目前HR们怎么看待AI辅助招聘？是停留于概念不落地，浪费时间？还是不愿意改变接受新的事物？

人工智能化已经是一个不可改变的发展趋势。AI技术已经运用到了很多场景，其中包括智能招聘。但是很多的HR都貌似对于人工智能辅助招聘不太感冒，也不愿意去尝试，这究竟是为什么呢？大家一起可以讨论下

中誉艾科的招聘知识图谱涵盖了我们在招聘中常用的实体信息，如行业（包括目标客户行业）、细分领域、公司、产品/品牌、职位、项目、技能（包括硬技能和软技能）、学校、专业、学历等，此外还有一些如地域、民族、政治面貌等实体信息。
这些知识图谱首先作为背景信息和先验知识，记录的主要是它们本身的详细信息和相互之间的关系，再通过深度学习技术，优化已有的知识体系中不准、不全和不够灵活的地方，并从大规模的JD和简历中学到这些信息的隐性表示，建立实体间的关联关系，形成一个庞大的数据库。
中誉艾科的知识图谱在招聘中是如何发挥作用的。
1、实体信息增强
知识图谱作为一种语义网络，是一个具有图结构的知识库，实体信息的增强解释和说明是知识图谱最基本的功能。
在招聘过程中，我们经常需要了解某个学校是否985/211，是公立还是民办，了解候选人简历中提到的公司是做什么的，规模怎样，是否与本公司所处同一行业或相关领域，艾人才均对这些信息做了处理和呈现。
中誉艾科的知识图谱能够将公司所在的行业和细分领域、企业特性、品牌和产品、项目、职位、公司常用到的技能等与公司关联起来，例如艾人才这个品牌属于深圳市中誉艾科科技有限公司，北京三快科技有限公司就是美团；还能将职位和项目、职位与技能等建立关联关系，并应用在人岗匹配环节，如前端工程师主要的技能为Html、Css、Javascript、React、Vue、Angular等，大数据开发工程师最重要的技能为 Hadoop，Hive，Hbase、Spark、Kafka等。
2 、JD文本自动解析成职位画像
艾人才支持直接在平台中发布职位并自动解析成职位画像，此外，还支持标准化接口，把招聘网站平台与艾人才一键打通，或者直接从招聘网站一键激活职位，同步职位JD并进行自动解析。
常见的JD信息一般包括岗位职责和任职资格要求，艾人才AI可基于知识图谱进行知识推理，判断哪些是基本属性要求（如地点、学历、工作经验等），哪些是硬技能，哪些是行业或项目要求，哪些是对曾任企业的要求，智能解构成职位画像。
3、人岗智能匹配
在人岗匹配过程中，知识图谱让AI具有了类似资深猎头的知识推理能力，最简单的例子就是AI知道k8s其实是kubernetes的简称，angular和angular.js和angularJS其实是一个东西，es在技术简历中通常是Elasticsearch的简称，BUT，es6、es7、es8这些指的就不是Elasticsearch而是ECMAScript的各种版本了。
此外，艾人才基于词共现的文本分类算法，通过计算词间共现率，利用TextRank算法构建共现图得到共现词组，建立文本向量表示模型，如Java工程师中常见的技能spring MVC和MyBatis经常一块出现，一个人简历中提到掌握了spring MVC，那他很大概率也是会MyBatis的。
一份简历进入到艾人才平台后，AI首先会针对简历进行智能推理和分析，并提示出简历中的存疑点和风险点，如时间重叠，工作空档期，学历存疑、工作年限虚标、简历造假等。
在人岗多维度匹配过程中，AI能分析简历的亮点和不足，判断其能力匹配度和意愿匹配度，并智能提示有哪些需要具备但简历中没有体现的技能点，机器人会和候选人去沟通确认；人选意愿度不高时应该采取什么措施以提高人选意愿度。
4、人才搜索
艾人才通过引入知识图谱中的实体以及实体的描述信息丰富语义，优化信息检索模型，可灵活支持各类实体搜索，让人才搜索更便捷，更智能。
5、定向挖掘人才
在艾人才平台，你可以根据行业、细分领域，项目、融资轮次、行业地位、公司特性（如乙方、ToB）等来定向挖掘目标公司和对应的人才。
此外，针对ToB行业比较难招的销售商务类人才，艾人才还可以根据目标客户行业来精准挖掘，如需要有能源电力、石油化工、机械制造等行业销售背景的人才，那可以选择目标客户行业为能源、石油石化、机械制造的标签进行定向挖掘。
定向精准挖掘的背后，是艾人才针对这些实体进行了关系建构，如针对行业、细分领域、项目、技能等，建立了父子关系层级结构，使某些属性具有可继承性，某些具有单向性，如你要找有金融客户资源的销售，那么目标客户行业为保险、证券、银行等的公司出来的销售也都是符合要求的，但反过来就不成立了，如你要找有保险公司客户资源的KA，有金融客户资源的销售就不一定合适了。
6、自动搜寻人才
定向挖掘出来的公司，RPA可结合知识图谱，自动用这些公司的全称、简称、以及产品或项目名去招聘渠道上定向搜寻人才，并通过RPA对这些人才进行持续跟踪和培育。
在过去，一些招聘者或资深猎头在定向找人的策略是：先花费大量的时间和精力做Mapping列出对标公司，再按图索骥一个一个去渠道上搜寻人才，日复一日。
而现在，艾人才通过知识图谱+RPA，十几分钟甚至几分钟就能实现人才的Mapping和定向搜寻，这是新技术赋能招聘所带来的生产方式质的飞跃。
知识图谱+NLP+机器学习+RPA，是AI招聘的核心支撑。
随着不同行业的知识按照统一的方式和规范被积累和沉淀，再加上招聘者在艾人才平台的操作反馈，知识图谱与深度学习相互融合相互促进。在艾人才AI招聘平台上，重复性的体力劳动被RPA所替代，重复性的脑力工作正在被知识图谱和深度学习所取代，我们完全有理由相信，这将重塑未来的招聘方式。

