「AI+招聘」是未來，還是噱頭？

作者王嚮導是仟尋MoSeeker創始人兼CEO、長江商學院EMBA、中歐創業營5期、騰訊青騰大學2期學員。在創辦仟尋之前曾在百度、IBM、飛利浦等世界500強企業從事人力資源管理及市場營銷工作 。「仟尋」是一款基於微信的 SaaS 移動招聘系統，主要功能包括職位的移動端發布、傳播和申請，以及基於社交關係的員工綁定和內部推薦。仟尋系統記錄企業和用戶端所有的發布、傳播、申請和入職數據，同時可以與企業現有的 ATS（申請追蹤系統或企業招聘系統）系統整合。

以下是正文：

隨著AI及相關新技術的高速發展，HR領域也必將是另一個受益行業。目前在招聘領域的技術革新主要集中在以下三個方向：

• 第一種是對現有人才庫的盤活，包括自動更新企業人才庫，並基於新職位做庫內最佳候選人的推薦。這試圖解決的是人才庫浪費，就是那些所謂把「人才魚塘」重新激活的問題。

• 第二種方向是自動化人才甄選，包括自動化筆試、面試以及基於聊天機器人的甄選工具。這試圖解決的是人才甄選的效率問題。

• 第三種方向是激活被動求職者，包括基於社交網路、UGC內容、ChatBot和匹配演算法的綜合應用。這試圖解決的是影響並轉化被動求職者的問題。

下面看一下這三種方向所涉及的新技術和其應用的現狀。

一、人才庫盤活：

人才庫盤活是近年來的一個活躍話題。這個方向上的應用，其最終理想的場景是，當HR向外部發布職位的時候，系統可以自動提示她，企業自有人才庫裡面已經有這n個候選人，滿足以下兩個條件：

1）候選學歷、技能和經驗與JD要求高度匹配

2）候選人在最近於招聘網站更新過簡歷

如此一來這位HR可以直接從這n個整整齊齊排序的自有候選人中依次查看聯絡，而不需要再依賴一般來說需要付費的外界渠道。對於職位和候選人數量龐大的大型僱主來說，這個理想場景，如果能夠實現，那是非常具有吸引力的。因此不論是在矽谷還是國內，都有一些公司嘗試這個方向上的產品研發。但是，如上文所述，這個理想場景需要基於兩個前提：

1）基於JD和簡歷的文本匹配技術是否能夠達到有效甄選的水平（比如講誤殺的候選人數量是否比成功匹配的候選人數量多得多）

2）候選人的簡曆數據作為匹配的主要輸入，是否能保持充分地更新度

第一點是說，基於文本（簡歷和JD）的匹配技術（主要基於是 自然語言處理（NLP）的演算法）在充分的數據量（簡歷和JD）和人工干預（訓練集）下，是否能使得系統（機器學習過程）輸出近似於人類選擇的結果。這種結果的近似度，就是衡量所謂AI的效度。那麼這種近似度怎麼衡量呢？一種簡單的方式，就是針對同一個職位和對同一批簡歷，同時請系統和本公司的一個HR委員會進行篩選排序，然後對比兩者的結果。舉例來說，假設總共1000份簡歷，HR和系統都選擇了其中的50份，那麼這50份裡面有多少是重合的？這個重合度就是機器判斷的效果的一個主要衡量。如果重合的有45個，那麼就是極為有效，近似自然誤差；但是如果重合的只有10個，甚至個別，那麼這個系統就基本無效，因為他誤殺的簡歷比他推薦的多得多。

這裡的挑戰就是，我們不知道基於僱主有限的簡歷和JD語料，匹配有效性的極限是多少。比如說投遞給各個崗位的，合格和不合格的50萬份簡歷，能否構成一個足夠有效的語料庫？同時，僱主能夠承擔多大成本的人工標籤工作？在現實的條件下，這些有限的語料和人工投入是否能夠導出一個有效的AI推薦系統？

這個問題我們詢問過Recruit研究院的CEO Alon Halevy教授，也請教過歐美市場最大的求職網站Indeed.com的總裁Chris Hyams，這兩家機構擁有世界上最大數量的JD和簡曆數據，他們一方面對人工智慧的在HR領域的應用保佑希望和期待也在踐行，另一方便也保留一個成熟而且務實的觀點。他們的回答都是有所保留的。他們有提到以下幾點：

• 第一，目前的AI匹配技術僅僅在少數一些職位上達成足夠高的可用性，比如說卡車司機。（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。）

