人工智能助力企業人才選拔數字化變革

李妍霏

隨著知識經濟時代的到來，智力資本已經成為企業獲得競爭優勢的重要源泉，但龐大的招聘數量和高昂的招聘成本給企業人才選拔工作帶來了巨大挑戰。隨著人工智能在各行各業中掀起應用熱潮，其在企業人才選拔領域也取得了突破性進展。德勤發布的《2018年全球人力資源趨勢報告》顯示，81%的企業希望運用人工智能技術為人才選拔賦能；16%的企業已在不同程度將人工智能引入招聘流程中，以解決人才和崗位難以準確匹配的痛點，降低成本并提升招聘效率。前程無憂發布的《2019年招聘市場供需回顧》顯示，智能制造/工業4.0行業招聘職位量同比增長7.3%。高質量的人才選拔可以幫助企業打造人才儲備庫，促進人才梯隊建設優化，加速社會經濟轉型升級和驅動社會發展創新。

應用場景

1.智能簡歷篩選

篩選簡歷是企業人才選拔過程中重要的一步，盡管評估簡歷不需要各種分析技能或專業知識，但卻耗時較長。北森人才管理云平臺發布的《2018-2019中國企業校園招聘趨勢報告》顯示，人力資源（HR）最希望優化的環節是簡歷篩選環節。未來，人工智能在篩選簡歷環節的深度應用將成為優化人力資源招聘效率的重點。人工智能主要通過人才素質模型構建、數據庫學習、關鍵字段識別和篩選等技術來實現對簡歷的篩選。即通過對擬招聘崗位從業人員的綜合調研進行數據獲取，構建數據庫，并通過大數據分析和崗位需求確定關鍵指標和權重，構建目標崗位的人才素質模型，在各維度設置關鍵詞和甄別參數，進行簡歷的自動過濾和篩選。為豐富候選人畫像，人工智能可以通過數據挖掘其公開的社交平臺資料、過往經歷和成果等，為招聘決策提供指導和幫助。人工智能以等同的效力替代人力，能幫助HR高效完成工作，加速人才與企業的匹配效率。

2.在線測評

近年來，在線測評成為企業人才選拔中不可或缺的重要環節。企業選拔需要的在線測評包含對知識、興趣、性格和潛力多個方面的綜合測試，數據結果包含多個方面、多個層次，涉及數字和文本等多種數據形式，數據分析難度較大，因此過去很長一段時間在線測試的形式較為單一，作用有限。人工智能技術一方面可以有效解決數據的多維性、海量性帶來的問題，系統提高人才測評的有效性和智能性，另一方面可以實現個性化的智能出題、基于一致性的智能增題、測評結果智能輸出等關鍵功能，是職業測評實踐的重要發展方向。

（1）個性化智慧出題。為提高職業測評的針對性和有效性，可通過構建智能題庫、知識圖譜等技術提供基于個人差異的定制化職業測評。一是構建包含多個測評模塊、涵蓋眾多職業類型的測評試題庫，面向需求崗位的在職人員收集數據，隨著測評數據的不斷積累，進行自主學習和題目篩選。二是基于大數據構建覆蓋通用知識和行業知識的知識圖譜。三是以智能題庫和知識圖譜為基礎，依托數據挖掘和深度機器學習，發掘并生成與崗位需求相匹配的測評試題。

（2）測評結果分析與報告自動輸出。基于人工智能的在線測評結果分析和報告輸出功能對降低實施職業測評的人工成本具有重要意義。對于結構化測試結果（數字）的分析，將測評分數對照標準化常模劃分為不同的等級，并建立得分情況與建議報告之間的關聯，進而構建測評結果的決策樹與決策規則。對于非結構化測試結果（文本），需要對被測試者的文字答案進行文本情感分析，即對非結構化數據進行編碼、統計、整合、分析并轉化為有價值的結構化信息。將數據轉化為結構化信息后，可通過深度學習，構建可泛化的數據特征模型，從而應用于系統分析，得到反饋建議；同時，運用測評系統中龐大的數據量，結合卷積神經網絡和長短時記憶網絡的情感分析模型，對分析系統進行自上而下的不斷訓練，最終形成更為準確的訓練結果。最后，給定測評分數與反饋建議的對應關系，實現測評報告的自動輸出。

