AI
未来照进现实：AI帮助求职者寻找，得到和保留梦想的工作
文|Alana Rudder
来源|Towards Data Science
刚从商学院毕业，劳拉开始在网上找工作，她的简历恰当地表现了她这些年的努力成果。因此，她很快接到了一个电话，来自一家对她的才能非常感兴趣的商务旅行社。劳拉接受了面试，穿着一套新的西装，手里拿着一份精美并且与今天的面试相关的简历，她早早出现了30分钟，准备展现出自己最好的一面。
一小时后，一名助理将她带到了CEO的办公室。然后劳拉开始执著于介绍她从哪里来，她的父母是否是大学毕业，他们是否患有任何精神疾病，以及他们为谋生做了什么（“只是为了确保她是专业的料“），她是否已婚或有孩子，以及她如何吸引对商务旅行并不感兴趣的潜在客户。为了结束采访，CEO非常尴尬地表示，他不在乎他即将退休后公司会发生什么事。劳拉礼貌地感谢首席执行官，离开时希望机构再也不会再给她打电话了。可悲的是，四个月后，她确实收到了回电。
是的，这是一个真实的故事。 不幸的是，这样恐怖的面试故事并不少见。
打破招聘过程意味着求职者要用更多的时间寻找工作
财富500强人力资源（HR）高级副总裁兼福布斯HR作家Liz Ryan证实：“招聘过程已经破裂了20年，但其权力下放的步伐近来一直在增加。”
而且，即使在得到工作之后，糟糕的招聘流程也会转化为不太有利的就业体验：65％的人在被雇用后的3个月内开始寻找下一份工作。
好消息是求职者现在有一个即将到来的同伴准备为他们的利益而战：人工智能（AI）。
人工智能帮助求职者取得更好的、长期的成功
Ken Lazarus，Marlina Kinnersley，WorkFusion，Scout Exchange，Fortay.ai以及无数的AI公司正在壕沟中研究，建立和磨练猎头可以依赖的AI平台来改善体验。他们的专业知识和解决方案揭示了人工智能在幕后工作的四种方式，以提供更流畅，更成功的求职旅程。
AI帮助求职者找到与自己技能匹配的合适定位
在寻找可用的职位时，求职者需要搜寻公司，写一份符合该职位的简历，然后写求职信，联网，并为每个空缺职位参加好几次面试，对他们来讲，求职往往是一份全职工作。当求职者不会筛选出不太可能符合他们技能的职位时，AI就尤其重要了。人工智能使求职者寻求相关的就业机会更加高效，因此更加成功。
Scout Exchange是一家为初创品牌和财富10强企业提供服务的人才匹配平台，它的首席执行官肯·拉扎勒斯（Ken Lazarus）解释了求职者如何依靠人工智能。他说，优秀的招聘人员对他们的行业了如指掌，包括完成各自工作所需的技能，以及在重要雇主面前赢得观众的关系。
“如果我在弗吉尼亚州，而且我想为政府进行国防研究和分析工作，那么招聘专家就是这方面的专家，找到工作的最好方式就是了解他们，”他说。
但是，并非所有招聘人员都同样擅长工作。因此，他强调求职者与正确的招聘人员建立关系的重要性。他们可以使用AI支持的Scout Exchange来评估参与招募者。为此，他鼓励求职者向招聘人员询问他们的平台评级。
侦察交换生成一个人工智能驱动的评级，反映了每个招聘人员匹配候选人与工作的成功程度。一个糟糕的评级提醒求职者招聘人员不太可能推荐他们去做值得他们付出努力和时间的工作。
AI帮助求职者找到完美的工作文化
组织文化有无穷无尽的变化和怪癖。 一个组织可能会有随意的沟通方式，但有一个强大的层次结构，而另一个组织则有正式的社交规范，但强调团队合作和扁平化的组织结构
同样，求职者也有同样多样的工作环境偏好。 他们可能更喜欢创业文化，单位组织，强有力的社会环境，团队环境或独立工作。
为了确保候选人继续参与并致力于他们提供的工作，人才公司倾向于通过人工智能来将求职者的组织文化偏好与符合他们需求的公司相匹配。 尽管许多与人才匹配的平台都是供雇主使用的，但Fortay为求职者提供了一个测验，他们可以确定他们最可能有发展前途的公司文化。
一旦测验完成，Fortay的人工智能算法将编制相关公司名单。然后求职者会收到收件箱中的公司名单，并附上一个按钮，一旦推送完毕，该按钮将引导他们通过申请这些公司内的现有职位。
AI确保招聘偏见不会造成求职障碍。
研究表明，即使我们不打算这样做，人类也会无意识地产生偏见。 因此，招聘偏见可能为求职者创造路障。 “如果我们假设人们有偏见......那么我们知道，无论我们拥有哪些数据集都会有偏见，因为该数据集是基于过去发生的人类决策，”Ken Lazarus解释说。
因此，他说有经验的数据科学家通过程序算法来消除招聘偏差，从而防止算法污染。 好消息是，由于数据集规模较大，数据科学家依赖人工智能，他们可以减少偏见对未来工作的影响。
例如，Ken知道男性或女性招聘人员推荐符合其性别的求职者的可能性高出25％。 因此，当一名男性招聘人员推荐四名男性候选人时，Scout Exchange的数据科学家将其中的一名删除，以消除结果偏差。 然后，他们将这个公式编程到他们的天赋匹配算法中，以防止偏见被误解为未来的预测。
一旦编入人工智能算法，这个公式就会被缩放，以影响数百万人才匹配事件。 反过来，由于雇主收到的候选人名单较少，求职者在其行业和重要雇主之前享有公平的代表性。
AI有助于内部员工与增长机会相匹配
到目前为止，我们已经看到AI如何在幕后帮助求职者找到工作。 但是，即使候选人被录用后，人工智能仍然继续工作，以确保他们保留他们辛苦得到的工作，并从那里获得成功的职业生涯。
例如，WorkFusions AI支持的SmartCrowd解决方案使品牌能够监控员工绩效，以确定员工可以开发新技能的区域。然后，它制定了提供培训计划，以便员工在现有岗位上获得成功，并有更多晋升机会。
此外，它监控员工以查明其优势，然后将工作分配给绩效评级最高的员工。这意味着人工智能在幕后进行工作，以挑选出最适合现有内部职位的员工，然后推荐给那些经理进行晋升决策。
最后，诚实允许求职者与AI在工作旅程的各个阶段一起散步
劳拉了解到，接受每一次面试都可能是一个错误。不相关的技能组合，错位的文化偏好，招聘倾向和不良的在职成功倾向可能导致恐怖故事般的面试，甚至更糟糕的工作经历。
但是，人工智能显然可以让求职者的旅程更轻松。而且，还有更多好消息：它只会从这里变得更好。越来越多的数据集和不断的AI学习意味着像WorkFusion，Fortay和Scout Exchange这样的AI平台将变得更加智能和高效。
Ken Lazarus说，求职者从所有人工智能提供的服务获利的诀窍是现在和未来都保持诚实，简单来说就是确保简历与工作表现和技能集合保持一致。在此过程中，您可以提供AI数据集，为就业旅程各个阶段的所有求职者创造更加美好的未来。
AI
思考：人工智能伦理的3个基本步骤 如何通过人工智能将道德应用于更安全的未来
关于人工智能（AI）的未来，有两种思想流派：
乌托邦的观点：智能系统将迎来一个启蒙的新时代，人类从工作中解脱出来追求更高尚的目标。人工智能系统将被编程以治愈疾病，公平地解决争端并且只会以有利于我们的方式增加我们的人类生存。
世界末日的观点：智能系统将窃取我们的工作，在进化中超越人类，成为战争机器，并根据当前的需求优先考虑遥远的未来。我们控制它们的可疑努力只会揭示我们自己的缺点和较低的将道德应用于我们无法控制的技术的能力。
与大多数事情一样，事实可能是在中间的某个地方。
无论你在哪个领域工作，重要的是要考虑随着技术的发展人类可能如何影响人工智能。一个想法是人类将主要形成人工智能的良知或道德结构。但是，我们将如何做到这一点？我们如何将道德应用于人工智能以帮助防止最糟糕的事情发生？
人与人之间的关系
深度学习系统的强大之处在于他们确定自己的参数或特征。只要给他们一个任务或目的，指出他们的数据，然后他们处理剩下的事情。例如，自动校准能力在SAS®可视化数据挖掘和机器学习可以计算出为自己的最好成绩。但人们仍然是这一过程中最关键的部分。
“人类解决问题而不是机器，”SAS的AI专家Mary Beth Ainsworth解释说。“机器可以提供解决问题所需的信息，然后进行编程，以自动化的方式解决这个问题 - 基于解决问题的人性化解决方案。”
