“在我看来，招聘这件事是一个可以通过技术来系统性提升的工作，应该像对待产品一样对待招聘，不断迭代。”MokaCEO 李国兴说到。
01
企业的人才招聘问题
对企业而言，人才是核心竞争力的关键要素，对人才进行吸引、培养、合理分配构成了助力企业成功的人才战略。
聚焦在招聘领域，Moka这几年做下来接触了非常多的企业和HR，发现最痛的问题往往是这三类：
事情杂体现在大量招聘初级类的岗位上，校招就是比较典型的场景，每当到8月，各公司的HR就开始紧张刺激的校招，压力是非常大的。社招里也有类似的批量招聘场景，像一些互联网教育公司，每个月要招上千名课程顾问。这种规模的招聘一般来说都是要消耗大量的人力财力的，也可以说是负责的HR的噩梦了，招聘压力非常大，事务性工作非常多。曾经一个互联网金融的HR跟我讲自己一个月要close 200+销售岗位，这类岗位每天投递量很大，每天要处理100来通的面试电话，而这之中大多也是无效沟通，候选人可能会爽约，因此也让HR工作受挫感较强。
人难招，是大家常见的问题，但是为什么呢？我们内归因来看：难招的岗位，匹配的候选人稀缺，对人才的竞争也很激烈，这就更需要我们HR不放过任何一个可能合适的候选人。但我相信大家一定经历过这种情况，投递过来的简历因为各种原因被HR疏忽，晚了几天联系发现已经晚了，接了别人家的offer。又或者因为HR新接触一类岗位，过往经验不足，也没有完全跟用人方拉齐画像，导致一些合适的候选人被漏掉，不合适的反而被频繁推荐。
数据迷问题概括一下就是招聘数据虽然有很多积累，但很难被有效的利用。跟很多HRD聊的过程中会发现大家提到，上了系统之后数据确实有积累了，想看一些数据的时候会比之前顺畅很多，算是解决了从无到有的问题。然而管理者真正关注的是数据背后的洞见，而并非数据本身，挖掘洞见这件事就很难。哪些数据？如何分析？和什么数据对比？这光靠recruiter去看是不够的，像Google就专门在HR部门设立了数据分析师角色，然而并不是所有企业都有这个意识和资源，那就需要工具去辅助了。
这三类问题，是我们几百家公司聊下来比较共性的一些招聘问题。近几年，随着我们的产品技术做的逐渐深入，我们发现这些问题都是可以通过智能化技术一步步解决的。
02
智能技术的发展
依据IBM前一段发布的智能自动化报告，智能化发展被概括为三个阶段：
其实智能化并不局限于AI人工智能。自动化可以说是智能化最初始阶段也是最广泛的应用。1913年福特建立第一条汽车自动化生产线，标志着近代自动化的真正落地；之后随着计算机的诞生，我们逐步进入了信息化的时代。其实，计算机最早的应用是在企业端就是在HR领域，1954年计算机首次进入商用，美国开始用IBM的计算机处理工资单。到现在，据知名RPA供应商Uipath2019年的一份报告显示，已经有超过90%的中大型企业使用了自动化流程。
然而技术发展并没有止步于常规操作和任务流程的自动化，通过整合AI的一些技术，比如机器学习，自然语言处理，图像识别等技术，机器可以辅助人类更好的完成复杂的工作。肿瘤医生看片子，通过AI辅助筛选，就是一个案例。
增强智能有两层意思，一是让机器具备认知能力，现在的机器学习深度学习更多的还是模式匹配和模式识别的方式，未来会期望机器有推理能力、解决复杂问题的能力；另一方面是通过技术增强人的能力，延展人的智慧。Elon Musk 的脑机接口就是这个方向。这些东西说起来可能比较玄乎，但是我们的真实工作和生活中其实已经被这些智能技术很深刻的影响和改变了。比如媒体行业，之前是报纸、杂志、门户网站，现在呢，全是手机上基于个人喜好的推荐，获取信息的方式完全改变了。
03
智能化技术如何变革人力资源行业？
那么回到我们所在的人力资源行业，智能化技术又将带来什么改变呢？
HR是为企业的人和组织服务的。人是非常复杂的，大家作为HR管理者感受应该更深，跟人打交道往往比事情的挑战要大的多，这也是HR这个工作有挑战有意思的地方。然而现实情况是很多HR被重复的事务性的工作淹没，真正花在人和组织上的时间是很少的。随着智能化技术的发展并逐渐渗透进HR领域，我们认为这一现象将得到改变。其实我们看之前的技术革命，每一次都会带来职业翻天覆地的变化，有些职位消失，有些新的职位出现。那大家也都在议论AI技术会取缔哪些职业。前几天waymo刚刚宣布开始试运行全自动驾驶的打车服务，看起来司机也将会被慢慢替代掉了。
这张图能看到技能的发展变化
