韓踐/文 當(dāng)前，業(yè)務(wù)主管對(duì)于人力資源管理職能最常見的批評(píng)是“招聘和甄選的產(chǎn)出跟不上業(yè)務(wù)的需求”。這個(gè)批評(píng)覆蓋了數(shù)量和質(zhì)量?jī)蓚€(gè)方面。其中，提升質(zhì)量比數(shù)量問題更具挑戰(zhàn)性，因?yàn)樯婕捌ヅ鋯栴}。
科學(xué)管理時(shí)代以來，“人與崗位的匹配”和“人與組織的匹配”問題，始終是企業(yè)管理面臨的挑戰(zhàn)之一，導(dǎo)致這個(gè)問題出現(xiàn)的原因有很多。
比如，很多企業(yè)在招聘時(shí)采用一些相對(duì)粗糙的人才標(biāo)準(zhǔn)，甚至不使用事先規(guī)劃的人才標(biāo)準(zhǔn)，看著順眼就進(jìn)?；蛘撸髽I(yè)在甄選時(shí)過于強(qiáng)調(diào)可量化的硬技能，而忽視了崗位實(shí)際需要的軟素質(zhì)。負(fù)責(zé)招聘的管理者為了節(jié)約時(shí)間和成本，傾向于使用直覺主導(dǎo)的、信度和效度較低的方法（如非結(jié)構(gòu)化面試）。
此外，很多公司內(nèi)部的招聘政策、導(dǎo)向和流程都出現(xiàn)不一致的問題，隨意性很強(qiáng)。這些問題都會(huì)影響招聘和甄選的效果，降低人員選拔對(duì)企業(yè)應(yīng)有的價(jià)值。
隨著數(shù)智技術(shù)的發(fā)展，我們都期待新技術(shù)能夠幫提升人才匹配的效率，即用AI技術(shù)將招聘和甄選過程中重復(fù)耗時(shí)的工作自動(dòng)化，并在整個(gè)招聘過程中實(shí)現(xiàn)個(gè)性化的數(shù)據(jù)分析和推薦功能，使招聘人員可以專注于復(fù)雜的甄選判斷和溝通工作。據(jù)LinkedIn等招聘網(wǎng)站的調(diào)研估計(jì)，全球約有35%—45%的企業(yè)已經(jīng)在員工招聘的流程中采用自動(dòng)化或AI工具。
數(shù)智技術(shù)的優(yōu)勢(shì)
數(shù)智技術(shù)在提升招聘和選拔效率方面有很多優(yōu)勢(shì)。
比如，它可以快速處理大量簡(jiǎn)歷，通過自動(dòng)化的初步篩選，大大降低初篩階段的人力和時(shí)間成本?，F(xiàn)在，市場(chǎng)上的一些工具通過自然語言處理（NLP）分析簡(jiǎn)歷和社交媒體數(shù)據(jù)，評(píng)估視頻面試的表現(xiàn)，甚至利用算法判斷個(gè)人與職位的匹配度。此外，越來越多的算法還能結(jié)合各種心理測(cè)量量表，比如認(rèn)知能力和責(zé)任心等，根據(jù)不同的崗位需求進(jìn)行加權(quán)處理來預(yù)測(cè)員工的績(jī)效表現(xiàn)。
在面試環(huán)節(jié)，數(shù)智應(yīng)用可以記錄和分析候選人的聲音（音調(diào)、音量和節(jié)奏）、身體動(dòng)作（手勢(shì)、姿勢(shì)等）以及面部表情（快樂、驚訝、憤怒等），從而綜合評(píng)估候選人的個(gè)人特點(diǎn)、表達(dá)風(fēng)格、溝通技巧、說服力、抗壓性以及邏輯能力，并結(jié)合其它測(cè)評(píng)數(shù)據(jù)預(yù)測(cè)申請(qǐng)者的工作表現(xiàn)。隨著算法分析的預(yù)測(cè)因子增多以及數(shù)據(jù)量的增加，算法能更加深入地理解這些因子和工作表現(xiàn)之間的關(guān)系，減少預(yù)測(cè)誤差，幫助管理者們更有效地進(jìn)行人才選拔。
很多企業(yè)招聘面臨的主要問題是缺乏結(jié)構(gòu)化的人員招聘和選拔流程。在這些企業(yè)中，面試官和決策者的主觀喜好起到了比較重要的作用，很可能導(dǎo)致有偏見的決策，從而降低整個(gè)招聘體系內(nèi)部的一致性和甄選效能。在這種場(chǎng)景下，使用數(shù)智工具促進(jìn)人員選拔流程的標(biāo)準(zhǔn)化和結(jié)構(gòu)化，可以增加申請(qǐng)者們對(duì)于申請(qǐng)流程的公平感。
