AI招聘：讓這位CEO在48h內快速從4000個候選人中選中他！

職場 07-10

【眾譯小組】：王素婷、Ilaria、孟威、康康、Sunshine、劉志金、肖霞、魯仁淑、沙沫、劉姍（合成）

編者按：你學了那麼多，也找了很多HR，為啥你的招聘問題還是解決不了，或許這篇文章可以給你答案！

幾年之前，Jason Freeman遇到了經典的招人難題。他創建了一家由10人組成的企業，這是一家名為 42Floors.com的在線商業地產服務公司。公司發展迅速，急需增員。Freeman作為公司CEO，業務繁多，忽然之間，每次卻要花上數個小時審閱堆成山般的簡歷，讓他有些不知所措。

來自一家叫Interviewed的新公司的人工智慧軟體似乎成為了解決方案：它可以通過模擬應聘者在成為員工第一天的所作所為加速簡歷審閱過程。這個軟體比計分制多選題效果更佳。它不僅可以審視員工掌握的所謂「課本知識」的水平，還可以捕捉更多人們無形的品質。它利用人類知識處理和機器學習過程構建的心理形象，用以預測一個人是否適合某企業的文化。它包含了一個人喜歡哪些詞語——例如傾向於使用「請」、「謝謝」，表明這個人不僅具有同理心，還可能具備和客戶融洽相處的特質——還可以測量應聘者對溝通狀況進行判斷以及對關注細節的水平。Freeman說，「我們可以在短短几天之內完成對4000名候選人的篩選，將篩選範圍縮減至最佳的2%-3%」。他公司現在有45名員工，「48小時，我們就可以招到一個合適的人」。他認為這個軟體不是完美無瑕的，但卻能比人工處理更有效率和質量更高。

不僅只有剛起步的創業公司正在使用這個軟體；一些企業巨頭也在引進它。人工智慧正在逐步進入到招聘領域。

預測性演算法和機器學習作為篩選合適候選人的工具正在蓬勃興起。企業正在使用AI來評估人的特點，從研究詞語的選擇、微手勢、心理情緒特點和社交媒體狀態等一切事物來分析候選人。企業傾向在招聘的早期階段應用這類軟體，而不是後期階段，這時企業正從眾多的申請者中篩選，僱傭者更傾向於面對面互動和對人性的判斷。

一批創業公司正在提供這種豐富的服務。坐落在舊金山的Entelo通過挖掘互聯網和社會個人介紹來預測哪個申請者更有可能換工作。另一家坐落在加利福尼亞的公司 Talent Sonar採用機器學習演算法來撰寫崗位描述，目的就在於提升性別多樣化，這款軟體甚至隱藏了應聘者的姓名、性別和自我介紹，試圖以此克服招聘經理無意識的偏見。坐落在猶他州的HireVue使用視頻面試來捕捉候選人在語言選擇、聲音感染力和微手勢中微小的細節，例如他們的面部表情和他們所說的是不是相違背。

Google也加入了招聘軟體的戰場中。去年秋天，它向一些客戶發布了一個新的項目叫雲職位。商業巨頭例如強生和聯邦快遞將這款軟體應用在他們的招聘網站上，用它來更好地和潛在申請者溝通。為了製作這款軟體，Google瀏覽了上百萬的工作崗位來揭示特定屬性和工作表現之間的聯繫，繼而採用了分析和機器學習模型。理論上，可以使強生公司的招聘頁面的搜索結果和求職者的意向更加匹配。這款軟體同樣使強生公司的職位更容易讓求職者在網上發現。

來自於諮詢巨頭德勤Bersin的負責人Josh Bersin表示，人工智慧招聘是「一大熱門，而且是有競爭力的」。目前，約有75家創業公司正在爭取一筆1000億美元的人力資源評估市場。Bersin說：「我每天都會收到一些人的郵件，他們通過人工智慧來解決招聘市場的問題。」人工智慧演算法能學會探索人類工作最神秘的一種——把人和工作崗位匹配，並且比人類做的更好嗎？能夠解決一些老問題，但最終會不會產生一些新的問題呢?