虽然未来的人工智能系统也可能收集他们自己的数据，但大多数现有系统依靠人类来提供输入参数，包括通过学习定义确定的数据和最佳结果，如强化学习。当您要求算法找出实现该结果的最佳方法时，您不知道机器如何解决问题。你只知道它会比你更有效率。
鉴于目前人与AI之间的这种关系，我们可以采取一些步骤来更加道德地控制AI项目的结果。我们从这三点开始。
人类解决问题，而不是机器。机器可以显示解决问题所需的信息，然后进行编程，以自动化方式解决该问题 - 基于针对问题提供的人性化解决方案。Mary Beth AinsworthAI和语言分析策略师SAS
AI道德规范第1步：提供最好的数据
人工智能算法通过一组用于通知或构建算法的数据进行训练。如果您的算法将鲸鱼识别为马，显然您需要提供更多有关鲸鱼（和马）的数据。同样，如果您的算法将动物识别为人类，则需要提供更多关于更多不同人类的数据。如果您的算法做出不准确或不道德的决定，可能意味着没有足够的数据来训练模型，或者学习强化不适合达到期望的结果。
当然，也有可能人类可能在不知情的情况下，通过有偏差的数据选择或错误配置的强化值将他们的不道德价值注入系统。总的来说，我们必须确保我们提供的数据和输入为算法绘制完整和正确的图片。
AI道德规范第2步：提供适当的监督
为所有AI项目建立清晰的所有者和利益相关者的治理体系。定义您将使用AI自动执行哪些决策，哪些决策需要人工输入。为流程的所有部分分配责任，并对AI错误负责，并为AI系统开发设定明确的界限。这包括定期监控和审计算法，以确保偏差不会蔓延并且模型仍按预期运行。
无论是数据科学家还是专门的实践伦理学家，都应该负责AI策略和协议，包括合规性。也许有一天，所有的组织都将建立起人工智能伦理主义的角色。但是不管标题如何，有人必须负责确定产出和绩效是否在给定的道德框架内。
正如我们一直需要治理，可追溯性，监控和标准分析的改进一样，我们也为人工智能提供服务。然而，AI的后果更为严重，因为机器可以开始提问并自己定义答案。
AI道德规范第3步：考虑新技术的后果
为了让个人执行政策，该技术必须允许人类进行调整。人类必须能够选择和调整训练数据，控制数据源并选择数据如何转换。同样，人工智能技术应该支持强大的治理，包括数据访问以及指导算法不正确或在符合道德界定的边界之外运行的能力。
无法预测AI的所有潜在情景，但重要的是要考虑可能性并对正面和负面的强化进行控制。例如，引入新的甚至是竞争性的目标可以奖励符合道德标准的决策，并将不道德的决策视为错误或误导。AI系统旨在提高质量和效率的同等重要性，而不是完全侧重效率的系统。此外，设计一个具有多个独立和相互冲突的目标的AI系统可以为系统增加额外的责任。
不要回避AI道德
人工智能可以提高汽车安全性并诊断癌症 - 但它也可以选择巡航导弹的目标。所有AI功能都有相当多的道德分歧，需要从多个角度进行讨论。我们如何确保AI的道德体系不被滥用？
以上三个步骤仅仅是一个开始。他们会帮助你开始关于为你的组织开发道德AI准则的艰难对话。你可能会犹豫不决，想要画出这些道德标准，但我们无法避免谈话。所以不要等待。现在开始讨论，以便您可以确定边界，如何执行它们，甚至在必要时如何更改它们。
以上由AI翻译完成，仅供参考！
来源：https://www.sas.com/en_us/insights/articles/analytics/artificial-intelligence-ethics.html
AI
人工智能重塑未来劳动力
By Tracy Wang 埃森哲咨询大中华区管理咨询总监
在4月20日的中国人力资源科技论坛年度论坛上，Tracy Wang女士发表了题为“人工智能重塑未来劳动力”的主题演讲，分享了埃森哲公司的最新报告，向大家展现了人工智能将如何改变未来劳动力。以下是Tracy Wang女士在本次论坛的发言内容：
大家好，我是Tracy，非常高兴今天有这个机会站在这里。我主要想和大家分享一下埃森哲公司发布的最新调查报告，报告的名字叫做“人工智能重塑未来劳动力”。这份报告包含了今年一月份埃森哲公司在瑞士的达沃斯世界论坛上发布的最新调查研究，其中应用了一些经济学的模型，预测了未来AI为企业带来的一些经济效益，并且强调了AI是如何重塑未来劳动力的。
说到这儿，其实有一个小插曲，因为我们的研究是全球性的，所以调查报告本来只有英文版。但在座的大家都是中国人，我过来分享肯定得用中文版的材料。市场部的同事和我说，自己翻译太浪费时间了，如果交给我们的翻译人员翻译成中文，大概一周的时间就可以好。我想一周的时间肯定是来不及了，我还是自己翻吧。于是我就打开了谷歌翻译，花了一两个小时就翻好了，结果我发现谷歌翻译的精准度基本达到了90%以上，剩下的一些语法错误，只需要我再稍微做一些语言润色。
这个事情说明什么，在翻译这个领域，AI已经颠覆了很多从业人员的职业生涯，很多人已经面临失业或者说转型的风险。
回归到今天的主题，当人工智能重塑未来劳动力的时候，你准备好应对竞争了吗？这个问题留给大家在今天的演讲过程中思考。AI现在这么火，大多数的企业在人工智能大致处于什么样的阶段呢？
其实一般来说，企业在采用新技术的时候，大致分为三个阶段：
第一个就是教育和学习阶段；
第二个阶段就是建模和实验阶段；
第三个阶段才是大规模应用的阶段。
埃森哲的观点是，现在大多数企业实际上还是处于第二个阶段，就是建模阶段和实验阶段。他们在业务的某些领域，可以说已经成功实施了AI技术或者说人工智能技术，并且把它们用于提高生产效能，但是当他们需要更高的增长率的时候，他们必须以更加创新的方式应用人工智能。人机协作在这个时候就扮演着非常重要的角色，人机协作就是人和智能机器以不同的方式协同工作，发挥各自的优势。
很多情况下，AI可以代替人力，从事过去人们需要做的一些烦琐工作，节省大家的时间，让人们可以在更高价值的工作上花更多的时间。以客户服务为例，AI的价值在于能够理解并且迅速响应大量的客户请求。AI可以自动处理一些低级别的事件，把高级别的事件交给人类处理，人类就可以花多一点的时间在高优先级的事情上面，更好的改善客户关系。
还有另外一个模式，人和人工智能可以在某些生产流程中进行无缝衔接，比如说宝马工厂首创的协同机器人模式，把人和人工智能在工业生产过程当中，一步一步交织在一起，第一步是机器人完成，第二步第三步交给人类来完成，这个过程当中实现了生产效率的提升。
另外一个例子就是设计领域。现在出现了很多新的设计软件，可以通过机器学习的方式可以自动生成设计理念，设计专业人员通过调整或者不断地设置设计参数来优化算法，从而完成一些更加优美的设计，更加符合人类的审美观。
我们为什么觉得人机协作可以产生更大的效果或者说价值？以AI医疗为例，经过我们的研究发现：在哈佛的病理学家，他们利用AI的技术能够更精准预测乳腺癌的细胞。不能说预测，是识别，基于图象识别的原理。他们发现AI识别的精准率达到了92%，但是人类病理学家的精准率超过了机器，达到了96%的精准率。但令人惊喜的是，如果把人类病理学家和机器AI结合在一起工作，最后得出来的精准率达到了99.5%，可见人机协作的结果超过了单独任何一方的结果。
总体来说，如果大多数企业在AI方面的投入，或者说人机协作方面的投入，能够达到世界领先水平的话，将会在未来五年增加38%的收入，而且就业率会提高大约10%。现在越来越多的企业认识到AI的价值，并且投资AI领域。
世界经济论坛和埃森哲的另一份独立研究报告指出，实际上过去的一年里，也就是2017年，企业在AI领域的投资增长了59.1%，这个数字是比较惊人的。根据我们的这份研究，有69%的企业领导人相信他们的行业将会被AI所颠覆，72%的企业领导人认为是否采用AI在竞争中能否能够脱颖而出至关重要。74%的高管认为，他们的公司将会在未来三年内，很大程度上实现任务和流程的自动化，97%的人认为他们会用AI来提升工作人员的工作效率。
