• AI
    隐藏在人工智能AI招聘工具背后的问题,值得我们HR思考! 编者注:这个主要是聊到AI招聘工具可以帮助消除偏见,但这背后并不是一蹴而就的,需要不断努力,举了两个小栗子:AI面部识别会把黑人的犯罪倾向增加,而白人就会低。还有就是高质量的程序员喜欢看漫画。。。当然这个关联性是否真的,都是AI带来的问题。 推荐阅读下,蛮有意思的。 作者:Ben Whitford   土耳其语没有性别代词:“o”这个词在英语中是由“他”、“她”或“它”完成的。这种语言怪癖对机器翻译工具提出了挑战:将土耳其语翻译成英语,像谷歌翻译这样的工具必须猜测其主体的性别——在这个过程中,往往会暴露出其固有的偏见。 例如,谷歌将土耳其语“o bir doktor”翻译成“他是一名医生”和“o bir hem?”她是个护士。谷歌的算法同样认为,总统或企业家是男性,但保姆、教师或妓女是女性。即使是性格特征也会与假定的性别一致:一个努力工作的人被认为是男性,而懒惰的人被认为是女性。 谷歌的程序员没有对这些刻板印象进行编程;该软件利用人工智能研究真实世界的文本,并创造出反映人们实际使用语言的方式的翻译。换句话说,谷歌翻译的偏见是我们自己的。“机器学习算法会发现有偏见的模式,并学会像现实世界一样有偏见,”微软研究公司的Rich Caruana说。 这应该会让人力资源经理们踌躇不前,他们认为,算法是为了消除招聘过程中的偏见。2016年,CIO在一篇文章中预测,人工智能将把招聘转变为“对任何人类偏见免疫的过程”。“一个袖珍计算器不能是种族主义的,理论上是这样的,一个自动分类简历的系统应该是公正的:”简单地使用这样一个自动化的、客观的过程,就有可能大大减少人类偏见的范围。 很容易明白为什么管理人员渴望解决偏差问题。自从美国的“民权法案”和英国的“种族关系法案”禁止明显的歧视以来,已有数十年的时间了,但较不明显的偏见仍然是一个主要问题。研究表明,平均而言,具有刻板印象的非洲裔美国人姓名的简历比用同样的白名单提交的简历要少36%,而且自20世纪70年代以来没有改变,社会学家林肯奎利安说。 奎里安说,并不是说管理者有意识地歧视别人,他去年发表了30项涉及55,842份申请的招聘偏见研究的分析报告。相反,决策者受到无意识偏见的影响,这些偏见基于他们可能不知道的根深蒂固的偏见。“定型是一种缓慢而难以改变的弹性事物,”奎利安说。“这是令人沮丧的现实 - 超过35年,它没有改变。” 在'黑盒子'里面 越来越多的无意识偏见意识促使人们对自动化招聘系统产生兴趣,但这种偏见的普遍性意味着,使用真实世界的数据进行培训的人工智能工具不是公正的。 谷歌翻译的性别问题不是一个孤立的案例。在许多行业中,有无数的例子都是机器学习工具复制了他们的血肉之躯的偏见。 考虑到研究人员发现该面部识别工具是准确的白人99%,但准确的黑人女性只有65%。并且Google的在线广告算法被发现更有可能向与名声不佳的人展开有关逮捕的广告。而且一名被法官广泛使用的人工智能工具被发现错误地将黑人被告标记为重新犯罪的高风险,几乎是白人被告的错误率的两倍。 很容易看出这样的偏见会如何污染与申请人职位空缺相匹配的工具或者通知与奖金和晋升有关的决策。审查编程职位申请的人工授精工具可能会注意到,公司目前的程序员大多是男性,并且会对男性候选人产生相应的推动作用。Caruana说:“你最终不会招聘女性积极参与编程职位,因为来源方面的偏见是,女性总的来说不是程序员。 尽管AI工具可以被命令忽略性别,种族和其他受保护特征,但消除AI系统的偏见比看起来更难。由于它们的性质,人工智能工具发现模式,许多因素 - 邮政编码,教育程度,爱好 - 可能会无意中成为诸如种族或性别等特征的代理。 在最近的一个案例中,招聘服务机构Gild吹嘘自己的AI系统已经发现了如何发现高潜力的计算机工程师:事实证明,这样的候选人可能是日本漫画网站的粉丝。喜欢漫画的候选人,Gild的团队推理,将有助于识别高质量的工程师。 正如数据科学家凯茜奥尼尔指出的那样,问题在于爱漫画和成为一名成功的工程师之间没有因果关系。相反,吉尔已经确定了一个与种族和性别相关的特征,有效地使用了后门的方法来清除那些不符合其成功候选人应该是什么样子的先入之见的人。奥尼尔说:“我很惊讶他们没有想到那个热爱漫画的候选人更有可能成为亚洲人。” “你通过关联和代理获得性别。” 更糟糕的是,O'Neil说,许多AI系统在“黑匣子”内执行这样的计算,使得无法弄清楚结果是如何得出的。如果你正在教计算机玩下象棋或处理图像,这可能无关紧要,但是当你做出关于人们事业的决定时,这是一件大事。“算法不仅仅是帮助自动化一个过程; 他们增加了一层不透明度,所以很难看到和解决失败,“O'Neil说。“面部识别很容易看出它是否可行; 雇用软件更棘手。“   一个潜在问题 - 和一个监管风险 消除这种偏见是一项艰巨的任务,但如果人工智能系统要演变成可信赖的招聘渠道,这一点至关重要,Pocket Recruiter的首席数据科学家Vineet Vashishta说。“在招聘和人力资源领域,你必须是透明的,”他说。“我们必须能够解释'这是我们做出我们做出的决定的确切方式',我们必须能够证明这些数据没有一些阴险的偏见。” 不幸的是,Vashishta说,从事人工智能招聘工具的人很少愿意面对他们系统的潜在偏见。他表示,即使在学术和行业聚会上,研究人员也不愿意将注意力放在关于偏见的谈话上。“在人们开始谈论这件事之前,这是三杯酒和一些沉重的叹息,”他说。“至少公开谈论此事的人非常少,因为这真的很可怕。当涉及到机器学习时,这是可能杀死该领域的领域之一。“ Vashishta说,监管机构很可能会开始在某些司法辖区禁止机器学习工具。纽约市成立了一个工作小组来监督政府使用人工智能系统,而欧洲监管机构正在实施框架,这将大大遏制公司在未经明确许可的情况下使用个人数据的能力。“你可能会看到一些政府在未来五年内禁止机器学习,这将是因为这个问题,”他说。“这将是因为它无法解释,缺乏透明度和问责制,以及机器的偏见会让人们感到恐慌。” 但是Vashishta说,有真正的方法可以减少偏见的可能性。Pocket Recruiter使用AI来识别具有特定技能的申请人,而不仅仅是那些与当前员工相似的申请人。尽管如此,人才招聘决策最终还是由谁来提供Pocket Recruiter用来改进算法的反馈。Vashishta说:“Pocket Recruiter可以向你展示你可能因为无意识偏见而未看过的候选人。“但是当谈到人们告诉我们他们想要的候选人时,那些无意识的偏见又回来了。” 最终,为了消除AI系统的偏见,设计师必须在事情的方式和他们应该的方式之间驾驭危险的无人地带。为了消除真实世界的偏见,设计者必须要么倾斜他们的数据,要么按照他们的系统处理数据的方式,以便最终的结果反映出更理想的替代现实。 但以这种或那种方式推动申请人的数据是一个充满挑战的过程。“我们一直这样做,”Vashishta说。“但这些钟形曲线的修正令我们非常惊讶。我们不知道我们是否正在受伤或帮助,直到我们看到算法运行起来,我们才会知道。“要做出可能让某人工作的成本的变化是不容易的,他说。“当你在像招聘这样的公司工作时,你会因此失去睡眠,因为你正在影响某人的生活。这是一种令人痛苦的方式。“ 没有在窗帘后面偷看 人工智能招聘工具的一个教训可能来自于一种较老的,技术含量较低的补救办法,以致在招聘方面存在偏见:顶级管弦乐队决定在试演期间在音乐家面前悬挂一幕布。古典音乐过去一直以男性为主,但在20世纪70年代引入了盲目的试镜 - 确保音乐家的演奏而不是外观 - 使顶级乐团的女音乐家增加了五倍以上。 然而,要达到这一点,还需要做出决定,确保音乐家的性别不会受到其他因素的影响,比如穿过窗帘的缝隙看到的鞋子,或者没有地毯的地板上的高跟鞋。 更重要的是,管弦乐队不得不将盲试作为一个起点而不是一个明确的解决方案,并且接受这样一个长期以来由男性主导的机构,偏见仍然是一个问题。尽管已经证明了他们的音乐才能,但第一批通过盲目试镜入场的女性经常不得不与他们继续寻求旁观者的合作。 这大致就是我们使用AI招聘工具的地方:就像管弦乐队的幕布一样,机器学习是一种范式转变,有可能消除长期存在的偏见,但它本身并不能解决几个世纪的偏见。 为了有所作为,人工智能系统需要仔细设计和审查,以确保他们真正无偏见,并且他们的部署方式不允许人力决策者重新向招聘中引入偏见处理。 走向这一点并不容易。“这是我们花费数百年来创造的一个问题。Vashishta说,长期的解决方案并不像我们五年后会遇到的问题。 与此同时,人力资源团队需要停止假设基于计算机的招聘工具本身就是客观的。相反,决策者应该要求证据表明,机器学习系统的设计是有偏见的,并且足够透明,可以识别和纠正潜在的问题。 卡鲁阿纳说,如果人工智能工具要演变成真正公正的招聘工具,人力资源团队将不得不坚持这种透明度。“如果有足够的人问,这将成为一个重要的标准,”卡鲁阿纳说。“但是如果没有人问,我们只会让偏见不断滑落。” 以上由AI翻译完成,HRTechChina倾情奉献。转载请注明。
    AI
    2018年03月18日
  • AI