關於人工智慧招聘的五個洞察

和成績無關

根據Google在招聘方面的研究，GPA和它的測試分數是毫無價值的。研究發現，在谷歌，受過高等教育的員工比例不會隨著公司發展越來越大，在某些團隊中，有高達14％的人從未上過大學。

毅力比智商更重要

賓夕法尼亞大學的Angela Duckworth教授研究了軍事學員、在艱難的社區里的新手教師以及新的銷售人員，以決定誰能忍受和成功。共同的原因不是智商、社交、外貌或健康，而是激情和毅力。

經驗不是萬能的

美國內部銷售專家和人工智慧創業公司Koru的一項研究得出結論，經驗並不能預測銷售的成功。另一個研究發現，在兼職工作中擔任中等職位的畢業生比俱樂部的總裁表現得更好，因為公司需要的是團隊合作夥伴，而不是明星。

適合別人的不一定適合你

一個在競爭對手公司非常優秀的員工可能會在你的公司里失敗。大約75%的Koru的預測因素甚至在同類企業相似的角色也各有不同。首先，在大學裡工作的時間可能是一個預測因素，然而，在心理學課程中，團隊合作的指標是另一個預測因素。適合你的才是至關重要的。

忽略Facebook上的照片

由AI公司 Fama 研究發現，在社交賬戶上發布喝酒的圖片不意味著糟糕的工作表現。這樣的照片是很常見的，如果以這一條件來篩選，意味著將過濾掉大量的人。相比之下，偏執的評論或發表跟毒品有關等照片則和表現欠佳很有關聯。

當然，人們更喜歡對別人做出判斷。但結果證明他們不是很擅長。耶魯大學管理學院Jason Dana教授研究招聘多年，她最近在紐約時報高調地發表了文章，痛斥面試為無用之舉，這引起了一片嘩然。「面試可能是有害的」，Dana寫道，「其削弱了關於面試者其他更有價值的信息的影響因素。」除此之外，他注意到招聘經理有將談話的印象轉變為連貫但往往不正確的敘述的傾向。

Google的一位老員工，Laszlo Bock，該公司前人力資源負責人說道。「大多數面試是浪費時間，因為99.4%的時間用於嘗試確保在前10秒給面試官留有的印象。」 Bock在改造公司的招聘策略後撰寫了《Work Rules》（中文版：《重新定義團隊》）一書。

Google於2008開始審查其招聘進程。早年，公司從斯坦福和麻省理工學院等名校招募員工。但是當Google檢查其內部證據時，發現年級、考試成績和學校出身對工作成功沒有很好的預測作用。相當多的管理人員畢業於公立學校，或者根本沒有完成大學學業。

AI軟體可以探測到當一個申請者討論他的前任上司時臉上閃過的輕蔑的細微表情。

這使得Google重新考慮如何進行招聘，他們建立了一種演算法可以識別出研究已顯示相關的素質特徵：認知能力、明智的謙虛、學習能力。Google開發了一個程序叫做qDroid，它可以通過應聘者對一系列問題的回答，來解析這些應聘者身上是否具有Google所強調的素質特徵。

數據是很關鍵的。你會難以想像在沒有大量增加工作相關信息的情況下使用AI來進行招聘。不多久前，很多公司願意接收紙質簡歷，軟體會掃描簡歷比對技能和經驗，並打一個分。但LinkedIn改變了這個，它提供不明確的簡歷但會呈現一個人的關係外延信息。人工智慧的力量是能夠梳理這些數據，檢查多個變數，找到人類可能看不到的模式。

