Towards a Reference Architecture of AI-Based Job Interview Systems

Les entretiens d'embauche sont une activité majeure dans le processus de recrutement, mais ils impliquent un effort manuel considérable et, en tant que tels, sont une tâche coû- teuse et chronophage. Afin de réduire ce coût, les organisations envisagent de plus en plus l'utilisation de l'IA pour automatiser leur processus de recrutement, ce qui promet des en- tretiens d'embauche plus efficaces et moins biaisés, tout en réduisant les coûts du proces- sus d'embauche. Alors que la recherche et les produits existants sont apparus en se con- centrant sur l'automatisation des étapes individuelles du processus d'entretien d'embauche, l'architecture globale d'un système logiciel pour l'automatisation des entretiens d'embauche semble encore décourageante et les compromis en termes d'exigences fonctionnelles ne sont pas clairs. À cette fin, soutenus par une revue systématique de la littérature (SLR), nous proposons et documentons la structure statique et dynamique d'une architecture de référence complète (RA) pour les systèmes d'automatisation des entretiens d'embauche basés sur l'IA du point de vue fonctionnel. Nous avons identifié quatre composants de haut niveau qui doivent être traités dans un système d'entretien d'embauche basé sur l'IA, avec leurs fonctionnalités et leurs responsabilités. Afin d'automatiser un bon nombre de ces fonctionnalités, les capacités de l'IA peuvent être exploitées à l'aide des méthodes étudiées dans la littérature. Nous avons ensuite discuté des défis et des problèmes ouverts et des hypothèses invalides dans la littérature existante pour concevoir et mettre en œuvre les fonctionnalités des composants extraits.

Abstract

Job interviews are a major activity in the recruitment process, yet they involve substantial manual effort and as such are an expensive and time-consuming task. In order to reduce this cost, organizations are increasingly considering the use of AI to automate their recruitment process, which brings the promise of more effective, less biased job interviews, while reducing the costs of the hiring process. While existing research and products have appeared focusing on automating individual steps of the job interview process, the overall architecture of a software system for job interview automation seems still daunting and the trade-offs in terms of functional requirements are unclear.To this end, supported by a Systematic Literature Review (SLR), we propose and document the static and dynamic structure of a comprehensive reference architecture (RA), focusing on the functional viewpoint, for AI-based job interview automation systems. We identified four high-level components that need to be addressed in an AI-based job interview system, with their functionalities and responsibilities. Many of these functionalities can be can be automated with AI capabilities using the methods that are surveyed in the literature. We then discussed the challenges and open issue and invalid assumptions in the existing literature for designing and implementing the functionalities of the extracted components.