AI时代的驱动力——基于智能招聘应用场景_风闻

编者按：近日，百度人才智库主任、中国人力资源开发研究会智能分会常务理事祝恒书博士受邀参加《中国人力资源开发》杂志社主办的“人工智能驱动的组织与人力资源变革研讨会”，并作主旨演讲《人才管理计算：从HR大数据到HR大智库》，现场有数百人通过在线直播观看了讲座。以下为演讲实录：

**祝恒书：**感谢王震老师，以及会议组委会的邀请，让我今天能够有机会与各位专家老师一起进行学术上的交流。我分享的主题是《人才管理计算：从HR大数据到HR大智库》，这也是我们团队过去几年的主要的研究方向之一，今天向各位专家进行汇报。

我们团队的研究方向叫人才管理计算，是一个全新的应用数据科学方向，主要涵盖AI驱动的劳动力市场经济学、智能招聘、智能组织与人才发展，以及以人为本的数据科学等相关课题。我们在人工智能领域的许多顶级学术期刊和会议上发表了论文，并获得诸多行业奖项，比如《哈佛商业评论》评选的“拉姆·查兰”管理实践奖的全场大奖，以及人大商学院评选的人力资源管理学院奖等。

01 AI时代的三大驱动力

谈到人力资源管理的数智化时代，可能要从大数据驱动的人工智能时代讲起。人工智能这个概念最早是在1956年美国的Dartmouth会议上提出来的，与”人力资源管理”这个的名词的历史差不多一样长。在人工智能被提出来的60多年里，经历了多次跌宕起伏，包括从以专家系统为代表的符号主义，到以神经网络为代表的连接主义，再到第三次浪潮——以深度学习为代表的大数据驱动的AI。事实上，我们当前所处的人工智能时代主要有三大驱动力，简称ABC，A是算法，B是大数据或领域大数据，C是算力。

首先来看算法，虽然我们身边出现了非常多的人工智能算法，但实际上很多主流算法，包括深度学习所涉及的卷积神经网络（CNN）等技术早在几十年前就已被提出，并不是全新的概念。然而，随着近年来各类深度学习开源框架的出现，比如百度的飞桨（PaddlePaddle），使得现在的算法开发变得更加容易，这其中就包括让人力资源管理的专家去亲自开发相关的AI算法成为了可能。

其次来看算力，大家可能感觉现在的算力非常强，但是超级算力是一直都存在的。比如在许多发达国家的非民用领域，很早就有了超级计算机，包括二十多年前IBM公司开发的国际象棋AI——深蓝，也用到了超级算力。近年来，随着云计算和智能芯片技术的快速发展，使得超级算力可以进入常规科研和民用、商用的大多数领域。

最后再来看大数据，其实相比于前两次人工智能浪潮，第三次浪潮的最大的变化就是大数据。正是由于领域大数据的广泛积累，使得我们身边出现了非常多的智能化应用。这些应用既包括高科技企业向传统企业进行的数字化赋能，也包括传统企业积极进行的数智化转型。事实上，不管是数字化赋能还是数智化转型，其背后的核心逻辑都是大数据驱动。

02 打造人力资源开发的第三条技术曲线

事实上，通过大数据可以得到很多有趣的洞察，从而可以为许多传统行业带来全新机遇，比如人力资源管理行业，大数据AI赋能人才管理正面临着一个非常重大的历史机遇期。

首先从政策层面来看，国家现在非常重视人才，今年召开的中央人才工作会议也强调要深入实施新时代的人才强国战略。所以在政策环境上，对于人力资源管理的发展是非常好的支撑。

其次从数据层面来看，随着HR信息化系统的不断普及，互联网应用不断发展，人力资源管理已积累了大量的内外部数据，包括企业内部的人才、组织、文化的各类数据，以及大量外部的互联网招聘和舆情数据，这些数据为接下来开展的大数据智能化人才管理研究工作提供了良好数据支撑。

随着近年来疫情带来的社会突变，国内外就业压力不断的增大。整个人力资本服务市场拥有了非常大的前景，包括巨大的就业人口和服务业市场规模。同时，中国企业特别是互联网企业面临着巨大的人才流失、人才保留和人才激励等困境。

