-
人工智能
将人与人工智能相结合，创造一个更具包容性的工作环境
人工智能对现代工作环境的影响
从汽车制造业的许多部分实现自动化，到允许根据股市预先设定的标准进行自动决策，不难发现AI如何改变整个行业的例子。
实际上，IBM最近的一项研究发现，76％的运营主管认为自动化程度的提高将对运营效率产生积极影响。这反映了人们普遍持有的观点，即人工智能必须与人类的智能和技能携手合作，才能获得最大的利益。
人工智能对HR功能本身并不陌生。一般来说，HR功能已经包含了软件的好处，可以在员工生命周期中自动化劳动密集型HR流程。例如，时间和出勤跟踪和工资处理，许多公司已经自动化了几十年。
但是直到最近，组织才意识到投资人工智能的机会，以促进其公司的人力资源战略。将AI与无可替代的员工技能和经验相结合可以为组织在拥挤的市场中提供竞争优势。这方面的一个很好的例子是在多元化和包容性领域，并使用技术来减少组织中出现偏见或歧视的可能性。
包容性工作环境的理由
在我们考虑AI如何具有潜力来促进更具包容性的工作环境之前，让我们先了解一下为什么它如此重要。
当今世界的组织是在全球环境中运作的。由于互联网和更快、更可靠的航空旅行，在与新市场和潜在客户打交道方面，世界不再局限于其地理区域内的市场。因此，聪明的企业必须创造一个多维度的劳动力，以反映市场的性别、种族、年龄、性取向和其他特征。这是非常正确的事情，提供机会给个人完全基于价值、技能和努力工作。
当然，还有管理方面的问题，许多国家都有关于多样性的法律，因此，一个能够自信地表现出对问题的承诺的组织将确保在这一领域的合规性。
人工智能促进包容性的具体方式
技术在推进组织的多元化议程中起着至关重要的作用。影响最大的方法之一是确保采用包容性的招聘方法。
人为偏见可以采取不同形式，无论是有意还是无意。这可能对招募过程的包容性产生毁灭性影响。人工智能可以通过使用简单的关键字技术实施一致、公正的评估和筛选标准，从而确保候选人仅根据其技能和经验入围，从而对此提供巨大帮助。
技术也可以帮助招聘广告吸引更多的潜在员工，通过查看他们的回应历史数据，然后写出对各种求职者都有吸引力的职位描述。
包容性工作场所的未来
在人工智能如何与人力资本合作，从而在整个工作场所获得切实的效率收益方面，我们已经取得了长足的进步。但是，有太多的机会可以在将来进一步发展。例如，正在努力扩展技术的使用范围，以消除处理工资单或使用绩效评估矩阵时用户的偏见。
人工智能还可以利用人力资源软件系统中的历史数据，创建基于文化的个人档案，利用领导力和沟通风格，为组织提供洞见，帮助它们创建更具包容性、信息更灵通的政策和人力资源流程。
工作场所内的人工智能不仅会继续存在，还将加快整个组织和行业的变革步伐。
以上由AI 翻译，仅供参考！
作者：Suresh Sambandam
来源：https://www.hrtechnologist.com/articles/digital-transformation/combining-human-and-artificial-intelligence-for-a-more-inclusive-work-environment/
-
人工智能
人工智能将如何影响招聘流程？
人工智能的一个流行形象是机器人像《黑客帝国》(the Matrix)或《西部世界》(Westworld)那样统治世界，但即便是人工智能驱动的机器取代我们工作的相对温和的形象也被夸大了。
但是，人工智能有望在转变人员和招聘方面发挥巨大作用。根据我们在Bullhorn的研究，超过一半的招聘行业专业人士和管理人员至少对AI技术有所了解，因此他们认识到AI技术可能会对他们有帮助。
所谓“帮助”，是指其设计目的不是接受招聘人员的工作，而是帮助他们更好地完成工作。不用担心的另一个原因：有些事情AI根本做不到或不应该做，这意味着招聘人员将有更多的时间集中在增加价值的工作上。
人工智能展示了其对招聘的积极影响
对于招聘行业来说，人工智能已经处于寻找和雇用最佳人才的最早使用阶段。在持续不断地为招聘平台开发AI与在早期阶段采用方面可理解的滞后之间，AI可以为招聘流程带来的许多功能尚未完全部署。不过，我们可以放心地谈论AI可以为招聘人员做什么，在某些情况下已经可以做到：
