评论

对话Final Round创始人Michael:AI如何颠覆传统招聘行业|AI应用100问

「AI 应用 100 问」是线性资本推出的围绕 AI 应用发展状况、趋势的访谈栏目。我们邀请 AI 应用创业者——他们可能是线性资本的被投企业创始人,也可能是线性资本的朋友们,通过项目的创业故事或个人对行业的思考,讨论当下 AI 应用的话题和进展。希望这些访谈内容给更多关心 AI 应用的朋友们提供一些参考。

本期内容,我们邀请 Final Round 创始人 Michael Guan 分享创办 Final Round 的过程,开发面试 AI Copilot 的过程,他对未来面试的形态的想法,以及他在硅谷对 AI 应用发展的观察和思考。

Part.01

Why you?

1. 线性资本:请先简单介绍你自己,以及 Final Round 是什么,产品解决什么问题?

Michael:我是 Michael Guan,是 Final Round 的 CEO 和联合创始人。在耶鲁商学院 dropout 以后,我和联合创始人 Jay 在 2023 年夏天开始做了一系列 AI 工具,帮助求职者更快、更简单、更好的通过 AI 的帮助找到自己梦想的工作。

我们的核心产品叫 Interview Copilot ,它像一个有魔法的提词器,实时给用户一些回答要点,帮助用户更好的在面试中表现自己,给面试官呈现自己最完美的一面。

2. 线性资本:你选择做这个产品的契机是什么?

Michael:有几个信号。 首先,GPT-3 的体验让我非常惊艳。第一个 token 出来的那一刻,我就觉得这是 C 端用户能接触到的 AI 的一次质的飞跃。我全职工作的第一家公司是做 AI 数据产品的,像 Meta 会用 AI 和 ML 算法进行搜索排名。这些高级的 AI 产品普通人通常无法直接接触到。 而 GPT 为很多人带来了那种 “Wow moment” 的体验。

第二点是速度的提升。从 GPT-3 到 GPT-3.5,不仅质量提升了一个层次,速度也快了很多。我之前做 AI 产品的时候,经常提到“实时流处理”(real-time streaming)。以前的数据分析需要一个 ETL (Extract Transform and Load 提取转换加载)流程,把数据拉出来清洗后再分析,周期可能是按周、月,甚至季度。但当 Snowflake 这样的平台出现,数据分析变成了实时的。比如 Nike 在香港的销售数据,美国总部的分析师可以实时提取,并分享给欧洲的同事。

GPT-3.5 的速度已经快到让普通用户感觉不到延迟了。这种速度特别适合应用在需要实时响应的场景,而 GPT-3.5 的速度正好满足,进一步拓展了它的应用场景。

另外,我还看到了很多机会。当时大家都在研究 infrastructure(基础设施),关注 middleware(中间层)技术,比如让 AI 拥有更长的记忆、更强的能力,甚至挑战奥数。 但我在参加 Hackathon 的时候发现,很多人更关注 AI 应用的实际落地场景,而且热情很高。比如我们做过一个 AI 社交应用,每个人都有一个 Avatar,先在线上交流七天,然后生成测试报告,决定要不要进一步进行真人对话。这些实际的应用场景让我觉得特别有意思。

这些有趣的点,配合 AI 的“wow moment”,确实能打动很多用户。比如,App Store 刚上线时,大家都在努力开发自己的 App,当时的开发流程还没被系统化,那是一个“exciting moment”的阶段。后来,大厂开始大量发布 App,草根创业团队再去探索简单的 APP 难度很大。不过,当我在 Hackathon 看到一些 3、4 人的小团队用 AI 挖掘新场景时,那种热情和创意让我也特别想参与,做点特别让人兴奋的东西出来。

第三个点是《钢铁侠》里的 AI 场景。他戴的面具能实时告诉钢铁侠下一步该做什么、如何跟人互动,还能弹出对方的背景信息。这个设定非常吸引人,所以我们也尝试通过 GPT 实现类似的功能,就开发了一个能在对话中实时帮助用户的一个简单的产品。

