招人一年更比一年难 人工智能招聘了解一下

人力资源领域的“中国式问题”

在欧美国家，人力的昂贵、人才流通的需求频率相对较缓，加上监管的严谨性，都让人力资源事业处在相对较“稳”的曲线中。而AI进入人力资源领域，也更多是从智能猎头、背景审核等辅助功能的AI化开始。

中国互联网招聘的人才“虹吸效应”，以及巨大的人力缺口，让“快”成了中国HR的第一准则。但仅仅快还不够，HR同时还要准，这让很多HR同学常年在业务部门需求和大量雷同的简历中无尽挣扎。

类似的问题在招聘实习生和应届生时更为凸显。HR很可能会遇到这样几个尴尬：第一，简历特别多，看完就已经晕了;第二，由于投递者都是在校或刚毕业的学生，职业意向大多不够明确，简历与职位需求经常存在偏差;实习生简历内容通常较简单，HR难以判断取舍。招人难，招合适的人更难成为人力招聘领域亟待解决的一大痛点。

百度AI+云脑：用AI为HR减负

随着人工智能在各行各业的渗透，人力资源领域也开始使用AI辅助工具来进行简历筛选。传统的招聘过程要从数以百计的应聘者中寻找最佳人选，手动排列候选人简介可能需要数周时间才能完成，从万千简历中筛选出面试的人又是一大难题。实际上，人工智能可以很好的辅助HR完成简历筛选和排序的工作。

依托海量数据库进行快速精准匹配，AI显然更具有高效性。此次，百度AI联合云脑科技与“实习僧”进行深度合作，云脑利用百度PaddlePaddle深度学习框架优化算法，帮助HR们从海量简历中进行初筛和精准排序，大大提升HR挑选面试人选的效率和质量。

为了让AI更好地辅助HR，完成实习生简历初筛问题，云脑使用实习生招聘环节中的三个重要数据：HR发布的职位描述文本;HR浏览、标记和发出面试邀约的简历文本数据;学生们的简历文本、浏览记录与选择投递的公司与职位描述。“实习僧”平台沉积的几十万职位描述和几百万简历数据也为深度学习提供了优厚的条件，通过深度学习算法的分析，HR在平台发布职位描述后，模型将自动检索匹配库内海量简历，实现分钟级的匹配，并按照匹配度倒序推荐给HR。

云脑方面表示，根据他们的测试和实践，TensorFlow等开发框架虽然社区资源会更齐备，但这些框架不一定能满足商业应用场景中对速度与效率的追求。与欧美框架相比，PaddlePaddle从一开始就为了解决并行计算问题，其利用GPU的并行度更强，在同等数据相同网络结构的条件下，展现出了更快的速度与效率。

作为国内唯一一款开源深度学习框架，PaddlePaddle在性能和技术特色上具有独特优势，也被视为“最适合中国国情的深度学习框架”。比如PaddlePaddle会提供更多专项中文数据集，并且开放了近20种工业级模型，比如语音识别、文本分类、图像分类、机器翻译、物体识别等，这些能力适合中国国情和中国企业融汇进入AI世界。目前，百度已将PaddlePaddle从基础训练到分布架构彻底开源，让深度学习帮助更多企业和开发者，进而将深度学习的能力带到了各行各业。

效果明显：企业每招一人能省160块

在PaddlePaddle和云脑算法模型的无间合作下，智能招聘实习生大幅减轻了HR的工作量。企业和应聘者在使用精准匹配的过程中，不仅能够帮助HR找到最符合的应聘者、帮助应聘者找到最符合的HR，同时还能够给予双方一份详细的建议理由。

对于企业来说，AI的应用让招聘速度提升、成本下降。据悉，对算法加入前后的邀约率分析，智能招聘算法上线之后，以往高时间成本的找简历、看简历和筛简历过程，在优化为HR根据AI推荐简历后，企业面试邀约率实现了5倍提升，推荐的成功率比之前提高了50%。企业更快找到人才，招聘速率被提升后，企业每招到一个人的成本约可降低160块人民币。

在效率提高、成本下降之外，AI招聘还让企业可以更好地招到原先容易错失的人才。比如教育机构好未来在招聘机器学习实习生时，算法可根据其所在的行业、职业描述所在的专业领域、借鉴其他企业的招聘案例等，自动匹配到在垂直领域有相似科研经验、项目实践经验和获得类似面试邀约的候选人，有效协助HR更好的在新兴的技术领域搜寻人才。这对于企业发展的助力，或许是难以用量化金钱来衡量的。

可见，人工智能已经开始向职场渗透，对比人类经常容易主观地看问题，人工智能有着得天独厚的优势。如今，AI虽然只是辅助简历筛查，相信不久的将来它还能做更多，甚至修改简历、面试等等，提升传统招聘方式，让HR们更高效、精准地找到最合适的人选，让应聘者更快、更好地找到心仪的企业。

（编辑：我爱故事小小网_铜陵站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!