在招聘方面，雇主可能很难找到适合这份工作的完美人选。因此，组织经常使用性格量表来确定候选人是否合适。虽然市场上有几种广泛使用的性格测试，但组织可能会寻找无法用现有量表衡量的特征或技能。创建一个新的量表——需要人格、组织、社会或临床心理学家等专家的工作——可能既耗时又昂贵。

考虑到这一点，弗吉尼亚理工大学心理学系助理教授伊万·埃尔南德斯(Ivan Hernandez)希望找到一种方法，使人格量表的创建更容易、更容易获得。

“作为心理学家，我们有兴趣测量人格的许多不同方面，”埃尔南德斯说。“但困难的部分是，你怎么做?你如何提出正确的问题来知道一个人是否是一个好朋友，知道一个人是否会是一个勤奋的工人，知道一个人是否情商高?”

虽然主题专家通常会设计这些问题，但埃尔南德斯提出了另一种来源——人工智能。

Hernandez与Hogan Assessment Systems Inc.的研究顾问Weiwen Nie合作，创建了一个使用各种自然语言处理模型的框架，以帮助研究人员开发有效的心理量表。

在创建人格量表的传统方法中，主题专家被要求创建一个可能适合特定人格特征的项目库 - 例如，“我喜欢参加聚会”作为外向性的衡量标准。该池构成了规模创建的基础，在部署之前对其进行管理和测试。

在Hernandez的框架中，基于转换器的语言模型生成了基于人工智能的项目池(AI-IP)，由一百万个新项目组成 - 远远超过任何一组专家所能创造的。其他语言处理模型将池缩小到与所需构造最相关的项目，例如外向性。