其实,很多强大的应用场景多少已经被各类的电影所验证过了。比如在线 dating 场景,AI 可以实时指导用户如何跟 dating 对象沟通,现在一些团队正在做类似的产品,虽然不是视频形式,但可能更多是在像 Tinder 这样的约会软件里扮演 copilot的角色。第二个场景是工作会议,比如老板突然问问题时,AI 是否能帮助我快速应对,甚至优化我的回答?我们觉得这个点也很有潜力,于是就做了些尝试。在销售场景同样机会巨大,比如美国的 Gong,它为销售团队提供会议前准备和会议后总结。我们设想,在会议中,AI 能否直接提供实时对话策略,而不是等会议结束后再回顾。我们尝试开发这种实时支持工具,同时也看到用户反响不错。

经过尝试和收敛,我们把方向定在了招聘场景。一是我们团队的背景里有很多面试相关的经验;二是用户反馈给我们强烈的正向激励,让我们觉得这是一件适合我们团队的一个很让人兴奋的方向。

图|Final Round 官网

3. 线性资本:做招聘领域相关的产品,和你本人的哪些经历直接相关?

Michael:就我个人的面试经历来说,我在上商学院时注意到,身边许多同学在准备类似像麦肯锡、投行这类比较有挑战性的工作面试时,会把电脑屏幕周围贴满黄色便利贴,上面写着案例分析的框架和回答要点。有些人懒得手写,会直接用 Word 文档当备忘录。后来我们听到有一位用户提到: “美国总统和名人演讲都能用提词器,为什么普通人不能用呢?” 这开始让我们思考如何设计一个直观、高效的提词器,让大家用起来感觉更得心应手。所以我们就不断优化用户体验,并尝试了许多不同场景。 包括像是在模拟面试场景中,我们让 AI avatar 与用户互动。市场上目前普遍采用的还是音频或文字的方式。虽然开发 AI avatar 的成本很高,但我们仍然决定去干,因为它能为用户提供更加真实的体验。这就是我们希望通过产品传递的价值,所以我们必须投入大量研发资源去实现它。

我们发布了几个不同场景的功能应用,也上传到 YouTube,早期就获得了一些关注。尤其是面试场景,获得了相当多的关注。流量完全自然增长,用户对这个场景的功能应用表现出了极大的兴趣。这也让我们直观感受到 C 端用户对这个领域的热情。

其次就是我们会与用户一对一沟通。我设置了一个 Google Meet 的链接,白天工作时我会保持在线,任何用户都可以通过这个链接找到我反馈问题。通过这样的交流,我能更深入地了解用户的画像、痛点和需求,从而更好地迭代产品,优化用户体验。

4. 线性资本:在产品发展的过程中,经历过哪些比较大的拐点?当时发生了什么?

Michael:第一个拐点是我们推出了不同的业务场景,最终决定专注去做面试。

第二个是我们决定开始收费。很多人建议我们应该先做用户增长,再考虑收费。但当时我们认为收费是验证市场需求的一种方式,尤其是在 AI 应用领域,成本相对较高。用户是否愿意付费能反映出产品是否找到 product market fit,通过付费用户的反馈,我们能更清楚地知道市场的规模和潜力。

第三个重要的拐点就是我们有了信心去继续开发这个市场。

第四个拐点是当用户向我们分享他们收到 offer letter 的喜悦时,我们意识到这个产品已经为用户创造了真正的价值,并且我们也清晰地看到了未来的迭代方向是怎样的。

模拟面试是我们投入大量资源进行优化的核心方向。以前的版本只是一个人一直在微笑,现在我们的 AI 虚拟人能够动起来,不仅能手舞足蹈,展示更多专业知识,甚至可以在对话中打断用户,模拟更真实的面试场景。市场上大多数的面试模拟工具,基本上是文字加语音的形式,但我们的产品做到了更深层次的互动,像人和人之间正常对话一样。比如,假设你正在准备去特斯拉面试,我们可以安排你和马斯克的虚拟人进行对话。这种前所未有的体验可以大大减轻用户对面试的恐惧,毕竟你都已经和大老板“聊过”了。

但难点在于,首先,虚拟人技术本身还很新,很多公司并没有开发出真正能互动的 AI 面试官。其次,如何做到自然流畅的互动也是一大难点。市面上的大多数 AI 面试工具,往往是简单的一问一答形式。而真实的面试远比这复杂,可能会有面试官打断你,追问问题,甚至是长时间的沉默。我们必须通过 AI 虚拟人模拟这些情境,不断“挑战”用户,帮助他们更好地准备,以应对面试中的不确定因素。

图| Final Round 产品功能

Part.02

做面向消费者的产品

5. 线性资本:我们听到的许多招聘相关的产品都是 ToB 的,你为什么会选择走 C 端路线?像你提到的 AI avator 这一块很贵,是 AI 让研发成本下降了吗?

