编者按：你学了那么多，也找了很多HR，为啥你的招聘问题还是办理不了，或许这篇文章可以给你答案！
几年之前，Jason Freeman碰着了经典的招人难题。他创建了一家由10人组成的企业，这是一家名为 42Floors.com的在线商业地产做事公司。公司发展迅速，急需增员。Freeman作为公司CEO，业务繁多，忽然之间，每次却要花上数个小时审阅堆成山般的简历，让他有些不知所措。
来自一家叫Interviewed的新公司的人工智能软件彷佛成为理解决方案：它可以通过仿照应聘者在成为员工第一天的所作所为加速简历审阅过程。这个软件比计分制多选题效果更佳。它不仅可以核阅员工节制的所谓“教材知识”的水平，还可以捕捉更多人们无形的品质。它利用人类知识处理和机器学习过程构建的生理形象，用以预测一个人是否适宜某企业的文化。它包含了一个人喜好哪些词语——例如方向于利用“请”、“感激”，表明这个人不仅具有同理心，还可能具备和客户融洽相处的特质——还可以丈量应聘者对沟通状况进行判断以及对关注细节的水平。Freeman说，“我们可以在短短几天之内完成对4000名候选人的筛选，将筛选范围缩减至最佳的2%-3%”。他公司现在有45名员工，“48小时，我们就可以招到一个得当的人”。他认为这个软件不是完美无瑕的，但却能比人工处理更有效率和质量更高。
不仅只有刚起步的创业公司正在利用这个软件；一些企业巨子也在引进它。人工智能正在逐步进入到招聘领域。
预测性算法和机器学习作为筛选得当候选人的工具正在发达兴起。企业正在利用AI来评估人的特点，从研究词语的选择、微手势、生理感情特点和社交媒体状态等统统事物来剖析候选人。企业方向在招聘的早期阶段运用这类软件，而不是后期阶段，这时企业正从浩瀚的申请者中筛选，雇佣者更方向于面对面互动和对人性的判断。
一批创业公司正在供应这种丰富的做事。坐落在旧金山的Entelo通过挖掘互联网和社会个人先容来预测哪个申请者更有可能换事情。另一家坐落在加利福尼亚的公司 Talent Sonar采取机器学习算法来撰写岗位描述，目的就在于提升性别多样化，这款软件乃至隐蔽了应聘者的姓名、性别和自我介绍，试图以此战胜招聘经理无意识的偏见。坐落在犹他州的HireVue利用视频口试来捕捉候选人在措辞选择、声音传染力和微手势中眇小的细节，例如他们的面部表情和他们所说的是不是相违背。
Google也加入了招聘软件的沙场中。去年秋日，它向一些客户发布了一个新的项目叫云职位。商业巨子例如强生和联邦快递将这款软件运用在他们的招聘网站上，用它来更好地和潜在申请者沟通。为了制作这款软件，Google浏览了上百万的事情岗位来揭示特定属性和事情表现之间的联系，继而采取了剖析和机器学习模型。理论上，可以使强生公司的招聘页面的搜索结果和求职者的意向更加匹配。这款软件同样使强生公司的职位更随意马虎让求职者在网上创造。
来自于咨询巨子德勤Bersin的卖力人Josh Bersin表示，人工智能招聘是“一大热门，而且是有竞争力的”。目前，约有75家创业公司正在争取一笔1000亿美元的人力资源评估市场。Bersin说：“我每天都会收到一些人的邮件，他们通过人工智能来办理招聘市场的问题。” 人工智能算法能学会探索人类事情最神秘的一种——把人和事情岗位匹配，并且比人类做的更好吗？能够办理一些老问题，但终极会不会产生一些新的问题呢?
