• 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
  • AI
    AI对招聘人员的威胁会很大吗? 人工智能(AI)是人力资源软件最新的流行术语,有充分的理由,它是真实的,而且是有效的。如果您不熟悉,AI是一种技术自动化,它利用机器学习和大数据来实际学习如何更好地执行自动化的任务。实际学习的技术?是。可以根据逻辑和推理做出计算决策的技术。而且,数字沟通呢?是。 AI会替换招聘人员吗?这是一个非常大胆的假设。技术是否取代了航空公司飞行员的需要?不,但飞行员的参与以及他们如何操作飞机由于用于飞行的技术的创新而发生了根本性的变化。人工智能不可能消除招聘人员,但会改变招聘人员在招聘过程的各个方面的参与程度。 人力资源部门有可能成为招聘行业转向基于网络的人员配置方法以来最具影响力和创造性的创新。 我们来看看AI如何影响招聘人员的工作效率。这是招聘软件直接支持的关键成功指标。招聘工作流程中有几十个步骤和阶段,审批和复杂性,招聘软件组织招聘人员。但是,其中很多需要手动操作。例如,招聘人员通常会花费相当多的时间来撰写招聘信息,审阅简历,安排面试,以及根据经理对候选人资格的反馈进行解释来完善候选人搜索。 人工智能有可能通过学习的逻辑和推理自动化这些招聘任务的许多手工方面。 事实上,我们已经看到了这种AI打入招聘软件市场。一个新的供应商使用AI来自动执行由招聘人员或招聘协调员传统执行的面试调度任务。人工智能平台与申请人沟通,解释答复,人性化反馈,并自动选择和时间采访插槽协调所有必要的内部资源。全自动化使用自然语言处理和机器学习来管理日历和协调需求。本质上,招聘协调员的任务正在被AI取代。 我们也看到人工智能采用机器学习来吸引潜在的求职者和雇主的工作。这有助于降低每次租用成本和填充时间。在这种情况下,AI会将与其匹配的最佳候选人搜索到组织的可用角色。但是,AI通过作为公司招聘人员或猎头人员的自动化来接近匹配的候选人,从而进一步完成了这一过程。招聘人员的手工采购和候选人的手动或主动寻求以及所有相关的沟通都被AI取代。 另一个例子是SAP / SFSF招聘功能,作业分析器,它利用人工智能和机器学习为招聘者提供有关竞争性工作,技能和工资信息的市场数据。它允许招聘人员在招聘之前审查招聘要求,通过地理位置确定劳动力的可用性,甚至可以通过扫描性别偏见的语言来支持多元化工作。这些信息将有助于招聘人员对申请进行潜在的调整,以确保高质量,并在发布之前及时填写。 推动效率和流程优化的创新是招聘软件持续数字化转型和演进的关键。AI可以在招聘生产力方面提供巨大的收益。但是,公司不应该把人工智能作为人类招聘者的替代品。应该把它看作是使招聘人员更有效地利用时间的工具。质量招聘的本质仍然是一个非常个人化的,人性化和关系导向的实践。人工智能可以做出令人惊叹的事情,但它不能复制当人们与其他人谈论事业和人生选择时发生的独特的人际关系。人力招聘人员将继续对培养关系至关重要,并利用更多的主观数据来审查和处理填补职位空缺的最佳决策。但, 人工智能是否会直接影响核心招聘软件的KPI和价值主张?今天已经发生,并将扩大构成招聘周期的许多领域。这个流行词技术是真实的,看它成熟和发展将是令人兴奋的。但任何声称人工智能最终会取代招聘职业的人都是错误的。为了重新回顾一下人类飞行员和航空自动化领域的类比,技术是伟大的,但我们仍然希望和需要一个高素质的人在飞机前面。
    AI
    2018年02月07日
  • AI
    iCIMS收购移动招聘平台TextRecruit iCIMS与领先的文本消息TextRecruit,实时在线聊天和人工智能(AI)平台进行招聘,促进增强和合规的候选人体验 云计算人才获取解决方案的领先提供商iCIMS Inc.宣布收购TextRecruit Inc.,该公司是一个使用短信,在线聊天和人工智能(AI )帮助组织更快地雇用更好的人。 TextRecruit通过认可当今的候选人更喜欢通过短信和移动应用而不是电子邮件进行交流,从而建立了一个快速增长的业务。该公司在2015年推出了第一款产品,并使用iCIMS的UNIFi平台在TextRecruit消息应用程序与iCIMS人才招聘套件之间实现了无缝集成。此后,TextRecruit扩大了其投资组合和合作伙伴网络,成为招聘人员的领先实时消息应用程序。 iCIMS战略高级副总裁表示:“我第一次见到TextRecruit的创始人时,他们热衷于通过聘用和招聘过程中的候选人,招聘人员和招聘经理通过文本来改善候选人的经验。企业发展,Michael Wilczak。Wilczak补充说:“通过UNIFi整合产品并在市场上推出后,我们的客户立即认识到TextRecruit的价值,并开始迅速将其作为iCIMS Talent Acquisition Suite的附加组件购买。