因此，企业人才管理非常需要全新的技术手段进行赋能。在此背景下，我们提出了”人才管理计算”这个全新的研究范式，希望打造人力资源管理的第三条技术曲线。整个人力资源管理技术的发展有四个阶段，从1.0线上化到2.0信息化、3.0数字化再到4.0智能化，每个阶段的变革和跃迁都对应着一条技术曲线。从人力资源1.0到2.0阶段最重要的变化是信息管理系统（IMS），即第一条技术曲线，这代表着IT数据库和BI统计报表技术的发展。

从人力资源2.0到3.0阶段的变革，其实很多人提出了人才分析的概念，包括很多企业如谷歌、亚马逊等公司，也构建了人力资源分析团队（HRPA团队），这些团队做的就是打造第二条技术曲线——人才分析（People Analytics），即引入DI相关的大数据分析技术以便实现数据的洞察。

从人力资源3.0到4.0阶段的跃迁，就是打造第三条技术曲线——人才管理计算（Talent and Management Computing）。即在DI的基础上，引入AI相关的机器学习技术打造智能化的人才管理模式。

三条曲线的背后逻辑分别代表三个T：Fact（事实）、Insight（洞察）和Prospect（前瞻）。

案例：假如发现了病然后去治病，发现是一个客观事实，可以看做是扁鹊；洞察是发现了病人发病早期的征兆，然后以此去治病，可以看做是扁鹊的“二哥”；扁鹊的“大哥”更厉害，他可以在一个人还没发病时，就前瞻的预测到可能会生病，是一种前瞻式的治疗。同样类比在管理学中也就是一种前瞻式的管理。

在智能化的方向，我们希望打造的大数据智能化的人才管理，不光是流程的智能化，更是要通过全新的技术手段赋能人才管理各场景的动作和决策，最终实现决策的智能化。

很多企业都说自己迈入了人力资源管理智能化阶段，但实际大多都停留在流程智能化阶段，也就是以提升整体人力资源管理的流程效率为核心，比如OCR简历识别、语音识别、人脸门禁等。

随着未来人才管理计算技术的不断深入，大数据智能化的人才管理模式会为人才管理提升决策效果，真正把大数据技术引入到人才管理的决策层面。传统的人才管理与之相比有很多弊端，包括主观经验导向、数据碎片化等，得到的结论往往非常模糊化和滞后化。

因此，我们希望打造的大数据智能化的人才管理模式应该是科学、客观的，将各类数据拉通对齐，从而实现一种清晰化、前瞻性的人力资源管理模式。比如一位优秀员工提出了离职，我们不希望等员工提出离职后再去做保留动作，而是以前瞻的方式对员工的职业生涯进行预测，在员工的职业生涯早期进行辅导和帮助，以便做一些预判式的管理。

这种全新的管理模式应该是从应用场景出发，到数据的收集整合，再到AI模型的构建，最终搭建一个全新的人才管理体系并实现产品化，实现打通场景、数据、模型、系统的完整闭环，这就是大数据智能化人才管理的模式。大数据智能化化人才管理其实就像现代医学中的循证医学（evidence based medicine），其中HR就像是医生，通过AI技术赋能企业的人才管理。传统的HR的工具更像一种“望闻问切”的号脉手段，有了AI和大数据之后，HR就好比有了核磁共振，可以解决更多的复杂管理难题，减少重复性的工作。

03 智能招聘的三类应用场景

我们从5年前开始就在智能招聘领域进行了探索和应用。事实上，现在的互联网行业中有许多的像百度一样的轻资产型公司，人才就是最核心的竞争力，也是最宝贵的财富，但对于优秀人才的选拔招聘其实是非常费时费力的事。同时传统的招聘技术有很多弊端，会让很多优秀的人才成为遗珠之恨。

为此，我们团队打造一系列的智能招聘的技术，包括简历画像、人才搜索、人能匹配、智能笔试、智能面试等场景化的应用。具体来说，可以聚焦于三个重要的应用场景：

场景一：智能化简历评估和筛选。这是招聘漏斗中的第一环也是最费时费力的一个环节。例如许多企业的简历筛选率高达100:1，即100份简历最终只有一个人进入offer环节，其中可能有70份简历都在初筛环节被筛掉。

在此过程中，如果只靠招聘专员去筛选其实是很困难的。因为现在很多专业知识，人力资源从业者是不了解的，特别是对非常专精的AI领域的内容。所以通常只能通过硬性条件筛选，比如学历、GPA等，那么很多优秀人才就会成为遗珠之恨。因此，我们希望通过智能化的手段去打造真正的智能化人才评估，去实现真正的不拘一格降人才。