    人工智能、区块链和云,他们如何影响人力资源? 新技术开始在人力资源领域引起轰动。人工智能,区块链和云计算三大影响力最大。你认为哪一个会对人力资源产生最大的影响?我们从AI开始。 AI和HR “Jo是一名政府合同工,她被BUG(BeemerGoogleUber无人驾驶汽车)带到办公室。 她正在与她的自动教练合作伙伴Sirius讨论她的一天。 “我注意到你昨晚睡眠较少。”Sirius说,“我建议你吃早餐,以增加你的能量水平。 上午11点,您会与气候怀疑小组的Jane会面。她通常最初很保留。记得提出一个开放的问题,微笑以帮助她安心。也许你会温暖她!“ 这听起来像人力资源的未来吗?符合人类咨询资源HARRI:机器人界面。HARRI也有一个Twitter帐户 - 所以小心!也许他是未来。 我们希望不要。Andy继续说道:“如果你能相信这一点,我在90年代中期研究了AI。 沃森和Siri之前已经很长时间了。与此同时,人力资源部门发生了巨大变化。“ 真正的人力资源机器人是Saberr的Coachbot。Coachbot是一个人力资源机器人,可以指导你工作。 一个传统的教练会花费你每小时100美元左右。同样的钱,你有一年的AI教练应用程序。 这将有可能让数十亿工人获得至少一些教练的好处! 这是否意味着我们的人力资源经理会在几年内成为一名机器人?不,人工智能将通过整合日常流程以更微妙的方式产生更大的影响。以您的Google搜索为例,或通过AI等人工智能。这些日常应用程序感觉很自然 - 但它们是人工智能的真正影响最为明显的领域。 所以,机器人有点被高估。“但是”,安迪警告说,“不要告诉他们”。他总结说:“我们不应该把机器人拟人化。他们真的不喜欢它“。   那么,区块链和人力资源部门有什么关系呢? 区块链似乎不如AI那么激动人心,但可能更具变革性。安迪:“Blockchain不打印3D房子 - 底层技术与复式会计一样令人兴奋  ”。 但是,它的潜力可能非常符合人工智能的潜力。 一个例子是2人之间的数字智能合约。合同双方同意后,立即确认并执行合同。 例如,当您购买房屋或办公大楼时,您需要将钱存入持有存款的公证人,直到房屋转移。然后,他们将注册为新房主。 通过区块链,您可以将资金投入区块链。只要它在区块链上,这笔钱就是你的。然后,当前拥有者可以通过按一下按钮来为您提供(数字)按键。获得钥匙的确切时刻,前任老板获得您的资金。如果其中一方丢失或无效,交易永远不会发生。 这也可以应用于招聘,薪资和资格检查。想象一下,你被要求做几百美元的工作。 一旦工作完成,双方都满意了,钱就是你的了。这意味着您在完成工作的同时获得报酬。不用等很久的公司付款速度慢!这可以使用区块链完成。 区块链不可撼动,像招聘人员,律师或代理机构一样切断中间人。要详细了解区块链和HR的其他可能性。   云计算中的人力资源 第三种技术趋势是云。云通常是指将数据存储在公司内部数据前提之外。这有几个作用: 连通性。通过云,您可以在世界任何地方快速连接,访问和处理这些数据。 降低成本。消除内部部署的服务器容量和维护可降低成本。 更容易扩展。基于云的解决方案托管在大型高度受保护的服务器上。点击一个按钮就可以轻松购买额外的服务器空间或速度。 创新。云中的软件可以由软件供应商自动更新,而不必进行广泛的清理和检查。这导致了软件更多的创新。例子包括许多供应商增加到他们的软件的分析功能。 基于云的软件的最佳例子是即插即用的软件即服务(SAAS)解决方案。这些是为云设计的,不需要IT部署内部部署软件。所有这些解决方案都利用云进行数据访问和存储。当安迪问观众有多少人使用云时,只有几只手上了。 人力资源转移到云的主要影响是迫使流程标准化,因为定制的空间较小。 在过去的几年中,很多人力资源应用程序和系统都已转移到云端。HR部门不太可能不使用基于云的解决方案。但是,并不是每个人都知道这一点呢!   下一步 所有这些技术提供新的可能性。你怎么知道最好的下一步是什么?唯一正确的答案是:“这取决于情况”。 每次我们面临购买新技术或实施新工具的决定时,我们都需要认真评估什么是和什么不起作用。这是循证管理的实质。 只有当我们真正解决真正解决这些问题的解决方案时,我们才会真正前进。让我们关注关键流程并自动化这些流程。它们很重要。 或者,用彼得德鲁克的话来说: “没有什么事情没有效率,完全不应该这样做”。 作者:安迪斯彭斯
    AI
    2018年03月01日
  • AI
    人工智能如何促进人力资源分析 How AI Can Boost HR Analytics Marianne Chrisos  How AI Can Boost HR Analytics 使用AI技术改善您的人力资源报告。 了解如何使用AI来更有效地衡量您的人力资源指标。 随着人工智能技术的不断发展,也许你会想知道在人力资源部门是否有人工智能的地方。人工智能在人力资源分析中的作用是什么?我们花了一些时间专门研究人力资源分析的好处,以及人工智能如何帮助促进人力资源部门的报告和分析,以更多地了解组织的健康和效率。 每位经理应该知道的人力资源分析类型 分析可能不是HR谈到的第一件事。您的具体人力资源需求可能更多地集中于遵守规则条例或员工福利。以下是一些人力资源分析示例,有助于说明为什么报告在每个部门(包括人力资源部门)都很重要。 员工流动率:人力资源部门和企业可能会有一个偶然的想法,即他们的组织内有多少员工流失 - 也就是说,人们退出的频率如何,或者公司必须重新雇佣相同职位的频率。如果一位人力资源经理不断发布需要销售人员的广告,这可能意味着销售人员正在放弃 - 或者销售额在增长,他们需要更多人来满足需求。为了真正了解其原因是由于营业额还是其他原因 - 以及衡量员工翻身的频率,这可能会告诉您关于商业或文化的一些事情 - 您需要使用分析来衡量。 申请人的质量和数量:你的招聘信息有多好?你的企业声誉有多好?你可以找到这些问题的答案 - 并且如果你发现答案“不是很好”,通过分析你的工作发布的申请人数,特别是申请人的质量,可以帮助确保做出调整。使用报告软件可以衡量您的候选人是否符合质量要求,并报告申请人的属性。他们有相同行业或职位的经验吗?他们有帮助组织发展或从事大型项目的历史吗?分析可以帮助您在回答这些问题的同时节省时间。 文化:虽然上述两种分析可以让您对企业文化有所了解,但具体的文化分析对于了解您的企业的健康状况非常重要。使用人力资源工具,如自我报告软件和人力资源调查,您可以编辑和分析数据,分享员工对文化态度的共同点。 人工智能在人力资源分析中的作用 人工智能是一种改变游戏规则的技术,因为它能够分析大量数据并找到模式,甚至做出预测。人力资源分析工具从人工智能中受益,因为人力资源部门有大量原始数据可供使用,人工智能可帮助快速有效地对这些数据进行分类。人才管理系统可以结合人工智能来分析简历关键字和其他指标,以帮助预测潜在招聘信息的最佳人选,从而为人力资源招聘人员节省大量时间。AI还与其他HR数据分析工具一起工作,以推荐培训领域或预测潜在的营业额。   以上AI翻译完成。   作者:Marianne Chrisos Born in Salem, Massachusetts, growing up outside of Chicago, Illinois, and currently living near Dallas, Texas, Marianne is a content writer as a company near Dallas and contributing writer around the internet. She earned her master's degree in Writing and Publishing from DePaul University in Chicago and has worked in publishing, advertising, digital marketing, and content strategy.
    AI
    2018年02月21日
  • AI
    人工智能如何改变人才获取 How Artificial Intelligence Is Changing Talent Acquisition 现在大家都在关注招聘AI,并就如何改变招聘方式进行了大量的讨论。招募人工智能是下一代软件,旨在改进或自动化招聘工作流程的某些部分。 作者:Ji-A Min 人工智能对招聘的兴趣已经由三大趋势引发 经济的改善:最近的经济收益创造了一个候选人驱动型市场,这使得人才竞争比以往更加激烈。这一竞争只会继续增加 - LinkedIn调查的 56%的人才招聘领导者认为他们的招聘数量将在2017年增长。 对更好技术的需求:虽然人才招聘预计会增加,但是66%的人才招聘负责人表示他们的招聘团队将保持相同规模甚至缩小规模。这意味着时间有限的招聘人员需要更好的工具来有效地简化或自动化他们的工作流程的一部分,理想情况下用于最耗时的任务。 数据分析的进步:随着技术变得快速和成本效益足以收集和分析大量数据,人才招聘领导者越来越多地要求他们的招聘团队展示基于数据的雇佣质量指标,如新员工的表现和营业额。 人工智能在招聘中越来越受欢迎,这为招聘人员提高他们的能力提供了令人兴奋的机会,但同时也存在很多关于如何最佳利用人才的困惑。 为了帮助您理解这一切,以下是招聘人工智能最有前途的三个应用程序。 应用#1:AI用于候选人采购 候选人采购仍然是一个主要的招聘挑战:最近的一项调查发现,46%的人才招聘领导表示他们的招聘团队正在为吸引合格的候选人而奋斗。 候选人采购人工智能技术可以搜索人们离线的数据(例如简历,专业投资组合或社交媒体档案),以找到符合您工作要求的被动候选人。 这种用于招聘的AI可以简化采购流程,因为它可以同时搜索多个候选人来源。这取代了自己手动搜索它们的需求,并可能节省每个请求的小时数。您节省采购的时间可以用来吸引,预选和面试最强大的候选人。 应用#2:人工智能进行候选人筛选 当您收到的75-88%的简历不合格时,很容易明白为什么简历筛选是招聘中最令人沮丧和耗时的部分。对于零售和客户服务等大批量招聘,大多数招聘团队没有时间手动筛选他们每个公开角色收到的数百到数千份简历。 AI筛选旨在自动执行简历筛选流程。这种智能筛选软件通过使用岗位聘用数据(例如业绩和营业额)为新申请人提供招聘建议,为ATS增添了功能。 它通过应用所学到的关于现有员工的经验,技能和其他资质的信息来自动筛选和评分新候选人,从而提出这些建议。这种类型的技术还可以通过使用关于以前的雇主和候选人的社交媒体档案的公共数据源来丰富简历。 AI进行简历筛选可实现低价值,重复性任务,并允许招聘人员将时间重点放在更高价值的优先事项上,如与候选人交谈并与其进行交流以评估他们的适合度。 应用#3:AI用于候选人匹配 与采购相比,候选人匹配可能是一个更大的挑战:52%的招聘人员表示,他们工作中最难的部分是从大型申请人池中确定合适的人选。 用于候选人匹配的AI使用一种算法来识别打开的请求的最强匹配。匹配算法分析候选人的个性特征,技能和工资偏好等多种数据来源,根据工作要求自动评估候选人。 例如,LinkedIn求职公告通过将求职者描述中的技能与其LinkedIn个人资料中的申请人技能进行匹配来对候选人进行排名。