人工智能助力企业人才选拔数字化变革

李妍霏

随着知识经济时代的到来，智力资本已经成为企业获得竞争优势的重要源泉，但庞大的招聘数量和高昂的招聘成本给企业人才选拔工作带来了巨大挑战。随着人工智能在各行各业中掀起应用热潮，其在企业人才选拔领域也取得了突破性进展。德勤发布的《2018年全球人力资源趋势报告》显示，81%的企业希望运用人工智能技术为人才选拔赋能；16%的企业已在不同程度将人工智能引入招聘流程中，以解决人才和岗位难以准确匹配的痛点，降低成本并提升招聘效率。前程无忧发布的《2019年招聘市场供需回顾》显示，智能制造/工业4.0行业招聘职位量同比增长7.3%。高质量的人才选拔可以帮助企业打造人才储备库，促进人才梯队建设优化，加速社会经济转型升级和驱动社会发展创新。

应用场景

1.智能简历筛选

筛选简历是企业人才选拔过程中重要的一步，尽管评估简历不需要各种分析技能或专业知识，但却耗时较长。北森人才管理云平台发布的《2018-2019中国企业校园招聘趋势报告》显示，人力资源（HR）最希望优化的环节是简历筛选环节。未来，人工智能在筛选简历环节的深度应用将成为优化人力资源招聘效率的重点。人工智能主要通过人才素质模型构建、数据库学习、关键字段识别和筛选等技术来实现对简历的筛选。即通过对拟招聘岗位从业人员的综合调研进行数据获取，构建数据库，并通过大数据分析和岗位需求确定关键指标和权重，构建目标岗位的人才素质模型，在各维度设置关键词和甄别参数，进行简历的自动过滤和筛选。为丰富候选人画像，人工智能可以通过数据挖掘其公开的社交平台资料、过往经历和成果等，为招聘决策提供指导和帮助。人工智能以等同的效力替代人力，能帮助HR高效完成工作，加速人才与企业的匹配效率。

2.在线测评

近年来，在线测评成为企业人才选拔中不可或缺的重要环节。企业选拔需要的在线测评包含对知识、兴趣、性格和潜力多个方面的综合测试，数据结果包含多个方面、多个层次，涉及数字和文本等多种数据形式，数据分析难度较大，因此过去很长一段时间在线测试的形式较为单一，作用有限。人工智能技术一方面可以有效解决数据的多维性、海量性带来的问题，系统提高人才测评的有效性和智能性，另一方面可以实现个性化的智能出题、基于一致性的智能增题、测评结果智能输出等关键功能，是职业测评实践的重要发展方向。

（1）个性化智慧出题。为提高职业测评的针对性和有效性，可通过构建智能题库、知识图谱等技术提供基于个人差异的定制化职业测评。一是构建包含多个测评模块、涵盖众多职业类型的测评试题库，面向需求岗位的在职人员收集数据，随着测评数据的不断积累，进行自主学习和题目筛选。二是基于大数据构建覆盖通用知识和行业知识的知识图谱。三是以智能题库和知识图谱为基础，依托数据挖掘和深度机器学习，发掘并生成与岗位需求相匹配的测评试题。

（2）测评结果分析与报告自动输出。基于人工智能的在线测评结果分析和报告输出功能对降低实施职业测评的人工成本具有重要意义。对于结构化测试结果（数字）的分析，将测评分数对照标准化常模划分为不同的等级，并建立得分情况与建议报告之间的关联，进而构建测评结果的决策树与决策规则。对于非结构化测试结果（文本），需要对被测试者的文字答案进行文本情感分析，即对非结构化数据进行编码、统计、整合、分析并转化为有价值的结构化信息。将数据转化为结构化信息后，可通过深度学习，构建可泛化的数据特征模型，从而应用于系统分析，得到反馈建议；同时，运用测评系统中庞大的数据量，结合卷积神经网络和长短时记忆网络的情感分析模型，对分析系统进行自上而下的不断训练，最终形成更为准确的训练结果。最后，给定测评分数与反馈建议的对应关系，实现测评报告的自动输出。

（3）测评效度的自动修正。在线测评的效度与被测试者的回答的内部一致性高度相关。人工智能技术的引入，可以在测评过程中实现对一致性系数的持续自主测算，设置一致性阈值，形成自主决策，如利用干扰项或嵌入虚假题目，考察个体作答内容与真实情况的一致性，从而大幅度提升测评结果的可靠性；基于对个体作答的内部一致性测算，实时做出是否新增题目、新增什么类型题目的反应，在确保可靠性的基础上，减少参与者总的答题数量和答题时间，提高测评效率和结果的准确性。

3.人工智能语音/视频面试

《2019数字化招聘现状与趋势调研报告》显示，人工智能语音/视频面试在行业中已占据19%的份额，是2018年我国最有创新的面试方法之一，联合利华、欧莱雅、可口可乐、高盛、瑞士银行和摩根大通等公司在应届生招聘中均设置了这一环节。对多家世界500强企业人力资源部门的调研显示，将AI语音/视频面试运用于高校毕业生招聘，可以帮助企业节约50%左右的时间，招聘录用成功率提升近16.7%，成本降低40%。

