AI時代的驅動力——基於智能招聘應用場景_風聞

編者按：近日，百度人才智庫主任、中國人力資源開發研究會智能分會常務理事祝恆書博士受邀參加《中國人力資源開發》雜誌社主辦的“人工智能驅動的組織與人力資源變革研討會”，並作主旨演講《人才管理計算：從HR大數據到HR大智庫》，現場有數百人通過在線直播觀看了講座。以下為演講實錄：

**祝恆書：**感謝王震老師，以及會議組委會的邀請，讓我今天能夠有機會與各位專家老師一起進行學術上的交流。我分享的主題是《人才管理計算：從HR大數據到HR大智庫》，這也是我們團隊過去幾年的主要的研究方向之一，今天向各位專家進行彙報。

我們團隊的研究方向叫人才管理計算，是一個全新的應用數據科學方向，主要涵蓋AI驅動的勞動力市場經濟學、智能招聘、智能組織與人才發展，以及以人為本的數據科學等相關課題。我們在人工智能領域的許多頂級學術期刊和會議上發表了論文，並獲得諸多行業獎項，比如《哈佛商業評論》評選的“拉姆·查蘭”管理實踐獎的全場大獎，以及人大商學院評選的人力資源管理學院獎等。

01 AI時代的三大驅動力

談到人力資源管理的數智化時代，可能要從大數據驅動的人工智能時代講起。人工智能這個概念最早是在1956年美國的Dartmouth會議上提出來的，與”人力資源管理”這個的名詞的歷史差不多一樣長。在人工智能被提出來的60多年裏，經歷了多次跌宕起伏，包括從以專家系統為代表的符號主義，到以神經網絡為代表的連接主義，再到第三次浪潮——以深度學習為代表的大數據驅動的AI。事實上，我們當前所處的人工智能時代主要有三大驅動力，簡稱ABC，A是算法，B是大數據或領域大數據，C是算力。

首先來看算法，雖然我們身邊出現了非常多的人工智能算法，但實際上很多主流算法，包括深度學習所涉及的卷積神經網絡（CNN）等技術早在幾十年前就已被提出，並不是全新的概念。然而，隨着近年來各類深度學習開源框架的出現，比如百度的飛槳（PaddlePaddle），使得現在的算法開發變得更加容易，這其中就包括讓人力資源管理的專家去親自開發相關的AI算法成為了可能。

其次來看算力，大家可能感覺現在的算力非常強，但是超級算力是一直都存在的。比如在許多發達國家的非民用領域，很早就有了超級計算機，包括二十多年前IBM公司開發的國際象棋AI——深藍，也用到了超級算力。近年來，隨着雲計算和智能芯片技術的快速發展，使得超級算力可以進入常規科研和民用、商用的大多數領域。

最後再來看大數據，其實相比於前兩次人工智能浪潮，第三次浪潮的最大的變化就是大數據。正是由於領域大數據的廣泛積累，使得我們身邊出現了非常多的智能化應用。這些應用既包括高科技企業向傳統企業進行的數字化賦能，也包括傳統企業積極進行的數智化轉型。事實上，不管是數字化賦能還是數智化轉型，其背後的核心邏輯都是大數據驅動。

02 打造人力資源開發的第三條技術曲線

事實上，通過大數據可以得到很多有趣的洞察，從而可以為許多傳統行業帶來全新機遇，比如人力資源管理行業，大數據AI賦能人才管理正面臨着一個非常重大的歷史機遇期。

首先從政策層面來看，國家現在非常重視人才，今年召開的中央人才工作會議也強調要深入實施新時代的人才強國戰略。所以在政策環境上，對於人力資源管理的發展是非常好的支撐。

其次從數據層面來看，隨着HR信息化系統的不斷普及，互聯網應用不斷發展，人力資源管理已積累了大量的內外部數據，包括企業內部的人才、組織、文化的各類數據，以及大量外部的互聯網招聘和輿情數據，這些數據為接下來開展的大數據智能化人才管理研究工作提供了良好數據支撐。

隨着近年來疫情帶來的社會突變，國內外就業壓力不斷的增大。整個人力資本服務市場擁有了非常大的前景，包括巨大的就業人口和服務業市場規模。同時，中國企業特別是互聯網企業面臨着巨大的人才流失、人才保留和人才激勵等困境。

