郭钟泽 唐子婷 杨雯佳 何庆瑶
(北京信息科技大学 北京 100192)
人工智能、大数据、互联网等各种信息技术的进步颠覆了传统的管理模式，人力资源管理领域正经历着前所未有挑战与变革。传统的人力资源管理模式效率低、管理方式少，不能满足企业信息化时代的需求。当前企业之间的竞争是人才资源的竞争，招聘工作直接关系到人才获取，对企业有举足轻重的作用。成功地招聘对构建和维持成功的企业体系至关重要，它不仅确保岗位所需的标准，还保障了组织的工作绩效。精准高效的招聘选拔不仅为企业带来活力，还能增强企业的创新力。显然，人力资源管理部门如果借助人工智能、大数据技术，将人的信息和其他资源数据化，然后再用算法进行匹配，进而测试员工的胜任力、评估岗位等，将会为招聘工作带来诸多新的可能(穆胜，2014)。
自“人工智能之父”约翰·麦卡锡1955年首次提出人工智能概念后，因其在自然语言处理、图像识别、数据挖掘等领域技术的日臻成熟而使人工智能受到广泛关注。目前，人工智能技术下的招聘在人才匹配速度方面的“快”和确定条件下搜索匹配的“准”，已经完全超越了传统招聘(张欣瑞等,2015)，运用大数据和人工智能算法是未来人才招聘的大趋势(周卓华等,2020)。综观我国招聘市场，企业常用的招聘方式包括现场招聘、校园招聘、网络平台招聘、人才机构介绍和员工推荐等。人社部调查数据显示，2020年第四季度岗位空缺与求职人数的比率约为1.52(人社部,2020)，表明我国人力资源市场用工需求大于劳动力供给“。招人难，留人难”是企业面临的普遍问题，针对线下招聘或者简单的线上招聘模式无法满足企业精准招聘需求的现实困境，人力资源工作者不禁思考：如何在挑战中优化招聘流程，提高招聘效率，为企业及时高效的储备人才？基于人工智能识别的“精准招聘”平台，如何保障招聘效果，探索构建开放的招聘平台，实现岗位精准推荐？
为了改善企业的招聘困境，本文提出构建基于人工智能识别的精准招聘平台，此平台的设计旨在提高企业招聘效率，精准匹配企业岗位需求与应聘者，降低招聘成本，缓解企业人力资源部门招聘工作负荷过高的现状，从而帮助企业思考和解决招聘难题。结合人岗匹配理论和人工智能识别的现实技术，分析与设计智能方式的人才筛选环节，以期构建实现企业“精准招聘”的智能识别平台。
1 理论基础
1.1 人岗匹配
人岗匹配被称为人力资源招聘的黄金法则，管理学者很早就关注到人与岗位匹配，从广义的视角人岗匹配也包括人与组织匹配(person-organization fit,POF)、人与团队匹配。Schneider(1987)基于互动心理学和职业心理学，提出吸引选择磨合理论(Attraction-Selection-Attrition Theory,ASA)，认为个人并非随机被安排到特定组织中，不同类型的人被相符类型的组织吸引、选择和保留(Schneider et al.,1995)。人岗匹配既包括员工的知识、技能、素质符合岗位所需，也包括岗位薪酬供给匹配员工所需。简而言之，人岗匹配是指岗位特征与个人属性相匹配。
1.2 人工智能识别的作用原理
人工智能识别需要借助用户画像建构一个可视化的模型，本质是一个对人才数据可视化的过程，核心是求职者标签化与数据可视化。基于大数据技术，对热门领域的招聘数据进行定量分析，帮助企业把握人才需求倾向，形成精准化定位的招聘模式，以实现“数据驱动”的路径，达到“智能识别”的效果。
其中，智能识别最重要的是用户肖像，也被称为用户角色，即利用大数据理论和相关技术从互联网上收集用户数据，然后进行相关分析并描述用户和需求的分析方法。智能识别的步骤包括：(1)标签化。我们可以选择部分影响力较大的招聘平台作为分析数据的来源，利用网页爬虫收集招聘平台中求职者的文本信息，比如：性别、工作时间和工作经验等，借助文本分析、数据挖掘等研究技术。然后，对结构化和半结构化数据进一步分析，经过基本的过滤和筛选，形成可视化标签。(2)实现数据可视化，推动企业人才数据集的搭建。在海量数据时代下，企业招聘需要在短时间内过滤、筛选大量的人才招聘信息，并对人才数据快速识别，实现劳动力需求和供给的精准匹配。企业用户需要不断获取海量招聘数据，求职者与岗位一对一精准对应，进而实现“智能识别”的效果。