Michael:首先,并不是因为 AI 的发展带来成本的大幅下降,只是我们希望为用户提供最好的体验,把最前沿的 AI 技术应用起来。相比市场上那些以文字问答或者简单录制视频为主的现有产品,这些也能卖给 B 端。但我们没有选择那条路,因为我们还是希望把 AI 的“wow moment”传达给用户。

为什么我们选择了 C 端路线,而不是 ToB,这是团队基因决定的。作为一个年轻的团队,我们喜欢开发让自己感到兴奋的产品,而且让自己感到兴奋的产品本身也能带来一定流量,为我们在冷启动阶段提供很大帮助。比如我们在 LinkedIn 上做了比较好的推广,大家平时在 LinkedIn 上刷到的内容可能相对无聊,而突然间看到像 Final Round AI 这样有意思的东西,自然会引发关注。

当然,B2B 的市场机会一直存在,企业需求明显,窗口期也更长。我们其实也在探索一些企业合作方向,有不少企业在看到我们的产品后,主动提出合作的想法,我觉得会有非常多角度可以合作。从长远来看,B2B 会是一个很好的补充。

6. 线性资本:能否简单介绍,从一个人决定换工作到完成面试的整个流程,Final Round 的哪些产品/功能满足 ta 的需求?

Michael:首先,从用户找工作开始,与其他地区相比,北美求职市场不太一样的地方是它更加传统且工具化,主要通过各种 job board(招聘网站)获取工作信息。求职者需要针对每个职位分别上传简历和求职信,完成在官网的独立投递。而这种模式与国内的招聘方式完全不同。国内的求职方式更多的是去像 BOSS 直聘这样的平台,用一个简历投递申请多份工作。

我们做的是通过 AI 技术,帮助用户在短时间内生成针对具体职位的定制简历和求职信。其实求职信这个事情已经存在很多年了,但许多人依旧不了解如何写好一封优秀的求职信。我们的产品能利用 AI 在短短 10 秒内完成这一过程。以前大家可能要花一个小时才能申请一份工作,现在可能只要花两分钟就能搞定。

在简历筛选阶段,目前北美约 98% 的公司会使用 ATS 系统(Application Tracking System)进行简历的初筛。这些系统通过传统 AI 和 ML 技术对关键字、匹配度等进行分析,只有不到 2% 的简历能真正到 HR 手里。现在这个年代,如何保证自己的简历有更大的机会,被 HR 看到,利用 AI 优化简历是一件非常必要的事情。

最后到成功获得面试邀请后, 我们会给用户提供 AI 模拟面试服务。我们投入了大量资源和精力开发的 AI Avatar 系统,能模拟包括 Behavioral Interviews(行为面)和 Technical Interviews(技术面)。无论是产品经理、咨询、银行、IT 软件工程师,还是其他专业领域的用户,我们都有匹配相应的模拟面试。

图| Final Round 产品功能

7. 线性资本:从你们的数据来看,哪个领域用得最多?招聘者/猎头会介意面试时对方使用 copilot 这类产品吗?

Michael:目前在传统行业中,比如 Consulting(咨询)和 Banking(银行)、科技领域的产品开发岗位、美国常见的 Corporate(企业职能)类工作、销售岗位,AI 技术的应用已经非常普遍。我认为 AI 包容性非常强,可以适配各种背景的用户,帮助他们在不同领域发挥优势。

针对面试环节,我们提供的 Interview Copilot,能够在用户面试时实时提供一些 bullet points(要点)帮助用户更好地回忆起某件事情。这对许多已经工作多年但不知道怎么去更好沟通的的优秀工程师或产品经理尤其重要。我们可以通过实时提示,帮助他们更好地组织语言,展现自己最理想的一面,从而解决沟通问题,提升面试表现。