• 第二，他們對AI匹配技術的預期是從1000份簡歷中剔除800份，而不是選出50份。選出50份的方式，主要還是靠更精細的關鍵片語合搜索。

• 第三，即使無限的機器學習過程使得某一家僱主的某一批職位能夠逼近有效的機器篩選，這種篩選演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，更不要說其它僱主（原因之一是，同一個JD，不同的僱主其實要求是不同的，招聘需求有很多文本之外的「潛規則「）；所以跨公司的，平台性質的普適匹配演算法在可預見的未來是不現實的。

綜上，人才和機會的AI匹配顯然具有巨大的潛力和價值，但離商業化應用，還有一定距離。

王嚮導和Indeed.com總裁Chris Hyams以及仟尋聯合創始人戴順在位於美國奧斯汀的Indeed.com總部

除了匹配的效度以外，人才庫盤活的第二個前提是候選人在各處的簡歷是否能夠在庫中保持更新。原因是顯而易見的：不更新的簡歷不是一個可靠的匹配演算法輸入源，不能有效反應求職者的當前意願。

這一點也有實現上的難度。這裡的難度倒不在技術上，而在法律法規上。候選人更新簡歷的地方主要是在前程無憂、智聯招聘和獵聘等求職網站上。而這些網站並不對外開放其簡歷資料庫，且明確規定了獲取其數據的合法方式。這意味著目前市面上所有的所謂「跨平台一鍵簡歷檢索(Sourcing)」和「企業人才庫簡歷自動更新」由於招聘網站的頻繁反爬升級，經常出現各種體驗糟糕的「服務故障」，我跟三大招聘網站的高級管理層曾經也有過關於這種生意模式的深入探討，他們認為這種方法實際上從商業模式的本質上來說是屬於「見不得光的生意」，不可持續，對於僱主來說賬號的安全也存在很大的風險，因為僱主一旦在第三方的網站上面提供了用戶名和密碼信息等，是否被明文存貯都是未知的。

舉一個實際的例子，這類網站經常會把用戶的賬號來拿在非工作時間，比如深夜2點開始爬取求職網站的資料庫，一旦被掃描偵測到也會對僱主的賬號進行封禁，這就引出了另一個話題：從多家使用過該類功能的僱主了解到，老闆可能覺得還好，但由於三天兩頭出現問題，幹活的Recruiter（招聘專員）基本不願意用，導致買了一年的服務往往過了沒幾天就束之高閣；另一方面這些功能都是基於一個有明顯法律瑕疵的數據獲取方式，很多公司都要偷偷地避開合規部門的過問和審核。但是，數據獲取問題其實還不是最主要的法律問題。

這裡有一個更要命的問題，就是在個人信息保護方面的立法。這包括即將頒布的《個人信息保護法》，以及今年6月1日剛剛生效的兩高《關於辦理侵犯公民個人信息刑事案件適用法律若干問題的解釋》。《解釋》中明確了：

第一條：刑法第二百五十三條之一規定的「公民個人信息」，是指以電子或者其他方式記錄的能夠單獨或者與其他信息結合識別特定自然人身份或者反映特定自然人活動情況的各種信息，包括姓名、身份證件號碼、通信通訊聯繫方式、住址、賬號密碼、財產狀況、行蹤軌跡等。

第三條：未經被收集者同意，將合法收集的公民個人信息向他人提供的，屬於刑法第二百五十三條之一規定的「提供公民個人信息」。

第四條：違反國家有關規定，通過購買、收受、交換等方式獲取公民個人信息，或者在履行職責、提供服務過程中收集公民個人信息的，屬於刑法第二百五十三條之一第三款規定的「以其他方法非法獲取公民個人信息」。

簡單來講，公民同意用戶協議並將個人隱私信息授權給招聘網站是符合法律的；但是公民並沒有授權一家僱主，使用某種軟體工具，去採集、保存、分析他儲存在招聘網站上的個人隱私數據（包括住址、聯繫方式、履歷等，而且候選人實際上原先可以對指定的公司不顯示更新以保護自己的隱私意圖）。

簡歷到底是否屬於刑法中定義的「公民個人信息」呢？答案是明確而且肯定的。去年發生過一起案件，智聯招聘的兩位前員工和他們的一位客戶的人事經理（注意，這是一位人事經理！）非正常途徑獲取智聯招聘資料庫中的15萬條簡歷信息進行倒買倒賣，智聯前員工連同這位人事經理一起被判處3年6個月至1年6個月的有期徒刑。【1】

