位置:首页 > PC电脑 >

谁说HR离AI很遥远?未来每个HR都离不开AI

作者:四川新闻 | 发布时间:2018-12-09 10

本文从HR在人才招聘过程中遇到痛点出发,介绍人工智能时代自然语言处理(NLP)技术在该行业中应用现状、前景及创新。

几年前,HR SaaS 在市场爆发式增长引发了大家关注。Saas 大潮退去,人工智能在各行各业风起云涌,HR 反而不小心成为了 AI 领域看似风平浪静垂直门类。

在人力资源部门,HR工作内容每天有大量非结构化数据产生。如何把办公文档、文本、图片、各类报表信息进行更有效处理分析,并能够给公司整体发展提供战略性意见支持,已成为人工智能时代 HR 核心竞争力。

1. 人岗匹配,HR说不出

在HR招聘实践中,“人岗匹配”是贯穿始终精髓,需要“岗得其人”、“人适其岗”。这是一个双重匹配过程,具有一定复杂性。而作为人岗匹配过程中第一“把关人”,简历筛选与查阅是HR们首要且非常重要工作。

在大量级简历库中进行搜索,是HR筛选简历第一步。无论是猎头还是企业HR ,每天都需要花费大量时间搜索优秀简历和求职信息,更不用说国内中小公司 HR 70%精力都会花费在简历搜索和查阅上,但让人遗憾是,简历搜索结果往往不精准,甚至让人啼笑皆非。

“当根据岗位职责搜索简历时,常常简历与JD不匹配,返回简历数量很少。”一位互联网资深人力资源招聘经理说道。

此外,即便目前随着人工智能和文本挖掘技术发展,大部分招聘网站像智联招聘、51Job也推出了自动化简历推荐功能——这也成为HR获取简历另一主要手段,互联网公司人力资源经理普遍表示:目前各大招聘平台上,推荐简历比较鸡肋,准确率较低。

分析原因其实也不难发现,平台推荐简历指标中,权重最高往往是岗位名称及描述。 但是HR 要找到一个合适岗位候选人,不仅仅需要其应聘岗位需求匹配,工作地点、年龄、行业背景等也都是非常重要考虑因素。

除此之外,HR 每天处理主动投递简历也占据了一部分时间。假设一位 HR 每30秒看一份简历,200份简历要花上约1.7个小时。如果按照10%比率进入面试,剩下那些花掉 HR 1.5小时阅读180份简历最终将全部躺在垃圾箱中。以此累计,HR 一年要扔掉45000份简历。这相当于一个 HR 一个月工作时长。也就是说,HR 一年当中会有一个月被”浪费”了。

根据Analysys易观智库《中国互联网招聘市场趋势预测报告2016-2018》数据,中国目前互联网招聘市场处于仍相对稳定增长发展局面,预计2018年整体市场规模将达到63.7亿元。面对愈来愈庞大市场需求,要解决人岗匹配低效难题依然任重道远。

2. HR Tech 同质化严重,招聘难依旧

2.1 HR Tech 行业应用现状:产品同质化严重

面对这种情况,有条件大公司常会自己采购开发一套简历管理系统,把从渠道汇集过来简历在自家平台进行统一管理、搜索查询。

近三年来,全国市场在 HR tech 上投入在逐年增加,而且增加比例持续在30%-40%之间。目前中国无论大中小企业,都需要逐渐从传统工作流程和陈旧管理方式中转型,市面上关于 HR 一体化办公产品更是数不胜数。

目前国内市场上 HR Saas 产品,大致可分为三类:

(1)垂直招聘方向

如谷露软件、MOKA这种集中做垂直行业招聘管理系统,会根据不同行业特点为HR提供管理服务,使HR可以自定义招聘流程;

(2) 流程优化服务方向

如拉钩云人事、2号人事部、i 人事、薪人薪事等,其功能主要集中在考勤、移动办公、协作处理等,归根结底是把重复性事情流程化,删繁去简,注重“快”和“简单”;

(3) 一体化服务方向

如北森这种涵盖核心人力、招聘、测评和绩效等一体化HR服务,涵盖功能比较多,注重“全”,使HR能在一个平台上实现全流程招聘。

HR Saas 服务产品众多,但目前这些产品功能同质化也比较严重。虽然很多产品已经部分地把 HR 从繁重员工打卡考勤、工资结算等事物性工作中解脱出来,但主要还是停留在自动化流程和信息集成管理阶段。这无疑是一大进步,但我们当然可以更进一步。

2.2 HR Tech进阶方向:AI技术赋能HR工作

在企业内部已经积累大量人才数据情况下,如何最大化利用现有数据,对其进行深入分析与挖掘,以解决目前仍然存在管理问题,甚至是辅助经营决策,正是人力资源向往事情。如前所述,HR 工作中产生是大量非结构化文本数据,这些数据常常不够完整,或并非如数字精确明晰,但并不代表他们就没有价值。