目前这项技术完全由用户端使用,Recruiter(招聘方)并未直接参与。关于是否会引发 Recruiter 端的介意或顾虑这个问题,我们其实听到过很多不同的反馈。我觉得首先,AI 的颠覆性不可避免地会挑战一些现状。有些人能接受 AI 写邮件,有些人觉得 AI 写的邮件又臭又长。这其实是基于对工具不同的理解。比如有些 HR 会觉得用 AI 有悖于传统观念,但也有许多 HR 认为这是一种革新,可以显著提升面试的效率,帮助候选人展现最优秀的一面。有些人能接受,有些人不能接受。但其实 AI 就有点像一次工业革命,它是没有办法被阻挡的。

Part.03

用户故事

8. 线性资本:你在一个播客节目里讲过,很多 Final Round 用户是一些已经有 5-10 年工作经验的人,这是为什么?他们的需求有什么特殊的地方?你们会怎么分析不同工作经历阶段的人对 Final Round 的需求以及打算怎么扩大用户群体?

Michael:主要是市场上的工具没办法满足他们的需求。刚毕业的新人,学校有人教怎么写简历,而且入门的工作通常要求没那么高,难度也不大。但如果是工作五到十年的人,想要找到一个真正匹配自己的工作就没那么容易了。一方面相对机会少,另一方面谁能辅导他们呢?可能只有那些工作了十几年的,更加熟悉这个领域,更加资深的人可以。但这种支持成本很高,比如找一个面试的教练,可能一小时就要两三百美金甚至更贵。而且结果大概率是听他鼓励你说:“你特别棒,一定可以的!” 真正的帮助可能有限。如果用 AI 就完全不一样了。比如在写简历的时候,AI 能很客观、理性地分析你的简历和别人的不同,以及岗位要求之间的差距。它可以精准地告诉你这些差异在哪里,应该怎么调整、怎么优化。这个带来生产力的提升是不可比拟的。

刚开始的时候,我们比较有机地探索出一批核心用户,现在覆盖的范围已经很广了。从大学还没毕业、在找实习的学生,到工作十几年、在寻求职业发展的人,我们都有覆盖。

我觉得 AI 很厉害的一点在于它的适配能力非常强,我们不需要为每个行业去做过多的定制化,就能覆盖不同的用户群体。举个例子,以前如果做视频编辑软件,可能会有专门针对电影、动画片、3D 特效的编辑软件。但现在有了 AI 的加持,一个简单的软件就能覆盖所有场景。对于求职平台也是一样,不再需要一个专门针对金融行业、一个专门针对软件工程师的求职辅导平台。我们现在就是一个通用的求职平台,什么行业都能用。以前每个行业都会有自己的小圈子,比如咨询行业有咨询论坛,金融行业有金融论坛,各自有自己的知识库。而现在 AI 几乎可以打破行业之间的壁垒,深入在大部分的行业里。

图|Final Round 产品功能

9. 线性资本:能分享几个你们用户的故事吗?比如通过使用 Final Round,获得了不错结果的案例,有哪些让你印象特别深刻的?

Michael:最牛的一个故事是关于一位用户面试 CTO 的经历,他的总薪资已经达到 150 万美元。他通过使用我们的产品,过关斩将,拿到了 CTO 的职位,并且报酬总包翻了四到五倍。他分享他的 offer letter 给我们,我们也非常震惊。这不仅证明了我们的产品在技术要求高面试中表现出色,在追求资深职位时也很有帮助。在我们平台上获得 20 万美元以上年薪的用户案例也非常多,包括软件开发、金融、咨询等不同领域。

我们可以快速为用户提供面试中的对话思路和解题方法。很多人在面试时会因为紧张导致大脑一片空白,不知道如何更好的表达自己。Final Round 能通过 AI 快速给他一些思路,提供明确的方向和建议。这样用户就可以展示出自己最好的一面,灵活应对。 但这并不是简单地靠“照着念”解决问题,而是让他们能像美国总统面对提词器一样,感觉不到他在念提词器。他们可以选择自由发挥或依靠提示,但 copilot 总能在关键时刻给出非常重要的帮助。

每个没有经过专业训练的人在正常对话中多少都会因为紧张、陌生的环境而无法做到对答如流。我们的大部分用户都是欧美人,很多人反馈,美国确实在学校就训练公开演讲,但并不意味着他们的能力就好很多。尤其是面对在线沟通这种新场景,很多人仍然会觉得有挑战。

Part.04

未来的面试

10. 线性资本:在你看来,在 AI 的影响下,未来的面试会朝什么方向发展?