关于人工智能招聘的五个洞察
和成绩无关
根据Google在招聘方面的研究，GPA和它的测试分数是毫无代价的。研究创造，在谷歌，受过高档教诲的员工比例不会随着公司发展越来越大，在某些团队中，有高达14％的人从未上过大学。
毅力比智商更主要
宾夕法尼亚大学的Angela Duckworth教授研究了军事学员、在困难的社区里的新手西席以及新的发卖职员，以决定谁能忍受和成功。共同的缘故原由不是智商、社交、外面或康健，而是激情和毅力。
履历不是万能的
美海内部发卖专家和人工智能创业公司Koru的一项研究得出结论，履历并不能预测发卖的成功。另一个研究创造，在兼职事情中担当中等职位的毕业生比俱乐部的总裁表现得更好，由于公司须要的是团队互助伙伴，而不是明星。
适宜别人的不一定适宜你
一个在竞争对手公司非常精良的员工可能会在你的公司里失落败。大约75%的Koru的预测成分乃至在同类企业相似的角色也各有不同。首先，在大学里事情的韶光可能是一个预测成分，然而，在生理学课程中，团队互助的指标是另一个预测成分。适宜你的才是至关主要的。
忽略Facebook上的照片
由AI公司 Fama 研究创造，在社交账户上发布饮酒的图片不虞味着糟糕的事情表现。这样的照片是很常见的，如果以这一条件来筛选，意味着将过滤掉大量的人。比较之下，偏执的评论或揭橥跟毒品有关等照片则和表现欠佳很有关联。
当然，人们更喜好对别人做出判断。但结果证明他们不是很善于。耶鲁大学管理学院Jason Dana教授研究招聘多年，她最近在纽约时报高调地揭橥了文章，痛斥口试为无用之举，这引起了一片哗然。“口试可能是有害的”，Dana写道，“其削弱了关于口试者其他更有代价的信息的影响成分。”除此之外，他把稳到招聘经理有将发言的印象转变为连贯但每每禁绝确的阐述的方向。
Google的一位老员工，Laszlo Bock，该公司古人力资源卖力人说道。“大多数口试是摧残浪费蹂躏韶光，由于99.4%的韶光用于考试测验确保在前10秒给口试官留有的印象。” Bock在改造公司的招聘策略后撰写了《Work Rules》（中文版：《重新定义团队》）一书。
Google于2008开始审查其招聘进程。从前，公司从斯坦福和麻省理工学院等名校招募员工。但是当Google检讨其内部证据时，创造年级、考试成绩和学校出身对事情成功没有很好的预测浸染。相称多的管理职员毕业于公立学校，或者根本没有完成大学学业。
AI软件可以探测到当一个申请者谈论他的前任上司时脸上闪过的歧视的细微表情。
这使得Google重新考虑如何进行招聘，他们建立了一种算法可以识别出研究已显示干系的本色特色：认知能力、明智的谦逊、学习能力。Google开拓了一个程序叫做qDroid，它可以通过应聘者对一系列问题的回答，来解析这些应聘者身上是否具有Google所强调的本色特色。
数据是很关键的。你会弗成思议在没有大量增加事情干系信息的情形下利用AI来进行招聘。不多久前，很多公司乐意吸收纸质简历，软件会扫描简历比对技能和履历，并打一个分。但LinkedIn改变了这个，它供应不明确的简历但会呈现一个人的关系外延信息。人工智能的力量是能够梳理这些数据，检讨多个变量，找到人类可能看不到的模式。
本日可用的大多数软件都没有利用那种终极会自行思考的人工智能。这便是所谓的“监督式”学习：人力资源经理和数据科学家一起建立和调度基于高绩效职员的权重。
这软件当然不是万无一失的。人类也可能将他们的偏见写入算法程序中。
Bock说，考试测验去理解利用电脑的人比理解交易或商业繁芜得多。
很多的AI都开始专注于我们所期望的领域：利用打算机的力量去处理大量的数据。第一步，Fama自动剖析事情候选人的身份信息，在网上探求线索理解其个性特色和天下不雅观。Mones说，在他聘任了一个简历和口试看上去很好。但事实上却创造是个种族歧视者之后，他建立了一个总部在洛杉矶的公司。Mones说，如果他有看过那人的社会媒体文章，他就会知道他是个种族歧视者。但是，进行这种搜索有潜在的偏见和法律风险。
浏览一个求职者有关种族、宗教崇奉、性取向或政治派别的社交信息是非法的，并有可能引发招聘歧视投诉。“背叛不收，你很难证明你在做出雇佣决定时未利用这些信息，” Seyfarth Shaw就业法律师事务所合资人Pamela Devata说。联邦平等就业机会委员会认定既然你浏览了，就会利用它。”
Mones确信AI是办理这个问题的唯一方法。它可以迅速的对成千上万的社交媒体和网络文章“雷区”进行排雷，并进行剖析，同时规避了店主的任务。但做到这些须要打算机能够像人一样可以阅读文档、图像及视频。Mones说，“开拓这样的AI是非常棘手的.”