今天可用的大多數軟體都沒有使用那種最終會自行思考的人工智慧。這就是所謂的「監督式」學習：人力資源經理和數據科學家一起建立和調整基於高績效人員的權重。

這軟體當然不是萬無一失的。人類也可能將他們的偏見寫入演算法程序中。

Bock說，嘗試去理解使用電腦的人比理解交易或商業複雜得多。

很多的AI都開始專註於我們所期望的領域：使用計算機的力量去處理大量的數據。第一步，Fama自動分析工作候選人的身份信息，在網上尋找線索了解其個性特徵和世界觀。Mones說，在他聘用了一個簡歷和面試看上去很好。但事實上卻發現是個種族歧視者之後，他建立了一個總部在洛杉磯的公司。Mones說，如果他有看過那人的社會媒體文章，他就會知道他是個種族歧視者。但是，進行這種搜索有潛在的偏見和法律風險。

瀏覽一個求職者有關種族、宗教信仰、性取向或政治派別的社交信息是非法的，並有可能引發招聘歧視投訴。「覆水難收，你很難證明你在做出僱傭決定時未使用這些信息，」 Seyfarth Shaw就業法律師事務所合伙人Pamela Devata說。聯邦平等就業機會委員會認定既然你瀏覽了，就會使用它。」

Mones確信AI是解決這個問題的唯一方法。它可以迅速的對成千上萬的社交媒體和網路文章「雷區」進行排雷，並進行分析，同時規避了僱主的責任。但做到這些需要計算機能夠像人一樣可以閱讀文檔、圖像及視頻。Mones說，「開發這樣的AI是非常棘手的.」

Fama通過要求成千上萬的學生標記相同的文本、圖片和視頻來創建資料庫。它演化出一種方法使多數人同意某些特定文本反映出的特徵，如偏見。然後，Fama培訓演算法識別其他文本中這些特徵。該軟體像人一樣使用自然語法處理和影像識別閱讀文檔、圖像及視頻。梳理7年的數據並進行比較分析，如同Amazon的「購買了這個產品的顧客還買了……」的特點，它梳理了7年的數據並進行了分析比較，這樣用戶就可以知道求職者累計有多少。

由於法律上的不確定性和關於隱私性的問題，人力資源主管們仍然對是否註冊存在猶豫，「這是健康的恐懼心理」Mones說。的確，就求職者看來，這種他們不知道存在的演算法（輸入永不會相見的陌生人信息對他們的性格進行判斷）聽起來像是一個被人的偏見所支配高科技的版本。

招聘之外人工智慧的5大用途

藥物化學

Eli Lilly和Merck和初創公司合作，研究數萬億的化合物來預測最適合的物質，並以相比於過去更快的速度和更低的成本來對其進行開發。

零售業

英國零售業連鎖雜貨店Morrisons正運用Blue Yonder of Germany 的人工智慧軟體追蹤每家商店裡每一商品的每日價格，並依據廣告、天氣和節日，來更新商品清單。

法律界

K&L Gates通過ROSS Intelligence公司的人工智慧軟體把機器學習、自然語言處理及IBM Watson的技術將認知平台組合連接在一起，進而處理上百萬頁的文字信息、理解語境以及撰寫調查研究的備忘。

電話中心

前進保險、富國銀行和希爾頓酒店用人工智慧軟體分析來電者的語調、語速、關鍵詞和語法，從而有技巧地把來電進行處理。如此一來，這一出自Mattersight的軟體將電話呼叫時間節約了23%。

旅遊業

TripAdvisor旅遊公司採用了Flyr的人工智慧軟體來幫助客戶在訂票前的2-7天鎖定票價。更有甚者，英國的一家旅行社Thomson，還推出了由Watson支持的AI旅行助手。

越來越多的招聘者正利用AI來推測較敏感的東西，比如應聘者是否能融入公司文化，或者是否能在其在崗期間作出貢獻。Adidas、南方保健、Keurig和Reebok都在用一款SkillSurvey的人工智慧服務軟體。它涵蓋了人們常用的辭彙庫，並基於行為科學，在網上為具體的職位量身設計一系列問題，來預測個人的流動率和績效表現。然後，把輸入的數據進行評估和平均化處理，並將候選人與資料庫里成千上萬同崗位應聘者的數據進行比較，最終呈現出候選人和其他人的詳細對比結果。HealthSouth公司擁有24000的員工，據統計，在其使用了SkillSurvey一年後，員工被動離職率降低了17%，員工主動辭職率降低了10%，而背景調查時間減少了92%。