因此，企業人才管理非常需要全新的技術手段進行賦能。在此背景下，我們提出了”人才管理計算”這個全新的研究範式，希望打造人力資源管理的第三條技術曲線。整個人力資源管理技術的發展有四個階段，從1.0線上化到2.0信息化、3.0數字化再到4.0智能化，每個階段的變革和躍遷都對應着一條技術曲線。從人力資源1.0到2.0階段最重要的變化是信息管理系統（IMS），即第一條技術曲線，這代表着IT數據庫和BI統計報表技術的發展。

從人力資源2.0到3.0階段的變革，其實很多人提出了人才分析的概念，包括很多企業如谷歌、亞馬遜等公司，也構建了人力資源分析團隊（HRPA團隊），這些團隊做的就是打造第二條技術曲線——人才分析（People Analytics），即引入DI相關的大數據分析技術以便實現數據的洞察。

從人力資源3.0到4.0階段的躍遷，就是打造第三條技術曲線——人才管理計算（Talent and Management Computing）。即在DI的基礎上，引入AI相關的機器學習技術打造智能化的人才管理模式。

三條曲線的背後邏輯分別代表三個T：Fact（事實）、Insight（洞察）和Prospect（前瞻）。

案例：假如發現了病然後去治病，發現是一個客觀事實，可以看做是扁鵲；洞察是發現了病人發病早期的徵兆，然後以此去治病，可以看做是扁鵲的“二哥”；扁鵲的“大哥”更厲害，他可以在一個人還沒發病時，就前瞻的預測到可能會生病，是一種前瞻式的治療。同樣類比在管理學中也就是一種前瞻式的管理。

在智能化的方向，我們希望打造的大數據智能化的人才管理，不光是流程的智能化，更是要通過全新的技術手段賦能人才管理各場景的動作和決策，最終實現決策的智能化。

很多企業都説自己邁入了人力資源管理智能化階段，但實際大多都停留在流程智能化階段，也就是以提升整體人力資源管理的流程效率為核心，比如OCR簡歷識別、語音識別、人臉門禁等。

隨着未來人才管理計算技術的不斷深入，大數據智能化的人才管理模式會為人才管理提升決策效果，真正把大數據技術引入到人才管理的決策層面。傳統的人才管理與之相比有很多弊端，包括主觀經驗導向、數據碎片化等，得到的結論往往非常模糊化和滯後化。

因此，我們希望打造的大數據智能化的人才管理模式應該是科學、客觀的，將各類數據拉通對齊，從而實現一種清晰化、前瞻性的人力資源管理模式。比如一位優秀員工提出了離職，我們不希望等員工提出離職後再去做保留動作，而是以前瞻的方式對員工的職業生涯進行預測，在員工的職業生涯早期進行輔導和幫助，以便做一些預判式的管理。

這種全新的管理模式應該是從應用場景出發，到數據的收集整合，再到AI模型的構建，最終搭建一個全新的人才管理體系並實現產品化，實現打通場景、數據、模型、系統的完整閉環，這就是大數據智能化人才管理的模式。大數據智能化化人才管理其實就像現代醫學中的循證醫學（evidence based medicine），其中HR就像是醫生，通過AI技術賦能企業的人才管理。傳統的HR的工具更像一種“望聞問切”的號脈手段，有了AI和大數據之後，HR就好比有了核磁共振，可以解決更多的複雜管理難題，減少重複性的工作。

03 智能招聘的三類應用場景

我們從5年前開始就在智能招聘領域進行了探索和應用。事實上，現在的互聯網行業中有許多的像百度一樣的輕資產型公司，人才就是最核心的競爭力，也是最寶貴的財富，但對於優秀人才的選拔招聘其實是非常費時費力的事。同時傳統的招聘技術有很多弊端，會讓很多優秀的人才成為遺珠之恨。

為此，我們團隊打造一系列的智能招聘的技術，包括簡歷畫像、人才搜索、人能匹配、智能筆試、智能面試等場景化的應用。具體來説，可以聚焦於三個重要的應用場景：

場景一：智能化簡歷評估和篩選。這是招聘漏斗中的第一環也是最費時費力的一個環節。例如許多企業的簡歷篩選率高達100:1，即100份簡歷最終只有一個人進入offer環節，其中可能有70份簡歷都在初篩環節被篩掉。

在此過程中，如果只靠招聘專員去篩選其實是很困難的。因為現在很多專業知識，人力資源從業者是不瞭解的，特別是對非常專精的AI領域的內容。所以通常只能通過硬性條件篩選，比如學歷、GPA等，那麼很多優秀人才就會成為遺珠之恨。因此，我們希望通過智能化的手段去打造真正的智能化人才評估，去實現真正的不拘一格降人才。