人才市场使用匹配算法来匹配候选人社区以开放角色。这些人才市场通常迎合特定的候选技能,如软件开发或销售。 人工智能匹配用于从那些已经加入并且正在积极寻找新角色或者对新机会非常开放的人中找出最合格的候选人。这意味着招聘人员不需要浪费时间来吸引那些对新角色不感兴趣的被动应聘者。 关于人工智能的力量,让候选人与工作岗位相匹配的不同观点,请参阅“ 尽管您阅读或听取的内容,采购活动和确实如此”。 AI和招聘的未来 专家预测人工智能招聘会转变招聘人员的角色。由于低价值,耗时的招聘任务通过人工智能技术变得简化和自动化,招聘人员的角色有可能变得更具战略性。 了解AI如何提高其能力的招聘人员将通过在采购,简历筛选和候选人匹配方面节省几十个小时,从而提高效率。 人工智能招聘承诺释放招聘人员与候选人交流的时间,以确定合适人选,并确定候选人的需求并希望说服他们担任角色。它有可能授权他们与招聘经理和人才招聘领导者合作,根据未来增长和收入计划积极的招聘举措,而不是反应性回填。 了解如何最好地利用这项新技术的招聘人员将获得更高的KPI,如更高的招聘质量和更低的营业额。    以上由AI翻译完成。供参考 How Artificial Intelligence Is Changing Talent Acquisition AI for recruiting is on everyone’s mind these days with a lot of talk on how it’s going to transform recruiting. Artificial intelligence for recruiting is the next generation of software designed to improve or automate some part of the recruiting workflow. Interest in AI for recruiting has been sparked by three major trends: The improving economy: The recent economic gains have created a candidate-driven market that’s made competing for talent tougher than ever. This competition will only continue to increase – 56% talent acquisition leaders surveyed by LinkedIn believe their hiring volume will grow in 2017. The need for better technology: Although hiring is predicted to increase, 66% of talent acquisition leaders state their recruiting teams will stay the same size or even shrink. This means time-constrained recruiters need better tools to effectively streamline or automate a part of their workflow, ideally for tasks that are the most time-consuming. The advancements in data analytics: As technology becomes fast and cost-effective enough to collect and analyze vast quantities of data, talent acquisition leaders are increasingly asking their recruiting teams to demonstrate data-based quality of hire metrics such as new hires’ performance and turnover. The growing popularity of AI for recruiting represents exciting opportunities for recruiters to enhance their capabilities but there’s also a lot of confusion about how to best leverage it. To help you make sense of it all, here are the three most promising applications for AI for recruiting. Application #1: AI for candidate sourcing Candidate sourcing is still a major recruiting challenge: a recent survey found 46% of talent acquisition leaders say their recruiting teams struggle with attracting qualified candidates. AI for candidate sourcing is technology that searches for data people leave online (e.g., resumes, professional portfolios, or social media profiles) to find passive candidates that match your job requirements. This type of AI for recruiting streamlines the sourcing process because it can simultaneously search through multiple sources of candidates for you. This replaces the need to manually search them yourself and potentially saves you hours per req. The time you save sourcing can be spent attracting, pre-qualifying, and interviewing the strongest candidates instead. Application #2: AI for candidate screening When 75-88% of the resumes you receive are unqualified, it’s easy to see why resume screening is the most frustrating and time-consuming part of recruiting. For high-volume recruitment such as retail and customer service roles, most recruiting teams just don’t have the time to manually screen the hundreds to thousands of resumes they receive per open role. AI for screening is designed to automate the resume screening process. This type of intelligent screening software adds functionality to the ATS by using post-hire data such as performance and turnover to make hiring recommendations for new applicants. It makes these recommendations by applying the information it learned about existing employees’ experience, skills, and other qualifications to automatically screen and grade new candidates. This type of technology can also enrich resumes by using public data sources about previous employers and candidates’ social media profiles. AI for resume screening automates a low-value, repetitive task and allows recruiters to re-focus their time on higher value priorities such as talking and engaging with candidates to assess their fit. Application #3: AI for candidate matching Candidate matching can be an even bigger challenge than sourcing: 52% of recruiters say the hardest part of their job is identifying the right