“張三，某名牌大學(xué)畢業(yè)，參與某課題研究……”畢業(yè)季滿是這樣的簡歷?！案蓾淄暮啔v背后，其實是一個個鮮活生動的個體。”BOSS直聘職業(yè)科學(xué)實驗室負(fù)責(zé)人薛延波將這種簡歷呈現(xiàn)出的求職者形象地稱為“紙片人”，“從數(shù)據(jù)角度看，求職者其實包括N維信息，如時間、性格、心理等?！毖ρ硬ㄕf，然而現(xiàn)有的求職過程中，求職者無法從多個維度被了解到。

人工智能的出現(xiàn)，有望改變“紙片人”與“N維”之間的矛盾。7月25日，BOSS直聘宣布成立科學(xué)實驗室，薛延波表示，找工作時“紙片人”的信息狀態(tài)可被人工智能最大限度“還原”，在“信息維”的世界中，崗位也將從單一的職位描述、招聘啟事“還原”為社會運轉(zhuǎn)中切實的“零部件”。

無獨有偶，日前有媒體報道，IBM已在利用AI(沃森)預(yù)測員工未來的工作潛力，其動機(jī)同樣是認(rèn)為傳統(tǒng)紙片式的評估方法，難以得到與崗位匹配的正確結(jié)果。正如IBM薪酬和福利副總裁Nickle LaMoreaux所說：“只依據(jù)歷史表現(xiàn)決定能否晉升，太局限了?！?/p>

人工智能“讀心術(shù)”，如今要“升級”人崗匹配方案。它該如何突破，助力人崗匹配獲得最優(yōu)解？

確立目標(biāo)，設(shè)計“咬合”匹配的雙邊市場

“人崗匹配度低，導(dǎo)致了大量人類時間消耗在待崗、錯配以及消極行動中。”BOSS直聘CEO趙鵬表示，目前存在的才不對崗、人不對位情況其實是人才市場不必要的“內(nèi)耗”。

在求職過程中，“人”被單一化是形成“內(nèi)耗”的原因之一。AI有能力將求職者立體、歷史地呈現(xiàn)?！安粌H是多維度匹配，還包括什么時間匹配，如何匹配最優(yōu)等問題?！毖ρ硬ń忉尩?，例如一個工作崗位今天提供給某個應(yīng)聘者和7天后提供給他，得到的結(jié)果可能不同。

“機(jī)器人考評”在一些單位正逐步被應(yīng)用，卻并未考慮時間維度的考評系統(tǒng)。例如，機(jī)器人不會識別出應(yīng)聘者當(dāng)天狀態(tài)的短暫波動，或許會認(rèn)為這是常態(tài)。這類系統(tǒng)的局限性也無法反映宏觀層面人崗市場的匹配情況。

薛延波認(rèn)為“咬合”的匹配可描述為兩個可解方程：一是不存在A與B偏好對方卻沒有配對;二是不會出現(xiàn)A與B、C與D已經(jīng)配對，卻有更優(yōu)組合使得整個市場的情況更好。而從微觀到宏觀，通過個體或部分市場的匹配，整個職業(yè)市場將體現(xiàn)出“穩(wěn)定”狀態(tài)。而職業(yè)科學(xué)利用人工智能手段，所要實現(xiàn)的目標(biāo)即是一個穩(wěn)定的市場，并且是可通過模塊拆解、算法建模等進(jìn)行規(guī)劃設(shè)計的科學(xué)問題。

與一些問題明確的科學(xué)問題不同，招聘用人的問題還需考慮人文要素。薛延波說，傳統(tǒng)用大數(shù)據(jù)分析來解決招聘問題，主要是通過計算科學(xué)、數(shù)據(jù)挖掘等方法，將其看成工程問題。而我們認(rèn)為，需要加入的參數(shù)還要包括心理學(xué)、社會學(xué)、經(jīng)濟(jì)學(xué)、勞動關(guān)系學(xué)等內(nèi)容。將人文學(xué)科拆解成模塊引入AI的參數(shù)中、參與到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的映射關(guān)系中，將更有可能建立“穩(wěn)定”的雙邊市場。