在AI语音/视频面试中，机器人基于岗位要求对候选人进行提问，通过视频识别、语言识别记录作答情况，判断候选人对岗位需求的理解能力，工作的执行和判断能力；与面试者进行实时互动，有针对性地解答候选人的问题，提供信息反馈和下一步招聘建议；通过监测候选人的语音模式、面部表情和肢体语言，测量候选人的性格特征、压力水平和自信等，并排除不诚实的候选人；最后，将作答内容（音视频）自动转化为文字，方便后续面试官调用查看，并结合候选人的简历和在线测评结果，将面试表现与工作经历和相关技能综合评价，对候选人进行筛选并生成评估报告。

核心技术

1.自然语言处理

（1）信息提取和挖掘。以招聘需求、从业人员数据搜索和分析为基础，建立统一的“指标数据库”，对毕业生简历中的关键信息进行采集、筛选和分析处理，依据候选人在公开信息平台中历史行为记录进行数据挖掘，了解其性格、职业偏好、兴趣爱好和技能水平等，实现对候选人各个维度的精准了解，实现与岗位和企业文化的精准匹配。

（2）文本情感分析。对非结构化测试的答案（文字内容）进行数据统计分析，即对非结构化数据进行编码、统计、整合、分析并转化为有价值的结构化信息，便于通过深度学习来构建可泛化的数据特征模型。

2.深度学习

（1）胜任素质模型构建。对招聘岗位中已从业的优秀人才对应的人格特质、技能知识以及工作行为模式等数据进行深度挖掘和分析，结合资深面试官和人力资源专家的建议，确定符合要求的简历的指标特征，构建胜任素质模型，并通过构建人工神经网络对模型进行持续训练和学习。在实际招聘时，利用人工神经网络的自适用性和学习记忆功能，人工神经网络将自动按模型标准处理候选人简历，并输出筛选结果。

（2）在线测评系统训练。运用测评系统庞大的数据量，通过深度学习，使系统进行自上而下的不断训练，目的是提高系统的准确性和敏捷性，从而提高系统中各个模型的效度。其中，对在线测评结果一致性的智慧控制是系统训练的关键步骤。智慧控制技术通过机器学习的方法，深度系统地挖掘个体已有的数据，并生成提高一致性的个性化新题目。一是系统自动收集并对个体已有的测评数据进行挖掘，测算答题的内部一致性系数。二是识别超过阈值的情况，并标示为异常答题模式，启动机器学习功能，得出所需的测试新题，其目的是提高在线测试结果的一致性和可靠性。

3.语音识别+计算机视觉

通过人工智能分析面试者视频中的语言表达、声调、表情和肢体行为等其他非语言因素，进行建模及预测。具体来说，利用自然语言处理技术进行语义分析，通过计算机视觉和听觉技术，对表情和声音进行分析，对面试者进行画像。通过当前担任相应职务的优秀员工的语言、肢体动作、语调与关键词等数据，总结出理想人选的核心特质，构建排名模型和算法，为企业进行人岗匹配的推荐。面试官也可以通过语音及视频识别生成文本记录，多维度了解面试者的答案、语言、动作和表情。在语音和视频面试过程中，还可以结合大数据技术进行交叉验证，核查信息真实性。最后进行综合评分和匹配岗位，提升招聘效率，快速筛选海量毕业生候选人，节省招聘成本。

风险和挑战

1.数据库建设成本较高

智能筛选简历之前的人才素质模型构建需要大量优秀从业人员的数据积累，包括兴趣、人格、能力和知识等个人特质和面试表现、工作绩效、团队互动等行为数据。而庞大的数据积累需要广泛调研和频繁更新，需要较长的前期准备和较高的成本，给企业人力资源部门带来了挑战。

2.核心技术存在短板

（1）自然语言处理技术的应用包括对自然语言进行句法分析、实时翻译和构建大规模知识图谱。然而，自然语言处理技术在对人类语言进行解读时，会受到句法模糊性、一词多义、人的口音等自然语言中的细微差别影响，使机器的解读产生偏差。目前，这些偏差需要经过人工干预才能纠正，此外，该技术还面临对话能力、推断能力及语言合成能力弱等挑战和限制性因素。

（2）深度学习系统在使用时包含训练和推断两个阶段。在训练阶段，深度学习会遍历大量数据集并将其提炼到一个小的参数集；在推断阶段，深度学习使用此参数集对图像、语音和文本等输入进行分类。作为人工智能的核心技术，深度学习已经取得了大量关键性突破，下一步将重点发展强化学习、迁移学习以及非监督学习等层面，拓展其在企业人才选拔中的应用范围。