Michael:我觉得五年以后也许就没有传统意义上的面试了。也许大家会通过一个更加高效的方式匹配、寻找工作。面试成为匹配工作的最后一个环节。可能两三年后会出现 AI 面试官和 AI 面试者直接对话的场景。当 AGI 技术成熟时,大家只需要把自己的背景信息扫描出来,就可以直接匹配最适合的工作,这些对话都省了。那时候每个人可能都配备了更强大的 AI 助手。甚至十年后借助像 Neuralink 这样的技术,每个人的脑子里都植入芯片,所有人都变得一样,人与人之间的竞争也许就转变为比拼谁的芯片更高级了。比如我用的是 V3,你用的是 V4,你的版本更高级,你的智力和其他能力都会比我高。我觉得这是在不远的将来就会实现的画面。

图|Final Round 产品功能

11. 线性资本:你有没有观察到在硅谷有哪些前沿的招聘方式,是国内目前可能还没有普及的?

Michael:现在有一些新的招聘方式特别有意思。比如说有家公司叫 Mercor 。他们的做法是候选人在平台上完成一次面试,然后招聘官只看这个面试视频,不看简历、不看背景,通过一段视频就能决定要不要继续推进下一轮。这就特别颠覆传统的只看你冷冰冰的一张纸。他就是直接看你的表现,更加全面。

还有一种方式更有意思,就是直接跳过简历,让大家来做项目。像 Telegram 这种公司就很典型,他们的招聘是直接给候选人一个像 Hackathon 的项目,候选人必须在规定时间内完成。招聘官完全不看背景,大家都在一个起跑线上,谁能做得最好,谁就能拿下这个职位。这个方法其实很合理,因为简历有时候确实差不多,写得再漂亮,也不能完全说明问题。用项目说话,直接看产出,这才是真正的硬实力。

我们自己招聘的时候,也特别关注这种“实际产出”的能力。比如我们会问候选人平时怎么用 AI ,怎么用这些工具去 debug 或者头脑风暴。假设有两个候选人,一个是传统意义上的高手,表现很强。另一个可能基础稍弱一点,但 ta 能用各种 AI 工具,把效率拉满到十倍,我肯定选后者。因为现在没有人还靠脑子硬写,大家都是到处查资料,看谁能更快地交付产品,这就是一个硬标准。

Part.05AI 应用的前景12. 线性资本:行业里有一种说法,大家原本预期 2024 年 AI 应用会爆发,但目前来看似乎市场反应比较平淡,你对 AI 应用的现状和前景有什么观察?

Michael:目前看起来,AI 应用并没有达到预期的爆发点,我个人认为机会点还没到。很多用户其实还没有真正接触到 AI,甚至很多人根本不知道 ChatGPT 是什么。其实在创业圈和硅谷,大家都在谈 AI,但当你去美国中部或传统企业,虽然很多人听说过 ChatGPT,但并没有真正使用过,或者说不屑用它。很多人还停留在刻板印象里,觉得这只是一个新兴的技术,自己在现在这个位置上已经做了很久,当前的工作流已经做的很得心应手了,不需要这些新工具。但是他们还没有意识到, 这些新的工具,尤其是 AI,可能会带来颠覆性的改变。

从市场接受的角度来看,AI 的生产力还没有达到巨大的体量;从产品爆发的角度来看,我觉得 2025 年才有机会。因为当大家说 AI 应用的时候,B2B 领域很多还处在探索阶段,比如法律服务 AI、销售 AI 等。YC 曾经考虑探索一些 B2C 的应用,但最新一届 B2B 应用占比仍然占据了超过 50%。这并不是像互联网早期的全民共识那样,人人都需要为每个业务场景做一个 APP。我认为等这些应用走向成熟之后,才是真正的大规模普及和采纳。