那我们HR呢？大家觉得HR这个职业会被替代掉吗？我们倒不认为HR会被替代掉，我们甚至觉得HR这个职业是最不可能被AI技术替代的职业之一，然而可以肯定的是HR的部分工作会被替代，HR的工作内容会出现改变。事务性的工作会被逐渐机器替代，HR的工作也将回归到人身上、以及人与人的连接上面。这也意味着HR的能力构建会更多的倾向于：同理心、沟通力、创造性解决问题的能力、对业务的理解，从而基于技术之上为他们服务的群体提供温度和更好的体验。
之前有提到的那家互联网金融公司的HR提到的问题，我们后来也推出了智能外呼机器人来解决。虽然说现在的技术发展还做不到完全模拟人类做复杂的对话，但是针对一些场景相对简单的对话，尤其是一些初级岗位的意向确认和面试邀约，还是能比较好的完成任务的。
大家都知道内推比较有挑战的其实是调动大家的积极性，作为内推人，推荐一份简历肯定是很希望能得到一些反馈，候选人进展到什么阶段了，有没有顺利的推进进度呢。所以很多公司的HR，为了不让内推人感觉推荐后就石沉大海了，影响积极性，便需要对内推人及时的反馈内推进度。当内推量增大的时候，就会出现通知不及时或者遗漏的情况，内推人体验就会很差，也会影响后续的内推效果。那么我们今年推出的自动化解决方案就可以解决这类问题。在系统中，HR只需要前期设置好内推邮件通知模板，设定好触发条件，这样当简历进入到面试或者待入职阶段时候，系统就自动给推荐人发送邮件通知。HR设置一次，这个事儿就再也不用操心了，减少了大量的重复工作。这只是一个场景例子，我们的自动化方案支持各种场景的自定义配置，达到最大程度的自动化招聘过程，减少HR的事务性工作。现在支持的场景已经有近百个，并且还在不断添加。
再看一个招聘之外的例子。大家都知道我们SSC的HR同事比较辛苦，经常要回答公司中各种同事的问题，关键是很多问题是重复性的，比如我住址信息在哪更新呀，这个月工资为什么比上月少了一些之类的。为了减少ssc的人员成本，也同时能提供更好的员工体验，联合利华做了一个SSC场景的对话机器人。机器人面向108个国家地区的联合利华员工提供服务，并支持32种语言。机器人不仅能释放大量的人力，同时也是一个24小时在线的服务者，能让员工的问题得到任何时候都得到第一时间的解答，员工的一些日常HR请求，比如在职证明之类的，也可以向机器人发起，机器人会自动创建工单，而实在碰到机器人回答不了的问题，才会转到人工。项目的负责人，也是联合利华的HRD William说，他相信未来HR的服务应该是基于对话机器人提供的，能看得出他对智能技术的信心和决心。
大家作为管理者都知道系统性提升一个团队能力的重要性，虽然说事在人为，但是过度依赖员工中的“超级明星”，九宫格右上角的人，显然是不太明智的管理方式。管理者们一般会通过一些管理措施来系统性提升团队能力，比如HR管理者会通过推动招聘流程的标准化来把控入职人员的质量，制定招聘流程、各职位的面试考察方式，并通过面试官培训和考核来确保这套流程机制能落地并持续自运转，从而达到系统性提升招聘能力的目的。我们的观点是：智能技术也能像流程制度一样系统性提升HR团队的能力。
从技术上来讲，通过知识图谱的构建，越来越多的人所掌握的知识会被信息化、甚至结构性的信息化，再加上基于海量数据的数据挖掘技术，知识会产生更多知识，可以使机器所掌握的知识越来越丰富，甚至在一定程度上超过人类个体。对HR来说，由于工作属性，基本要接触全公司各业务各部门各职位，对HR各专业知识广度的挑战尤其大。智能技术可能做不到超过团队中的superstar，但是可以帮助大多数的团队成员填补专业短板、知识盲区，成为他们工作中的得力助手。
刚才在开头的时候有提到过难道的岗位，如果我们内归因去看的话，一定能发现很多我们团队本身做的不够好的地方。其中提到的一点就是有些岗位专业性可能太过于强，或者HR过往接触这类的职位经验有限，所以对职位的专业要求、候选人的过往工作经历是否有亮点比较难识别。我们今年推出的候选人画像就能一定程度解决这个问题。候选人画像能够将简历中的信息标准化后，跟知识图谱做关联，提取重要的信息标签，并通过图谱丰富这个标签。举个例子，我们能知道NLP是自然语言处理的缩写，NER/Bert/Transformer是NLP领域里的一些技术名词，也能知道三快在线科技有限公司就是美团，未来我们甚至可以基于大数据分析知道自然语言处理工程师什么样的教育背景工作经历会比较吃香。这些都不需要再依赖于每个HR的知识经验。通过几年的技术积累，我们的知识图谱目前已经有超过500w公司，2w+职位，超过1000w技能。