现在大多数企业还是利用AI实现自动化，来提升企业效率，但是我们发现我们的观点就是说人机协作是带来更高增长的一个关键因素。报告指出，54%的领导人认为，人机协作对于实现其战略重点至关重要。61%的企业领导人预计在未来三年需要和AI合作的岗位比例将有所增加。
埃森哲的经济模型相当于是预测了AI对于企业带来的一些经济效益，跨行业来讲，刚才说到的这个数据，因为AI的投入会增加大约38%的收入，增加10%的就业率。从行业的角度讲，对于零售行业、销售品行业冲击是最大的。应用了AI技术后，这两个行业的收入增长到了51%，其次就是医疗和电信行业，分别是49%、46%。这是这些行业的就业率数据，红色的这些数据，大家可以看到，AI不但没有降低就业率，相反在各个行业都有所提升，这其实就是因为很多工作将会面临转型，而且一些新的工作需求，或者说对个人技能需求的提升。
报告指出，46%的高管说，随着机器承担例行任务，传统的工作会过时，人们会转向基于项目制的工作。所有的领导人几乎都表示说他们已经在一定程度上重新设置了公司的工作。29%的人表示，他们已经对公司的工作做出了大量的改变，工作的重新设计和改变也是惊人的。AI最大的任务就是重新设计工作，原来一些操作性的岗位会被AI替代，人类会集中在洞察性的岗位。而传统的技术型的岗位，也会被创新型的岗位所替代。
这就是一些简单的例子，经过我们的调查研究，采访了很多AI技术相关行业的从业者，他们向我们讲述了一些故事，他们的工作是怎样被AI所影响的，比如说钻井技术员，以前他们需要钻多个测试口，知道石油在哪，然后手动去准备钻头，输入正确的压力和钻头的速度。现在AI可以直接告诉人员石油的沉积，并且可以自动计算速度压力和深度。
药剂学科学家也是这样的。以前他们要梳理大量文件，以评估与药物有关的安全问题。现在AI可以自动评估风险系数，这样的话药剂学科学家可以花很多的时间在高风险的病例工作。
同理还有软件开发者，他们每周花费时间来识别新的垃圾邮件标志，并且编写垃圾邮件检测规则。现在AI可以自动识别垃圾邮件的检测规则，并且能够自动更新检测规则。这样的话，软件开发者实际上就可以花更多的时间在新的软件开发上。
航天工程师也是一样的，原来他们自己手动设计飞机组件，寻找抗压性更好、更加轻便的设计。现在AI采用生成性设计模仿大自然的进化方式，考虑数百万种可能的设计，挑选出抗压性更好，更轻便的设计。还有长途运输驾驶员，自动驾驶的出现使得驾驶员更多从事监控和优化路线方面的工作。
我们通过调查发现，非常多的员工已经迫不及待和人工智能合作。67%的员工表示，在未来的三到五年，去发展他们与AI合作的技能是非常重要的。62%的员工表示，智能技术会对他们的工作产生影响。45%的员工相信，AI会帮助他们更有效地去完成他们的工作。
但是与此同时，其实企业雇主对于这一结果可能会产生一些偏差。实际上员工对于AI的拥抱程度，可能已经超出了企业的预期。根据我们的调查发现，实际上四分之一的高管都会认为他们的公司员工实际上对AI有抵触情绪，比如可能担心工作丢失等等，员工的抵触情绪是AI在应用的一大阻碍。而只有3%的高管计划在未来的三年内，大幅增加对员工AI技能相关的一些提升，其余的97%的高管在预算上基本是持平的，或者说稍微有一些增长。
顺应人机协作或者说AI的趋势，作为企业的领导者，最重要的三个工作是什么呢？
第一个是重新定义工作；
第二个是引导员工向新的价值领域方向迁移，比如从员工思维和能力上引导；
第三是培养新技能，一会儿我会阐述哪些是未来会出现的新技能。
刚才我讲了很多工作是怎么被重新设计的，这个过程里面，创建新的岗位说明，Job Design是非常重要的，把人力从原来的职能岗位上释放出来，让企业组建基于项目制的工作方式。引导员工向开启新价值形式的领域迁移这个过程中，打造敏捷组织是非常重要的。
敏捷组织有什么特点？
第一个是流程非常灵活。第二个特点是扁平化管理，组建小规模的团队。第三个是顺应AI的管理趋势，即有灵活的组织模式来支持项目制团队，团队能够迅速组建和解散。
关于培养员工的新技能，埃森哲发现有几个角色在人机协作的过程当中会逐渐展现出来，比如说教练的角色、解释者的角色、维护者。
什么是教练呢？教练就是训练AI的人，不一定是写代码或者说编写算法的人，但是他必须懂算法，这样可以帮助AI更好的学习，更好的帮助AI识别人的面部特征，或者通过正式的工作流程的方式帮助AI进行学习，要么帮助AI融入团队和团队一起进行学习，所以说训练AI的能力是非常重要的。
第二个讲到解释者，解释者也不一定是写代码的人，但他也得懂算法。把算法结果解释给大家听，并不是每个人都懂算法，通过解释的过程，可以增强大家对角色的信心，从而增加员工和客户对于算法的信心和支持。
第三个就是维护者，维护者是什么意思呢？维护者就是保证AI在演化的过程中不能跨越人类的道德底线，或者说不加强人类的一些偏见。比如说现在有一些图片识别软件，基于机器学习的算法，很多时候是通过学习大量的图片，给图片打上标签的方式进行工作的。这里前段时间出现一些情况，比如说很多黑人图片被人工智能打上猩猩的标签，这显然会涉及种族歧视，这时候需要维护者站出来指出风险，并且优化算法，来保证不涉及到道德方面的或者说法律方面的一些风险，这几个角色在AI或者说人机协作的过程中将来演化出来的一些新的角色。
同时有一些新的能力很重要，比如说判断力，有些时候AI不可能完全替代人类做决策，当AI不能做决策和判断的时候，人类就需要去做决策，这就需要人类能够了解AI的一些局限性，知道什么时候，在什么情况下应该怎么去干预AI决策。还有包括刚才讲的训练AI的能力很重要，创建工作流程，帮助AI大量的处理数据，优化算法，更好的为人类做洞察。
还有比如说询问智能系统，首先你要懂这个算法，要懂这个系统是怎么分类这些信息的，所以你在在询问这些智能系统的时候，才能获得更有价值更有洞察力的信息。所以经过我们的研究发现，这是我们未来需要的一些新的工作技能。作为企业来讲，首先需要对这些技能优先性进行排序，然后确定目标，对企业的员工进行培训，这里面可以用到一些数字化的培训方式，比如说VR、AR来加速培训的规模和速度。
后面有一些AI应用在工业场合的一些例子，比如万豪国际酒店，它的商业模式就是采用新技术推动的模式，利用机器人欢迎客人，把物品毛巾送到客人房间，也推出了一些智能推荐系统，可以让客人产生更多的订单，并且它的AI聊天机器人，可以让顾客能够在Facebook聊天软件上自动生成订单，帮助客人节省旅行社产生的一些费用。在比利时酒店会有一个驻场的聊天机器人，会说十九种语言，帮客人做自动登记。
下一个例子就是StitchFix，这个品牌利用了AI技术，在线上服装零售领域脱颖而出。和传统销售不一样的是，他们的服装设计师，根据客户的订单和退货订单，分析客户喜好，帮助公司设计师为顾客提供更好的、定制化的服装样式。
第三个例子就是阿迪达斯的SPEEDFACTORY，这是基于本地化的理念，非常小而新的举措，目的是满足更多定制化的需求，利用了人和AI相互协作的生产流程，设计师和AI相互协作，一双定制鞋从设计到生产几天内就可以完成。这样的话把价值定位转移到了满足消费者的定制需求上，大大节省了工作效率。
最后我分享一下中国市场的数据，前面讲的是全球化的一些洞察和数据，接下来我把单独的中国市场数据拿出来，大家看看和其他国家相比，有没有一些新的发现。在调查里面，我们问到三个问题。
第一个问题是你所在的组织在未来三年内，自动化的任务和流程程度是什么样的。你会发现，74%的被采访者都会回答这个比例是高或者非常高的，但中国实际上是低于平均线的，只有56%。
第二个问题是你需要在多大程度上和智能机器一起工作，中国的平均数据是38%，大多数人都会说会花26%到50%的时间与机器进行协作。
第三个问题，你更同意下列哪个陈述，一个是智能技术将在未来三年内减少规模，另一个是AI将在未来三年为公司带来就业机会的增长。大家可以发现中国实际上在悲观的情绪上是排名第二的，大家可以思考一下背后的原因是什么。
今天我的分享就到这里，非常感谢大家，感谢主办方HRTech China的邀请!