candidates from a large applicant pool. AI for candidate matching uses an algorithm to identify the strongest matches for your open req. Matching algorithms analyze multiple sources of data such as candidates’ personality traits, skills, and salary preferences to automatically assess candidates against the job requirements. For example, a LinkedIn job posting ranks candidates by matching the skills on your job description to applicants’ skills on their LinkedIn profiles. Talent marketplaces use matching algorithms to match their community of candidates to open roles. These talent marketplaces usually cater to specific candidate skill sets such as software development or sales. AI for matching is used to identify the most qualified candidates from those who have opted-in and are either actively looking for a new role or are very open to a new opportunity. This means recruiters don’t need to waste time trying to attract passive candidates who just aren’t interested in a new role.
    AI
    2018年02月19日
  • AI
    人工智能在招聘中的3种实际用途 尽管所有候选人的经验都有炒作和兴趣,但人才董事会最近的一份报告显示,许多雇主都犯了一些重大失误:只有28%的受访候选人表示他们被告知他们没有被考虑担任角色,只有31%的人表示他们会在经验后重新申请特定组织。 在品牌和招聘人员的接触点上,组织和他们想要聘用的人员之间显然存在沟通失败。但任务已经不堪重负的招聘人员如果不是失败,单凭改善候选人沟通是缓慢成功的秘诀。 输入人工智能。这似乎有悖常理的是  人工 情报可以提供的洞察力和支持,以帮助招聘人员是更加个性化和真实的,但也有关键的用例添加AI到您现有的招聘高科技人性化候选体验。  AI可以提供洞察力和支持,帮助招聘人员更加个性化和真实 使用AI回复每个候选人 人力资源管理学调查发现,招聘人员平均需要9天才能开始筛选候选人,更不用说回到他们身上了。人才委员会报告近一半(47%)的候选人申请后两个多月没有收到回复。 那么AI如何提供帮助? 具有讽刺意味的是,AI帮助人性化候选人体验的一个主要方式是让候选人知道他们已经更快地从招聘过程中移除,并允许他们继续寻找工作。 当候选人申请工作时,AI招聘软件可以立即扫描他们的简历获得技能,经验和其他资格,并自动评分和排列他们与角色要求的匹配程度。 使用与ATS或CRM集成的AI筛选工具,每位候选人都会在24小时内收到答复 - 要么在过程中提出要求,要么拒绝。虽然拒绝总是很糟糕,但不知道更糟糕。正如他们在销售中所说的,“ 接下来最好的事情是一个公司没有。” 自动筛选,评分和排列候选人的AI技术也可以为您提供候选人缺乏哪些资格的详细信息,以及可以提交给被拒绝的候选人的信息,以作为改进空间。向被拒绝的候选人提供反馈意见,说明他们为什么没有前进,有助于创造一个高水平的候选人体验 在申请进展后更新候选人已经让你领先于竞争对手; 在此基础上添加有用的反馈意见使品牌互动变得更加难忘。 但是,为什么要停止反馈?使用您现有的招聘技术,如CRM或招聘营销平台,您可以添加银牌获得者发送电子邮件培育活动,提供其他可能对他们感兴趣的职位。您甚至可以定期检查以确定他们是否获得了未来角色所需的任何缺失资格。   使用AI与候选人进行实时沟通 软件咨询调查发现,第二大投诉求职者缺乏来自雇主的沟通。 传统上用于面向服务的公司的消费者营销中,chatbots使得人才招聘团队能够通过数字体验为候选人提供实时的个人参与。这些招聘聊天机器人可用于从候选人收集信息,提出筛选问题,回答常见问题解答,并安排与招聘人员的面谈。 IT服务提供商Sutherland专门建立了自己的聊天机构Tasha,以便在早期筛选阶段成为候选人的联系人。考生可以通过短信,电子邮件或对话框与Tasha进行互动,她可以回答基本问题,提示求职者如果脱离工作,返回求职申请表并安排面试。 萨瑟兰全球人才招聘副总裁凯利卡勒解释说,“如果你犹豫不决,或者你没有完成一项行动 - 这可能是你的评估或安排你的面试 - 她会问你为什么,并提示你重新回到旅程中。“ 人工智能不是完全负责制定完美的候选人体验,但它是难题的一个重要部分。 Tasha更进一步向招聘人员提供有关候选人体验的反馈。如果候选人确实想放弃这一过程,Tasha会发现原因并“将信息重新纳入我们的流程和采购过程中”,Kelly说。 这种反馈机制可能被证明对萨瑟兰来说是至关重要的,以改善他们的招聘流程并降低候选人的下降率。 Allegis进行的一项调查发现,大多数候选人(58%)表示在应用程序的早期阶段,他们会很乐意与聊天机器人进行互动。 所以,时间会告诉我们主流的聊天机器人如何成为求职者,但是早期的迹象对于候选人和组织来说都是有希望的。   使用AI消除人的偏见 在招聘中使用人工智能在很大程度上忽略了一个好处,那就是有可能让招聘人员回到他们开始时的信仰:帮助公司找到合适的人......反之亦然。为了找到合适的人,你需要考虑每个申请人,没有我们固有的偏见(我知道,这很难!)。 人工智能可以进行智能编程,通过忽略候选人详细信息(如姓名,毕业日期和出席的可以表明性别,年龄和种族的学校名称)来避免无意识偏见。例如,男性招聘者可能会自动感受到男性工程师申请人对女性申请人的亲和力。人工智能可以帮助提升现场水平,同时呈现所有简历或应用程序,无需任何可能影响性别或年龄的技巧或品质。 对于招聘人员来说,绕过这些常见的偏见扩大了潜在的人才库,因为否则合格的候选人不太可能被忽视,因为具体但可能没有根据的理由。 现代候选人经验的核心是实现个性化和自动化的平衡。人工智能可能不是完全负责制定完美的候选人体验,但它肯定是难题的重要部分。   以上由AI翻译完成。供参考
    AI
    2018年02月19日
  • AI
    “人员分析现在可以成为战略性竞争优势”   工业工程师弗雷德里克泰勒在1911年发表了他的报告“ 科学管理”,该报告研究了钢厂工厂工人的流动和行为,从而开始了这一趋势。此后,公司已经部署了数千次参与调查,研究了最高领导者的特征,对留存率和营业额进行了无数次评估,并建立了大量的人力资源数据仓库。所有这些努力都是为了弄清楚“我们能做些什么来让我们的人们获得更多收益?” 那么现在这个域被称为人们的分析,它已经成为一个快速增长的核心业务举措。一项题为“ 高影响力人物分析 ”的研究报告由Deloitte在去年11月由Bersin完成,发现69%的大型组织拥有人员分析团队,并积极构建与人员相关数据的综合存储。 为什么增长和为什么业务势在必行?几个技术和商业因素相互碰撞使这个话题变得如此重要。 首先,组织拥有比以往更多的与人员相关的数据。由于办公生产力工具,员工证章阅读器,脉搏调查,集成的企业资源规划系统和工作中的监控设备的激增,公司拥有大量关于员工的详细数据。 公司现在知道人们与谁交流,他们的地点和旅行时间表,工资,工作经历和培训计划。内置于电子邮件平台中的组织网络分析的新工具可以告诉正在与谁交流的领导者,用于音频和面部识别的新工具识别谁处于压力之下,以及摄像机和热传感器甚至可以确定人们在他们身上花费了多少时间书桌。 可以认为,这些信息大部分都是保密和私密的,但大多数员工并不介意获取这些数据的组织,只要他们知道正在改进他们的工作体验,正如2015年会议委员会的研究所显示的那样,Big数据并不意味着大 哥哥。虽然从5月25日起可执行的欧盟通用数据保护条例标准将会将隐私权和治理责任放在人力资源部门,但雇主正在加紧处理这些数据并小心处理这些数据。 其次,作为获得所有这些数据的结果,公司现在可以学习重要而有力的事情。不仅高管们被迫就多元化,性别薪酬公平和营业额等议题进行报告,而且他们现在还可以使用人员分析来了解生产力,技能差距和长期趋势,这些可能会威胁或创造业务风险。 例如,一个组织发现欺诈和盗窃事件是“具有传染性”,导致同一楼层的其他员工在一定距离内出现类似的不良行为。另一种方法是使用情绪分析软件来衡量组织中的“情绪”,并根据他们的沟通模式来识别具有高风险项目的团队。 许多组织现在都在研究营业额,甚至可以通过监测电子邮件和社交网络行为来预测它,从而使管理人员能够在辞职前指导高绩效员工。组织现在使用分析和人工智能或人工智能来解码职位描述,识别造成偏倚招聘池的单词和短语,并防止性别和种族多样性。制造商使用人员分析来识别可能发生事故的员工,而咨询公司可以预测哪些人可能会因过多的旅行而被烧毁,而汽车公司现在知道为什么某些团队按时完成项目,而其他人则总是迟到。 因此,人工智能进入领域,给予它更多的权力和规模。一个新的基于人工智能的分析工具会向管理人员发送匿名电子邮件,询问简单问题以评估管理技能。通过其精心设计的算法,它为管理人员提供了一套无需赘述的建议,并在短短三个月内将管理效率提高了8%。 据Sierra-Cedar 2017人力资源系统调查显示,对于人力资源部门而言,人员分析现在是公司希望替换或升级人力资源软件的首要原因。 