TMT观察网_独特视角观察TMT行业

文 | 顏璇 | 智能相對論（ID：aixdlun）

金三銀四，求職者們紛涌而來，各家企業的人才戰役也已經打響。歷經了簡歷初篩、筆試、面試、復試等一系列流程，求職者“不堪折磨”，想必HR們也累得夠嗆。在人力資源招聘上運用一些科技手段已經不是新鮮事兒了，最常見的比如在簡歷初篩這一環節中設置關鍵詞，讓機器自動剔除掉不符合條件的簡歷等。

近日，AI 招聘初創公司 Fetcher獲得種子投資的新聞又把大家的視線拉回了AI招聘上，此次投資，該公司總計獲得了250萬美元的種子輪融資。而就在上個月，ATA（全美在線）也與中國演出行業協會達成了戰略合作，為演出行業人才評價和人才隊伍建設提供技術和服務。

AI強勢入侵人力資源招聘領域，對HR和求職者們會是一個好消息嗎？ 

一、AI招聘可以成為人類的好幫手

就智能相對論（ＩＤ：aixdlun）行業分析師顏璇來看，ＡＩ＋招聘并非想要挑戰人類ＨＲ的“權威”，反而會在以下兩個方面成為ＨＲ和求職者們的好幫手。

1.AI提高效率，從而提高準確率

對于HR來說，最為重要的就是要招到對的人。而如何招到企業想要的人才，一方面，這取決于HR“識人”的水準，另一方面，則看面試的輪數，也就是考驗程度。一般來說，高水平的面試官再加上多輪面試，往往會提高這次招聘的準確率。但多輪面試所提升的準確率，卻是以犧牲工作效率為代價的。

一般來說，一個大型企業的招聘周期往往比較長，從網申到最后錄用可能要一個月之久。究其根本，還是企業在關卡考核上花費了太多時間，不僅使得招聘周期長，還極容易流失那些在漫長的等待中而躁動不安的人才。

圖為某企業招聘流程

AI依賴于其強大的計算能力和大數據，能夠進行自動化的人才甄選，包括自動化筆試、面試以及基于聊天機器人的甄選工具，這試圖解決的正是人才甄選的效率問題。

如此，AI能夠成倍地減少企業搜尋人才的時間，面試的效率將會得到大幅提升，使得HR們能用更多的精力取找到“對的人”。而這次融資的創業公司Fetcher也聲稱，相比內部 HR 招聘，AI 將節省 10 倍資源，相比獵頭等招聘機構，將節省近 20 倍成本。

2.雙向互動，盤活人才市場

我們看目前的招聘形態，對于大多數求職者而言，還是比較傾向在招聘網站搜索相關信息。因為這類網站的運作模式比較簡單，就是將大量的企業招聘信息分門別類，然后羅列在網站上供求職者們搜索。但你會發現，這類網站是缺乏互動的，即使像BOSS直聘這樣，職場BOSS雖然可以與求職者直接交流，但這也不是真正意義上的平等互動。本質上，這還是屬于“求”職軟件，平臺會向供職者傾斜。

所以，企業在這些網站上并不能找到特別好的新形態公司的人才。那么，AI在其中可以起到什么作用呢？

曾經，羅永浩在社交平臺上發布了一篇煽情的帖子，憑借本人的IP效應招到了大量的人。這類社會化招聘或許可以讓勞資雙方走得很近，但一篇帖子，一個朋友圈或者是一條微博的力量還是太微薄了。

這就給了我們一個思路——AI招聘或許會是社會化招聘的高階版。社會化招聘的本質是通過社交關系的互推來獲得職位機會，社交里的關系鏈都會對這個人作出相對真實的評價，好比入職前，HR會聯系求職者就職過的公司里的同事，打探這個人之前的口碑。而AI介入后，HR可能就不用那么麻煩了。

基于社交網絡的構建、UGC內容的產出、以及ChatBot和匹配算法的開發，我們或許可以通過人工智能激活被動的求職者，AI可以作為獵頭，影響并轉化被動求職者這一群體，而這也意味著，勞資雙方的信息可以平等交換。

