浅谈人工智能在人力资源领域的应用趋势

北京市第八中学 王伟琪

浅谈人工智能在人力资源领域的应用趋势

北京市第八中学 王伟琪

在新技术日新月异的今天，从移动定位技术，语音技术，二维码技术，图象识别技术，摇一摇技术，VR，AR到大数据和人工智能都逐渐走入了我们的生活与工作，这些新技术对将来的人力资源行业会带来什么样的震撼与冲击，本文将简要介绍人工智能技术，并分析和探讨人工智能技术在人力资源行业的应用趋势。

人工智能；人力资源系统

人工智能作为计算机科学的一个重要分支，其在机器人、语言识别、图像识别、自然语言处理等领域的研究已成为大家津津乐道的话题，越来越多的“吃、玩、住、行”正消无声息地被智能化所取代。马云的无人超市，机器人外科手术，Alphago人机大战，无人驾驶汽车，语音识别、刷脸解锁，AI已经渗透到我们生活的每个角落，同时也给各个行业带来了巨大的变革。人力资源行业一直强调以人为本，致力于人才的选用育留，在新时代到来时人工智能能够在哪些方面与人力资源结合并付诸实施来提升企业的核心竞争力呢？

1.人工智能概述

所谓人工智能就是指让机器有和普通人类一样的思想和思维，可以像人类一样思考，从而可以胜任某些“岗位”来完成人类的工作，同时对其提出要求完成工作既要快又要好，通过人工智能要让机器至少等于人类甚至超越人类。如何等于人类？人类做出的各种反应都是基于经验的积累，在人工智能中我们主要运用机器学习这一技术来对机器进行训练，通过对机器输入数据并将输出数据与期望输出进行对比，调节机器内部的相关参数从而让机器积累更多准确的经验，同时也可以运用神经网络训练机器，让机器也拥有像人类一样的神经元从而让机器可以进行思考，胜任人类的工作。如何超越人类？众所周知计算机有着卓越的计算速度，因此我们利用机器的计算速度结合巧妙的算法，就可以让机器拥有超越人类的反应速度，如在数据挖掘中，如果仅靠简单的人力，既费时又无法保证所得数据的可用性，而通过人工智能就可以在大量的数据中迅速提取到及其有用的信息。

2.人工智能主要研究方向

2.1 图像识别

在图像识别模块中，最基本的思想就是输入给机器大量的图片数据，从而让机器进行学习并分类，当某张新图片输入后，机器根据之前的学习和分类进而对新图进行判断。knn临近算法目前在图片识别中是比较常用的算法之一，假设在之前的学习中机器已经读取了大量的图片，并通过某种映射关系将所有图片映射到了一个二维的坐标系中，这个过程我们可以看作是一个积累经验的过程，当新的图片到来时，我们还通过之前的映射方式把新图片映射到已经建立好的二维坐标系中，此时我们将新图片与其距离最近的图片划分为一类（假设新图片离小明的旧头像最近，我们默认新图片即为小明的新头像），例如识别图片中的文字，通过训练我们已经把一些清晰的文字图片通过函数f(x)映射到了新的二维坐标系中，当输入新的图片后，我们通过一个滑动窗口来截取图片中的图像，之后再通过f(x)映射到二维坐标系中(假设映射点为p)，通过knn找到距离p点最近的k个点，假设文字A的图片在k个点中出现次数最多且这些点与p点的距离之和小于某一阀值，我们即认为被截取的图片中文字为A。目前图像识别技术已被广泛应用到各个领域，如“人脸支付”，“门禁人脸识别”“ 纸质媒介自动识别”等。

2.2 自然语言处理

自然语言处理也属于人工智能的一大领域，就是运用计算机来处理、理解、应用人类在日常生活用到的语言(如汉语，英语，德语等)。在对自然语言处理的研究模块主要包含语法分析、语义分析、篇章理解等，同时自然语言处理也有着丰富的应用场景，如机器翻译，语音识别，信息检索，观点挖掘，输入推荐等等。在语音识别中，自然语言处理中的N-Gram Model被广泛使用，N-Gram Model的核心思想为单词A的出现依赖于A前的N个单词，在汉语的speech to text过程中，相同的发音可以对应到不同的文字中，运用N-Gram Model 通过计算各个句子出现的概率，我们可以筛选出最完整最连贯的句子 ，同时在用户说了半句话的情况下，我们也可以根据用户之前的输入，运用N-Gram Model 预测出用户将要说出的后半句话。现如今N-Gram Model在语音识别和输入推荐中被大量使用，如搜狗输入法提示，就是运用N-Gram Model为用户在输入文字方面提供了更多的便利。

2.3 数据挖掘

在当前的大数据时代，数据挖掘在AI领域占有绝对重要的位置，数据挖掘的应用极其广泛并且能带来极高的经济效益。在企业的员工管理系统内，存放着各种各样的员工数据，同时引入一些外部数据我们可以计算出一个员工的留任率是多少。在这一判断过程中，主要运用了朴素贝叶斯的思想，其核心思想即为当我们知道了P(A|B)的概率时，我们也可以推断出P(B|A)的概率，在员工是否有跳槽意向这一环节判断中，我们可以根据原有的数据计算出P(工作组气氛融洽|留任)、P(员工态度积极乐观|留任)、P(员工拥有高学历|留任)等一些概率，接着我们可以根据不同员工的个人情况以及就任工作组的情况，计算出P(留任|工作组气氛融洽)、P(留任|员工态度积极乐观)、P(留任|员工拥有高学历)等一些留任概率，通过这一技术，可以有效的避免企业中人才流失。现如今各大门户网站的广告推送、头条推送，都是利用数据挖掘把不同的内容推送给相对应的潜在客户群体，通过数据挖掘可以大幅度提高各种预测判断的准确性。