無獨有偶，美國實際上在保護公民隱私的立法上也相當嚴格，美國招聘行業新秀TalentBin，也因為爬取數據並且出售給客戶最終被告上法庭，法院最終作出裁決需要網站對未經授權並使用其信息的候選人進行賠償。【2】

綜上所述，因為職位描述(JD)/簡歷(CV)匹配技術的不成熟，以及更重要的，法律法規上的紅線，「人才魚塘盤活」目前看來似乎還是一個現實中荊棘遍布的良好願望，當法規越來越明確，HR在使用這類產品的時候也會越來越謹慎。

王嚮導和Recruit Institute of Technology CEO Alon Halvey博士、前Google Data Research負責人以及仟尋聯合創始人戴順在位於矽谷山景城的RIT辦公室

典型的自動化測評主要包括基於文本的自然語言處理（NLP）和基於人臉識別的視頻面試技術。基於NLP的測評又分為兩種類型，包括開放性問題的文本回答，以及基於ChatBot（聊天機器人）對話的測評；機器則試圖通過其文本回答中的語素分析來建模並且預測候選人的性格特徵。而基於人臉識別的視頻面試技術，分析視頻面試時的語言表達、聲調、表情和其他非語言因素，並進行建模且試圖預測。這些甄選方式最主要的賣點是效率。即快速從大量面試者中挑選出值得下一輪人工面試的少部分候選人。但是這些測評方式的效果（效度）如何，即這些測評工具的結果是否靠譜，目前還沒明確的證據和結論。

有關這個話題，可以先看Google的做法：

在2006年的夏天，Todd Carlisle，一個擁有組織心理學博士學位的Google分析師，設計了一份300題的問卷讓每個員工填寫。一些問題是封閉性問題：你曾經創造過世界紀錄嗎？一些則要求員給自己打分：請給自己的工作風格偏好打分，獨立工作型（1分）還是團隊工作型（5分）。還有一些很瑣碎的問題：你養了什麼類型的寵物？

Google嘗試將Google搜索的要求運用到人力資源過程中：它需要一套能在成千上萬候選人中過濾篩選的搜索演算法——Google的員工錄用率約為0.2%，是哈佛大學錄取率的1/25——拒絕掉一批頂尖的候選人。但在大量問答題及數據處理后，發現最好的表現預測因素不是G.P.A.，也不是寵物類型，也不是智力問答「鐘錶的指針一天會重合多少次？」唯一的最佳預測因素是：根本不存在（Absolutely nothing）。【3】

幾年前，Google做了一項研究來驗證是否在Google的每個招聘人員都特別擅長招聘。為此觀察了上千場面試和幾百個面試官，包括他們對候選人評分，也包括候選人最後在工作中的表現。最終結論是：這些變數中間沒有絲毫聯繫。總體上來說是隨機的，只存在一個例外：有一個面試官的評價是特別準確的，因為他負責一個非常專精的領域，而他本人恰巧是這個領域全球領先的專家。

也就是說，對於招聘過程而言，智力測試（Quiz）完全是浪費時間。一架飛機里能塞滿多少高爾夫球？在曼哈頓有多少加油站？完全在浪費時間。這些題目不會幫助預見任何事。它們的功能主要是讓面試顯得「聰明「。

反而，最靠譜的還是結構化行為面試，在這類面試中有一系列連續的怎樣評價候選人的指標，而不是僅讓每個面試官自由發揮。

行為面試的作用還在於——你給候選人的不是一個假設性的問題，而是一個實際問題，比如說「告訴我你的一次解決分析性難題的經歷「。行為化面試的有趣之處在於當你讓別人講述自身經歷時，當你反覆詢問時，你會得到兩方面的信息。一個是你將看到候選人是怎麼應對現實世界的處境，另一個你會得到的珍貴的」元信息「（Meta Information）是對候選人來說什麼是困難的。【4】

Google曾經因只雇傭30歲以下的候選人而聞名，使用智力測試來識別頂尖編程人才，信賴學術資格證書，尤其青睞有名校背景的候選人。而現在已經不再是這樣:因為成績單沒有預測性。

有趣的是在Google公司沒有接受過大學教育的員工比例在逐年上升。學術環境是人為的，在此環境中取得成功的人多少經受過相應的訓練，他們能適應這種環境並取得成功。實際上，企業需要樂於解決沒有明顯答案的問題的員工。

回到自動化測評的話題。

如果Google經過一個龐大內部研究最後的結論是，大數在人才甄選上的價值仍舊有限，那麼目前市場上的這些層出不窮的「AI黑科技」，比方說基於自然語言處理的甄選方式（比方說，通過判斷候選人的寫作或是語音回答中的用詞和語調是否「正面積極」來判斷其個性，繼而預測其工作表現）或是基於人臉識別的方式（比如說，分析面部微表情和眼神反應，繼而somehow預測其工作表現）是否真的能夠以「一招鮮」的方式，完全取代人類判斷呢？