欢迎关注HRTech China微信公众账号，回复420可获取演讲嘉宾的分享资料;
欢迎点击链接，了解420中国人力资源科技年度论坛的报道
AI
AI 强势入侵人力招聘，还需要解决什么难题
文 | 颜璇
来源 | 智能相对论（ID：aixdlun）
金三银四，求职者们纷涌而来，各家企业的人才战役也已经打响。历经了简历初筛、笔试、面试、复试等一系列流程，求职者“不堪折磨”，想必HR们也累得够呛。在人力资源招聘上运用一些科技手段已经不是新鲜事儿了，最常见的比如在简历初筛这一环节中设置关键词，让机器自动剔除掉不符合条件的简历等。
近日，AI 招聘初创公司 Fetcher获得种子投资的新闻又把大家的视线拉回了AI招聘上，此次投资，该公司总计获得了250万美元的种子轮融资。而就在上个月，ATA（全美在线）也与中国演出行业协会达成了战略合作，为演出行业人才评价和人才队伍建设提供技术和服务。
AI强势入侵人力资源招聘领域，对HR和求职者们会是一个好消息吗？
一、AI招聘可以成为人类的好帮手
就智能相对论（ＩＤ：aixdlun）行业分析师颜璇来看，AI＋招聘并非想要挑战人类ＨＲ的“权威”，反而会在以下两个方面成为ＨＲ和求职者们的好帮手。
1.AI提高效率，从而提高准确率
对于HR来说，最为重要的就是要招到对的人。而如何招到企业想要的人才，一方面，这取决于HR“识人”的水准，另一方面，则看面试的轮数，也就是考验程度。一般来说，高水平的面试官再加上多轮面试，往往会提高这次招聘的准确率。但多轮面试所提升的准确率，却是以牺牲工作效率为代价的。
一般来说，一个大型企业的招聘周期往往比较长，从网申到最后录用可能要一个月之久。究其根本，还是企业在关卡考核上花费了太多时间，不仅使得招聘周期长，还极容易流失那些在漫长的等待中而躁动不安的人才。
图为某企业招聘流程
AI依赖于其强大的计算能力和大数据，能够进行自动化的人才甄选，包括自动化笔试、面试以及基于聊天机器人的甄选工具，这试图解决的正是人才甄选的效率问题。
如此，AI能够成倍地减少企业搜寻人才的时间，面试的效率将会得到大幅提升，使得HR们能用更多的精力取找到“对的人”。而这次融资的创业公司Fetcher也声称，相比内部 HR 招聘，AI 将节省 10 倍资源，相比猎头等招聘机构，将节省近 20 倍成本。
2.双向互动，盘活人才市场
我们看目前的招聘形态，对于大多数求职者而言，还是比较倾向在招聘网站搜索相关信息。因为这类网站的运作模式比较简单，就是将大量的企业招聘信息分门别类，然后罗列在网站上供求职者们搜索。但你会发现，这类网站是缺乏互动的，即使像BOSS直聘这样，职场BOSS虽然可以与求职者直接交流，但这也不是真正意义上的平等互动。本质上，这还是属于“求”职软件，平台会向供职者倾斜。
所以，企业在这些网站上并不能找到特别好的新形态公司的人才。那么，AI在其中可以起到什么作用呢？
曾经，罗永浩在社交平台上发布了一篇煽情的帖子，凭借本人的IP效应招到了大量的人。这类社会化招聘或许可以让劳资双方走得很近，但一篇帖子，一个朋友圈或者是一条微博的力量还是太微薄了。
这就给了我们一个思路——AI招聘或许会是社会化招聘的高阶版。社会化招聘的本质是通过社交关系的互推来获得职位机会，社交里的关系链都会对这个人作出相对真实的评价，好比入职前，HR会联系求职者就职过的公司里的同事，打探这个人之前的口碑。而AI介入后，HR可能就不用那么麻烦了。
基于社交网络的构建、UGC内容的产出、以及ChatBot和匹配算法的开发，我们或许可以通过人工智能激活被动的求职者，AI可以作为猎头，影响并转化被动求职者这一群体，而这也意味着，劳资双方的信息可以平等交换。
被招聘的人可以通过AI打造的社交平台清楚地了解企业信息，而求职者的社交信息、内容产出也会变成一份个人档案，企业可以更加立体、真实和动态地了解求职者的特长和兴趣。
二、AI招聘还有哪些难题要过
即便AI招聘对于企业和求职者来说算是一个好消息，但是，人们也不能高兴得太早，凡事有利有弊，在看到好处的同时，我们也要观察到它需要改进的一面。
1.以子之矛攻子之盾，AI试不出真人才
根据50个省市政府所属人才服务机构数据统计，2012年以来大中城市人才供求比在2:1左右,即求职总人数约为提供岗位数量的2倍。而根据智联招聘统计，2014-2015年全国人才供需指数维持在30以上，即平均一个职位收到简历数量均在30份以上。我国在快速发展的进程中，就业市场竞争加剧趋势十分显著。
图源：中国产业信息网
就业竞争激烈，企业人才短缺，职业教育培训有着巨大的需求潜力与市场空间。根据百度及搜狗搜索数据，2014年，职业教育培训的关注度在各细分教育子类中名列前茅。
今年的公务员考试热潮刚刚冷却，但了解的人也知道，此类公务员的笔试、面试的报班培训的成本只高不低。如果AI成了面试官，求职者们“上有政策，下有对策”，会去寻求更佳的面试培训，而有市场就有需求，以大数据为优势的AI面试恐怕也会被AI＋培训所攻破。
智能HR的客观评分机制反而成了清晰可见的“套路”，然后被智能培训老师“反套路”，两者”斗智斗勇“，倒显得掺杂在中间的求职者像一枚棋子，毫无自主意识，如此选拔出来的人会是真正的人才吗？
而人类HR的优点正是在于其自主性，相信上过培训课的同学们都知道，培训老师都会强调面试时不要准备模板，因为模板会造成同质化，面试官因为长期积累的经验通常能敏锐地察觉到模板的痕迹，从而影响面试者的成绩。
2.“算法弥补偏见”不可信
Fetcher曾表示，产品的筛选机制将消除任何潜在的人类偏见，使其完成符合平等就业机会委员会的规定，年龄、性别、种族、宗教、残疾等都不会成为算法的参考标准。也就是说，算法可以弥补招聘中的偏见。
这类论调不禁让人想起了张一鸣的”算法没有价值观“。前几日，一名被银行拟录取的面试者，却在准备入职时被智能检测平台Say No，究竟是可能出错的“人工智能”掌握了否决权,还是丁是丁卯是卯的“人工智能”为某些人为标签背了黑锅？
现实生活中，招聘求职者可能会存在很多文本之外的“潜规则“，比如招聘信息上的“某某条件优先”或许只是某些企业灵活运用的话术而已。算法本身是客观的，但因为其需要人工标签，掌握这个算法的人群才是招聘中的关键。盖上“算法”的面纱，那些成见反而更加若隐若现。
3.逃不过的数据难关
数据一直是AI的大难题。但在面对AI招聘时，数据的模型化显得十分困难，即使打造出模型，普适性也难以预见。
目前的AI匹配技术仅仅能在少数一些职位上达成足够高的可用性，比如说卡车司机，因为卡车司机在美国是一个庞大群体，且其能力和要求较容易被模型化。
当一家公司运用这个系统来面试求职者时，无限的机器学习过程或许可以筛选出一个优秀的销售人才，但这种筛选算法也无法在不经过新的训练过程的情况下，简单地推广到其他职位，比如人力，市场等岗位。而这仅仅是一家公司里存在不同岗位所要面对的问题。
如果不同的公司来使用这套系统，AI的数据需要更加垂直化。但问题是，某个领域的某家公司真的有这么多的人才数据可以提供给机器来学习吗？
AI+确实能成为一个工种的助力，但并不能解决一切问题。各家企业应该明白，围绕人才招聘，企业想要得到真正的人才，绝不能仅仅依靠人工智能这一技术领域的创新。真正的突破点在于，企业将自身建设的越强，对优质人才的吸引力才会越强。
【完】
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
AI
简寻获数千万元A 轮融资，以工程思维切入“AI+招聘”赛道
简寻宣布完成数千万元人民币A 轮融资，由远望资本领投，下面是其投资人的描述为什么投资简寻。
大家好！我是迅雷创始人程浩，现在成立远望资本，聚焦人工智能领域投资。我们基金刚刚投资了「简寻」，「简寻」是一家聚焦在AI招聘和猎头服务的公司。在这里和大家分享一下我对这个领域的投资逻辑：
猎头是个非常大的行业，每年的市场规模超过1000亿，但同时又是个一个极度分散的行业，最大的几家的年销售额也就是10亿上下，不足整个市场的1%。核心原因就是这个行业的标准化程度太低，过于依赖于猎头顾问。
