人工智能趋势下：猎萝卜建立全新招聘秩序，用AI成功帮HR减负

一个最新的调查结果显示招聘人员在企业的地位不断提升，中国人民大学与LinkedIn（领英）近期发布了一个最新调研报告，显示在企业HR各个岗位中，招聘类岗位晋升到总监所需的时间最短。

一个成功的招聘人员对企业的正常运作和发展产生的影响异常明显，能够为企业招到合适优秀的人才无疑是招聘者给企业带来的一笔无形财富。不过企业招聘人员在招聘中也会经常面临三大问题：招聘难、招到合适的人更难，留住人才难上加难。

仅在招聘环节就已经让HR头痛不已。发布到各大招聘网站上的职位要么石沉大海无人应聘，要么收到一堆乱七八糟的简历，还要花费大量时间挑选简历。即便和猎头合作，过程也十分坎坷，费用还不低。等到上级问到HR头上：“为什么花了这么多招聘费，还没招到合适的人才？“HR有苦难咽。

好在现在招聘领域的Bug正在逐渐被AI修复，随着AI及相关技术的高速发展，传统的招聘模式正在被新技术所革新。猎萝卜技术VP贺志明在9月25日第四届全球互联网经济大会上就着重强调了AI对各行各业，尤其是互联网行业的深远影响，同样AI在招聘领域也在酝酿一场变革。

作为一名技术负责人，贺志明主要从技术角度切入，介绍了猎萝卜AI+招聘的愿景、平台原则、技术战略以及技术测量。以下是猎萝卜技术VP贺志明的核心观点：

愿景

AI+招聘之前，国内以互联网招聘为主流趋势，互联网极大提高了招聘便捷度，但这远远不够。现在企业HR在招聘候选人时需要常备润喉片，这不是玩笑，因为我们的HR在招聘时嗓子都喊哑了。

传统招聘存在的问题太多了，归结起来有以下几个大问题（按HR招聘的时间顺序排列）

HR一句话要反复说，一人对接多家猎头，需要一个一个的单独沟通，同样的需求要重复很多遍；猎头水平层参差不齐，理解HR需求时产生理解偏差；HR收到一堆不靠谱的简历，因为很多猎头求量不求质，HR需要花费大量时间筛选甄别。

综合下来，按每天八小时工作制的话，仅筛选简历就要花费5小时左右，实际上70%的工作时间属于体力劳动。而AI招聘正好可以弥补互联网招聘的缺陷——即通过AI技术快速、精准的帮助企业找到合适的候选人。

平台原则

AI是情绪化的

招聘总是情绪化的，在招聘环节中如果你不能通过候选人所做和所说的事做出判断，那它就是无效的。不同的招聘者在招聘环节带着不同的情绪，单纯的只靠人工来筛选匹配简历，也很容易产生职位偏差。同样AI招聘也是情绪化的，不是机械的职位搭配，不过与人相比，AI招聘的情绪化是理性、具有逻辑性的。

AI的情绪化体现在它除了评估书面知识意外，还能识别许多无形的人类问题。AI使用自然语言处理和机器学习技术来构建个人心理档案，以此预测候选人是否适合公司的文化氛围，这包括评估他或她喜欢使用哪些词。

重视不被重视的数据

HR也是人，精力有限，人工筛选匹配简历时很容易漏掉不起眼却很重要的数据。例如，有的企业会在招聘需求上贴上毕业院校、学校成绩等标签，这样粗犷的筛选方式方便HR找到候选人，但是与实际职位匹配肯定会存在偏差 。AI会帮助企业寻找有技能和经验的人，使应聘者能够在他们刚进来的时候做好自己需要做的工作。

技术战略

在AI招聘初级阶段，预测算法和机器学习可以成为识别最佳求职者的工具，公司可以利用AI来评估求职者的特性，并从候选人的词语选择到心理感情特征以及社交媒体上发布内容的语气等内容来着手分析。在AI辅助下，职位筛选匹配具有极高效率和精准度。

在AI招聘终极阶段，AI基于NLP（自然语言处理）和DML（深度机器学习）根据以往的招聘行为和匹配纪录自我进行反复学习、验证，并最终进行预判。AI在帮助筛选简历和职位匹配的过程中需要自我学习和进化。

技术测量

目前猎萝卜已成功实现简历快速、精准匹配，现在的目标是怎样实现AI基于NLP和DML的自我学习和进化。基于此，猎萝卜AI研发团队正在试验阶段，整体的步骤如下：

1. 定义评估

首先要使用内部测试指标来评估我们的模型，要使用这些指标，需要创建一个从指标名称映射到函数（以预测和标签为参数）的字典。

这带来了一个重要的问题：评估过程中我们的预测到底是什么格式？ 在训练期间，我们预测样板正确的概率有多大？带着这两个问题，猎萝卜AI研发团队在评估过程中，至少要对9个以上的预测模板进行测试，并挑选得分最高的一个，然后再反复进行测试。

2.训练代码样板

在编写实际的神经网络代码之前，我们的团队习惯先编写用于训练和评估模型的样板代码。先以批次特征、标签和模式（训练和评估）作为输入，并返回预测结果。

我们还定义了一个监视器，在训练期间每隔指定的步数对模型进行评估，最后再训练模型。训练过程可以无限期地运行，但内部实验系统可以自动地将检查点文件保存在指定得目录中。

3.创建模型

当建设好了关于输入、解析、评估和训练的样板代码，就可以为猎萝卜AI招聘终极系统的神经网络编写代码了。因为我们有不同格式的训练和评估数据，所以我们可以写一个包装器，它负责为我们提供正确的格式。

4.评估模型

在训练完模型之后，我们可以在测试集上使用内部测试系统来评估它。现在猎萝卜AI技术团队所做的神经网络为正确的答案分配了更高的分数，之后如果有额外的数据处理或超参数优化可能会使分数上升一点。

平台迭代

猎萝卜AI猎头招聘平台目前取得的优异成绩是基于大量测试迭代的结果，这是整个猎萝卜AI研发团队共同做出的努力，

为了最大限度地实现AI的自我学习和进化，猎萝卜AI技术研发团队一直在批量反馈。此外，猎萝卜还会对应聘者的反馈进行季度回顾。

现在猎萝卜已成功使用AI帮助企业大幅提高招聘效率和质量，下一步，我们要做的是让AI帮助企业评估候选人合理的薪酬，让AI帮助企业洞察候选人是否适合企业文化等等。贺志明在演讲的最后总结说到。