对AI招聘技术领域的兴趣正在迅速增长。公司正在投资于创新技术解决方案，以提高效率和生产力。
随着对AI领域的兴趣与日俱增，熟悉AI中一些最常用的术语以及它们如何成为AI招聘技术的一部分将是一件好事。




01 人工智能（AI）

人工智能是一个笼统的术语，用于描述计算机系统模仿人类智力的能力，例如认知，推理，解决问题等。
尽管人们可能将AI视为可以自动执行日常任务的工具，但我认为这并不是AI最为令人兴奋的部分。今天，当我们谈论AI时，我们可能希望引用诸如神经网络之类的东西，当输入不是离散的时，它可以使事物自动化。
机器学习，自然语言处理，机器人过程自动化，深度学习等方法是AI伞的一部分。这些方法中的大多数融合在一起用作AI招聘技术。
人工智能招聘技术-人才招聘流程中的下一件事
02 机器人过程自动化（RPA）

机器人流程自动化是一种自动化具有固定输入和固定输出的平凡或日常任务的方法。
如果我们以在AI招聘技术中使用机器人流程自动化为例，则可能是诸如自动电子邮件回复或向候选人发送招聘营销电子邮件之类的事情。招聘软件通常具有这些功能。
自然语言处理（NLP）
自然语言处理或自然语言处理是计算机程序能够理解口语或书面语言的能力。这是AI领域之一。
NLP的研究已有50多年的历史了。随着计算机技术的飞速发展，近几年来它取得了显着增长。
NLP是AI招聘技术套件中最重要的因素。NLP在招聘过程中的基本作用是理解书面文字，例如职位描述和简历。NLP是筛选简历的好工具。
NLP可以提供极大帮助的另一个领域是构建聊天机器人。这些聊天机器人可以在招聘和选择过程中对候选人进行预筛选。当我们考虑使用AI进行招聘的各种解决方案时，NLP做出了巨大贡献。
更多关于自然语言处理的信息。
机器学习（ML）
机器学习是计算机系统无需进行编程即可从数据中学习的能力。这听起来像魔术！嗯，这就是AI的目标。
基本上，您需要使用大量数据来训练系统。然后，经过训练的系统使用这种学习来预测结果。
例如，让我们谈谈人才培养过程。假设您将组织中最近6个月内被录用的所有应聘者简历投送到招聘软件中。您可能还需要提供一些额外的信息。额外信息，例如通知期，期望薪水等。让我们假设此招聘软件具有机器学习功能。现在，该软件将学习您在过去6个月内尝试招聘的候选人的种类。基于这些经验，它将在招聘和选拔过程中预测谁是最合适的候选人。
机器学习是AI招聘技术中最有趣的部分。它可以根据组织雇用的候选人的类型来堆叠职位的候选人。
在此处阅读有关不同类型的机器学习方法和算法的更多信息。
预测分析
预测分析是一种基于从现有数据集中提取的信息来预测未来趋势的方法。为了收集此类信息，它可以使用各种方法，例如文本分析，数据挖掘，预测建模。然后，它使用此信息来查找和预测趋势。
作为AI招聘技术的一部分，预测分析可以预测给定的候选人是否会接受要约，或者候选人在接受要约后是否会真正加入公司。
有一些产品可以通过聊天机器人，使用调查或其他来源从现有员工那里收集数据，以预测员工是否会在近期辞职。对于HR衡量员工的幸福指数也很有用。
除了AI招聘技术 如果您发现上述技术很有趣，那么您也可以阅读有关神经网络，深度学习和统计建模的文章。
您可能还想了解人力资源分析，人员分析，情感分析等。
不同的AI方法已经用于简历筛选，视频采访，候选人寻找，个性化沟通等。无论是人员配备公司，招聘机构，SMB还是初创公司；AI在招聘过程的每个阶段都在帮助招聘人员和招聘经理。它可以从各种平台上找到合格的候选人。它可以在几秒钟之内筛选出数千份简历，甚至更多。
无论是大批量招聘还是小众招聘，对于许多组织来说，人工智能招聘技术都被证明是一笔宝藏。

