆簡歷出現，我們的銀行家可以看到數據時，突然他們會問，‘哦，這個人得了多少分？’”

投資銀行尋找僱員的方式幾十年來變化不大。他們首先關注一小部分學校。校園內會有一個信息會議，隨後進行一輪“快速約會”，學生們試圖儘可能多地見到並給銀行家留下深刻印象。招聘團隊隨後會考慮簡歷和個人推薦，以決定誰被邀請回去面試。暑期實習——作為分析師，針對大三本科生，或作為助理，針對一年級MBA候選人——是最終的獎賞。

許多實習生最終成為優秀的交易員，但系統是否真的有效或只是自我強化的，始終不清楚。如果銀行考慮來自更廣泛學校的候選人會怎樣？如果無意識偏見不發揮作用會怎樣？Suited的主張是，人工智能可以自動化勞動密集型的招聘部分，提高效率，並改善最終結果。

從下一屆MBA申請者開始，PJT將考慮Suited算法生成的分數。最初，穆雷的一些同事開玩笑説“機器人”正在接管。現在，他説，他們已經改變了看法。

每個僱主都説招聘優秀人才很重要。在投資銀行業尤其如此，因為沒有殺手級應用，只有人。融資或併購任務可以產生數百萬美元的費用，銀行家們的薪酬也相應而來。典型的全職分析師年薪超過125,000美元。資深的業務拓展者年收入達到七位數或八位數。“我們的品牌的可持續性僅取決於我們發現和培養新人才的能力，”Moelis & Co.的創始合夥人之一米歇爾·宮川説。“我無法告訴你我們在招聘上花費了多少小時，從高層領導到下屬。”

將人才池限制在熟悉的大學可能會錯過許多潛在的明星，但這使得努力變得可管理。所有的道路都通向費城，那裏是賓夕法尼亞大學沃頓商學院和其他一些商學院熱點的所在地。沒有人需要在奧馬哈或密爾沃基停留。

這並不意味着這個過程是最優的。馬特·斯賓塞在洛杉磯的投資銀行Houlihan Lokey Inc.擔任首席人力資本官後不久就想出了Suited的想法。那是2015年。作為一名深度參與公司招聘工作的前併購銀行家，他目睹了人才爭奪戰演變成一個行業範圍內的掠奪性策略、荒謬的高薪和“爆炸性”工作機會，這些機會在24小時後就會過期。

尋找更好的方法，Spencer 和 Suited 的聯合創始人 Sam Fogarty 組建了一支由志願者、承包商，最終還有具有數據科學、人工智能、軟件工程和工業組織（I/O）心理學經驗的員工組成的團隊，該領域專注於工作場所行為。Houlihan Lokey 鼓勵 Spencer 追求這個項目並籌集風險投資資金。他於三月離開，成為 Suited 的首席執行官。

Fogarty攝影師：Yael Malka 為 Bloomberg Businessweek 拍攝僅僅幾個月，超過 10,000 名求職者填寫了 Suited 個人資料。Spencer 在範德比爾特大學學習經濟學，他已將該平台開放給數百所大學的申請者，遠遠超出了通常的投資銀行目標。他希望擴展到其他重視人力資本的領域，如銷售和交易、商業銀行、資產管理和法律。

將人工智能引入招聘的一個風險是它 可能會強化偏見 而不是消除它們。畢竟，Suited 的數據來自一個行業，在這個行業中，大約 73% 的高級管理人員是白人男性。Spencer 意識到這個危險。他表示，公司每一個模型在被客户使用之前，都會經過嚴格的種族、性別和年齡組歧視測試。

Moelis 仍在訓練模型，以確定與其最佳銀行家屬性相關的候選人，例如温暖和好奇心。這意味着需要輸入更多的個人資料並驗證結果。“這還處於早期階段，”Miyakawa 説。該公司計劃從明年春季開始將 Suited 作為補充工具使用。

銀行需要幾年才能判斷在Suited算法中得分較高的候選人是否真的更適合並表現得更好。目前，他們正在接受這一原則。如果數據科學能夠改善從在線銷售到放射學的一切，也許它可以為華爾街招聘做一些好事。