人工智能已将目光投向招聘行业，找饭碗要看机器人脸色了？

落地过程中，AI招聘真的能够做到宣传语所承诺的吗？

3个小时10万韩元（约598元），让求职者学会应对AI招聘的技巧，这是韩国首尔某职业咨询机构新推出的培训服务。

与这项服务对应的是韩国131家大企业中，近25%正在或打算利用AI技术招聘新人，AI招聘已经成为一种“潮流”。

AI+招聘是不可逆趋势

古早风格的招聘是报纸发启事+电话征询，之后招聘走入线下，是持续了很多年的人山人海招聘会。

自2001年开始，招聘工作逐渐往线上发展，分担了线下招聘的部分压力，随之而来的是企业邮箱投递、综合服务门户网站/APP的逐渐涌现，发展至今，线上招聘已经取代过往的线下招聘会，成为HR找人的主流途径。

可以看到，围绕“招聘”这个工作，分发渠道和落实方式已历经几次升级，求职者找工作更方便了，但是HR的工作在本质上并没有太大的变化。

传统的招聘流程中，发布/更新招聘消息——审查筛选主投简历——搜查简历库匹配岗位——电话邀约、确认面试时间——进行面试做进一步筛选——背调，这些步骤构成了招聘工作的核心部分，其中的大部分是重复、机械化的。

不可否认，现如今的互联网招聘平台减免了HR到处参展来找人的麻烦，也通过关键词筛选等功能缩短了审查简历的时间，但颇有些“治标不治本”的意味。譬如为了提升精准率，仍旧需要拥有一定经验的HR对候选者进行多轮面试，尤其是在大企业，显然这种操作并不十分高效。

针对招聘流程的重复与繁琐，出于提高效率、提升准确率等目的，越来越多的公司盯上了“AI”。早在2017年，德勤就曾发布一份报告，数据显示有33%的受调查HR已经在工作中不同程度地使用了AI。另外依据人才软件公司CareerBuilder同年进行的一项调查，美国约55%的人力资源经理认为AI在未来5年内（2018-2022年）成为工作的常规部分。

从简历筛选到直接面试，AI几乎覆盖招聘全流程

谈及AI与招聘行业的结合与技术落地，世界上第一个机器人HR也已经于去年9月正式上岗，并为瑞士政府招聘了员工。据近三年来融资消息的不完全统计，目前从事“AI+招聘”研究方向的新兴创企已经不下于50家，与他们一起的还有猎聘网等紧跟潮流、进行智能化升级的传统招聘服务综合网站。

具体的研究方向上，当前的AI招聘产业已经划分有数个细分赛道，包括围绕简历的精准筛选与推荐、应聘者面试（视频/文字）、背景调查等。

以简历的精准筛选和推荐为例，国内这一赛道的Bello等多家公司已经相继获得多轮融资。正常流程下，一家公司的HR除了查看官方邮箱及自有人才库之外，还需要在猎聘网、前程无忧、BOSS直聘等第三方平台查看主投简历。接收简历之后，他们需要对那些简历进行审查、筛选，有的时候为了进一步确认一些信息，还需要与应聘者线上交流，最终做出综合评判，并从中筛选出候选人，确认意向和面试时间。

当AI介入，原本HR去往各个渠道查阅简历的工作将被（部分）取代。届时，AI系统将根据HR提供的JD（Job Description，职位描述），基于自然语言处理等AI技术“理解”JD，以及应聘者的简历描述，将两者信息进行比对和匹配，并根据符合度将筛选出来的候选者进行排名，继而将结果推送给HR，亦或只是进行相对简单的“剔除”操作，而不是“筛选”。

在AI的帮助下，人类HR的工作量大大降低，若系统足够成熟，在招聘初期这一阶段，他们的工作就只剩下三件事，分别是编写招聘信息、选择面试候选者、通知并安排面试。

而在面试阶段，文本分析和视频图像分析成为主流。以上面提到的机器人HR Tengai为例，它是一个硬件机器人形态，全程都会以一种统一的方式、语调、顺序提出问题，面试结束之后将把文本记录提供给招聘负责人，帮助决定哪些候选者应该进入下一轮面试。