这个问题所涉及的现象不仅局限于HR行业，可以说是技术发展背景下，新技术与社会习惯之间的博弈。从一个HR的角度来讲，我个人是非常欣然接受技术协助日常工作，别的不说，智能化招聘管理系统确实能够极大地提高我的工作效率，不用费时间在琐碎无意义的小事上，而给我留下了更多的时间进行自我成长。
就拿我们公司正在用的Moka来说吧，首先，自动化流程贯穿始终，自动筛选简历、智能标签、批量操作、自动跳转等。第二，Moka支持搭建多方协同机制，多方、远程协同，多端便捷协同办公；自动生成面试日历，支持面试官工作日程反向同步至系统，面试日历正向同步至工作日历；邮件、移动端提醒、@提醒，智能提醒候选人、面试官面试时间，填写面试反馈。第三，Moka支持多渠道统一管理，招聘网站、校招、内推、人才库推荐渠道统一管理，整体发布、刷新职位，并提供渠道质量分析报表。
我们常说“技术是一把双刃剑”，但也不必过于恐慌于麦克卢汉的“技术决定论”，一味地去批判，去排斥。AI招聘也好，其他领域的技术发展也好，都是社会发展的必然趋势。

麦穗人工智能是国内领先的AI+招聘技术团队，简单分享一下观点。人工智能技术可以在一些特定场景（特征明显、可解释性强并且冗余重复多）帮助到企业HR，但在具体面试（较为个性化和主观因素强的）场景发挥就比较有限，尚处于概念。
人工智能在招聘行业已经比较成熟的运用包括：
简历结构化：把pdf/word/图片等人才自己写的简历自动阅读后提取为结构化的信息，用于招聘人才库的建设；
人才画像整理：根据提取后的人才信息整理，互联网行业的简历写法花样繁杂，公司名上有人写产品名/缩写（i.e. 美团、美团打车、新美大），有人写全名，依托智能化技术理解人才的历任工作经历和教育背景，补全和完善信息；
岗位匹配人才：根据职位要求按照行业、职能、技能、项目经历等许多要求进行匹配排序，筛选出较为合适的人选；
初选沟通：与人才初步沟通一下职位的信息，确认人才的意向等
事务性工作：具体根据多方日程安排/协调和确认面试安排，进行必要的日程提醒等工作。
这些是目前在招聘行业已经规模化和验证的智能服务~ 疫情下很多人在讨论类似国外hirevue模式的机器人代替面试官进行面试，评测人才的软性素质等就费用偏高，概念偏新，且HR个性化主观成分高，目前尚处于概念验证阶段。
对AI+招聘感兴趣的，可以联系我们官网一起探讨人工智能在招聘行业的深度运用。

我来说两个最现实的问题吧。
一个字：钱。
两个字：效能。
你如果是公司老板，在资源（最主要是钱）有限的情况下，是会优先把资源投到主营业务上还是中后台管理上？
不是中后台管理带不来效能，而是中后台管理的效能，是很难直接体现的，简单来说就是变现很困难。做企业，长远很重要，但是现在更重要，没有现在，根本谈不到长远。
总会有优秀的企业走在前面，但是更多的企业，也可以说绝大多数企业，并不够“优秀”。
另外，还有一个偏一点的角度。也许有人会问，国有企业可不一定完全追求效益了吧，为何不吃螃蟹？其实一句话也解释清楚了：国企老板怕检查，解释不清楚的，pass。鬼知道你现在花大价钱引进的不能立刻产生效能新东西（而且也很多人不懂），会不会被人定义为利益输送或者其他什么。所以，还是别干了。HR自己面试去挺好的，反正又不贵。。