大數(shù)據(jù)為基礎(chǔ)，生成型機(jī)器學(xué)習(xí)為補(bǔ)充

對于人工智能來說，無論是哪個專業(yè)領(lǐng)域，數(shù)據(jù)始終是尋求最優(yōu)解的基礎(chǔ)。選取哪些數(shù)據(jù)、從什么維度選取、選取多少是第一步。

資料顯示，IBM的“沃森”調(diào)用的數(shù)據(jù)包括員工資料、接手的歷史項目、員工的經(jīng)驗和表現(xiàn)、內(nèi)部培訓(xùn)系統(tǒng)中記錄的員工培訓(xùn)及學(xué)習(xí)情況等。

不同來源的人力資源數(shù)據(jù)積累工作始終在推進(jìn)。據(jù)人社部相關(guān)負(fù)責(zé)人去年年底介紹，人社部開啟的人才素質(zhì)測評服務(wù)當(dāng)時已測評近50萬人次。而BOSS直聘的相關(guān)數(shù)據(jù)顯示，該平臺目前掌握的數(shù)據(jù)樣本量在4000萬左右。

“現(xiàn)有數(shù)據(jù)已經(jīng)足夠支撐我們?nèi)プ鲆恍﹩拥目蒲许椖俊！毖ρ硬ū硎?，但對于一些敏感或還未獲得的數(shù)據(jù)，一些機(jī)器學(xué)習(xí)的方法可以“補(bǔ)缺”，例如生成型機(jī)器學(xué)習(xí)方法。他補(bǔ)充解釋道：如果平臺上有張三和李四，而在數(shù)據(jù)中又需要張三和李四之間的一個人物，就可以訓(xùn)練一個機(jī)器學(xué)習(xí)模式，“派生”出符合張三和李四中間特征的人物，用以進(jìn)行現(xiàn)實世界中的職位匹配等研究工作。

算法和模型仍在探索中

“機(jī)器學(xué)習(xí)有三個重要支柱，數(shù)據(jù)、模型和算力。”薛延波說，數(shù)據(jù)正在以指數(shù)級別增加，模型的發(fā)展相對來說比較緩慢，現(xiàn)在機(jī)器學(xué)習(xí)可用到的模型也不多，職業(yè)市場是一個全新的市場，可能需要全新的模型來解決問題，最大挑戰(zhàn)可能是模型設(shè)計。

“目前我們正在進(jìn)行的工作是，通過協(xié)同濾波的方式將有相似職業(yè)生涯規(guī)劃的人歸類，從而理解真正的求職意圖;并通過協(xié)同的方法嘗試重構(gòu)三維的工作場景?！毖ρ硬ㄕf，這將有可能解決職業(yè)科學(xué)的理論中偏好列表未知的問題。

“協(xié)同濾波又稱協(xié)同過濾，是一種常見的推薦算法。最初在亞馬遜上出現(xiàn)，比如，買了這件商品的用戶一般還買了什么?！?a target="_blank">智能一點CTO莫瑜解釋，該算法可通過購買人群的相似度去評估不同商品的相似度;同時根據(jù)不同人購買的商品集合之間的相似度去評估不同人之間的相似度。做到“物以類聚、人以群分”，隨后通過不同的列表進(jìn)行匹配，再進(jìn)行人與物之間的推薦。

在職業(yè)科學(xué)研究初期，薛延波表示，將利用該算法進(jìn)行人與崗位的列表細(xì)分。之所以要建立這樣的偏好列表，源于微觀經(jīng)濟(jì)學(xué)的一個重要假設(shè)?！爸挥须p方都清楚對方的偏好是什么，才能形成穩(wěn)定匹配的市場。比如說大公司知道知名大學(xué)畢業(yè)生愿意來，而有創(chuàng)業(yè)意識的應(yīng)聘者更傾向于進(jìn)初創(chuàng)的小公司，有一個清晰的偏好列表，將有助于形成完美市場匹配?！?/p>

通過深度學(xué)習(xí)，偏好列表可以進(jìn)一步完善，嘗試做一些現(xiàn)實中的人崗匹配，匹配結(jié)果反過來再來影響偏好列表，進(jìn)行修正等工作。