為此，我們基於互聯網大數據打造了全球最大的一箇中文招聘領域知識圖譜，包括領域、崗位、技能、薪資等的上億級別的豐富實體，以及非常豐富的實體關係，如同義詞上下位、技能的屬於關係等。

有了知識圖譜就可以對行業崗位進行精準畫像，有了畫像就可以對候選人簡歷進行綜合的建模，結合簡歷與歷史面試的打分記錄，來構建一個有監督的機器學習模型，以便對簡歷進行精準的評估。當然，其過程涉及到非常多的技術問題，比如知識圖譜的補全問題、知識圖譜的表示學習等。針對這些問題，我們也在KDD、AAAI等人工智能領域的頂級學術會議上發表了專門的論文，相關成果在百度自己的招聘系統也有了廣泛應用。

場景二：智能化的簡歷分發和崗位推薦。當有了人才庫以後，企業希望能夠讓優秀的人才盡其所用，其中涉及到管理學中的人崗匹配問題。傳統的人崗匹配算法大多是基於關鍵詞的匹配，比如做數據挖掘，必須是簡歷和JD（崗位描述）中都要有“數據挖掘”這個詞的匹配，但這種匹配是非常“硬”的匹配，會讓一些豐富的語義信息有所缺失。

很多時候，候選人不會直接定義自己的能力水平，反而會從側面進行描述，比如在相關的競賽上獲得獎項，發表過相關論文等，但本質上都是與數據挖掘存在語義上的關聯，所以需要打造模型來實現語義層面的關聯，以及實現非關鍵詞和句法層面的匹配。

為此，我們打造了全球第一個基於深度學習的人崗匹配的算法，可以實現語義層面的匹配，並增強了模型的可解釋性。相關成果發表在信息檢索領域最好的會議SIGIR上，並在百度的各種招聘的產品中以及與百度大腦開展的百度大腦智能招聘解決方案中進行了上線。

場景三：智能筆試面試評估。因為傳統的筆試評估很多是針對校招場景，或初級的社招，所以傳統的筆試場景其實不是個性化的，而是大一統的筆試出題邏輯。但隨着信息化時代的不斷發展，各個崗位的技能要求越來越專精，包括每個人學會的技能也大相徑庭。

例如，同樣是軟件開發專業的人才，有的人用C++語言，有的人用Python，甚至有的人用Java，因此很難拿同一套題去進行考察。為了更好的考察候選人，我們在百度提出了一種千人千面、萬人萬面的智能化、個性化筆試面試的考察方案，根據候選人的應聘崗位要求，以及候選人簡歷中所描述的個性化內容，綜合生成一套個性化的試卷，雖然考題都不一樣，但又能通過算法保證整體的難度的公平性和考察的精準性。相關成果也在KDD、IJCAI、TOIS等領域頂級會議和期刊上進行了發表。

這種個性化評測系統的一個好處是讓候選人很難進行簡歷造假。因為一旦候選人寫了不擅長的內容，智能化的筆試機器人就會根據算法給其推薦不擅長做的題目，所以這樣可以杜絕候選人的簡歷造假，同時也防止候選人寫很多空泛的內容。

基於相關成果我們打造了百度的“智能筆試龍虎榜”的產品，已經在百度校園招聘中連續應用了四年。在每年正式校招筆試開始前，會上線這樣的智能筆試平台，通過測試的優秀同學就可以直接免正式筆試直通面試，與其他傳統評測方法相比，我們的智能筆試產品在後期的offer率等都有顯著提升。

04 AI讓這個世界更加美好！

我們和百度大腦、百度智能雲一起打造了全球第一個“AI+評測+招聘”的智能招聘雲解決方案，目前與很多企業都進行了合作，賦能來行業的數智化轉型和人才培養。同時，針對疫情中的用工、就業難問題，我們還與百度百聘一起打造了一款專門面向藍領羣體的求職產品”求職精靈”。

今年，我們在人才管理計算方向的最新科研成果發表在了國際著名刊物Nature子刊 Nature Communications(《自然·通訊》)上。我們在國際上首次使用數據驅動的方法,通過機器學習技術，探索了薪資與工作技能價值評估關係的重要問題。這對於社會勞動價值分配機制的合理性和公平性設計、社會勞動力保障、智能招聘和精準就業、個性化職業教育等多個領域均有重要價值和影響。

雖然我們是一家商業公司的AI團隊，一方面要做到make better business（做更好的商業），但同時從企業社會責任以及一名科研工作者的初心出發，更加希望能夠make a better world（讓這個世界更加美好）。

謝謝大家。

（更多精彩內容， 請關注公號：kingmaker798）