數(shù)智技術(shù)還有一個(gè)重要優(yōu)勢(shì)，就是其個(gè)性化和適配能力。
通過分析簡(jiǎn)歷和招聘需求，算法能夠根據(jù)市場(chǎng)變化和企業(yè)需求，給管理者提供適配建議。相較于傳統(tǒng)的信息處理方式，當(dāng)前數(shù)智技術(shù)的發(fā)展趨勢(shì)是處理多種數(shù)據(jù)形式，如文本、音頻和視頻，為拉通和整合大量無結(jié)構(gòu)、嘈雜的數(shù)據(jù)提供了新的可能性。
隨著數(shù)據(jù)管理能力的提升，算法甚至可能打破公司傳統(tǒng)的人才選拔框架，發(fā)現(xiàn)一些以前未被重視但非常有價(jià)值的標(biāo)準(zhǔn)。
近些年，一些研究揭示了算法可能會(huì)在甄選時(shí)帶來的驚喜：即從數(shù)據(jù)中挖掘出“非傳統(tǒng)”人才。這些人可能來自非精英院校，不一定滿足企業(yè)常用的一些“硬杠杠”，如相關(guān)工作經(jīng)驗(yàn)、專業(yè)資質(zhì)或大學(xué)成績(jī)，但因其在某些方面表現(xiàn)出的強(qiáng)項(xiàng)(如責(zé)任心強(qiáng)或表達(dá)能力出眾)而被算法選中。算法這些不走尋常路的思考方式可以啟發(fā)我們拓展人才招聘的思路，提升人崗匹配的效果。
目前，對(duì)于人工智能甄選的有效性已經(jīng)積累了一定的實(shí)證結(jié)果。例如，視頻甄選方面的研究表明，經(jīng)過專家評(píng)估的模型通過分析申請(qǐng)者的面部表情、語言和聲調(diào)信息（如音高），能夠較好地預(yù)測(cè)申請(qǐng)者的性格特質(zhì)。其中，口頭表述的內(nèi)容文本，即申請(qǐng)者“說了什么”，對(duì)預(yù)測(cè)效果的貢獻(xiàn)最大；而面部和聲音節(jié)律信息對(duì)預(yù)測(cè)效果的貢獻(xiàn)則相對(duì)較少。
進(jìn)一步看，在訓(xùn)練人工智能評(píng)估人格特質(zhì)，例如“責(zé)任心”和“外向性格”時(shí)，使用面試官的評(píng)價(jià)數(shù)據(jù)，比使用申請(qǐng)者自我報(bào)告的評(píng)估數(shù)據(jù)效果更好。
此外，AI在分析社交媒體數(shù)據(jù)，如申請(qǐng)者如何在社交媒體中展示自己等方面初現(xiàn)成果。例如，通過分析Facebook（美國(guó)社交媒體平臺(tái)，現(xiàn)稱Meta）上的文本內(nèi)容，AI模型可以預(yù)測(cè)申請(qǐng)者的人格特質(zhì)和智力水平等，且其預(yù)測(cè)結(jié)果在六個(gè)月的時(shí)間間隔內(nèi)保持相對(duì)穩(wěn)定。
研究顯示，相比自我報(bào)告的人格測(cè)試，AI基于社交媒體數(shù)據(jù)預(yù)測(cè)的人格特質(zhì)，比人類招聘者的預(yù)測(cè)準(zhǔn)確度略有提高。
還有一些研究表明，由算法選拔的候選人通過面試并入職的可能性，比一般選拔流程高出14%。這些員工入職后的生產(chǎn)力會(huì)高出0.2至0.4個(gè)標(biāo)準(zhǔn)差，且在薪資談判中提出異議的可能性也要低12%。此外，大部分研究都提到使用算法可以大幅節(jié)省選拔成本。
數(shù)智化應(yīng)用的局限性
消除算法的偏見在很大程度上取決于用來訓(xùn)練模型的數(shù)據(jù):如果訓(xùn)練模型的數(shù)據(jù)承接了過往招聘和甄選模式的偏見，即便算法和模型是可靠的，偏見可能依然會(huì)在數(shù)智化招聘中存在，甚至在系統(tǒng)標(biāo)準(zhǔn)化執(zhí)行的過程中被放大。
2014年，亞馬遜工程師團(tuán)隊(duì)啟動(dòng)了一個(gè)旨在自動(dòng)化招聘流程的項(xiàng)目，包括一個(gè)用于篩選簡(jiǎn)歷的算法。然而，公司發(fā)現(xiàn)該算法對(duì)申請(qǐng)軟件工程師職位的女性申請(qǐng)者存在系統(tǒng)性歧視。訓(xùn)練算法的數(shù)據(jù)主要基于男性工程師的簡(jiǎn)歷，導(dǎo)致算法傾向于選擇與現(xiàn)有男性員工簡(jiǎn)歷相似的申請(qǐng)者。