过程中，机器人HR能够将应聘者的回答与数据库中基于已有员工回答搭建的算法模型进行比对，从而进行考核，以协助人类HR作出决定。另外，基于视频图像识别，应聘者的表情与情绪等也将成为判定标准之一。

此前欧莱雅曾进行一个比对，从筛选简历、预约面试到进行电话面试，人类HR平均需要花费45分钟，而机器人HR仅需要4-5分钟。在一个项目中，机器人HR从1.2万份简历中筛选出了80名候选者，耗时比人类HR少了200小时。

照这一结果来看，不怪乎人们看好AI与招聘行业的结合。

偏见与否、数据隐私……AI招聘逃避不了的“审查”

依据《2019年第3季度中国在线求职招聘市场研究报告》报告显示，2018年中国在线求职招聘用户规模达到1.9亿人，预计2019年将达到2.2亿人，2020年将接近2.5亿人。截至2019年第三季度，线上互联网招聘行业的市场规模就已经增长至29.8亿元，环比增长率为5.9%，对于AI而言，这不啻为一个亿级规模市场。

只是需要注意的是，市场虽大，但“AI招聘”前进道路上存在的坑也不少。

• 基于公司过往数据搭建算法模型，“偏见”真的能避免？

必须承认，无论哪家企业的管理过程中，或多或少都存在一些“偏见”。以谷歌为例，该公司一直以来都坚称要成为一家更加多元化的企业，但是近几年来的一些人员纷争和社会舆论都在说明，它并没有做到这一点。

有这样一组数据（2016年）：员工中69%为男性，56%为白人；工程师岗位中约53%为白人男性；领导层中75%为男性，68%为白人。与此相对的，谷歌雇员中黑人和拉丁裔各占2%、4%。

若拿这些数据来训练AI招聘的算法模型，简历中的“偏见”必然也将在模型中显现。关于这一点，亚马逊的AI招聘算法模型已经做出佐证。

早在2014年，亚马逊就曾出于“寻找最佳求职者”的目的推出一项新招聘算法，但在一年之后，这一工具存在“歧视女性”的现象，最终被亚马逊悄悄关闭。

可以看到，“AI+招聘”赛道的玩家，尤其是涉猎简历筛选和人员面试阶段的企业，在宣传的时候均表示AI的加入将消除招聘过程中的偏见。只不过，事实真的如此吗？就目前来看，不管是数据的标签化，还是算法模型的搭建和训练，其中均有着人的身影，如何消除“人”带来的偏好影响，这是AI落地招聘领域需要考虑的问题。

• 数据结果是否能合理解释？隐私又该如何保护？

人工智能讲究的是一个“逻辑性”，但同时，它的运作也是一个“黑盒子”，这引起了人们对于算法模型最终输出结果的不信任，症结就在于它的“不可解释性”。

于一家企业而言，之所以采用AI模型，目的就是为了提升效率和人员招聘的精准率，若模型最终筛选出的候选人并不能很好地与JD相适配，显然AI模型的价值也就失去了。

依据业内人士所说，目前的AI匹配算法仅能适用于少数一些职业，譬如卡车司机等，之所以如此，也是因为这些职位的需求更容易被模型化。相比之下，绝大多数职业的JD是多样化的，如何才能准确找到适合的人才，且避免不必要的人才错失，对于AI是一个挑战，尤其是当下针对“AI招聘”的特定培训已经出现的前提下。

此外，若HR需要借助AI实现简历筛选、候选人面试等工作的高效，这就意味着系统需要接入企业自有人才数据库和第三方招聘平台，若未能告知应聘者这一消息，那便存在一定的数据侵权嫌疑，与此同时企业和AI系统也面临数据隐私安全性的挑战。