这带来两个问题，一是低毛利：为了留住猎头，猎头公司不得不提供很高的销售激励。二是没法规模化：优秀的猎头顾问一旦掌握了客户和人才资源，就会自立门户，导致这个行业出现了很多小作坊。
「简寻」通过技术手段把这个流程标准化，降低对人的依赖，只有这样才能规模化，业务才有高毛利。当然事情听起来并不复杂，但实际上技术实现非常复杂。这涉及到自然语言处理（NLP）、知识图谱（KG），未来可能还有语音识别相关（ASR），这些都是不小的挑战。简寻过去两年在这块确实做了不错的积累，目前已经和阿里、搜狐等KA客户达成了合作，并实现了盈利。
「简寻」团队和大部分做招聘业务的同行不同的地方在于他们是技术驱动，何斌大学期间曾参加国际大学生超级计算机大赛获得HPL冠军并打破该比赛世界纪录，同时还是连续创业者，有非常好的商业sense，而且领导力很强。联合创始人屈澄有多年的招聘和猎头行业经验。
最后，行业内如果有朋友有招聘需求，欢迎来骚扰！最好是B轮以后的公司，哈哈！
亿欧记者宋少卿
2018 年4 月23 日，智能招聘方案提供商简寻宣布完成数千万元人民币A 轮融资，由远望资本领投。据创始人何斌透露，目前公司已实现盈利。
简寻核心业务是人工智能（AI）+招聘，基于自然语言处理、知识图谱等技术，为企业提供智能的招聘解决方案，包括人才寻访服务和人才大数据服务。创始人何斌毕业于华中科技大学，曾参加国际大学生超级计算机大赛获得HPL 冠军并打破该比赛世界纪录，也曾参与极验验证的早期创建，是典型的技术极客。在创始人背景的影响下，简寻选择了一条颇具工程师思维的赛道：用技术手段解决招聘中的效率问题。
那么，招聘中哪些环节是可以作为一项工程问题去解决呢？
第一、盘活企业内部数据
对于中后期的公司来说，简历库是一个价值没有被完全挖掘的金矿。例如搜狐、阿里巴巴这类职场人士趋之若鹜的中后期互联网公司，每年都能受到大量简历，所积累的历史简历数量少则几万，多则几十万上百万。而且，其中很大一部分是未被录用的应聘者，这些应聘者中有一部分人在其他互联网公司成长为中流砥柱，并可能出现跳槽需求。企业倘若利用好这些历史简历，可以为自身带来优秀的人才。但是，其中的问题是如何对简历信息进行更新。
简寻有数这款产品，便是帮助企业把积累的历史简历数据进行智能更新，简寻技术人员一方面利用企业内部数据，一方面通过全网开放数据或者跟猎头公司合作获取数据，经过算法完成资料匹配后，便可进行后续的人才激活。此外，简寻有数还提供员工留存、大数据人才地图等智能招聘产品，帮企业内部HR 更好地降低离职率、更有效地利用内部数据、更有的放矢地出击，降低20-30%的招聘成本。
第二、建立被动人才数据库
简寻有数是把AI 的能力赋能给企业HR，而简寻优猎则可以理解为简寻自营的一套猎头服务体系。当企业无法依靠内部招聘力量、自有人才数据和招聘工具完成招聘需求时，简寻可提供这种“猎头+技术”的方式弥补纯工具的不足，形成服务的闭环。
何斌表示，在传统的招聘市场，最优质的人才很少主动更新简历，并且国内也没有一个类似LinkedIn 的覆盖率很高的职业社交网站。因此，简寻构建了一个巨大的被动人才数据仓库，以AI 相关技术提高猎头寻访效率。
以程序员招聘为例，简寻通过收集和抓取Github、论文、博客等近20 个开放数据源，经过数据清洗、数据整合、数据分析最终构建被动求职者人才职业数据仓库，列出该人才在各平台的贡献，以此作为能力评估的参考。
第三、建立标准化寻访流程
对于猎头来说，通过AI 的标准化和流程化，接触候选人变得更精准，更高效，在3 天内即可完成第一次推荐，大部分职位的关闭时间缩短30%以上。如果从收入结果来看，技术赋能让猎头的人均单产相之前提升了2-3 倍。
除了程序员，简寻目前也开始做其他职业的多维度评估，更多的是侧重技能型职位。“如果从编程语言、工作岗位区分，程序员可以细分为几十个种类。事实上，各个职业都可以在一定程度上标准化，比如产品经理可以偏用户交互、也可以偏功能层面，当把职位做非常详细的拆分、把企业对候选人的要求做更多维度的拆分，大部分职位都是可以在一定程度标准化”。
何斌介绍，目前简寻在一些职位上已经达到初级Recruiter 的筛选效果。为辅助算法层面快速落地，简寻构建了高性能分布式爬虫系统、非标准化数据解析系统以及大数据分析系统等基础设施。经过深入的市场对接和技术积累，简寻目前在人才数据处理和人岗匹配算法等层面建立了深厚的壁垒。
远望资本创始合伙人程浩，在谈及投资逻辑时表示：“猎头是一个传统且比较低效的行业，简寻通过人工智能和大数据将这一流程标准化，从而大幅提高招聘效率，自身也做到规模化发展。这是一个典型的“行业+AI”的落地场景。简寻和其他提供招聘服务的同行最大的区别就是他们非常技术驱动，同时也有很好的行业背景。CEO 何斌作为技术创业者，有很强的商业sense 和领导力”。
简寻目前服务了包括搜狐、阿里巴巴、掌阅、猎豹、智融集团等近百家中后期互联网公司。团队目前近50 人。本轮融资完成后，公司会加大对研发的投入，同时提高对客户的交付能力，为企业提供更优质的智能招聘解决方案。
AI
人才招聘AI巨头入场：Google前搜索专家成立Eightfold.ai公司，获得超过80多个专利，2400多万美金的投资
Google前搜索专家Ashutosh Garg，联合Facebook新闻推送团队的Varun Kacholia，共同成立Eightfold.ai公司，致力于融合检索与人工智能技术，变革人力资源行业。团队声称拥有80多个专利，已获得Lightspeed Ventures和Foundation Capital超过2400万美金的投资。
Eightfold (fka VolkScience)是行业的第一个人才智能平台，为企业建立，以整体的方式处理人才的获取和管理。
平台上有三大支柱:
*首先，我们相信人是每个企业最大的资产，我们想把他们放在中心。
我们将企业内所有人的数据(从申请人到校友)聚集在一起，这些数据目前被广泛应用于许多不同的解决方案中。这成为每个企业最丰富、最全面的人才网络。
第二，我们使用数据来提供人们能够做什么，而不是他们过去做过什么。这使得企业能够更有效地将人们与合适的机会匹配起来。
最后，利用AI平台不断从企业和个人的表现中学习，预测未来的角色、表现和职业选择。
Eightfold.ai已经拥有超过100名客户在不同行业中使用其工具。 据一份声明称，其软件迄今处理了超过2000万个应用程序，其客户响应率比行业平均水平提高了700％，同时将筛选成本和时间减少了90％。
Eightfold (fka VolkScience) is industry’s first Talent Intelligence Platform, built for enterprises, to address Talent Acquisition and Management in a holistic fashion. Platform is built with three pillars in mind:
* First, we believe that people are every enterprise’s greatest asset, and we want to put them at the center. We aggregate all people data within an enterprise - from applicants to alumni - which is currently siloed across many different point solutions. This becomes the richest & most comprehensive Talent Network for each enterprise.