具體歧視的方式包括對(duì)畢業(yè)于女子學(xué)院的候選人不利，降低包含“女性”詞匯的簡(jiǎn)歷評(píng)分，以及偏好使用男性傾向動(dòng)詞的簡(jiǎn)歷等。盡管程序員嘗試修復(fù)這一問題，但最終未能成功，亞馬遜在一年后也停止使用了該軟件。
這個(gè)事件引起了人們對(duì)算法偏見的廣泛關(guān)注，并警醒人們，在數(shù)智技術(shù)進(jìn)一步提升企業(yè)招聘和甄選效率的同時(shí)，企業(yè)需要持續(xù)識(shí)別和刷新那些真正能夠促進(jìn)企業(yè)成功和員工高績(jī)效的驅(qū)動(dòng)因素，并以此為基礎(chǔ)訓(xùn)練模型，減少由于數(shù)據(jù)偏差或人類偏見帶來的甄選“噪音”。
在招聘和甄選時(shí)使用的人才標(biāo)準(zhǔn)，一般是基于崗位描述以及企業(yè)內(nèi)部績(jī)優(yōu)員工的特征來構(gòu)建的。但對(duì)于這種做法一直存在質(zhì)疑的聲音。
首先，輸出績(jī)效分?jǐn)?shù)和績(jī)優(yōu)員工特征的績(jī)效管理體系是否可靠？當(dāng)被問及“哪些特征能夠解釋和區(qū)分員工之間的績(jī)效差異”時(shí)，恐怕很多企業(yè)對(duì)其績(jī)效評(píng)估和管理體系都不是十分自信。因?yàn)?，大多?shù)企業(yè)的績(jī)效考核體系嚴(yán)重偏向財(cái)務(wù)指標(biāo)和顯性的量化結(jié)果，這些從數(shù)字到數(shù)字的體系，很容易忽略工作過程和員工的日常行為。而現(xiàn)實(shí)中的績(jī)優(yōu)員工是有血有肉的，其特質(zhì)和績(jī)效之間的關(guān)系復(fù)雜而立體，需要大量過程數(shù)據(jù)和行為數(shù)據(jù)來詮釋和提煉他們的特點(diǎn)，才能形成有效的模型。
在甄選的時(shí)候，如果我們只關(guān)注一些顯而易見的表面特征（如畢業(yè)院校、性別、工作經(jīng)驗(yàn)），而忽略影響實(shí)際工作績(jī)效的深層要素（如合作精神、學(xué)習(xí)潛力等），根據(jù)這樣的模式構(gòu)建的算法，也會(huì)錯(cuò)過一些真正有潛力的候選人。
這就是為什么在依賴算法做出重要決策之前，我們必須仔細(xì)考量和驗(yàn)證假設(shè)的完整性與合理性以及用來構(gòu)建算法的數(shù)據(jù)質(zhì)量的原因。
如何讓AI更靠譜
首先，我們需要分析選拔體系的整體效率和效益。
自上世紀(jì)90年代以來，企業(yè)采納了多種方法，以量化和分析招聘的效能。針對(duì)招聘體系的分析主要包括成本效益分析、時(shí)間效率分析、招聘質(zhì)量分析（如新員工的早期績(jī)效、離職率和員工滿意度）、招聘渠道效果、應(yīng)聘者體驗(yàn)、招聘轉(zhuǎn)化率以及招聘投資回報(bào)率（ROI）等。
這些方法能夠幫助組織更精準(zhǔn)地評(píng)估員工招聘的成本、速度、質(zhì)量以及招聘活動(dòng)對(duì)組織的長(zhǎng)期影響。
此外，通過對(duì)不同招聘渠道的分析，組織可以找到更有效的招聘途徑；通過調(diào)查新員工的應(yīng)聘體驗(yàn)、入職后績(jī)效和滿意度，可以幫助組織提升招聘活動(dòng)的質(zhì)量和公司的雇主品牌。當(dāng)這些方面的運(yùn)營(yíng)數(shù)據(jù)積累到一定程度時(shí)，企業(yè)還可以建立模型來全面提升招聘和甄選的投入和產(chǎn)出。
值得注意的是，使用數(shù)智化工具并不是提升甄選效果的靈丹妙藥。當(dāng)前，企業(yè)的招聘和選拔體系常常被詬病“無效”，關(guān)鍵問題在于經(jīng)驗(yàn)不足、投入不足或急功近利。