再比如我们的人岗匹配算法，我们通过大量的行为数据分析和机器学习算法，可以分析出公司里一个职位的用人偏好，进而基于用人偏好加上专业性的匹配来把候选人按照匹配度排序。这样HR就可以优先处理匹配的候选人，不用担心错过他们，同时因为算法是基于过往的招聘数据训练的，HR也会减少跟用人经理对候选人画像拉不齐的问题。此外人才库推荐也可以大大降低HR去挖掘人才库资源的门槛。我有认识一些特别优秀的HR会养成习惯去人才库里挖人，但是在人才库里大海捞针一样搜索还是比较繁琐的一项工作。人才库推荐能够将优质候选人直接推荐到匹配的在招职位中，会促进没有这类习惯的HR更多的挖掘人才库积累的资源。
这些功能都能将我们团队中每位HR成员的不同短板拉高，从而系统性提升组织能力。
我们已经逐步迈入大数据时代，生活中、工作中数据的作用越来越重要，也影响着每一个重要决策。对HR而言，随着信息化技术的逐渐发展，越来越多关于企业里人的数据有了积累，相信很多企业的HR工作都已经很依赖于数据驱动了。刚才在讲招聘数据的问题其实有提到，多数公司已经上了系统，各HR模块的数据也有了不错的原始数据积累。那些还没信息化，形成数据积累的公司可要注意了，你可能已经落后于行业平均情况了。但是新的挑战在于怎么让这些数据最大化的产生价值。我们认为智能化技术会提供更精准及时的数据洞见，从而支持我们更敏捷的做决策。这里精准、及时、敏捷这三个关键词很重要。只有数据精准且及时了，我们的决策才能更敏捷，整个公司运转的才会更敏捷。
我自己就亲身经历过这样一个问题。我们之前在招java工程师这个职位的时候，有一次双周会同步招聘进展，我们发现这个职位最近一周的简历数量相比于之前下降了很多，有30%多。后来HR深入去看问题时候发现，原来是boss直聘上的这个职位时间到期被下架了。HR同时在负责的职位和渠道太多，疏忽了这个职位。设想一下，如果系统可以实时监测各渠道的招聘数据，在boss直聘的职位下架后，系统通过同期的简历量对比检测出异常，boss直聘的简历量几乎为0，那么就可以第一时间通知负责的HR处理，也就可以避免招聘进度被耽误。通过异常数据监测这项技术，系统可以由被动呈现数据，转变为主动分析数据并发现问题。相比于定期在双周会、月会统计数据，分析数据这种传统的模式，能更及时的发挥数据价值，这才能真正帮助到敏捷决策。
想的更远一些，管理者往往用到数据都是从一个业务上的问题出发，那技术能否通过数据分析做到直接回答这样一个业务问题呢？我们认为也是有可能的。设想一个场景，比如A公司的CEO想知道研发一部为什么20年离职率比19年高15个点，系统通过分析发现被动离职的升高占到15个点中的5个点，但是系统在对比其他部门的数据后发现各部门被动离职的离职率都有一定升高，所以定位这个可能不是真正异常的原因。同时管理者联想到这是跟今年调整人员结构的方向有关，这是一个公司层面的调整，所以每个部门的数据都相差不多。
系统进一步分析主动离职，根据历史数据来看离职数据跟员工满意度eNPS的分值强相关，eNPS的分数在7月有明显下降，里面比较突出的是员工成就感分数偏低。进一步分析绩效的数据发现上半年研发一部的绩效横向对比来看普遍偏低。机器在把这些相关性数据和信息呈现给管理者后，事情就比较清楚了，原来是研发一部上半年的工作主要围绕的新业务进展不顺利，员工普遍绩效不好且成就感低，因而离职。可以想象，刚才这一系列的分析，是可以通过异常数据检测、增强分析、模式识别、数据湖等技术来联动实现的。
这并不是空谈，这种技术被称为增强分析augmented analysis，今年workday推出的people analytics就是这一技术的应用产品，现在已经被Nationwide，Sonoco等世界500强公司使用。
总的来说，智能技术可以帮助我们在大量、多维度的丰富数据积累之上，真正的产生及时精准的洞见，从而支持敏捷决策，这才是数据真正的意义。
智能人力全球版图
04
总结
让我们在回顾一下今天的观点，智能化技术给人力资源行业带来了三大变革：
- 事务性工作被替代，HR工作改变
- 智能化技术提升HR团队能力
- 精准及时的数据洞见支持敏捷决策
在最后，我也希望用这样一句话送给各位，以机器之智，驱人力之能。未来一定是机器和人类协作完成工作的时代，如何更好的利用和借助智能化技术，也会是在座各位需要关注和思考的重要话题。