Fama通过哀求成千上万的学生标记相同的文本、图片和视频来创建数据库。它蜕变出一种方法使多数人赞许某些特定文本反响出的特色，如偏见。然后，Fama培训算法识别其他文本中这些特色。该软件像人一样利用自然语法处理和影像识别阅读文档、图像及视频。梳理7年的数据并进行比较剖析，犹如Amazon的“购买了这个产品的顾客还买了……”的特点，它梳理了7年的数据并进行了剖析比较，这样用户就可以知道求职者累计有多少。
由于法律上的不愿定性和关于隐私性的问题，人力资源主管们仍旧对是否注册存在犹豫，“这是康健的恐怖生理”Mones说。的确，就求职者看来，这种他们不知道存在的算法（输入永不会相见的陌生人信息对他们的性情进行判断）听起来像是一个被人的偏见所支配高科技的版本。
招聘之外人工智能的5大用场
药归天学
Eli Lilly和Merck和初创公司互助，研究数万亿的化合物来预测最适宜的物质，并以比较于过去更快的速率和更低的成本来对其进行开拓。
零售业
英国零售业连锁杂货店Morrisons正利用Blue Yonder of Germany 的人工智能软件追踪每家商店里每一商品的逐日价格，并依据广告、景象和节日，来更新商品清单。
法律界
K&L Gates通过ROSS Intelligence公司的人工智能软件把机器学习、自然措辞处理及IBM Watson的技能将认知平台组合连接在一起，进而处理上百万页的笔墨信息、理解语境以及撰写调查研究的备忘。
电话中央
提高保险、富国银行和希尔顿酒店用人工智能软件剖析来电者的语调、语速、关键词和语法，从而有技巧地把来电进行处理。如此一来，这一出自Mattersight的软件将电话呼叫韶光节约了23%。
旅游业
TripAdvisor旅游公司采取了Flyr的人工智能软件来帮助客户在订票前的2-7天锁定票价。更有甚者，英国的一家旅行社Thomson，还推出了由Watson支持的AI旅行助手。
越来越多的招聘者正利用AI来推测较敏感的东西，比如应聘者是否能融入公司文化，或者是否能在其在岗期间作出贡献。Adidas、南方保健、Keurig和Reebok都在用一款SkillSurvey的人工智能做事软件。它涵盖了人们常用的词汇库，并基于行为科学，在网上为详细的职位量身设计一系列问题，来预测个人的流动率和绩效表现。然后，把输入的数据进行评估和均匀化处理，并将候选人与数据库里成千上万同岗位应聘者的数据进行比较，终极呈现出候选人和其他人的详细比拟结果。HealthSouth公司拥有24000的员工，据统计，在其利用了SkillSurvey一年后，员工被动离职率降落了17%，员工主动辞职率降落了10%，而背景调查韶光减少了92%。
花旗集团正在利用人工智能来预测哪家学校的应届毕业生将被聘为银行投资顾问。公司希望确保多样性，确保新雇员能适应其企业文化，并与公司共同发展。 花旗银行环球校园招聘主管Courtney Storz说：“我们须要一个更有效率和更有效的筛选过程。”
花旗集团正在与西雅图初创公司Koru推出软件。该项目分两步。Koru首先通过20分钟的调查来解读花旗集团的现有文化及雇员特色。然后招聘经理与Koru互助，为每位候选人发放一份独立问卷，通过关键特色，为职位匹配更有可能的候选人。
麦肯锡前顾问Josh Jarrett和科技企业家Kristen Hamilton四年前创办Koru。在剔除数十项有关成功的预测之后，二人在15个月前推出了Koru的预测剖析软件。Jarrett说，该软件专注于步入职业生涯前七年的候选人，由于招聘职员对大学毕业生及其毕业院校的声誉之外的成分，很难进行评估。 他说：“GPA对付人来说很随意马虎节制并理解，而且背负太多压力。但AI可以查看变量，查看数据之间的模式。”
他说的这些变量，可以揭示诸如坚持不懈此类的关键本色标志。Jarrett说软件通过算法从以往的行为探求毅力的体征，是总体的累计而不是个别的显示。或许求职者曾是排球队一员，但真正主要的是他在球队坚持了多久——当说她掌控一份全职事情的时候——要讲明她达到的领导职位和独自完成的项目。该软件可以提出后续的口试问题让店主深入理解更多情形。
Koru的软件还能创造一个公司过往的方向，如在某些院校招聘的历史老例，看上去适应性更广泛。AI软件网络越多的关于招聘、员工保留、绩效的数据，其会学到更多。
现在一些AI项目在冒险进入一些无形特质方面的研究，如一个求职者自己都没故意识到的感情。像HireVue，利用它的算法来对求职者口试视频进行评估。数据科学家辅导软件创造成千上万的关于意图、习气、个性和特质的暗示线索。该软件评估求职者是否利用主动动词，如“can” 和“will”，或者依赖于否定词像“can’t” 或“have to.”它还检讨能够传达各种感情的音折衷成千上万的微表情。后者是基于有名生理学家Paul Ekman提出的分类学，Paul Ekman创建了一个“感情图集”包含10000种面部表情，可以在1/25秒内完成转换。软件同人比较可以更轻松的进行感情识别和干系性剖析。
HireVue 利用一个双向的程序。客户公司去记录成千上百的事情口试，然后再绘制他们雇佣的那些人的表现和留用情形。这个软件力争找到从口试中创造的特色与实际事情表现之间的关联。它旨在预测，例如说，是否一个人会在呼叫中央事情超过两个月，或者是否可能曲解过去的店主。Loren Larsen，hirevue公司的 CTO ，说“有人会说他们爱他们的老板，但当他们说“老板”这个词的时候，从他脸上闪现过一丝唾弃，”一个单帧就能捕捉到他们脸上的讥笑表情。这个表情与上千种其他表情一起被标签。
AI的强大令人印象深刻，同时也有点令人恐怖。在其他的很多事情上，也表明一些非常个人化得生理疗法总有那么一天也会被转换成一个算法。当然，现在谈还为时过早，德勤的Bersin说：“还没有人能找到那枚魔力子弹”。如果谁能更靠近一点这玩意儿，就有可能得到巨大的收益。
欢迎加入我们！
每周一篇，翻译环球最有料的管理文章！
众
译
小
组
过往精良文章！