西达尔·马戈斯（Siadhal Magos）和沙赫里亚尔·塔吉巴赫什（Shahriar Tajbakhsh）曾分别任职于优步（Uber）和帕兰提尔（Palantir）。他们发现，招聘尤其是面试流程正成为企业HR日益繁琐的负担。
Magos向TechCrunch表示：“面试是招聘中最关键却最不透明、最不可靠的环节。此外，记录笔记和撰写反馈等琐事，常令面试官和招聘经理避之不及。”
为革新招聘流程并保留人性化元素，两人推出了Metaview。这是一款面向招聘人员和经理的AI驱动笔记应用，可录制、分析并总结求职面试。
“Metaview是专为招聘打造的AI笔记工具，”马戈斯称，“它帮助团队将精力聚焦于了解候选人，而非从对话中提取数据。这不仅大幅节省了撰写笔记的时间，还让面试官在过程中更专注，无需多任务处理。”
Metaview可与应用程序、电话系统、视频会议平台及Calendly、GoodTime等工具集成，自动捕获面试内容。马戈斯表示，该平台“兼顾了招聘对话的细微差别”，并能“从申请人跟踪系统等外部来源获取数据以丰富自身”，从而精准突出关键信息。
“尽管Zoom、Microsoft Teams和Google Meet内置转录功能可作为替代，但Metaview的AI提取的信息更贴合招聘场景，且能协助用户在后续招聘工作流中采取行动。”马戈斯补充道。
传统求职面试弊端众多，Metaview此类笔记与分析应用在理论上确有裨益。正如《今日心理学》所言，人类大脑充满偏见，易过度依赖先入为主的信息，并按既有信念解读新信息，从而阻碍客观判断。
然而，Metaview是否真正有效？更重要的是，它能否对所有用户保持同等效能？
即便是顶尖AI语音听写系统也存在偏见。斯坦福大学研究显示，Amazon、Apple、Google、IBM和Microsoft的语音转文本服务对黑人说话者的错误率几乎是白人的两倍。另据《计算机语音与语言》期刊近期研究，主流语音识别模型在处理不同性别、年龄及口音时，表现存在统计学意义上的显著差异。
此外还需警惕“幻觉”问题。AI总结内容时可能出错，《华尔街日报》曾报道：一位微软Copilot早期用户发现，该工具虚构了参会人员，并暗示会议讨论了从未涉及的话题。
针对偏见及其他算法问题，马戈斯声称Metaview训练数据足够多元，其模型在招聘工作流中能“超越人类表现”，且在主流偏见基准测试中成绩优异。
对于语音数据处理方式，本人持审慎态度。马戈斯透露，除非用户主动要求删除，否则Metaview默认存储两年对话数据，这一期限似乎过长。
尽管如此，这并未阻碍Metaview的融资与客户拓展步伐。
本月，Metaview获Plural、Coelius Capital和Vertex Ventures等机构700万美元投资，累计融资额达1400万美元。马戈斯表示，公司客户已增至500家，涵盖Brex、Quora、Pleo和Improbable等知名企业，同比增长高达2000%。
“本轮资金将主要用于扩充产品与工程团队，并强化销售营销，”马戈斯说，“我们将把产研团队规模扩大两倍，进一步优化对话合成引擎，使AI能精准提取客户所需信息，并开发主动检测系统，及时识别面试流程不一致性及候选人兴趣减退等信号。”