被招聘的人可以通過AI打造的社交平臺清楚地了解企業信息，而求職者的社交信息、內容產出也會變成一份個人檔案，企業可以更加立體、真實和動態地了解求職者的特長和興趣。

二、AI招聘還有哪些難題要過

即便ＡＩ招聘對于企業和求職者來說算是一個好消息，但是，人們也不能高興得太早，凡事有利有弊，在看到好處的同時，我們也要觀察到它需要改進的一面。

1.以子之矛攻子之盾，AI試不出真人才

根據50個省市政府所屬人才服務機構數據統計，2012年以來大中城市人才供求比在2:1左右,即求職總人數約為提供崗位數量的2倍。而根據智聯招聘統計，2014-2015年全國人才供需指數維持在30以上，即平均一個職位收到簡歷數量均在30份以上。我國在快速發展的進程中，就業市場競爭加劇趨勢十分顯著。

圖源：中國產業信息網

就業競爭激烈，企業人才短缺，職業教育培訓有著巨大的需求潛力與市場空間。根據百度及搜狗搜索數據，2014年，職業教育培訓的關注度在各細分教育子類中名列前茅。

今年的公務員考試熱潮剛剛冷卻，但了解的人也知道，此類公務員的筆試、面試的報班培訓的成本只高不低。如果AI成了面試官，求職者們“上有政策，下有對策”，會去尋求更佳的面試培訓，而有市場就有需求，以大數據為優勢的AI面試恐怕也會被AI＋培訓所攻破。

智能HR的客觀評分機制反而成了清晰可見的“套路”，然后被智能培訓老師“反套路”，兩者”斗智斗勇“，倒顯得摻雜在中間的求職者像一枚棋子，毫無自主意識，如此選拔出來的人會是真正的人才嗎？

而人類HR的優點正是在于其自主性，相信上過培訓課的同學們都知道，培訓老師都會強調面試時不要準備模板，因為模板會造成同質化，面試官因為長期積累的經驗通常能敏銳地察覺到模板的痕跡，從而影響面試者的成績。

2.“算法彌補偏見”不可信

Fetcher曾表示，產品的篩選機制將消除任何潛在的人類偏見，使其完成符合平等就業機會委員會的規定，年齡、性別、種族、宗教、殘疾等都不會成為算法的參考標準。也就是說，算法可以彌補招聘中的偏見。

這類論調不禁讓人想起了張一鳴的”算法沒有價值觀“。前幾日，一名被銀行擬錄取的面試者，卻在準備入職時被智能檢測平臺Say No，究竟是可能出錯的“人工智能”掌握了否決權,還是丁是丁卯是卯的“人工智能”為某些人為標簽背了黑鍋？

現實生活中，招聘求職者可能會存在很多文本之外的“潛規則“，比如招聘信息上的“某某條件優先”或許只是某些企業靈活運用的話術而已。算法本身是客觀的，但因為其需要人工標簽，掌握這個算法的人群才是招聘中的關鍵。蓋上“算法”的面紗，那些成見反而更加若隱若現。

3.逃不過的數據難關

  數據一直是AI的大難題。但在面對AI招聘時，數據的模型化顯得十分困難，即使打造出模型，普適性也難以預見。

目前的AI匹配技術僅僅能在少數一些職位上達成足夠高的可用性，比如說卡車司機，因為卡車司機在美國是一個龐大群體，且其能力和要求較容易被模型化。

當一家公司運用這個系統來面試求職者時，無限的機器學習過程或許可以篩選出一個優秀的銷售人才，但這種篩選算法也無法在不經過新的訓練過程的情況下，簡單地推廣到其他職位，比如人力，市場等崗位。而這僅僅是一家公司里存在不同崗位所要面對的問題。

如果不同的公司來使用這套系統，AI的數據需要更加垂直化。但問題是，某個領域的某家公司真的有這么多的人才數據可以提供給機器來學習嗎？

AI+確實能成為一個工種的助力，但并不能解決一切問題。各家企業應該明白，圍繞人才招聘，企業想要得到真正的人才，絕不能僅僅依靠人工智能這一技術領域的創新。真正的突破點在于，企業將自身建設的越強，對優質人才的吸引力才會越強。

【完】

智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。