但对于首席执行官,首席财务官和首席运营官来说,这更重要。当一个销售团队落后于其配额实现或者商店的销售数字落后时,为什么领导者不会问“我们可能能够解决的团队中的人员,实践和管理者有什么不同?”或者甚至更大问题是“如果我们想通过收购德国的某家公司来发展我们的业务,文化和组织的影响会是什么?”这些关键的战略问题都可以通过人员分析来解决。 这门学科的历史是战术性的,有点神秘。多年来,工业心理学家领导了这项工作,主要关注员工敬业度和营业额。然而,今天,该行业正在采取新的行动,将其精力重新集中在运营,销售,风险和绩效指标上。技术工具在这里,公司已经有人工智能工程师准备以强大而有预见性的方式分析数据。分析人士表示,这个领域将会持续增长,请记住,对于大多数企业而言,劳动力成本是资产负债表中最大和最可控制的支出。 底线很明显:人们的分析现在可以成为战略竞争优势。专注于这一领域的公司可以出租,淘汰和淘汰竞争对手。   以上由AI自动翻译。 Fredrick Taylor, an industrial engineer, started this trend in 1911 when he published his report Scientific Management, which studied the movement and behaviour of factory workers in steel mills. Since then companies have deployed thousands of engagement surveys, studied the characteristics of top leaders, done countless reviews of retention and turnover, and built massive human resources data warehouses. All in an effort to figure out “what can we do to get more out of our people?” Well now this domain is called people analytics and it has become a fast-growing, core-business initiative. A study, entitled High-Impact People Analytics and completed last November by Bersin by Deloitte, found that 69 per cent of large organisations have a people analytics team and are actively building an integrated store of people-related data. Why the growth and why the business imperative? Several technical and business factors have collided to make this topic so important. Firstly, organisations have more people-related data than ever before. Thanks to the proliferation of office productivity tools, employee badge readers, pulse surveys, integrated enterprise resource planning systems and monitoring devices at work, companies have vast amounts of detailed data about their people. Companies now know who people are communicating with, their location and travel schedules, their salary, job history and training plans. New tools for organisational network analysis, built into email platforms, can tell leaders who is communicating with whom, new tools for audio and facial recognition identify who is under stress, and video cameras and heat sensors can even identify how much time people spend at their desks. It could be argued that much of this information is confidential and private, but most employees don’t mind organisations capturing this data, as long as they know it is being done to improve their work experience, as shown in 2015 Conference Board research, Big Data Doesn’t Mean Big Brother. While European Union General Data Protection Regulation standards, enforceable from May 25, will put the burden of privacy and governance on HR departments, employers are stepping up to this and treating such data with great care. Secondly, as a result of having access to all this data, companies can now learn important and powerful things. Not only are executives being forced to report on topics such as diversity, gender pay equity and turnover, but they can also now use people analytics to understand productivity, skills gaps and long-term trends that might threaten or create risk in their business. One organisation, for example, found incidents of fraud and theft were “contagious”, causing similar bad behaviour among other employees on the same floor within a certain distance. Another is using sentiment analysis software to measure “mood” in the organisation and can identify teams with high-risk projects just from the patterns of their communication. Many organisations now study turnover and can even predict it before it occurs by monitoring email and social network behaviour, enabling managers to coach high performers before they resign. Organisations now use analytics and artificial intelligence or AI to decode job descriptions, identifying words and phrases that create biased recruitment pools and prevent gender and racial diversity. Manufacturers use people analytics to identify workers who are likely to have accidents, while consulting firms can predict who is likely to be burnt out from too much travel and automotive companies now know why certain teams get projects done on time when others are always late. AI is, therefore, entering the domain, giving it even more power and scale. A new AI-based people analytics tool sends anonymous emails to a manager’s peers asking simple questions to assess managerial skills. Through