很多企業(yè)傾向于選擇低成本且方便的招聘方法，如僅僅采用面試就做出決策，省去了筆試、特質(zhì)評(píng)估和工作樣本等多種測(cè)試結(jié)合的方法。這樣做雖然降低了局部成本，但可能導(dǎo)致因人員配置不當(dāng)而影響整個(gè)組織的效率和效益。
工業(yè)心理學(xué)的大量研究表明，管理成熟度更高的企業(yè)通常會(huì)采用多種甄選方式的組合以提升人才選拔的效果，而精心規(guī)劃和實(shí)施的招聘活動(dòng)還將為企業(yè)和員工奠定良好的雇傭關(guān)系。因此，我們經(jīng)常說，管理員工體驗(yàn)的起點(diǎn)是招聘工作開始的那一刻，而不是進(jìn)入公司簽約之時(shí)。
面對(duì)AI的發(fā)展，企業(yè)都有一個(gè)“提效夢(mèng)”。需要提醒企業(yè)的是，實(shí)施算法招聘需要在數(shù)據(jù)獲取、清洗、軟硬件以及培訓(xùn)等方面進(jìn)行大量的前期投資；包括對(duì)算法進(jìn)行反復(fù)培訓(xùn)，提升其模型的有效性和準(zhǔn)確度。前期的投入會(huì)耗費(fèi)大量資源，企業(yè)對(duì)此要有合理的預(yù)算和預(yù)期。
其次，我們可以從提出一些“靠譜”的問題開始。
無論是否使用算法，企業(yè)在進(jìn)行招聘和甄選時(shí)，都要面對(duì)兩個(gè)關(guān)鍵問題：如何不斷迭代人員甄選的標(biāo)準(zhǔn)和過程，使之有助于預(yù)測(cè)申請(qǐng)者未來的工作績(jī)效？如何不斷提升申請(qǐng)者在招聘和甄選過程中的體驗(yàn)，使之有助于提升企業(yè)的吸引力和雇主品牌？
從管理過程看，我們還可以把這兩個(gè)大問題拆解成一系列的小問題。如果我們?cè)谡邕x中使用數(shù)智化工具，在多大程度上可以有效預(yù)測(cè)申請(qǐng)人的實(shí)際工作表現(xiàn)？數(shù)智化工具是否經(jīng)過歷史數(shù)據(jù)或員工試用期的數(shù)據(jù)分析等實(shí)證研究檢測(cè)？是否使用了廣泛而多樣的數(shù)據(jù)樣本訓(xùn)練甄選模型，以確保數(shù)智化工具對(duì)于不同群體的預(yù)測(cè)是準(zhǔn)確而無偏差的？算法的設(shè)計(jì)能否反映工作的職責(zé)和要求？算法選拔的內(nèi)容是否能夠通過企業(yè)內(nèi)外部專家的參與和評(píng)估，以確保其選拔的內(nèi)容與實(shí)際的工作密切相關(guān)？算法選拔的過程是否透明且能夠被用戶（如人力資源從業(yè)人員、業(yè)務(wù)主管或應(yīng)聘者）理解和信任？
回答這些問題，企業(yè)需要不斷實(shí)踐、試驗(yàn)、復(fù)盤和迭代。不斷重復(fù)這些問與答，能夠讓我們?cè)谳腿〖夹g(shù)價(jià)值、提升招聘和甄選效能方面少走彎路。
此外，還有一個(gè)常見的問題是，專業(yè)的招聘經(jīng)理會(huì)不會(huì)被算法所替代？
筆者認(rèn)為，目前看，跟有經(jīng)驗(yàn)的招聘經(jīng)理相比，算法還無法從認(rèn)知角度復(fù)制人類招聘和評(píng)測(cè)雇員的直覺或經(jīng)驗(yàn)感，當(dāng)評(píng)估諸如領(lǐng)導(dǎo)力或團(tuán)隊(duì)合作等難以量化、具有情境性的軟技能時(shí)，使用算法的效果并不理想。
面向未來，員工甄選的有效性依然取決于組織目標(biāo)、職位分析、甄選設(shè)計(jì)等要素的匹配，而最優(yōu)的甄選結(jié)果通常來自于人類專家與機(jī)器的協(xié)作：人工智能提升甄選效率和數(shù)據(jù)驅(qū)動(dòng)的洞察，助力減少人為偏見；人類專家則通過情境理解力、適應(yīng)性判斷和倫理考量來整體提升甄選的效果。
（作者系中歐國(guó)際工商學(xué)院管理學(xué)教授，中歐國(guó)際工商學(xué)院研究助理郭景豪對(duì)此文亦有貢獻(xiàn)）
版權(quán)聲明：本文僅代表作者個(gè)人觀點(diǎn)，不代表經(jīng)濟(jì)觀察網(wǎng)立場(chǎng)。
熱門跟貼