[[219941]]

說起來有點諷刺的是，人工智能和機器學習正在幫助人類解決人力資本管理問題方面。招聘是企業今天面臨的最棘手問題之一，找到合適的人才對于企業的成功至關重要，退一步說，雇傭了錯誤的人選是要付出昂貴代價的。***的估計是，找到并雇用一名新員工需要花費25萬美元，如果這個選擇錯誤了，那么很快這個成本就會變成天文數字。隨著關于候選人和員工數據的不斷增加，一些創新的人工智能公司正在致力于應對提高人才獲取效率和效益的挑戰。

招聘效率：容易實現的目標

招聘是涉及整個組織的利益相關者的高觸感活動。有不少人工智能初創公司正在通過低層級任務的自動化，以及為決策者提供更好的信息，大大減輕運營負擔。舉例來說，X.ai的解決方案可以幫助解決日程安排等繁瑣的事情；ClearFit通過自動查找和排列候選人來節省招聘人員的篩選時間；Filtered可以通過自動生成的編碼來評估候選人（也提高了他們的有效性）。雖然這些對于HR來說可能不是殺手級應用，但可以在短時間內提供價值，同時幫助人工智能公司收集數據以擴展到新的領域。

招聘的有效性：具有挑戰性的***目標

改善有效性對企業來說是一個大大的驚喜。為了提高有效性，企業需要更好的數據和信息，使他們能夠找到合適的人選，并在篩選時關注正確的指標。

每個招聘過程中都會生成大量的數據，但不會被捕獲以備將來參考。當公司需要新的人才時，他們會發布招聘啟事，尋找候選人，通過不同的面試篩選他們，最終選擇一個來填補空缺。公司或候選人每次都要經歷這個過程，他們必須從頭開始，不僅要招聘活動要占用時間，還有寶貴的信息。Wade & Wendy公司正試圖通過一個虛擬助理來解決這個問題，這個助手是***個與候選人的***個聯系人，并且持續這個申請人將為申請人與公司建立一個互動關系。

在搜尋候選人方面，企業仍然很難在正確的時間傳達信息，并瞄準合適的人選。人工智能初創公司正在利用現有的數據來解決這個問題。Textio公司旨在幫助企業創造更好的工作崗位，以幫助他們打造差異化；而Engage Talent可以讓他們發現被動的求職者，并在適當的時候為他們提供個性化的信息。

篩選候選人往往依賴于簡歷，這既是一個人技能的間接指標，也是他們的成就和能力的不完整展現。Harver公司正打造一種新型的篩選方式，通過生成有意思的測試來評估應聘者在工作中所要完成的任務，而Ansaro正在整合所有公司對他們員工的數據，來建立預測模型，讓他們更加智能地招聘人才。

商業模式的挑戰

人工智能創業公司可以為企業和候選人提供重要的價值，但他們需要了解在定義業務模型時如何創造這個價值。招聘是一個雙向市場，在非常分散的時間間隔（即招聘人員）創造高價值。這給科技公司帶來了挑戰，雖然他們習慣于經常性的收入來源，但他們的客戶可能更愿意按每個工作/職位付費，而不是典型的SaaS模式。有辦法來克服這個問題，要么通過針對具有高招聘需求的部分（如高周轉業務/臨時工），要么創造一個可以提供經常性價值的產品，但是在早期初創公司和投資者們不得不考慮基于傭金的模式，思考如何過渡到循環模式。

人工智能可以使招聘變得更加智能

雖然企業可以利用越來越多、越來越多多樣化的數據來找到最合適每個職位的候選人，但是招聘過程仍然受限于過去，基于標準化的簡歷和（可能有偏見的）面試官的意見，因此企業備受困擾。即使我們談論的是人，但機器似乎不僅能夠幫助搜尋候選人，還能幫助篩選候選人。事實上，有研究表明人們在挑選合適候選人方面是非常糟糕的，有分析表明算法在招聘方面可以超越人類專家。

即使人工智能還遠遠不能自主決定公司應該雇用誰，誰最適合這個工作，但你可能想看看人工智能是如何更聰明地進行招聘的。