AI 面试官必须像其他评分者一样进行审计。

AI在Xobin内部用于面试评分、响应总结和候选人推荐。每个表面都有不同的失败模式：评分模型可能会漂移，总结器可能会扭曲，而推荐器可能会放大历史招聘数据中已经存在的模式。我们将每个表面视为一个单独的审计目标，而不是一个单一的"AI"黑箱，并记录适用的具体风险。

每个AI评分的面试都可以在三个属性上进行审计：与盲人评分者的一致性、随时间的稳定性，以及在为部署定义的候选人组之间的人口统计平等。审计在滚动的候选人样本上进行，因此系统无法默默地过拟合到固定基准，并且AI与人类评分者之间的评分一致性使用我们用于比较两个人的相同统计数据进行报告。

AI 分数从来不是招聘团队看到的唯一信号，并且它始终可以被覆盖。当模型的分数分布发生变化或与人工评分者的协议下降时，会触发重新验证门，在继续生产之前通知受影响的客户，而不是之后。透明的 AI 报告是关键：客户可以看到模型做了什么，在哪个样本上，以及以什么信心。