* Second, we use data to provide intelligence on what people are capable of doing instead of just what they have done in the past. This allows enterprises to more effectively match people to the right opportunities.
* Finally, using AI the platform continuously learns from enterprise and individual performance to predict future roles, performance and career alternatives.
AI
HR Leader 对人工智能感到兴奋的3个原因，你赞同吗
Tony Banks
围绕人工智能（AI）的经典叙述是我们在科幻电影中经常看到的，那里的杀手机器人在后世界末日景观周围追逐人类残余。这是一个由变革的恐惧和人与智能机器不可能和平共处的观念驱动的叙述。
虽然很难确切地预测AI的全部潜力，但它已经改变了我们的工作方式。认知技术，机器学习和高级算法正在创造更好的员工和候选人体验。远离人们的工作或将我们都追赶到我们的末日，机器的崛起实际上可以迎来人力资源的新时代，并有助于创造新的就业机会。
AI实际上可以改善招聘
毫不夸张地说，AI可能会对招聘产生革命性的影响。Google最近推出了Cloud Jobs API ，它可以“了解职位名称，描述，技能和偏好的细微差别，并根据复杂的分类和关系模型将求职者偏好与相关工作列表相匹配。”这样，AI招聘软件可以帮助您找到更好的候选人，并吸引更广泛的目标受众。
机器不会沉迷于刻板印象，所以人工智能招聘工具可以消除基于性别，种族，年龄，宗教或阶层的无意识或有意识的人类偏见。招聘过程的其他方面，如筛选潜在的候选人，联系候选人可以自动完成。“重影”或通过不良沟通疏远候选人的时代将成为过去。
Chatbots可用于提供补充信息，这些补充信息不能从工作描述中获得，并从人力资源专业人员手中接受小问题。所有这些都通过在整个过程中保持更新来提高整体候选人体验。
人工智能在候选数据分析和使用高级算法来确定最佳人才方面真正实现了自己的目标。人工智能软件将能够分析组织内高绩效人员的职业路径或资格，并确定具有相似技能组合，绩效指标或职业进步的合格候选人。
通过使用以前难以想象的数据点集合来发现非常规人才，Moneyball 改造了棒球招募。
同样，人工智能可以帮助您识别隐藏的钻石或对候选人的长处和短处进行更详细的分析。
以像 Hirevue这样的面部识别技术为例。它可以使用脸部动作，单词选择和语调的数据点来分析视频访谈，以提供更准确的候选人评估。
这并不是说人工智能工具将永远取代人才在招聘过程中的判断或经验。但是，AI可以自动执行平凡的任务，缩短所需的招聘时间并改善候选人的体验。
它将为HR领导人提供更多的信息，从中得出结论并制定更有效的数据驱动招聘策略。毫无疑问， 英国中小企业中，五分之四的人力资源经理对使用人工智能发现未来员工的前景感到兴奋或乐观。
改善现有员工的条件
使用机器让人们更快乐似乎与直觉相反，但是从某人被雇用的那一刻起，AI可能会产生积极的影响。我们以前看的重要性 入职的员工期望，参与和保留条款。机器人可以成为虚拟助手，帮助简化入职流程，回答问题并确保新员工顺利过渡。
继任计划也可以采用智能技术来识别具有在组织中崛起潜力的高绩效员工。招聘和继任计划缺乏人为偏见将导致更多样化的工作场所。正如我们的 多元化博客所显示的那样，这可以带来更大的创新，并最终通过提高利润来获得业务红利。
机器人还可以通过即时消息，自动电子邮件或HR软件仪表板为现有员工提供常见或易于回答的问题的答案。人力资源部可以轻松设置员工的自动辅导。这可以提供针对特定角色的培训，根据数据分析识别专业知识的差距，并提供所需的辅导经验，作为预定继任计划或开发计划的一部分。
人们认为自动化意味着失去了工作，但 研究表明，新职位是由新技术产生的，新技术创造了以前不存在的职位。其他经济专家指出了自动化机器或计算机的趋势，“在工作人员执行常规，可以完成的任务的同时，放大了提供解决问题的技巧，适应性和创造力的工人的比较优势。”
人力资源专业人员将始终被要求提供有助于激励和赋权员工的软技能。智能技术可以让人力资源专业人员摆脱官僚作风，但技术不能取代人类的情商，同理心，判断力和个性。人工智能将扩大人力资源流程的工作方式，但最终这将导致更人性化的人力资源管理，可以专注于人员管理，战略规划和增强员工体验。
HR可以利用AI来达到新的高度
这就是说，国际象棋大师加西·卡斯帕罗夫（Garry Kasparov）在国际象棋比赛中着名的人工智能机器，他 认为人类与一套程序或一台计算机配对会比国际象棋中最强大的计算机程序更好。他指出，“弱人类玩家加上机器加上更好的过程是优越的，不仅对于非常强大的机器，而且对于强大的人类玩家加上机器加上劣质的过程而言，最显着。”
这就是所谓的“半人马模型”，被视为未来人力资源的蓝图。忘记人与机器。这是人加机器。这是关于利用人的判断力，直觉，想象力和战略来对数据分析和机器的预测能力。
人力资源一直围绕着情商，人员技能和组织，这不会改变。然而，新兴的智能技术可以帮助人力资源专业人员释放他们的注意力，将精力集中在更具战略性的角色上，并通过提供新的指标和数据分析来支持创新的工作场所理论和实践。
现代人力资源领导者站在新领域的边缘，将利用人工智能软件和智能机器所提供的见解进行探索。这是一个勇敢的新世界，但其背后的推动力将是非常人性化的，并且能够提供创造力，人际关系和情感理解，这些理念已经把我们带到了今天的地方。
以上由HRTech AI翻译完成，仅供参考
AI
隐藏在人工智能AI招聘工具背后的问题，值得我们HR思考！
编者注：这个主要是聊到AI招聘工具可以帮助消除偏见，但这背后并不是一蹴而就的，需要不断努力，举了两个小栗子：AI面部识别会把黑人的犯罪倾向增加，而白人就会低。还有就是高质量的程序员喜欢看漫画。。。当然这个关联性是否真的，都是AI带来的问题。
推荐阅读下，蛮有意思的。
作者：Ben Whitford
土耳其语没有性别代词:“o”这个词在英语中是由“他”、“她”或“它”完成的。这种语言怪癖对机器翻译工具提出了挑战:将土耳其语翻译成英语，像谷歌翻译这样的工具必须猜测其主体的性别——在这个过程中，往往会暴露出其固有的偏见。
例如，谷歌将土耳其语“o bir doktor”翻译成“他是一名医生”和“o bir hem?”她是个护士。谷歌的算法同样认为，总统或企业家是男性，但保姆、教师或妓女是女性。即使是性格特征也会与假定的性别一致:一个努力工作的人被认为是男性，而懒惰的人被认为是女性。
谷歌的程序员没有对这些刻板印象进行编程;该软件利用人工智能研究真实世界的文本，并创造出反映人们实际使用语言的方式的翻译。换句话说，谷歌翻译的偏见是我们自己的。“机器学习算法会发现有偏见的模式，并学会像现实世界一样有偏见，”微软研究公司的Rich Caruana说。
这应该会让人力资源经理们踌躇不前，他们认为，算法是为了消除招聘过程中的偏见。2016年，CIO在一篇文章中预测，人工智能将把招聘转变为“对任何人类偏见免疫的过程”。“一个袖珍计算器不能是种族主义的，理论上是这样的，一个自动分类简历的系统应该是公正的:”简单地使用这样一个自动化的、客观的过程，就有可能大大减少人类偏见的范围。