（3）測評效度的自動修正。在線測評的效度與被測試者的回答的內部一致性高度相關。人工智能技術的引入，可以在測評過程中實現對一致性系數的持續自主測算，設置一致性閾值，形成自主決策，如利用干擾項或嵌入虛假題目，考察個體作答內容與真實情況的一致性，從而大幅度提升測評結果的可靠性；基于對個體作答的內部一致性測算，實時做出是否新增題目、新增什么類型題目的反應，在確保可靠性的基礎上，減少參與者總的答題數量和答題時間，提高測評效率和結果的準確性。

3.人工智能語音/視頻面試

《2019數字化招聘現狀與趨勢調研報告》顯示，人工智能語音/視頻面試在行業中已占據19%的份額，是2018年我國最有創新的面試方法之一，聯合利華、歐萊雅、可口可樂、高盛、瑞士銀行和摩根大通等公司在應屆生招聘中均設置了這一環節。對多家世界500強企業人力資源部門的調研顯示，將AI語音/視頻面試運用于高校畢業生招聘，可以幫助企業節約50%左右的時間，招聘錄用成功率提升近16.7%，成本降低40%。

在AI語音/視頻面試中，機器人基于崗位要求對候選人進行提問，通過視頻識別、語言識別記錄作答情況，判斷候選人對崗位需求的理解能力，工作的執行和判斷能力；與面試者進行實時互動，有針對性地解答候選人的問題，提供信息反饋和下一步招聘建議；通過監測候選人的語音模式、面部表情和肢體語言，測量候選人的性格特征、壓力水平和自信等，并排除不誠實的候選人；最后，將作答內容（音視頻）自動轉化為文字，方便后續面試官調用查看，并結合候選人的簡歷和在線測評結果，將面試表現與工作經歷和相關技能綜合評價，對候選人進行篩選并生成評估報告。

核心技術

1.自然語言處理

（1）信息提取和挖掘。以招聘需求、從業人員數據搜索和分析為基礎，建立統一的“指標數據庫”，對畢業生簡歷中的關鍵信息進行采集、篩選和分析處理，依據候選人在公開信息平臺中歷史行為記錄進行數據挖掘，了解其性格、職業偏好、興趣愛好和技能水平等，實現對候選人各個維度的精準了解，實現與崗位和企業文化的精準匹配。

（2）文本情感分析。對非結構化測試的答案（文字內容）進行數據統計分析，即對非結構化數據進行編碼、統計、整合、分析并轉化為有價值的結構化信息，便于通過深度學習來構建可泛化的數據特征模型。

2.深度學習

（1）勝任素質模型構建。對招聘崗位中已從業的優秀人才對應的人格特質、技能知識以及工作行為模式等數據進行深度挖掘和分析，結合資深面試官和人力資源專家的建議，確定符合要求的簡歷的指標特征，構建勝任素質模型，并通過構建人工神經網絡對模型進行持續訓練和學習。在實際招聘時，利用人工神經網絡的自適用性和學習記憶功能，人工神經網絡將自動按模型標準處理候選人簡歷，并輸出篩選結果。

（2）在線測評系統訓練。運用測評系統龐大的數據量，通過深度學習，使系統進行自上而下的不斷訓練，目的是提高系統的準確性和敏捷性，從而提高系統中各個模型的效度。其中，對在線測評結果一致性的智慧控制是系統訓練的關鍵步驟。智慧控制技術通過機器學習的方法，深度系統地挖掘個體已有的數據，并生成提高一致性的個性化新題目。一是系統自動收集并對個體已有的測評數據進行挖掘，測算答題的內部一致性系數。二是識別超過閾值的情況，并標示為異常答題模式，啟動機器學習功能，得出所需的測試新題，其目的是提高在線測試結果的一致性和可靠性。