“强大的产品功能,不断增长的客户群以及相互承诺的客户成功使得TextRecruit成为iCIMS的合理收购。” TextRecruit将继续作为iCIMS的全资子公司,根据客户的需求为其他系统提供服务和整合。如今,公司已经有400多家客户在使用其解决方案,包括Banner Health,Cracker Barrel,Aramark,Enterprise Holdings和其他企业组织等大量的iCIMS客户。 索迪斯招聘经理Heather Thomas表示:“我通过自己的电话发短信给候选人,当50%到60%的人回复时,我知道我需要将其系统化。“我们启动了一个TextRecruit试点项目,认为我们只是用它来进行采购,但是它成了一个整合到我们招聘人员整个工作日的沟通工具,我们有100%的积极响应,并决定从10个扩大到40个招聘人员。 TextRecruit将通过更深入的集成和解决方案扩展iCIMS人才招聘套件的功能,简化招聘人员和招聘人员的招聘流程。此外,TextRecruit还将为iCIMS客户“ARI”提供可配置的自动招聘界面,该界面利用自然语言处理和AI通过聊天机器人自动与候选人沟通。 TextRecruit联合创始人兼首席执行官Erik Kostelnik表示:“这不是一个更好的选择。TextRecruit和iCIMS共同转变招聘技术市场的愿景。我们为许多相同的客户和合作伙伴提供服务,提供相辅相成的产品,最重要的是,它们具有推动我们各自文化的相同价值。我很高兴看到我们能够成为iCIMS团队的一员。“ “这次收购最令人激动的部分是iCIMS和TextRecruit通过将TextRecruit产品扩展到一个完整的沟通平台,并通过利用TextRecruit的AI功能自动化招聘的其他部分,为我们的客户带来更大的价值处理。TextRecruit将继续独立运作,并与iCIMS Recruit,Connect和Onboard产品集成,但随着时间的推移,我们将使TextRecruit成为我们产品套件的核心组件,为市场提供新的候选参与和自动化能力。“iCIMS主席和科林日行政总裁。 2017年,iCIMS被JMP证券公司评为热门100强公司名单,G2 Crowd在2017年冬季ATS Grid  报告中领先软件供应商  ,并   连续第二年入选“福布斯”Cloud 100榜单, Dropbox,Slack和Squarespace。公司首席执行官Colin Day也被评为 2017年SaaS报告的  前50名SaaS首席执行官之一.2016年,iCIMS被TrustRadius  (用户软件评估站点)的用户评为  最高评级招聘软件平台。 TextRecruit被TA Tech评选为“最具人气的技术和招聘工具”之一,被“美国商业奖”和“Best in Biz”评选为“年度创业”,以及“最佳移动互动平台“通过移动招聘奖。此外,TextRecruit联合创始人兼首席执行官Erik Kostelnik被BizJournals评选为硅谷的“Upstart 50 Inventors”之一。   商业评论: iCIMS收购TextRecruit,指出手机在招聘技术方面的威力   基于云计算的人才获取解决方案提供商iCIMS已经收购了TextRecruit,这是一个候选人参与平台,利用文本,聊天和AI来加强招聘流程。 随着越来越多的候选人显示他们喜欢通过文本而不是电子邮件进行交流,该平台将与iCIMS合作,将消息应用程序与他们的人才获取套件集成。其结果旨在使招聘人员和候选人更快更有效地衔接,简化招聘流程。 TextRecruit与iCIMS的关系并不新鲜,因为TextRecruit自2015年起与iCIMS正式合作,为该平台带来了发短信。现在,那些在ICIMS之外使用TextRecruit的人仍然可以,但是正如ERE所说,这对于申请人跟踪系统来说可能是一个破坏性的“获取”。   随着公司转移他们的流程以满足申请人的需求,发短信似乎是一个自然的进展。在BYOD革命不只是为现有雇员。候选人更有可能立即回复短信而不是电子邮件,这可能会缩短招聘时间,并使招聘人员在另一家公司有机会之前掐住顶尖人才。 该移动第一人力资源战略要素的智能手机成为员工关系的各个方面,从招聘到退休。像麦当劳这样的行业领导者已经通过Snapchat 启动了Snapshot - 应用程序来吸引他们最常使用的场所的人才。更多的雇主正在寻找申请人,而不是希望他们能在网上随便找到工作。精明的招聘者寻求创造性的方式直接与申请人联系,可能会比竞争对手占优势。
    AI
    2018年02月06日