很容易明白为什么管理人员渴望解决偏差问题。自从美国的“民权法案”和英国的“种族关系法案”禁止明显的歧视以来，已有数十年的时间了，但较不明显的偏见仍然是一个主要问题。研究表明，平均而言，具有刻板印象的非洲裔美国人姓名的简历比用同样的白名单提交的简历要少36％，而且自20世纪70年代以来没有改变，社会学家林肯奎利安说。
奎里安说，并不是说管理者有意识地歧视别人，他去年发表了30项涉及55,842份申请的招聘偏见研究的分析报告。相反，决策者受到无意识偏见的影响，这些偏见基于他们可能不知道的根深蒂固的偏见。“定型是一种缓慢而难以改变的弹性事物，”奎利安说。“这是令人沮丧的现实 - 超过35年，它没有改变。”
在'黑盒子'里面
越来越多的无意识偏见意识促使人们对自动化招聘系统产生兴趣，但这种偏见的普遍性意味着，使用真实世界的数据进行培训的人工智能工具不是公正的。
谷歌翻译的性别问题不是一个孤立的案例。在许多行业中，有无数的例子都是机器学习工具复制了他们的血肉之躯的偏见。
考虑到研究人员发现该面部识别工具是准确的白人99％，但准确的黑人女性只有65％。并且Google的在线广告算法被发现更有可能向与名声不佳的人展开有关逮捕的广告。而且一名被法官广泛使用的人工智能工具被发现错误地将黑人被告标记为重新犯罪的高风险，几乎是白人被告的错误率的两倍。
很容易看出这样的偏见会如何污染与申请人职位空缺相匹配的工具或者通知与奖金和晋升有关的决策。审查编程职位申请的人工授精工具可能会注意到，公司目前的程序员大多是男性，并且会对男性候选人产生相应的推动作用。Caruana说：“你最终不会招聘女性积极参与编程职位，因为来源方面的偏见是，女性总的来说不是程序员。
尽管AI工具可以被命令忽略性别，种族和其他受保护特征，但消除AI系统的偏见比看起来更难。由于它们的性质，人工智能工具发现模式，许多因素 - 邮政编码，教育程度，爱好 - 可能会无意中成为诸如种族或性别等特征的代理。
在最近的一个案例中，招聘服务机构Gild吹嘘自己的AI系统已经发现了如何发现高潜力的计算机工程师：事实证明，这样的候选人可能是日本漫画网站的粉丝。喜欢漫画的候选人，Gild的团队推理，将有助于识别高质量的工程师。
正如数据科学家凯茜奥尼尔指出的那样，问题在于爱漫画和成为一名成功的工程师之间没有因果关系。相反，吉尔已经确定了一个与种族和性别相关的特征，有效地使用了后门的方法来清除那些不符合其成功候选人应该是什么样子的先入之见的人。奥尼尔说：“我很惊讶他们没有想到那个热爱漫画的候选人更有可能成为亚洲人。” “你通过关联和代理获得性别。”
更糟糕的是，O'Neil说，许多AI系统在“黑匣子”内执行这样的计算，使得无法弄清楚结果是如何得出的。如果你正在教计算机玩下象棋或处理图像，这可能无关紧要，但是当你做出关于人们事业的决定时，这是一件大事。“算法不仅仅是帮助自动化一个过程; 他们增加了一层不透明度，所以很难看到和解决失败，“O'Neil说。“面部识别很容易看出它是否可行; 雇用软件更棘手。“
一个潜在问题 - 和一个监管风险
消除这种偏见是一项艰巨的任务，但如果人工智能系统要演变成可信赖的招聘渠道，这一点至关重要，Pocket Recruiter的首席数据科学家Vineet Vashishta说。“在招聘和人力资源领域，你必须是透明的，”他说。“我们必须能够解释'这是我们做出我们做出的决定的确切方式'，我们必须能够证明这些数据没有一些阴险的偏见。”
不幸的是，Vashishta说，从事人工智能招聘工具的人很少愿意面对他们系统的潜在偏见。他表示，即使在学术和行业聚会上，研究人员也不愿意将注意力放在关于偏见的谈话上。“在人们开始谈论这件事之前，这是三杯酒和一些沉重的叹息，”他说。“至少公开谈论此事的人非常少，因为这真的很可怕。当涉及到机器学习时，这是可能杀死该领域的领域之一。“
Vashishta说，监管机构很可能会开始在某些司法辖区禁止机器学习工具。纽约市成立了一个工作小组来监督政府使用人工智能系统，而欧洲监管机构正在实施框架，这将大大遏制公司在未经明确许可的情况下使用个人数据的能力。“你可能会看到一些政府在未来五年内禁止机器学习，这将是因为这个问题，”他说。“这将是因为它无法解释，缺乏透明度和问责制，以及机器的偏见会让人们感到恐慌。”
但是Vashishta说，有真正的方法可以减少偏见的可能性。Pocket Recruiter使用AI来识别具有特定技能的申请人，而不仅仅是那些与当前员工相似的申请人。尽管如此，人才招聘决策最终还是由谁来提供Pocket Recruiter用来改进算法的反馈。Vashishta说：“Pocket Recruiter可以向你展示你可能因为无意识偏见而未看过的候选人。“但是当谈到人们告诉我们他们想要的候选人时，那些无意识的偏见又回来了。”
最终，为了消除AI系统的偏见，设计师必须在事情的方式和他们应该的方式之间驾驭危险的无人地带。为了消除真实世界的偏见，设计者必须要么倾斜他们的数据，要么按照他们的系统处理数据的方式，以便最终的结果反映出更理想的替代现实。
但以这种或那种方式推动申请人的数据是一个充满挑战的过程。“我们一直这样做，”Vashishta说。“但这些钟形曲线的修正令我们非常惊讶。我们不知道我们是否正在受伤或帮助，直到我们看到算法运行起来，我们才会知道。“要做出可能让某人工作的成本的变化是不容易的，他说。“当你在像招聘这样的公司工作时，你会因此失去睡眠，因为你正在影响某人的生活。这是一种令人痛苦的方式。“
没有在窗帘后面偷看
人工智能招聘工具的一个教训可能来自于一种较老的，技术含量较低的补救办法，以致在招聘方面存在偏见：顶级管弦乐队决定在试演期间在音乐家面前悬挂一幕布。古典音乐过去一直以男性为主，但在20世纪70年代引入了盲目的试镜 - 确保音乐家的演奏而不是外观 - 使顶级乐团的女音乐家增加了五倍以上。
然而，要达到这一点，还需要做出决定，确保音乐家的性别不会受到其他因素的影响，比如穿过窗帘的缝隙看到的鞋子，或者没有地毯的地板上的高跟鞋。
更重要的是，管弦乐队不得不将盲试作为一个起点而不是一个明确的解决方案，并且接受这样一个长期以来由男性主导的机构，偏见仍然是一个问题。尽管已经证明了他们的音乐才能，但第一批通过盲目试镜入场的女性经常不得不与他们继续寻求旁观者的合作。
这大致就是我们使用AI招聘工具的地方：就像管弦乐队的幕布一样，机器学习是一种范式转变，有可能消除长期存在的偏见，但它本身并不能解决几个世纪的偏见。
为了有所作为，人工智能系统需要仔细设计和审查，以确保他们真正无偏见，并且他们的部署方式不允许人力决策者重新向招聘中引入偏见处理。
走向这一点并不容易。“这是我们花费数百年来创造的一个问题。Vashishta说，长期的解决方案并不像我们五年后会遇到的问题。
与此同时，人力资源团队需要停止假设基于计算机的招聘工具本身就是客观的。相反，决策者应该要求证据表明，机器学习系统的设计是有偏见的，并且足够透明，可以识别和纠正潜在的问题。
卡鲁阿纳说，如果人工智能工具要演变成真正公正的招聘工具，人力资源团队将不得不坚持这种透明度。“如果有足够的人问，这将成为一个重要的标准，”卡鲁阿纳说。“但是如果没有人问，我们只会让偏见不断滑落。”
以上由AI翻译完成，HRTechChina倾情奉献。转载请注明。
AI
人工智能、区块链和云，他们如何影响人力资源？
新技术开始在人力资源领域引起轰动。人工智能，区块链和云计算三大影响力最大。你认为哪一个会对人力资源产生最大的影响？我们从AI开始。
AI和HR
“Jo是一名政府合同工，她被BUG（BeemerGoogleUber无人驾驶汽车）带到办公室。
她正在与她的自动教练合作伙伴Sirius讨论她的一天。