3.語音識別+計算機視覺

通過人工智能分析面試者視頻中的語言表達、聲調、表情和肢體行為等其他非語言因素，進行建模及預測。具體來說，利用自然語言處理技術進行語義分析，通過計算機視覺和聽覺技術，對表情和聲音進行分析，對面試者進行畫像。通過當前擔任相應職務的優秀員工的語言、肢體動作、語調與關鍵詞等數據，總結出理想人選的核心特質，構建排名模型和算法，為企業進行人崗匹配的推薦。面試官也可以通過語音及視頻識別生成文本記錄，多維度了解面試者的答案、語言、動作和表情。在語音和視頻面試過程中，還可以結合大數據技術進行交叉驗證，核查信息真實性。最后進行綜合評分和匹配崗位，提升招聘效率，快速篩選海量畢業生候選人，節省招聘成本。

風險和挑戰

1.數據庫建設成本較高

智能篩選簡歷之前的人才素質模型構建需要大量優秀從業人員的數據積累，包括興趣、人格、能力和知識等個人特質和面試表現、工作績效、團隊互動等行為數據。而龐大的數據積累需要廣泛調研和頻繁更新，需要較長的前期準備和較高的成本，給企業人力資源部門帶來了挑戰。

2.核心技術存在短板

（1）自然語言處理技術的應用包括對自然語言進行句法分析、實時翻譯和構建大規模知識圖譜。然而，自然語言處理技術在對人類語言進行解讀時，會受到句法模糊性、一詞多義、人的口音等自然語言中的細微差別影響，使機器的解讀產生偏差。目前，這些偏差需要經過人工干預才能糾正，此外，該技術還面臨對話能力、推斷能力及語言合成能力弱等挑戰和限制性因素。

（2）深度學習系統在使用時包含訓練和推斷兩個階段。在訓練階段，深度學習會遍歷大量數據集并將其提煉到一個小的參數集；在推斷階段，深度學習使用此參數集對圖像、語音和文本等輸入進行分類。作為人工智能的核心技術，深度學習已經取得了大量關鍵性突破，下一步將重點發展強化學習、遷移學習以及非監督學習等層面，拓展其在企業人才選拔中的應用范圍。

（3）語音識別技術水平在近年來迅速提高，諸多聚焦語音識別的企業（如百度、科大訊飛）均取得了快速的技術突破。但在嘈雜環境下、方言語音、語速變化較快以及復雜情緒等非標準環境下的識別還存在一些不足。整體來看，語音識別技術已經相對成熟，在企業人才選拔中的應用限制較小。

（4）計算機視覺技術應用中的人臉識別已經成為相對成熟的細分技術。然而，動態圖像識別、實時數據分析等仍存在一些技術缺陷，且缺乏可用于人工智能模型訓練的大規模數據集，給計算機視覺在視頻面試中的應用帶來了一些限制。

3.應用范圍有限

一方面，雖然人工智能可以通過智能篩選簡歷、在線測評和語音視頻面試等方式幫助招聘人員提高效率，但由于人工智能對企業業務模式和崗位工作任務不能做到完全理解，篩選過程中可能存在偏差。另一方面，人工智能可以明確把握求職者的“硬指標”和“硬實力”，如語言能力、計算機能力等，但對于領導力、溝通能力及團隊合作能力等“軟實力”難以實現量化。因此，目前的人工智能多用于簡歷、筆試和第一輪面試，使用范圍有限。未來可以對人工智能進行持續學習和培訓，從而修正誤差，提高準確率，不斷深化其在畢業生招聘各輪面試中的作用，使其有更加廣泛的應用前景。