趙鵬說，中國有近6億人在數(shù)千萬家企業(yè)工作，但對于職場人在工作中的成就感、幸福感、安全感，企業(yè)在人才競爭中的競爭力、洞察力及雙方的匹配等問題缺乏系統(tǒng)性研究，希望通過開啟“職業(yè)科學(xué)研究”，從科學(xué)的角度，用嚴(yán)謹(jǐn)?shù)姆绞揭约耙肴斯ぶ悄艿刃碌募夹g(shù)手段，對“職業(yè)”這門科學(xué)進(jìn)行系統(tǒng)研究，并引起行業(yè)層面的關(guān)注。

一家之言

可輔助招聘，但有些責(zé)任TA承擔(dān)不起。張蓋倫

IBM開始用自家AI沃森來“決定”員工去留了。據(jù)科技媒體“量子位”報道，沃森正在改變HR的工作狀態(tài)。它會調(diào)取員工資料和他們的歷史項目表現(xiàn)，了解員工的培訓(xùn)和學(xué)習(xí)情況，綜合判斷其適不適合升職加薪，有沒有可能走向人生巔峰。

聽起來很棒。不過有一點要明晰，從目前透露出的信息看，AI并不會在這一整套評估流程中發(fā)揮決定性作用。那些人力資源部的同事，依然是你升遷路上的“溫柔殺手”。

幾年前，人們便開始討論將AI引入人力資源的可能性。AI可以解決快速匹配的問題，這確實是對HR工作的解放。一些大公司，校招時收到的簡歷動輒上萬份，必須設(shè)置關(guān)鍵詞進(jìn)行粗篩。而在粗篩之后，則要細(xì)篩，看申請人能力和崗位的匹配度。AI在這方面能做到得心應(yīng)手，它甚至可以收集候選人的其他資料，畫出求職者畫像，根據(jù)自己積累的數(shù)據(jù)，判斷出要不要放其進(jìn)入招聘的下一輪。

不過，要把AI繼續(xù)深入應(yīng)用到人力資源的其他領(lǐng)域，恐怕還需慎重再慎重。

得牢記一點，AI并不具有什么“來自數(shù)據(jù)世界的神秘力量”，它能給出的僅僅是參考。如果迷信并盲從AI的判斷，不僅不負(fù)責(zé)任，甚至并不道德。

涉及到人的事，大多比較復(fù)雜，它沒有標(biāo)準(zhǔn)答案。而業(yè)界和學(xué)界普遍認(rèn)同，機(jī)器學(xué)習(xí)就是一個“黑箱”。你投喂給人工智能數(shù)據(jù)，一再調(diào)整算法模型，你知道它做出判斷的準(zhǔn)確率越來越高，但你不知道為什么。

人工智能的“心”，也是海底的針，你不知道它學(xué)到了什么。同樣，你也不知道一家公司的人力資源算法模型里包含了多少偏見。

AI能夠根據(jù)它掌握到的員工信息對其進(jìn)行潛力評估，但它究竟如何評估，在評估過程中有沒有倫理和道德的風(fēng)險，它收集數(shù)據(jù)的邊界在哪里？社會技術(shù)學(xué)家Zeynep Tufekci做過一次公開演講，她舉了一個例子：機(jī)器能推斷出你沒有公開的事情——比如，它認(rèn)為你有很高概率會換上抑郁癥，或者，它認(rèn)為你有很高概率三個月內(nèi)會懷孕。于是，它“貼心”地提前斬斷了你的路，而直到此時，你還蒙在鼓里，不知道自己為何被機(jī)器劃到了“待定區(qū)”。

那么，這究竟是精準(zhǔn)的預(yù)言，還是赤裸裸的偏見？偏見可能無處不在，當(dāng)偏見以機(jī)器之名施加于群體之上時，會變得更為隱蔽。

無論人工智能發(fā)展到什么程度，人，都要坦蕩并堅決地承擔(dān)自己的責(zé)任。HR要在對員工的一輪輪評估中去了解和審視自己的偏見，去反思自家的企業(yè)文化。

這其中涉及復(fù)雜的判斷，人無法“甩鍋”，更不能缺席。