3.人工智能在人力资源领域未来应用

3.1 AI技术下的人力资源系统展望

传统的人力资源信息系统主要用来收集人及与人有关的信息，建立能记录企业每个员工基本信息及技能和表现的信息库，包括员工管理，在线评估，时间管理，在线招聘，在线学习等等模块。随着AI技术的普及，人力资源系统会更加多元化多层次，更加关注用户体验与高效，大体架构可以是：

3.2 智能选才

岗位和人才是否精确匹配，一直以来都是人力资源的一大难题。这里的“精准匹配”并不是字面上语义的匹配，而是结合了岗位要求，候选人相关背景、过往工作内容，项目经历，甚至与上司的工作风格等综合考量。而在传统的招聘过程中，招人是一个非标准化，非理性，而偏向于感性的工作，能否找到合适的人，跟HR本身对岗位的了解程度，识人能力，个人喜好等都有一定关系。人工智能则可以解决这个问题，它可以应用在诸多招聘环节，从阅读简历到最后面试。首先可以通过OCR进行识别纸质简历及图片，进而通过对简历的分析，结合简历的特征和文本信息抽取技术，通过正则表达式匹配，关联性分析和统计等机理可以进行简历的解析，快速几秒就能变成数据库的结构化简历，从而精准快速地把候选人的简历推送给面试官。同时也通过对简历的解析和职位的匹配，逆向地把合适的工作岗位推荐给候选人，特别针对一些高端稀有人才收效颇佳。而在面试环节通过设定企业招聘模型，机器人还会对选定的候选人提出问题。如果候选人有过软件开发经验，机器人会询问他使用何种开发平台，根据回答，再询问使用何种数据库，这些专业细节，机器人会逐渐深入地询问。

人脸识别技术也可以应用在在线考试，可以刷脸识别考生和身份证上是否同一人，从而防止替考，可用于招聘应届毕业生的笔试中。

而使用自然语言处理技术，无需打字，将花费大量时间的面试结果总结或备注直接从语音转化为文字，这将大幅提高面试官的工作效率与精准度。例如百度就推出了“众里寻他”和“沧海拾遗”两个重要的招聘工具。

3.3 智能育才

在近年来科技日新月异的带动下，大家手机24小时不离手，大量的信息轰炸，如何能够利用越来越多的碎片时间，学习到人们自身所需的内容，智能学习必不可少，这就要用到以大数据为支撑的员工学习地图以及课程个性推荐了。通过对员工的岗位，级别，发展目标，兴趣爱好，社交群体，历史记录等等数据的发掘整理与匹配，绘制出个人的学习画像，从而将有针对性的有效的课程推荐给员工，为员工在企业中的学习发展提供导航，同时注重互动，分享，用户体验，游戏化来增强课程的吸引力。

3.4 智能留才

人才是企业发展的“血液”，如何留住人才对企业来说至关重要。基于历史数据，使用数学原理、算法和大数据预测未来离职意向，实现长期留人并不是不可能。在数据库健全的情况下，首先可以将数据进行要素分析，可以分为个体因素(年龄、性别、级别、绩效、薪酬、福利、工作内容、家庭、个人能力、个人职业发展等),组织因素（企业文化、组织氛围、工作压力、上下级关系、管理幅度、满意度等）以及外部因素（外部市场工作机会、外部薪酬水平、创业环境、市场热度等）， 进而将所有因素设定为八个维度指标，如办公环境，工作压力，晋升轮岗，培训学习，个人发展，薪酬福利，文化氛围及外部机会均会对离职产生影响，那么通过建立多元回归模型，理清影响因素并进行排序，就能够及早预测员工是否有离职意向，并采取相应措施减少企业离职率，从而大大节约了企业重新招聘所花费的人力或金钱成本以及保障了企业的正常运作。

3.5 智能共享服务机器人

在日常工作中，人力资源从业者经常需要回答很多员工的咨询，智能机器人的出现能够提供24*7 无间断服务，自然语言交互，与人工服务有效集成。除了建立统一可信的知识获取渠道及数据库之外，机器人通过自然语言处理（NLP），通过多轮问答理解用户意图及相似度计算，推断出合理的答案，推荐给用户。通过此智能机器人的问答服务，大约能够解决大概50-60%的用户咨询，大大减少了人工客服人员的工作量。

4.结论

我们相信，人工智能与人力资源的完美结合是大势所趋，除了上述介绍的三种应用外，

人工智能技术还可以用于薪酬福利，绩效考核，员工关怀等等场景。随着人工智能技术的不断提高，必定会给人力资源行业带来广泛而深刻的变革。

[1]龙彦君．人工智能(AI)技术在人力资源管理信息系统的应用[J]．自动化与仪器仪表,2016,10:187-188．

[2]田丰,任海霞,Phillip Gerbert,李舒．人工智能:未来制胜之道[J]．机器人产业,2017,1:76-87．

[3]张嘉伟．关于计算机理解自然查询语言的研究[J]．信息技术与信息化,2016,4:116-117．