4.個人隱私與數據安全風險

人力資源專家Beecher Ashley Brown表示，隱私泄露及數據安全問題是將人工智能應用于企業招聘中需首要解決的關鍵問題。大數據及人工智能技術在招聘的各個階段會積累大量的求職者數據，因此，解決數據分享和管理中的安全隱患、設置訪問和操作權限，從而最大限度地降低個人隱私與數據安全風險，應受到高度重視，并成為企業招聘數字化變革的重要方向。

對策及展望

1.企業視角

（1）推進企業人才選拔數字化變革。目前，人力資源已經成為影響世界發展的第一資源，在人工智能時代，企業人才選拔在思維和技術上也要不斷推陳出新。因此，推進企業人才選拔數字化變革將成為人力資源部門的重要工作。企業人才選拔應當擁抱科技，不斷發展，明確各個環節的人力和技術邊界，使招聘人員從繁瑣低效的標準化工作中脫離，探索“人工智能+”招聘模式，建設數字化、智能化和專業化的人才選拔體系，推進企業人才選拔數字化變革。

（2）打造技術化人才招聘團隊。當前我國正處于經濟和技術高速發展階段，面對方興未艾的企業數字化變革，企業不但需要求職者擁有高水平的專業能力，也要求具備專業素質和數字化技術的招聘人員，打造員工隊伍的核心競爭力，使企業在激烈復雜的市場競爭中立于不敗之地。

（3）完善數據信息安全監管。人工智能在應用于企業人才選拔時，要面臨海量的結構化、非結構化數據的采集、存儲、管理和分析，數據信息安全是人工智能應用于企業人才選拔的重要保障。企業應重視人才數據庫的管理和監測，制定科學的數據采集及存儲方案、傳輸和共享標準。同時建立風險防范機制，在穩定的平臺系統運行中保證數據及信息安全，及時有效地發現并解決人工智能的偏差和安全風險。

2.社會視角

（1）加大“人工智能+人才選拔”關鍵技術研發。企業人才選拔是一個覆蓋多環節、面向多領域的復雜的綜合體系，人工智能技術在其中的應用雖然已經實現識別和簡單理解，但在深層理解和創造層面的應用并未實現實質性突破。因此，建議加大自然語言處理、深度學習、語音/人臉識別等關鍵技術的研發力度，為“人工智能+人才選拔”的拓展奠定技術基礎，推進面向廣大企業人才選拔的開放創新技術平臺建設，打造智慧招聘生態。

（2）加快制定人工智能在企業選拔中的應用標準和規范。近年來，人工智能在企業人才選拔中的應用呈現快速增長趨勢，其中智能簡歷篩選、智能在線測評及人工智能面試已經實現大規模應用，但市場上面向企業招聘的人工智能產品質量良莠不齊，潛在的數據安全問題也逐步呈現。作為一個新興的應用領域，人工智能的標準及評估規范仍較滯后，目前國內和國際均缺乏相應的行業標準和評估評測規范。建議加快制定人工智能在企業人才選拔中應用的標準和規范體系，建立并完善基礎共性、行業應用、網絡及信息安全、隱私數據保護等技術標準，推動“人工智能+人才選拔”的健康發展。

（3）加強人工智能人才培養。加快發展新一代人工智能已經成為國家戰略，無論是研究開發領域，還是應用落地領域，人工智能各個環節對人才的需求有增無減，而人才短缺已經成為我國人工智能發展和應用中的最大短板。清華大學2018年7月發布的《中國人工智能發展報告2018》顯示，我國的人工智能杰出人才比例顯著偏低，2018年美國人工智能杰出人才累計達5158人，而我國為977人，僅排名全球第六。因此，建議進一步加強人工智能人才培養，圍繞人工智能應用落地的需求，形成“人工智能+X”復合專業培養模式，培養人工智能源頭技術和應用創新人才。