涉及到文本数据处理,就需要提到人工智能领域备受关注一项技术NLP(Natural Language Processing,自然语言处理)。简单来讲,NLP技术目标就是让机器能像人一样理解文字含义,从而辅助人类工作。提及NLP,大家想到最多是智能问答、机器翻译、合同审核等应用场景。

实际上,NLP与人力资源有着非常多且重要关联,具体应用可见下图,可以完成任务涵盖HR工作方方面面。

Picture 2  NLP应用于HR工作中常规模型丨图片来源:Analyticsinhr.com 丨 达观数据编译

NLP技术在人力资源领域应用在这几年才开始备受关注,这也和 NLP 近几年在商业应用发展分不开。NLP 所能够处理数据几乎涵盖了 HR 业务范围内所有非结构化文字数据,但国内HR+NLP应用现状仍未成熟。

仅在人才招募方面,现在几乎所有公司人才管理系统都还停留在传统简历库管理上,并没有对简历进行深入挖掘,仍有大量沉没数据。以全球化企业为例,海尔内部管理简历量大约有10多万份,每天都有上千个岗位在招聘。HR 在简历库中搜索简历时更希望能够看到:

快速匹配简历,且排列在搜索结果前列人才有较高面试可能; 统一管理后台,可以自主调整搜索结果排序; 实时更新简历可被立刻搜索到; 更了解自己搜索意图,相同语义不同表达方式均能搜索到同一简历; ……

以上这些都是将自然语言处理(NLP)技术应用在人力资源行业——尤其是人岗匹配工作中——有待解决问题。

国内AI领域自然语言处理专家陈运文在服务过华为海尔等大型企业人力资源部门后,认为:现在 HR 部门需要不再是一套通过关键词匹配系统,客户关心是系统对语义理解程度有多高。不仅仅要搜得到,搜得准才是王道。

综上所述,在HR行业,现有产品搜索和推荐功能并不能更好地解决HR在人岗匹配工作中难题。而尽管有些企业已经看到以NLP为代表AI技术在此行业应用前景,但应用现状仍然处于非常初级阶段,大多停留在对简历基础部分进行识别,而识别效果(通过搜索和推荐结果精准程度来体现)往往是不尽如人意

3. NLP+HR—人力资源未来发展基石

3.1 HR招聘痛点关键技术突破口

根据本文第一部分所提到:目前HR在简历主动搜索和被动推荐需求上,返回结果“不精准”成为工作中最大且亟待解决难题。

而在对目前HR Tech行业应用进行全景扫描之后,我们发现,要节省工作时间和人力成本,减少决策时人为偏见和疏忽,使匹配更加精准和快速,可以处理文字数据NLP技术恰恰是解决这一问题关键技术突破口。

通过机器学习、NLP 技术为简历自定义标签,包括个人履历、工作经验、性格特点等,可轻松优化人才搜索服务,并实现人才推荐功能。HR查看相似简历时,将相似简历进行聚类,更重要是根据用户搜索及浏览习惯进行个性化推荐,就像大家打开淘宝看到相似推荐一样。

当然由于人类语言复杂性以及HR需求/决策动态性,完全自动化处理和绝对精准匹配以现在技术发展水平还很难实现。

企业能做是利用最前沿技术去优化现有匹配系统。“可以通过 HR 每天点击行为理解招聘真实需求,让找简历和发现简历这件刚需事情变得智能简单。让人力资源更聚焦在公司人才配置、人才培养、员工关怀思考上,去做更多和人有关、发挥主观能动性工作。从而进一步在业务上为管理层提供更专业决策依据,为员工带来更好工作体验。”陈运文如是说道。

此外,虽然目前市场上HR Tech解决方案已经有很多,但专注于以人工智能、主要处理 HR 产生非结构化数据公司大部分集中在初创企业。这是由于大部分公司在HR领域数据处理需求都是定制化,创业公司业务和组织灵活性能更好地适应并提供服务。

3.2 HR+NLP行业应用展望

通过解决公司面临数据挑战并挖掘数据潜力,HR将会成为使人力资源从成本中心转移到核心战略资产关键力量。在人才招聘工作中积累人才数据,经过智能化平台分析处理,可以被进一步利用。

作为处理中枢HR利用数据分析结果让雇主形成对每个员工整体观点,更可为员工职业发展、员工协作和招聘等企业活动提供个性化建议和行动计划,满足信息时代员工心理需求。

说到这里大家可能会发现一个悖论,很多人曾担心人工智能如果大规模应用在人力资源中会让很多人最终面临失业境况。事实上,人工智能不仅可以提高生产力,还可以显着提高员工满意度、参与度和职业发展,最终帮助实现人与企业双赢。

参考文献:

How Natural Language Processing can Revolutionize Human Resources 

 

作者:娜拉,Loukas,微信公众号“达观数据”(Datagrand_)

本文由 @达观数据 原创发布,未经许可,禁止转载。

题图由作者提供