为此，我们基于互联网大数据打造了全球最大的一个中文招聘领域知识图谱，包括领域、岗位、技能、薪资等的上亿级别的丰富实体，以及非常丰富的实体关系，如同义词上下位、技能的属于关系等。

有了知识图谱就可以对行业岗位进行精准画像，有了画像就可以对候选人简历进行综合的建模，结合简历与历史面试的打分记录，来构建一个有监督的机器学习模型，以便对简历进行精准的评估。当然，其过程涉及到非常多的技术问题，比如知识图谱的补全问题、知识图谱的表示学习等。针对这些问题，我们也在KDD、AAAI等人工智能领域的顶级学术会议上发表了专门的论文，相关成果在百度自己的招聘系统也有了广泛应用。

场景二：智能化的简历分发和岗位推荐。当有了人才库以后，企业希望能够让优秀的人才尽其所用，其中涉及到管理学中的人岗匹配问题。传统的人岗匹配算法大多是基于关键词的匹配，比如做数据挖掘，必须是简历和JD（岗位描述）中都要有“数据挖掘”这个词的匹配，但这种匹配是非常“硬”的匹配，会让一些丰富的语义信息有所缺失。

很多时候，候选人不会直接定义自己的能力水平，反而会从侧面进行描述，比如在相关的竞赛上获得奖项，发表过相关论文等，但本质上都是与数据挖掘存在语义上的关联，所以需要打造模型来实现语义层面的关联，以及实现非关键词和句法层面的匹配。

为此，我们打造了全球第一个基于深度学习的人岗匹配的算法，可以实现语义层面的匹配，并增强了模型的可解释性。相关成果发表在信息检索领域最好的会议SIGIR上，并在百度的各种招聘的产品中以及与百度大脑开展的百度大脑智能招聘解决方案中进行了上线。

场景三：智能笔试面试评估。因为传统的笔试评估很多是针对校招场景，或初级的社招，所以传统的笔试场景其实不是个性化的，而是大一统的笔试出题逻辑。但随着信息化时代的不断发展，各个岗位的技能要求越来越专精，包括每个人学会的技能也大相径庭。

例如，同样是软件开发专业的人才，有的人用C++语言，有的人用Python，甚至有的人用Java，因此很难拿同一套题去进行考察。为了更好的考察候选人，我们在百度提出了一种千人千面、万人万面的智能化、个性化笔试面试的考察方案，根据候选人的应聘岗位要求，以及候选人简历中所描述的个性化内容，综合生成一套个性化的试卷，虽然考题都不一样，但又能通过算法保证整体的难度的公平性和考察的精准性。相关成果也在KDD、IJCAI、TOIS等领域顶级会议和期刊上进行了发表。

这种个性化评测系统的一个好处是让候选人很难进行简历造假。因为一旦候选人写了不擅长的内容，智能化的笔试机器人就会根据算法给其推荐不擅长做的题目，所以这样可以杜绝候选人的简历造假，同时也防止候选人写很多空泛的内容。

基于相关成果我们打造了百度的“智能笔试龙虎榜”的产品，已经在百度校园招聘中连续应用了四年。在每年正式校招笔试开始前，会上线这样的智能笔试平台，通过测试的优秀同学就可以直接免正式笔试直通面试，与其他传统评测方法相比，我们的智能笔试产品在后期的offer率等都有显著提升。

04 AI让这个世界更加美好！

我们和百度大脑、百度智能云一起打造了全球第一个“AI+评测+招聘”的智能招聘云解决方案，目前与很多企业都进行了合作，赋能来行业的数智化转型和人才培养。同时，针对疫情中的用工、就业难问题，我们还与百度百聘一起打造了一款专门面向蓝领群体的求职产品”求职精灵”。

今年，我们在人才管理计算方向的最新科研成果发表在了国际著名刊物Nature子刊 Nature Communications(《自然·通讯》)上。我们在国际上首次使用数据驱动的方法,通过机器学习技术，探索了薪资与工作技能价值评估关系的重要问题。这对于社会劳动价值分配机制的合理性和公平性设计、社会劳动力保障、智能招聘和精准就业、个性化职业教育等多个领域均有重要价值和影响。

虽然我们是一家商业公司的AI团队，一方面要做到make better business（做更好的商业），但同时从企业社会责任以及一名科研工作者的初心出发，更加希望能够make a better world（让这个世界更加美好）。

谢谢大家。

（更多精彩内容， 请关注公号：kingmaker798）