人岗匹配和用户画像的智能识别系统具有以下几种特征：(1)精准高效。它能够通过掌握劳动力需求和供给的精准匹配数据，建立工作思路和体系，快速、准确地从海量简历池中完成数据筛选和匹配。(2)科学指导。例如，腾讯公司2013年和微信团队共同开发了“HR助手”，它利用电子工具分析动态信息，对腾讯的精品人才库对大量数据进行挖掘和采集，对人才就业情况进行追踪和分析，能够更加方便地从中获取最适合的人才，大大降低了招聘成本，提升了招聘的质量(鄢雪芳,2019)。(3)一对一匹配。人力资源大数据提供的客观信息可以帮助企业进行科学的录用决策(周卓华等,2020)，企业根据人工智能识别技术，使用机器学习和适应性在线评估等，也可以预测特定角色的未来工作表现。综合大数据分析技术，企业用户可结合岗位要求对应聘者进行客观、量化打分，最终确定招聘决策。
1.3 精准招聘的逻辑
精准招聘是企业用户根据求职者能力、素质与企业岗位需求相互匹配，结合人工智能识别技术，依据岗位需求自动筛选和智能匹配求职者到合适的工作岗位。企业通过多方面、多维度的甄选方式，数据筛选与精准定位，招聘的效率和准确性将会显着提高。
2 “人工智能识别+精准招聘”模式探析
2.1 现有招聘模式分析
企业的核心竞争力是人才的竞争，企业要不断挖掘优秀人才为企业所用，不断提高企业的核心竞争力和人才储备，传统意义上的面对面招聘、简单的线上招聘模式已难以满足企业的需求和挑战。当前，现有招聘模式存在诸多问题，比如，招聘计划制订不够准确、信息量过大导致简历筛选困难、面试测评精准性差等缺点(王逸菲,2021)；再比如，企业面临招聘成本高、效率低、形式单一、招聘过程流程化等缺点。同时，越来越多的企业采用线上网络招聘形式。现阶段企业线上招聘在实际工作中存在很多困境，主要表现在：对于数据识别的应用情况并不乐观，面对海量的求职者数据，人力资源部门无法高效精准地获得招聘信息，企业岗位信息化程度较差，人岗匹配的时效性差，没有很好利用数据预测等问题，这些问题与困境都潜在拉长了招聘战线，使现有招聘模式广受诟病。
2.2 人工智能识别+精准招聘模式分析
在人工智能识别技术的支持下，招聘模式发生重大变革。人工智能识别的“精准招聘”模式需要借助用户画像建构一个可视化的模型，本质是一个对人才数据可视化的过程。借助招聘平台的相关数据，分析提取关键词，挖掘岗位特性，生成标签，构建用户画像模型，客观、形象地展示企业的人岗匹配诉求。
3 智能识别+精准招聘平台应用设计
3.1 精准招聘平台的内容特征
基于人工智能识别的算法需求，企业需要提前建立自己的人才数据库，收集岗位和求职者特征，打造致力节约招聘所需时间精力财力物力，人岗匹配的精准招聘平台。
3.1.1 用人单位
这部分内容主要包括：企业性质、所在地域、主营业务或服务、企业规模等。
3.1.2 求职者
求职者主要特征有：人口统计学信息、绩效兑现、发展潜力、流动离职率。其中，人口统计学信息是指求职者的年龄、性别、学历教育、工作经验等个人因素；绩效兑现是指求职者在招聘时承诺的绩效与入职后的绩效是否相符；发展潜力是指员工的知识技能发展潜力的大小；流动离职率是员工的离职流动意向。
3.2 平台框架构想图
平台主要分为管理端和客户端两大版块，管理端又分为用户管理、职位管理、简历管理、题库管理、问卷管理、智能招聘管理、智能订阅管理、面试管理、反馈管理九个版块。客户端分为两类登录入口：需求方和供应方(企业和求职者)(李勇等,2020)。企业功能版块分为职位发布、问卷设计、建立用户画像、简历订阅、面试安排、反馈与建议。求职者功能版块分为：简历填写、职位查询、企业订阅、面试安排、反馈与建议，如图1所示。
图1 管理端和客户端设计及各板块之间的关系
4 结语
随着科学技术的发展，人工智能技术同人力资源管理的融合将是未来人力资源管理的重要发展趋势。其中，运用大数据和人工智能算法是未来人才招聘的主流方式(周卓华等,2020)。本文采用人岗匹配理论，结合人工智能识别的原理，针对“招人难，留人难”的企业招聘困境，尝试设计与构建精准招聘平台。
李开复说“：人类思考5秒以下的工作将被人工智能取代”，人工智能在自然语言处理、图像识别、数据挖掘等方面已经有了较为成熟的应用。同时“，能岗匹配”被称为人力资源招聘的黄金法则，基于人工智能识别的“精准招聘”平台也在很多知名企业得到推广和应用，比如，在智能化招聘运用上，谷歌能预测应聘者在获聘后是否具有最佳生产力的算法进行精准招聘，缩短员工的招聘周期，提高招聘效率(张欣瑞等,2015)。可见，智能化招聘在匹配、筛选、评估应聘者的过程中使用各种数据分析，着实提高了招聘的效率和质量。总之，精准招聘平台能够通过智能识别技术整合招聘双方需求，对企业和求职者进行优良匹配，帮助企业更快更好实现招聘目标，也对助力企业发展有着重要意义。