its carefully designed algorithms, it gives managers an unthreatening set of recommendations and has improved managerial effectiveness by 8 per cent in only three months. For human resources departments, people analytics is now the number-one reason companies want to replace or upgrade their HR software, according to the Sierra-Cedar 2017 HR Systems Survey. But for chief executives, chief financial officers and chief operating officers, it’s even more important. When a sales team is behind its quota attainment or a store’s sales numbers fall behind, why wouldn’t a leader ask “what’s different about the people, practices and managers at those teams that we may be able to address?” Or an even bigger question is “if we want to grow our business by acquiring a given company in Germany, what will the cultural and organisational impact be?” These critical strategic questions can all be answered by people analytics. The history of this discipline is tactical and somewhat arcane. For years industrial psychologists led the effort and focused primarily on employee engagement and turnover. Today, however, the industry is taking on a new light, refocusing its energy on operational, sales, risk and performance measures. The technology tools are here and companies have AI engineers ready to analyse the data in a powerful and predictive way. And analysts say this domain will grow for years to come; remember that for most businesses, labour costs are the largest and most controllable expense on the balance sheet. The bottom line is clear: people analytics can now become a strategic competitive advantage. Companies that focus in this area can out-hire, out-manage and out-perform their competitors.
    AI
    2018年02月13日
  • AI
    人工智能在招聘中的好处 麦肯锡研究所的一份报告表明,到2030年,人工智能将负责全球8亿个就业机会的自动化,影响到英国20%的劳动力。然而,人工智能也被认为是当今经济的“最大的商业机会”。预测表明,到2030年,英国国内生产总值可能增加10%(2330亿英镑)。 报告还提出了一个值得关注的问题,同时指出,由于自动化,可用工作类型将发生转变。自2013年以来,单是AI就业人数就增长了四倍以上。据估计,空缺现在已经超过了现有的候选人两比一。 为人力资源部门的不可避免的影响做好准备工作始于招聘过程中的人力资源。人工智能和自动化为加强招聘策略提供了一些好处和机遇: 人工智能动力候选人筛选 更专注,快速的候选人筛选减少了您的入职时间并改善了总体候选人体验。根据您最成功的人员共享的共同特征(可在您的招聘分析中获得),您的ATS将迅速提供近距离匹配申请人的候选名单。人工智能中的算法还使人力资源能够根据历史招聘数据预测最有可能成功的候选人。可以通过您的ATS整合额外的预聘招聘筛选以提供更加明确的人才库,包括视频筛查和心理测试。 更好的雇佣决定 尽管技术进步,超过四分之三的招聘决定是基于面试。这种在与候选人见面后作出快速决定的倾向正在促使新员工保留水平较差以及员工参与程度较低。11个关键部门中不到一半的雇员表示他们感到工作,并对生产力产生影响。 通过ATS数据支持的招聘决策有助于缓解这些低水平的参与,因为这是第一次做出重要的招聘决定。此外,人工智能可以在整个劳动力队伍中引入,以提高参与度。  近一半的员工对工作感到无聊 - 通过自动化重复性工作,可以为员工提供更有意义的工作。 这首先是自动化耗时的管理任务。 解决无意识的偏见 在最近的一项调查中,Adecco集团指出,只有四分之一的英国雇主会考虑使用AI来处理招聘程序中的无意识偏见[2],但约三分之一的招聘经理承认雇用自己的“克隆人”。调整招聘软件中的筛选标准有助于减少无意识偏见的可能性,并扩大您的招聘范围。报告还建议进行无意识偏见培训,以确保技术不会放大这些偏见。 在招聘中建立更好的关系 德勤的Josh Bersin观察到,招聘人员和招聘经理之间的关系是避免招聘'错误'人员最重要的因素之一。[3]这也延伸到招聘经理和候选人之间的关系。 投资ATS有助于通过以下方式加强这些关系: 一个专门的机构门户网站跟踪和监控您的ATS中介机构的候选人,并允许您邀请您的首选供应商名单上的选定代理机构提交候选人到特定的职位空缺。 自动化流程使人力资源能够与您的管道和人才社区中的人才进行个性化对话。 关于AI心态的说明 AI思维的发展对于克服招聘流程中对自动化的抵制至关重要。这个心态被描述为理解AI: 支持人的能力,而不是取代它们。 自动执行重复性任务,让人力资源部门专注于高价值活动。 有助于做出更快,更明智的招聘决策。 以上由AI自动翻译。
    AI
    2018年02月13日
  • AI
    AI 人工智能中对HR的常见术语解释,没事可以了解下 在工作环境中准备人工智能对于技术厌恶的招聘团队来说是一个令人望而生畏的。 对于那些探索他们的业务意味着什么,这里有8个基本的解释开始: 算法:算法是在解决问题或计算中应遵循的一组规则。算法需要在招聘过程中生成大量数据,并将其转换为HR可用于候选人选择的信息。在之前的一项研究中,通过算法招聘的候选人比人力资源招聘的人员长15%。算法有助于提高候选人的选择并减少不良招聘的可能性。 人工智能(AI):人工智能(AI)通常被称为“第四次工业革命”,它是一种能够模仿智能人类行为的机器,其中包括做决策和执行基本任务,如解决问题,计划和学习。AI可以自动执行重复和平凡的管理任务,包括整个招聘过程中的筛选和申请人更新。这也是聊天机器人的兴起和视频放映的使用背后的原因。 聊天机器人:聊天机器人的简称,聊天机器人在人才获取方面越来越多。与苹果的Siri或亚马逊的Alexa一样,招聘中的聊天机器人使用人工智能(例如,机器学习 - 见下文)来理解问题并作出回应。Chatbots可以在不同的平台上使用,包括电子邮件,消息应用程序和通过您的申请人跟踪软件。Chatbots旨在模拟与您就业网站的访问者的对话,并正在迅速成为高容量招聘的基本技术工具。聊天机器人有效地使用,为您的招聘过程添加更吸引人的互动元素。今年早些时候进行的一项调查发现,在申请过程中,超过一半的候选人愿意与聊天机器人进行互动。 游戏化:游戏化将游戏的常见元素应用于其他在线活动领域,包括市场营销。在招聘过程中,毕业生雇主经常使用劳埃德银行集团,德勤和普华永道倍受青睐的Multipoly,以吸引年轻人才,创造更具吸引力的候选人经验。通过人力资源技术将游戏化融入您的招聘流程中。 机器学习:类似于人工智能,机器学习为AI提供了更智能的算法。在招聘中,机器学习可以减少您的聘用时间,并用于自动化候选人筛选,通常利用招聘分析中与最成功的人员相关的数据。人力资源软件中复杂的机器学习算法可用于通过语言选择甚至面部表情来评估候选人的潜在文化适应性。 人员分析:人员分析将数据和分析结合起来,深入了解与员工相关的一系列问题,包括领导力,绩效管理和招聘。要了解更多信息,请参阅我们以前的文章,其中提供了有关人员分析的更详细的介绍。 情绪分析:这可能不是你熟悉的词,但情绪分析解释了语言对人的影响,无论是消极的,积极的还是中立的。在招聘时可以用来分析你的工作岗位的措辞的影响。例如,去年我们报道说,在社交媒体平台Buffer的“工作岗位”中用'开发者'取代'黑客'这个词,看到女性候选人申请空缺的人数有所增加。在招聘软件中的人力资源分析提供了更多的洞察力,如何使用特定的话可以阻止人才适用于您的工作。使用情感分析的软件也可以提出更合适的词汇来吸引更多元化的人才库。 图灵测试:图灵测试是由科学家阿兰·图灵(Alan Turing)在1950年设想的,前提是“机器可以想象?今天,它指的是人工智能的潜力,以说服人们,而不是一个机器与人互动。其中最成功的例子是第三次获得2017年Loebner奖(基于图灵测试)的Mitsuku聊天机器人,但尚未说服评委是人类。 