花旗集團正在使用人工智慧來預測哪家學校的應屆畢業生將被聘為銀行投資顧問。公司希望確保多樣性，確保新僱員能適應其企業文化，並與公司共同發展。花旗銀行全球校園招聘主管Courtney Storz說：「我們需要一個更有效率和更有效的篩選過程。」

花旗集團正在與西雅圖初創公司Koru推出軟體。該項目分兩步。Koru首先通過20分鐘的調查來解讀花旗集團的現有文化及僱員特徵。然後招聘經理與Koru合作，為每位候選人發放一份獨立問卷，通過關鍵特徵，為職位匹配更有可能的候選人。

麥肯錫前顧問Josh Jarrett和科技企業家Kristen Hamilton四年前創辦Koru。在剔除數十項有關成功的預測之後，二人在15個月前推出了Koru的預測分析軟體。Jarrett說，該軟體專註於步入職業生涯前七年的候選人，因為招聘人員對大學畢業生及其畢業院校的聲望之外的因素，很難進行評估。他說：「GPA對於人來說很容易掌握並理解，而且背負太多壓力。但AI可以查看變數，查看數據之間的模式。」

他說的這些變數，可以揭示諸如鍥而不捨此類的關鍵素質標誌。Jarrett說軟體通過演算法從以往的行為尋找毅力的體征，是總體的累計而不是個別的顯示。或許求職者曾是排球隊一員，但真正重要的是他在球隊堅持了多久——當說她掌控一份全職工作的時候——要講明她達到的領導職位和獨自完成的項目。該軟體可以提出後續的面試問題讓僱主深入了解更多情況。

Koru的軟體還能發現一個公司過往的傾向，如在某些院校招聘的歷史慣例，看上去適應性更廣泛。AI軟體收集越多的關於招聘、員工保留、績效的數據，其會學到更多。

現在一些AI項目在冒險進入一些無形特質方面的研究，如一個求職者自己都沒有意識到的情緒。像HireVue，使用它的演算法來對求職者面試視頻進行評估。數據科學家指導軟體發現成千上萬的關於意圖、習慣、個性和特質的暗示線索。該軟體評估求職者是否使用主動動詞，如「can」和「will」，或者依賴於否定詞像「can』t」或「have to.」它還檢查能夠傳達各種情緒的聲調和成千上萬的微表情。後者是基於知名心理學家Paul Ekman提出的分類學，Paul Ekman創建了一個「情緒圖集」包含10000種面部表情，可以在1/25秒內完成轉換。軟體同人相比可以更輕鬆的進行情緒識別和相關性分析。

HireVue 使用一個雙向的程序。客戶公司去記錄成千上百的工作面試，然後再繪製他們僱傭的那些人的表現和留用情況。這個軟體力圖找到從面試中發現的特徵與實際工作表現之間的關聯。它旨在預測，例如說，是否一個人會在呼叫中心工作超過兩個月，或者是否可能污衊過去的僱主。Loren Larsen，hirevue公司的 CTO ，說「有人會說他們愛他們的老闆，但當他們說「老闆」這個詞的時候，從他臉上閃現過一絲蔑視，」一個單幀就能捕捉到他們臉上的譏笑表情。這個表情與上千種其他表情一起被標籤。

AI的強大令人印象深刻，同時也有點令人恐懼。在其他的很多事情上，也表明一些非常個人化得心理療法總有那麼一天也會被轉換成一個演算法。當然，現在談還為時過早，德勤的Bersin說：「還沒有人能找到那枚魔力子彈」。如果誰能更接近一點這玩意兒，就有可能獲得巨大的收益。

歡迎加入我們！每周一篇，翻譯全球最有料的管理文章！