“我注意到你昨晚睡眠较少。”Sirius说，“我建议你吃早餐，以增加你的能量水平。
上午11点，您会与气候怀疑小组的Jane会面。她通常最初很保留。记得提出一个开放的问题，微笑以帮助她安心。也许你会温暖她！“
这听起来像人力资源的未来吗？符合人类咨询资源HARRI：机器人界面。HARRI也有一个Twitter帐户 - 所以小心！也许他是未来。
我们希望不要。Andy继续说道：“如果你能相信这一点，我在90年代中期研究了AI。 沃森和Siri之前已经很长时间了。与此同时，人力资源部门发生了巨大变化。“
真正的人力资源机器人是Saberr的Coachbot。Coachbot是一个人力资源机器人，可以指导你工作。
一个传统的教练会花费你每小时100美元左右。同样的钱，你有一年的AI教练应用程序。 这将有可能让数十亿工人获得至少一些教练的好处！
这是否意味着我们的人力资源经理会在几年内成为一名机器人？不，人工智能将通过整合日常流程以更微妙的方式产生更大的影响。以您的Google搜索为例，或通过AI等人工智能。这些日常应用程序感觉很自然 - 但它们是人工智能的真正影响最为明显的领域。
所以，机器人有点被高估。“但是”，安迪警告说，“不要告诉他们”。他总结说：“我们不应该把机器人拟人化。他们真的不喜欢它“。
那么，区块链和人力资源部门有什么关系呢？
区块链似乎不如AI那么激动人心，但可能更具变革性。安迪：“Blockchain不打印3D房子 - 底层技术与复式会计一样令人兴奋 ”。
但是，它的潜力可能非常符合人工智能的潜力。
一个例子是2人之间的数字智能合约。合同双方同意后，立即确认并执行合同。
例如，当您购买房屋或办公大楼时，您需要将钱存入持有存款的公证人，直到房屋转移。然后，他们将注册为新房主。
通过区块链，您可以将资金投入区块链。只要它在区块链上，这笔钱就是你的。然后，当前拥有者可以通过按一下按钮来为您提供（数字）按键。获得钥匙的确切时刻，前任老板获得您的资金。如果其中一方丢失或无效，交易永远不会发生。
这也可以应用于招聘，薪资和资格检查。想象一下，你被要求做几百美元的工作。 一旦工作完成，双方都满意了，钱就是你的了。这意味着您在完成工作的同时获得报酬。不用等很久的公司付款速度慢！这可以使用区块链完成。
区块链不可撼动，像招聘人员，律师或代理机构一样切断中间人。要详细了解区块链和HR的其他可能性。
云计算中的人力资源
第三种技术趋势是云。云通常是指将数据存储在公司内部数据前提之外。这有几个作用：
连通性。通过云，您可以在世界任何地方快速连接，访问和处理这些数据。
降低成本。消除内部部署的服务器容量和维护可降低成本。
更容易扩展。基于云的解决方案托管在大型高度受保护的服务器上。点击一个按钮就可以轻松购买额外的服务器空间或速度。
创新。云中的软件可以由软件供应商自动更新，而不必进行广泛的清理和检查。这导致了软件更多的创新。例子包括许多供应商增加到他们的软件的分析功能。
基于云的软件的最佳例子是即插即用的软件即服务（SAAS）解决方案。这些是为云设计的，不需要IT部署内部部署软件。所有这些解决方案都利用云进行数据访问和存储。当安迪问观众有多少人使用云时，只有几只手上了。
人力资源转移到云的主要影响是迫使流程标准化，因为定制的空间较小。
在过去的几年中，很多人力资源应用程序和系统都已转移到云端。HR部门不太可能不使用基于云的解决方案。但是，并不是每个人都知道这一点呢！
下一步
所有这些技术提供新的可能性。你怎么知道最好的下一步是什么？唯一正确的答案是：“这取决于情况”。
每次我们面临购买新技术或实施新工具的决定时，我们都需要认真评估什么是和什么不起作用。这是循证管理的实质。
只有当我们真正解决真正解决这些问题的解决方案时，我们才会真正前进。让我们关注关键流程并自动化这些流程。它们很重要。
或者，用彼得德鲁克的话来说： “没有什么事情没有效率，完全不应该这样做”。
作者：安迪斯彭斯
AI
人工智能如何促进人力资源分析 How AI Can Boost HR Analytics
Marianne Chrisos
How AI Can Boost HR Analytics
使用AI技术改善您的人力资源报告。
了解如何使用AI来更有效地衡量您的人力资源指标。
随着人工智能技术的不断发展，也许你会想知道在人力资源部门是否有人工智能的地方。人工智能在人力资源分析中的作用是什么？我们花了一些时间专门研究人力资源分析的好处，以及人工智能如何帮助促进人力资源部门的报告和分析，以更多地了解组织的健康和效率。
每位经理应该知道的人力资源分析类型
分析可能不是HR谈到的第一件事。您的具体人力资源需求可能更多地集中于遵守规则条例或员工福利。以下是一些人力资源分析示例，有助于说明为什么报告在每个部门（包括人力资源部门）都很重要。
员工流动率：人力资源部门和企业可能会有一个偶然的想法，即他们的组织内有多少员工流失 - 也就是说，人们退出的频率如何，或者公司必须重新雇佣相同职位的频率。如果一位人力资源经理不断发布需要销售人员的广告，这可能意味着销售人员正在放弃 - 或者销售额在增长，他们需要更多人来满足需求。为了真正了解其原因是由于营业额还是其他原因 - 以及衡量员工翻身的频率，这可能会告诉您关于商业或文化的一些事情 - 您需要使用分析来衡量。
申请人的质量和数量：你的招聘信息有多好？你的企业声誉有多好？你可以找到这些问题的答案 - 并且如果你发现答案“不是很好”，通过分析你的工作发布的申请人数，特别是申请人的质量，可以帮助确保做出调整。使用报告软件可以衡量您的候选人是否符合质量要求，并报告申请人的属性。他们有相同行业或职位的经验吗？他们有帮助组织发展或从事大型项目的历史吗？分析可以帮助您在回答这些问题的同时节省时间。
文化：虽然上述两种分析可以让您对企业文化有所了解，但具体的文化分析对于了解您的企业的健康状况非常重要。使用人力资源工具，如自我报告软件和人力资源调查，您可以编辑和分析数据，分享员工对文化态度的共同点。
人工智能在人力资源分析中的作用
人工智能是一种改变游戏规则的技术，因为它能够分析大量数据并找到模式，甚至做出预测。人力资源分析工具从人工智能中受益，因为人力资源部门有大量原始数据可供使用，人工智能可帮助快速有效地对这些数据进行分类。人才管理系统可以结合人工智能来分析简历关键字和其他指标，以帮助预测潜在招聘信息的最佳人选，从而为人力资源招聘人员节省大量时间。AI还与其他HR数据分析工具一起工作，以推荐培训领域或预测潜在的营业额。
以上AI翻译完成。
作者：Marianne Chrisos
Born in Salem, Massachusetts, growing up outside of Chicago, Illinois, and currently living near Dallas, Texas, Marianne is a content writer as a company near Dallas and contributing writer around the internet. She earned her master's degree in Writing and Publishing from DePaul University in Chicago and has worked in publishing, advertising, digital marketing, and content strategy.
扫一扫 加微信
hrtechchina
AI
AI
AI
AI
AI
AI
AI
AI
AI
AI
扫一扫 加微信
hrtechchina