随着工作场所的自动化程度的提高,这是一个与AI有关的术语。   以上由AI 自动翻译。     Algorithms : An algorithm is a set of rules to be followed in a problem solving situation or calculation. Algorithms take large amounts of data generated during the hiring process and transform it into information that HR can use in candidate selection. In a previous study, candidates recruited via algorithms remained in their job 15% longer than those hired by HR. Algorithms help to improve candidate selection and reduce the potential for a bad hire. Artificial Intelligence (AI) : Often referred to as the ‘fourth industrial revolution’, artificial intelligence (AI) is a machine that is capable of imitating intelligent human behaviour, which includes making decisions and performing basic tasks such as problem solving, planning and learning. AI automates repetitive and mundane admin tasks, including screening and applicant updates throughout the hiring process. It is also behind the rise in chatbots and the use of video screening. Chatbots : Short for chat robot, chatbots are becoming more prolific in talent acquisition. Like Apple’s Siri or Amazon’s Alexa, chatbots in recruitment use artificial intelligence (eg, machine learning - see below) to comprehend questions and respond. Chatbots can be used across different platforms, including e-mail, messaging apps and through your applicant tracking software. Chatbots are designed to simulate conversations with visitors to your careers site and are rapidly becoming an essential tech tool for high volume recruitment. Used effectively, chatbots add a more engaging and interactive element to your hiring process. A survey carried out earlier this year found that over half of candidates are comfortable interacting with chatbots during the application process.[1] Gamification : Gamification applies the common elements of game playing to other areas of online activity, including marketing. In recruitment it is frequently used by graduate employers, including Lloyds Banking Group, Deloitte and in PwC’s popular Multipoly to attract young talent and create a more engaging candidate experience. Incorporate gamification into your recruitment process through your HR technology. Machine learning : Similar to artificial intelligence, machine learning provides AI with the algorithms that make it more intelligent. In hiring, machine learning can reduce your time to hire and is used to automate candidate screening, often utilising the data available in your recruitment analytics relating to your most successful hires. Sophisticated machine learning algorithms in HR software can be used to evaluate the potential cultural fit of a candidate through language choice and even facial expressions. People analytics : People analytics combines data and analysis to gain insight into a range of issues related to your employees, including leadership, performance management and recruitment. For more insight, please see our previous article which provides a more detailed introduction to people analytics. Sentiment analysis : It may not be a term you are familiar with but sentiment analysis interprets the effect that language has on people, whether negative, positive or neutral. In recruitment it can be used to analyse the impact of the wording of your job posts. For example, last we year we reported that by replacing the word ‘hacker’ with ‘developer’ in their job posts, social media platform Buffer saw an increase in the number of female candidates applying to their vacancies. HR analytics in your recruitment software provide more insight into how the use of specific words can deter talent from apply to your jobs. Software which uses sentiment analysis can also suggest more suitable words to attract a more diverse talent pool. The Turing Test : The Turing Test was conceived by scientist Alan Turing in 1950 based on the premise 'can machines think?' Today it refers to the potential for artificial intelligence to convince people they are interacting with a person rather than a machine. One of the most successful examples is the Mitsuku chatbot which has been awarded the 2017 Loebner Prize[2] (based on the Turing Test) for the third time but has yet to convince the judges it is human. It's a term you may hear more of in relation to AI as automation in the workplace rises.
