信度92%，语音情感波动分析，语义焦点轨迹，甚至还有对话间隙的潜意识偏好预测。
“传统AI面试系统只看答案对错。”陈默调出对比图，“我们的新系统，能分析候选人如何在压力下思考——语速变化对应的焦虑程度，回答前的思考时长反映的决策模式，甚至肢体语言与口头表达的一致性...”
他越说越激动：“这才是面试的本质！不是筛选标准答案的机器，而是理解一个人的思维特质、抗压能力、沟通风格！这才是人力资源真正的价值！”
林深看着屏幕上流淌的数据，心中的某个地方被触动了。
三个月前，他也坐在面试桌前，面对冰冷的问题和更冰冷的拒绝。那时候他就在想，如果有一个系统，能看见简历之外的、属于“人”的那部分——那些闪光点，那些被标准化流程过滤掉的独特性。
“测试数据怎么样？”他问。
“惊人。”陈默调出一份报告，“我们用了过去三个月实际面试的五百组数据进行回溯验证。新系统对候选人三个月后工作表现的预测准确率，比旧系统提升百分之四十，比资深HR的人为评估提升百分之二十五。”
会议室里响起一阵倒吸冷气的声音。
“但问题也在这里。”陈默冷静下来，调出红色标记的部分，“计算资源消耗是旧系统的八倍。如果要实现实时分析，需要部署在顶级GPU集群上，这意味着成本...”
“意味着我们需要重新定价。”林深接话，“而且不是低价，是溢价。”
众人愣住了。
“在别人打价格战的时候涨价？”产品经理忍不住开口，“林总，这会不会太冒险了？”
林深走到会议室前方，双手撑在桌面上。
“这三个月，我见了四十七个客户。从跨国公司HRD到创业公司创始人，我问他们同一个问题：你们最头疼的是什么？”
他顿了顿，自问自答：“不是筛选效率——那已经有很多工具了。他们头疼的是，招来的人简历漂亮，面试对答如流，但入职后发现完全不是一回事。有人抗压能力差，有人团队协作不行，有人只会纸上谈兵。”
“一次错误招聘的成本，是这个人年薪的一点五到三倍。这还不包括团队士气受损、项目延误、客户流失这些隐性成本。”林深扫视全场，“如果我们能把这个错误率降低一半，你们觉得，客户愿意付多少钱？”
沉默。
然后是陈默第一个鼓掌，接着
本章未完，请点击下一页继续阅读！