三、被動求職者激活：

根據LinkedIn和中華英才的數據，在，80%的候選人是被動求職者。也就是說，會主動發起一個求職行為的候選人，只佔到所有候選人中的20%。同時，這20%也往往是價值相對較低，職場經歷相對較少的人群。

的招聘市場每年大約有1000億人民幣的規模。但是所有線上招聘提供商一年的收入加在一起只有50億，只佔到整個市場的5%。另外95%的交易都發生在各種線下渠道。也就是說，20%的被動求職者（會上各種招聘網站的用戶）只能貢獻5%的市場價值。同時僱主也不斷抱怨招聘網站的效果越來越糟糕。

LinkedIn之所以能夠以262億美元的價格被微軟收購（幾乎十倍於在紐交所上市的最大的招聘網站前程無憂），是因為在全球的很多地區，LinkedIn把被動求職者一網打盡。在美國，每三個人中就有一個是LinkedIn的用戶，也就是說除了家庭主婦、學生兒童、退休人士以外，幾乎所有職場人都可以在LinkedIn上被找到。這使得原本的分散在各獵頭公司資料庫里的龐大匿名求職者群體變得觸手可及。LinkedIn在北美和歐洲給企業帶來的是這個價值，即，通過我你能找到幾乎所有人。那麼這些人來不來你們公司應聘，就是你僱主吸引力的問題了，所以LinkedIn另一個強調的點就是對你的目標群體加強僱主品牌宣貫。

有意思的是，由於其國情，有一個國人自己的互聯網生態。縱然LinkedIn是少數幾家在運營的世界十大網站，LinkedIn在也不能算是成功的。LinkedIn在仍舊主要是外企員工會使用的平台，即便使用，活躍度和LinkedIn在美國也不可同日而語。這裡面有很多原因使然，其中幾個主要原因或許是：

1）人的實用主義民族習慣：相比從小受到《聖經》熏陶，傾向於相信「神造萬物，各按其時成為美好」的西方人，人不太在意每一樣工具被創造出來時候的目的是什麼。相比工具主義理念盛行的西方人自動地用Facebook去聯絡熟人朋友，用Twitter轉發新聞，用Instagram拍照上傳，WhatsApp進行即時通訊，用LinkedIn管理職場關係；實用主義思維下的人傾向於，如果一個工具能解決所有問題，那就都用它得了。因此，的社交媒體基本上就是一個詞：微信。加LinkedIn沒有問題，。

2）人對陌生人社交的天然不感冒。對於在海外生活過，或是偶爾走出國門瞧瞧的朋友們來說，一個感受就是陌生人之間的信任成本非常高。因而在美國，將履歷向大眾公開，並和陌生人通過LinkedIn建立有效聯繫，一起出去喝一杯，是一件挺自然的事情；但是在，這就比較不尋常，比較不習慣。筆者認為這也是為何LinkedIn在沒有發展那麼迅速的原因之一。在，成功的陌生人社交，好像只有荷爾蒙社交。

因此LinkedIn在似乎總是處於一個叫好不叫座的情況。LinkedIn據稱在有千家客戶，根據HREC智享會在2016年的調研報告，其中似乎只有10%的客戶會檢測其使用效果，而剩下的90%，主要是把LinkedIn作為一個新的渠道進行沒有明確預期的嘗試。

回到主題，因為不存在一個連接廣大被動求職者群體的平台，（，平均來說，實際上微信朋友關係中超過60%的每月新增朋友都是泛職場關係；換句話說，你的老朋友和老同學不會每月再增加，增加的一般都是工作相關的關係。微信已經越來越成為一個職業社交工具，而不再是純粹的熟人社交工具。）導致這個品類在實際上是一個空白，也導致僱主不得不仍舊往往依賴於第三方獵頭機構才能有效觸達大量較為資深的專業人士。

有沒有什麼辦法可以讓這些被動求職者聚集到一處，並且不斷主動訪問呢？這個問題牽涉到社交網路、推薦演算法、內容製造、ChatBot技術等一系列技術的綜合運用。對被動求職者的觸達和激活，意味著技術不再是僅僅去匹配一小部分的主動求職者，而是幫助僱主把視野擴大到全體勞動人民的範圍。

• 關於招聘問題，可以通過 [email protected] 跟作者一起進行探討。

相關引用：