    AI
    2018年02月12日
  • AI
    人力资源和人工智能:完美协作? --HR & AI : THE PERFECT COLLABORATION? 针对人力资源的技术解决方案变得更加智能,需要雇主采取更具创新性和敏捷性的方法来有效应对几乎不变的变化。埃森哲的新研究表明,企业的成功将取决于人与技术之间的持续合作,以提高效率和创新。   报告指出: 四分之三的组织认为智能技术对于提高竞争力至关重要。 如果企业在AI和人机合作投资水平上效仿顶尖机构,到2022年其总人数将增长10%。 三分之二的英国企业认为,人工智能将在未来三年内实现净工作收益。 超过一半的人认为人机协作对战略至关重要。 自动化和人工智能的好处还没有完全被人力资源所接受。近三分之二的企业只打算有时使用数据收集人才。一致地使用招聘分析提供的见解可能会导致更好的招聘结果,在采购合格的候选人仍然是一个挑战。 AI需要人力资源 如果有效使用,人力资源和人工智能之间的合作将创造一个简化的招聘流程。在招聘中,采取ATS的形式提供: 更“人性”的候选人体验 自动化繁琐的流程可以“人性化”候选人体验。个性化的求职申请 自动更新您在招聘过程中期待的内容和高效的工作申请只是起点。候选人并不期望有一个无技术的招聘流程 - 但他们期望一个人是最终的 聘用方面多样化 AI多样性预计将成为2018年的主要招聘趋势.AI可以帮助改善多样性,但也可以将您的历史偏见解释为候选人选择的标准。对您的筛选标准进行持续监控,并对您的新员工进行分析是人力资源的关键。这不像删除筛选过滤器那样简单。例如,吸引女性进入科技行业,成功的雇主推动积极的榜样,提供职业发展机会,利用网络更多地了解在科技行业工作的女性面临的问题。利用ATS自动完成繁琐的任务,人力资源部门可以快速完成这一任务。 透明的招聘流程 GDPR意味着招聘人员和招聘专业人员在聘用决策和分享在招聘过程中收集的数据时,必须保持透明。还必须获得候选人同意使用自动化流程和机器学习。提供集中式候选人管理系统的ATS将有助于促进这一进程。 建立人才关系 自动化取代了候选人筛选中重复耗时的任务,使人力资源部门能够专注于直接与合格的候选人和员工转介。在入职培训中,您的ATS在强制检查和引用的自动化请求方面具有无可估量的价值,因此HR可为您的新员工开发个性化的入职培训体验。直接接触在工作接受和开始日期之间是至关重要的。 与AI合作 对于雇主在招聘过程中与AI进行合作的方式,以下几点可以帮助: 获取您的数据的所有权。数据不佳会导致质量差的结果。之前人们对雇佣团队的自满情绪的态度与之前的数据有关,但是距离GDPR只有4个月的时间,人力资源部门必须掌握其数据的所有权。首先是通过ATS提供的分析和报告。 具体与你的工作岗位。如果你不了解你的新雇员所需要的关键技能或沟通,你将无法吸引合适的人选。检查在过去一年中收集到的新员工的数据,以评估最成功的员工。考虑大量或关键职位的候选人。 创建一个无偏见的面试过程,并通过招聘软件收集的数据来支持。面试是一项技巧,对于招聘经理来说,并不一定是自然而然的,确认偏见可能会影响您的招聘决策。 与人工智能和利益相关者合作,在您的最终候选人选择,并与所有有关各方分享数据。CIPD指出,在使用招聘分析的情况下,四分之一的企业领导者没有获得这些数据,阻碍了他们做出有效决策的能力。 如果您的招聘流程中有多个领域需要关注,请从一个开始,例如聘请时间。REC负责人警告说,企业在找到“ 具有适当技能填补现有工作的人 ”方面面临困难。减少招聘时间,人力资源部门可以在招聘渠道中保留合格人选的注意力。   根据埃森哲的研究,对人工智能和人机合作的投资可能会在2022年前将业务收入提高三分之一以上。变化是不可避免的,但这意味着转向这种合作,而不是偶尔在招聘中使用数据。   Posted by Kate Smedley 以上由AI自动翻译。  
    AI
    2018年02月12日
  • AI
    CB Insights 数据库:值得关注的 9 家早期阶段企业级 AI 初创企业 人工智能领域不断发展,其中企业 AI 的前景尤为光明。 当下,初创企业纷纷利用机器学习算法来进行企业内部的业务分析、预测,并实现自动化,服务对象覆盖各个领域,既有半导体界巨头企业,也有四大会计师事务所。各个企业组织现在收集和分析的信息量也比以前更多,它们开始依靠人工智能技术来预测用户行为、开发新型解决方案并且实现流程的自动化。 人工智能领域不断发展,其中企业 AI 的前景尤为光明,属于资金支持最充足的领域之一。该领域的初创企业服务内容既包括自动收集非结构化数据,也包括实时数据分析和同步。 根据的 CB Insights 数据库,在利用人工智能技术提供企业服务领域提取了 9 家最值得关注的早期阶段初创企业。我们选择的依据包括企业最新的融资状况、投资方质量以及 Mosaic Score(CB Insights的算法,通过财务和非财务方面的一些信号来预测这些私有企业的健康状况)。 以下所列 9 家企业均为自 2017 年初以来获得过融资的种子轮或 A 轮初创企业,按披露融资总额由高向低排序。 值得关注的早期阶段 AI 初创企业 1、Element AI 总部:加拿大蒙特利尔 融资额:1.02 亿美元 精选投资方:Data Collective、英特尔投资,微软风险投资、腾讯控股、500 Startups Element AI 利用人工智能研究来创建定制业务应用程序,与大型企业和研究机构合作来创建及孵化 AI解决方案。其量身定制的应用程序编程接口(APIs)无需经历长期整合阶段,可立即为用户带来收益。深度学习领域先驱 Yoshua Bengio 博士是 Element AI 的管理成员之一。 2、UIPATH 总部:纽约 融资额:3000 万美元 精选投资方:Accel Partners、Credo Ventures、Earlybird Venture Capital UiPath 专注于提供机器人流程自动化解决方案,利用计算机视觉技术来更高效、更准确地操作软件用户界面层。 客户包括德勤、安永和普华永道等四大会计师事务所,这些事务所采用 UiPath 服务来实现内部流程以及客户端流程的自动化。除此之外,企业制造商也会利用 UiPath 服务来实现库存管理与供应商沟通流程的自动化。 3、HYPER ANNA 总部:澳大利亚悉尼 融资额:1370 万美元 精选投资方:AirTree Ventures、 Insurance Australia Group、Reinventure、红杉资本中国基金 Hyper Anna 提供虚拟数据科学家服务,利用人工智能技术为金融服务公司提供数据分析服务。Hyper Anna 的预测工具被用于业务开发、费用管理、收入预测以及供应链管理等方面。 作为 2017 年澳洲 Westpac 评选出的“未来企业”(Businesses of Tomorrow)赢家,Hyper Anna 希望在不久的将来将业务扩展到亚洲和美国。 4、BONSAI 总部:加州伯克利 融资额:1360 万美元 精选投资方:微软风险投资、New Enterprise Associates、三星 NEXT 投资基金、西门子 Bonsai 通过改进 AI 模型的编程和管理,帮助企业组织创建和部署智能系统。公司技术被应用于机器人、制造、零售、物流和能源等行业。 利用 Bonsai 最新推出的功能 Gears,用户可以将 Google’s TensorFlow 等平台构建的外部 ML 算法导入 Bonsai 平台。 5、SAAGIE 总部:法国 Le Petit Quevilly 融资额:1160 万美元 精选投资方:法国巴黎银行、CapHorn Invest Saagie 通过提供开源数据技术来提高企业组织效率,其智能数据平台能够为客户提供多种解决方案,包括 KYC(即充分了解你的客户)合规自动化以及 GDPR(通用数据保护条例)的数据治理。 6、BIGSTREAM 总部:加州山景城 融资额:550 万美元 精选投资方:Cota Capital、英特尔投资 Bigstream Solutions 结合硬件和软件技术来加速数据的提取、集成和分析。英特尔在第四季度为Bigstream 提供了一系列的 A 轮资金,并与该公司在销售和营销方面进行合作,为广告技术和金融科技行业提供服务。 7、STREETBEES 总部:英国伦敦 融资额:510 万美元 精选投资者:LocalGlobe、Octopus Ventures Streetbees 是一个实时智能平台,通过采集网络众包信息来收集数据。公司会向用户支付一定的费用,要求他们提供反馈、回答调查问卷并上传可以与行业专业人士实时共享的可视化内容。Streetbees 会利用人工智能和移动地理定位技术来验证这些信息的真实性。 8、PEAK 总部:英国曼彻斯特 融资额:460 万美元 精选投资方:MMC Ventures Peak 是一个基于订阅的数据分析平台,它会从企业数据中提取有价值的信息并对其进行统一处理。Peak 的数据分析即服务平台主要服务于业务开发团队,用于进行客户细分、产品需求预测和分辨销售线索是否合格等。 9、XBRAIN 总部:韩国首尔 融资额:110 万美元 精选投资方:SparkLabs XBrain 是 Daria 的开发者,Daria 是一款基于云的机器学习助手,能够帮助开发人员和数据科学家构建并部署机器学习模型。Daria 可以为每个数据库自动选择最佳的机器学习模型,并提供详细的对比分析,从而更快的评估模型性能。                                                                                                                编译组出品。 编辑:郝鹏程、王雅琪 本文翻译自 www.cbinsights.com
    AI
    2018年02月12日