目前很多 AI 的应用还是基于传统 SaaS 产品进行修改。比如 Salesforce + AI,Google Docs + AI,这些都是把 AI 加入到已有的传统产品中,像搜索功能、对话功能等。这些都不是 AI 的原生场景。相比之下,ChatGPT 就是一个原生的 AI 场景,尽管 Perplexity 也有 AI,但它本质上还是一种优化过的传统搜索,只是效率更高一些。我觉得 AI 还是需要一些原生的场景,可以丝滑地融入我们的日常生活中,就像微信一样。

现在在硅谷,有很多非常有潜力的原生 AI 产品,虽然它们还都处于早期阶段,但会让人感觉比较有希望。比如有个叫 SocialAI 的产品。登录后随便发个帖,就会有成百上千的人评论、点赞、关注,让大家都能体验到做 super star 的感觉。这是一个我认为 AI 更加原生的产品。另外,像我们做的产品也是原生 AI 的应用。还有类似虚拟偶像的产品,例如像 Miquela 这样的虚拟人物,她在 Spotify 和 Instagram 上非常火,已经有 300 万粉丝,很多品牌也开始与她合作。这就是纯粹由 AI 创造的内容。

图|Final Round 产品功能13. 线性资本:关于 AI 应用,你周围的创业者最关心的是什么?

Michael:第一个问题是关于 GPT-5 什么时候发布。每当 GPT 发布新版本时,之前的版本就一不小心被“干掉”了。所以大家对于 GPT-5 的发布也非常谨慎。特别是很多早期在做 AI 的公司,比如说给 AI 增加记忆或者增加上下文联想,以提升 GPT-3.5 的表现能力。但当 GPT-4 出来,这些努力基本上就被推翻了。那么 GPT-5 会是什么样的?它会给哪些公司带来影响,甚至可能让某些公司被淘汰?这些问题现在还没有明确答案。

第二个问题是如何获客,这是一个非常现实的挑战。很多 AI 公司在获客渠道上还是用的传统方法。要么是雇销售,要么是通过社交媒体制造爆款,或者买量推流。他们并没有采用真正 AI 的方式来进行获客,反而依旧依赖于传统的拓客手段。我觉得这其实是一个比较遗憾的地方。有很多公司自称是 AI SDR(销售开发代表)公司,宣称可以通过 AI 生成销售线索,然而最终他们却雇佣了几千个销售顾问,依然用传统方式去推销 AI 产品。这让我觉得现在的行业可能仍处于一个转折点。

14. 线性资本:你觉得硅谷 AI 领域,融资形势这一年有什么变化?

Michael:我个人觉得大家对 AI 的态度经历了从最初关注 AI infrastructure,到关注 middleware,再到现在更多聚焦于 AI 应用的变化。大家的意识形态和对未来的期待也在不断演变。

最开始,当 GPT-4 发布后,很多人并不看好 AI 应用,认为它离真正的 AGI 还有几十年的距离。而此时我们好像发现,AI 应用其实是有意义的。虽然很多 AI 应用看似没有太强的护城河,但逐渐发现,这些护城河并不是无法建立的,慢慢地它们会形成,比如为什么一些法律领域的 AI 产品能够与大律所合作,而 GPT 系统却无法做到这一点?这就说明了AI 的护城河还是存在的,许多传统领域的限制仍然在制约这些 AI 公司的发展。

15. 线性资本:你对 AI 应用在 2025 年的发展有什么预测?

Michael:AI 肯定会普及,覆盖范围会更广,竞争也会更激烈,门槛也会逐渐降低。像刚才提到的,很多美国普通民众并不知道什么是 ChatGPT,GPT 也没有铺天盖地的打广告。现在走在一些美国普通城市的街头,路牌上还是传统的消费品广告,或者是一些游戏、社交平台的广告,而没有任何关于 AI 的元素。如果不通过这些渠道,AI 很难进入普通人的日常生活。比如你不可能会在电视广告中看到有人在推销 ChatGPT。 所以我认为,到 2025 年,AI 会迎来一次重大的大规模普及和被采纳的机会。一些中老年人群体也许会开始用 ChatGPT,可能那时候才算是真正的普及。返回搜狐,查看更多

责任编辑:

平台声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()