採用チームに実際に決定を通知する面接フィードバック記憶を提供する
採用チームの面接フィードバックはスコアカード、Slackスレッド、デブリーフノート、口頭の要約に散らばっています。要約に使用されるAIツールは一部しか見ることができません。MemoryLakeは面接フィードバックを記憶として保存し、チームとAIツールが実際に採用決定を行うために使用できます。
問題: 面接フィードバックが断片化し、決して蓄積されない
5人の面接官、5つのスコアカード、3つのSlackスレッド、2つのフォローアップノート。採用決定は迅速に行われ、累積フィードバックは完全には読まれません。さらに悪いことに、キャリブレーションに役立つはずの過去の採用に関するフィードバックパターンは決して戻ってきません。
MemoryLakeが面接フィードバック記憶をどのようにキャプチャするか
候補者ごとのフィードバック記憶
すべての面接官のノートが統一されます。
面接官パターンのための反映記憶
各面接官のスコアリング方法。
キャリブレーションイベント記憶
過去の採用の実際の結果と面接フィードバック。
ツール間の取得
ATS、スコアカード、Slackデブリーフが統一されます。
永続無料 · クレジットカード不要
面接フィードバック記憶の仕組み
- 接続 — ATSとフィードバックツールを認証します。
- 構造化 — 各フィードバックが型付けされた記憶になります。
- 再利用 — 採用決定セッションとキャリブレーションレビューが関連する記憶を取得します。
前後: 面接フィードバックAI記憶
| Without MemoryLake | With MemoryLake | |
|---|---|---|
| Full feedback read at decision | Rarely | Memory-summarized |
| Cross-panelist pattern detection | None | Reflection memory |
| Calibration against actual outcomes | Manual | Event memory |
| Audit hiring decision | Limited | Memory provenance |
対象者
面接フィードバックの量が読み取り能力を超え、採用キャリブレーションが懸念されている社内採用チーム。
このユースケースを自分のアカウントで試す
Harborline の面接官 4 人は昨年 12 人の候補者を評価し、8 人を採用、うち 7 人は入社 6 か月評価を終えています。今日の最終候補 2 人の点数を平均すると Kai が 3.75 対 3.25 で上。しかし Kai の点数はパネルで最も甘い面接官から、Lena の点数は最も厳しい面接官から出ています。各点数をつけた本人の履歴と照らし、その人の高評価がその後どうなったかまで見ると、選ぶべきは Lena です。
見られるもの
- 面接評価シートと 6 か月評価はすべて
fact addで原文のまま 1 件ずつ事実に。fact update --metadataで候補者・面接官・点数・日付を記録。面接官はそれぞれ actor - クイックリード:
fact list --query "Kai Brennan"で評価シートは漏れなく見つかり、平均も正しい(3.75 対 3.25)。誤りは尺度:Dana の 3.5 は彼女の最高評価の一つで、Eli の 4 は彼のいつもの点数 fact list --actors <面接官> --projects <評価シート>,<6 か月評価>の 1 回で両スコープを読み取り。各面接官の平均と比べると Lena +0.70、Kai +0.28。Dana と Farah が平均以上をつけた採用者は 8 人中 8 人が期待以上、Eli と Gus は 7 人中 4 人。7 回の実行で同じ数字- キャリブレーション結果は各面接官の事実として保存。今日届いた評価(Eli と Gus が高評価した採用者が解雇)で、そのうち 2 件だけがその場で書き換わり、
fact traceで新旧両方の版が見られます。ローカル Web UI 付き
必要なもの: MemoryLake の API キー · memorylake CLI · Python 3.9 以上
実行する
git clone https://github.com/memorylake-ai/memorylake-usecases.git cd memorylake-usecases/interview-feedback-memory export MEMORYLAKE_API_KEY=sk-… python3 demo.py # or: python3 web/server.py
動作を見る · 実際の録画、未編集
関連するユースケース
よくある質問
ATS統合は?
ATS統合は?
Greenhouse、Lever、Workday、カスタム — サポートされています。
キャリブレーションサポートは?
キャリブレーションサポートは?
はい — 面接フィードバックを採用後の結果にリンクさせてAI駆動のキャリブレーションを行います。
無料プランはありますか?
無料プランはありますか?
はい — 小規模な採用チーム向けです。