（3）语音识别技术水平在近年来迅速提高，诸多聚焦语音识别的企业（如百度、科大讯飞）均取得了快速的技术突破。但在嘈杂环境下、方言语音、语速变化较快以及复杂情绪等非标准环境下的识别还存在一些不足。整体来看，语音识别技术已经相对成熟，在企业人才选拔中的应用限制较小。

（4）计算机视觉技术应用中的人脸识别已经成为相对成熟的细分技术。然而，动态图像识别、实时数据分析等仍存在一些技术缺陷，且缺乏可用于人工智能模型训练的大规模数据集，给计算机视觉在视频面试中的应用带来了一些限制。

3.应用范围有限

一方面，虽然人工智能可以通过智能筛选简历、在线测评和语音视频面试等方式帮助招聘人员提高效率，但由于人工智能对企业业务模式和岗位工作任务不能做到完全理解，筛选过程中可能存在偏差。另一方面，人工智能可以明确把握求职者的“硬指标”和“硬实力”，如语言能力、计算机能力等，但对于领导力、沟通能力及团队合作能力等“软实力”难以实现量化。因此，目前的人工智能多用于简历、笔试和第一轮面试，使用范围有限。未来可以对人工智能进行持续学习和培训，从而修正误差，提高准确率，不断深化其在毕业生招聘各轮面试中的作用，使其有更加广泛的应用前景。

4.个人隐私与数据安全风险

人力资源专家Beecher Ashley Brown表示，隐私泄露及数据安全问题是将人工智能应用于企业招聘中需首要解决的关键问题。大数据及人工智能技术在招聘的各个阶段会积累大量的求职者数据，因此，解决数据分享和管理中的安全隐患、设置访问和操作权限，从而最大限度地降低个人隐私与数据安全风险，应受到高度重视，并成为企业招聘数字化变革的重要方向。

对策及展望

1.企业视角

（1）推进企业人才选拔数字化变革。目前，人力资源已经成为影响世界发展的第一资源，在人工智能时代，企业人才选拔在思维和技术上也要不断推陈出新。因此，推进企业人才选拔数字化变革将成为人力资源部门的重要工作。企业人才选拔应当拥抱科技，不断发展，明确各个环节的人力和技术边界，使招聘人员从繁琐低效的标准化工作中脱离，探索“人工智能+”招聘模式，建设数字化、智能化和专业化的人才选拔体系，推进企业人才选拔数字化变革。

（2）打造技术化人才招聘团队。当前我国正处于经济和技术高速发展阶段，面对方兴未艾的企业数字化变革，企业不但需要求职者拥有高水平的专业能力，也要求具备专业素质和数字化技术的招聘人员，打造员工队伍的核心竞争力，使企业在激烈复杂的市场竞争中立于不败之地。

（3）完善数据信息安全监管。人工智能在应用于企业人才选拔时，要面临海量的结构化、非结构化数据的采集、存储、管理和分析，数据信息安全是人工智能应用于企业人才选拔的重要保障。企业应重视人才数据库的管理和监测，制定科学的数据采集及存储方案、传输和共享标准。同时建立风险防范机制，在稳定的平台系统运行中保证数据及信息安全，及时有效地发现并解决人工智能的偏差和安全风险。

2.社会视角

（1）加大“人工智能+人才选拔”关键技术研发。企业人才选拔是一个覆盖多环节、面向多领域的复杂的综合体系，人工智能技术在其中的应用虽然已经实现识别和简单理解，但在深层理解和创造层面的应用并未实现实质性突破。因此，建议加大自然语言处理、深度学习、语音/人脸识别等关键技术的研发力度，为“人工智能+人才选拔”的拓展奠定技术基础，推进面向广大企业人才选拔的开放创新技术平台建设，打造智慧招聘生态。

（2）加快制定人工智能在企业选拔中的应用标准和规范。近年来，人工智能在企业人才选拔中的应用呈现快速增长趋势，其中智能简历筛选、智能在线测评及人工智能面试已经实现大规模应用，但市场上面向企业招聘的人工智能产品质量良莠不齐，潜在的数据安全问题也逐步呈现。作为一个新兴的应用领域，人工智能的标准及评估规范仍较滞后，目前国内和国际均缺乏相应的行业标准和评估评测规范。建议加快制定人工智能在企业人才选拔中应用的标准和规范体系，建立并完善基础共性、行业应用、网络及信息安全、隐私数据保护等技术标准，推动“人工智能+人才选拔”的健康发展。

（3）加强人工智能人才培养。加快发展新一代人工智能已经成为国家战略，无论是研究开发领域，还是应用落地领域，人工智能各个环节对人才的需求有增无减，而人才短缺已经成为我国人工智能发展和应用中的最大短板。清华大学2018年7月发布的《中国人工智能发展报告2018》显示，我国的人工智能杰出人才比例显著偏低，2018年美国人工智能杰出人才累计达5158人，而我国为977人，仅排名全球第六。因此，建议进一步加强人工智能人才培养，围绕人工智能应用落地的需求，形成“人工智能+X”复合专业培养模式，培养人工智能源头技术和应用创新人才。