人工智能可以在合适的时间帮助找到合格的候选人；具有AI功能的工具可以持续监控庞大的被动候选人数据库，并识别预测候选人为新机会做好准备的信号。这既增加了给定职位的可用人才库，又增加了与这些候选人的互动率。
人工智能有助于增加招聘人员的响应时间；许多通信（例如面试确认电子邮件和文本）可以实现自动化，从而使招聘人员有更多时间专注于培养与候选人的关系所需的更具自定义性的交互。
人工智能可以感知市场变化；例如，趋势表明人才库中的某些广泛变化。也许以前没有预料到的WordPress开发人员的工作需求增加-可以帮助招聘人员在竞争之前预测技能差距和人才短缺。
人工智能通过减少人类偏见来提高多样性；最善意的招聘人员仍然会陷入无意识的偏见。这涵盖了从种族和性别多样性到年龄甚至地理位置的所有事物。通过适当的编程，AI可以减轻这种偏见的障碍，帮助平衡竞争环境并确定招募者可能会错过的合格候选人。
招聘人员应该认识到：人工智能有其局限性
人工智能可以分析数据并复制重复性任务以帮助招聘人员，但它不能代替他们。实际上，AI不会代替招聘中的工作，而是准备给人员配备和招聘专业人员更多的时间来完成需要人为决策的部分工作。招聘人员比机器配备的设备更好，可以分析数据以查找数据中的“原因”并在招聘过程中执行更具个性化的任务。AI的局限性示例包括：
AI快速准确，但并非没有错误；如果不能迅速发现，机器学习中的一个错误可能很难纠正。
AI通过数据建立联系，但不能确定原因。AI是检测模式的出色工具，但仍然需要人类来理解相关背后的含义。
认可机构遵循已定义的指令集；当设计用于完成狭窄任务时，AI效果最佳。例如，人工智能是利用大量数据的绝佳工具，但无法看到影响数据的大图。例如，如果有更多的女性进入建筑管理领域，那么以前在算法中内置的偏见仍然可能主要是男性候选人。
随着招聘行业对人工智能的理解不断加深，开发和采用人工智能工具来支持招聘过程(从候选人参与到沟通工作流程等)也会越来越多。招聘人员和招聘专业人员需要了解人工智能工具是如何节省成本并带来更好的候选人体验的，以及它们的局限性如何使他们能够将更多精力放在改善候选人体验的工作上。
以上由AI翻译，仅供参考！
作者：Matt Fischer
来源：https://www.hrtechnologist.com/articles/digital-transformation/how-ai-can-and-will-affect-the-recruiting-process-and-how-it-wont/
-
人工智能
人工智能带来的，是大规模失业，还是“少干活多拿钱”？
人与机器之间的竞争
未来的人们可能有两种工作方式：
第一种：服务于人工智能的各种工作，成为AI与客户的接口；
第二种：每天做你最想做的事，最好是创造一些从来没有人见过也不知道有什么用的东西，你的收入除了AI时代统一的“国民收入”外，大部分来自你“玩”的结果，具体是多少，完全由人工智能跟你结算。
以上是猜的，但也有点根据。
人工智能对人类工作的影响，产业界的共识是：跟之前数次机器大规模取代人工一样，AI在消灭某些职位的同时，也在创造新的职位，但新职位与旧职位之间的关系、数量、时间、过程，可能会有颠覆性的变化。
去年，《美国经济评论》 杂志发表了一篇名为《人与机器之间的竞争：技术对增长、生产要素分配和就业的影响》（The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment）的论文，由麻省理工经济学院的Daron Acemoglu教授和波士顿大学经济学院的Pascual Restrepo教授撰写，前者被认为早已预定了诺贝尔经济学奖一枚。
因为长期关注“AI对职场就业的影响”这个话题，虽然我的英文水平不高，还是在百度翻译的帮忙下，连蒙带猜中看完了整篇论文。Acemoglu在这篇论文用了一个模型，很好地描绘了新职位与旧职位此消彼长的整个过程，非常有价值。
传统的增长理论中，增长取决于“资本”和“劳动力”这两个内生因素，以及“技术”这个外生因素。Acemoglu这篇论文的框架是研究“技术”在“资本”的作用下，对“劳动力”因素的影响。所以，思考方式是纯经济学的，但研究的对象非常有现实意义和前瞻性。
在他的模型中，“大规模失业”和“少干活多拿钱”可能是两种并存的场景。
少干活多拿钱？
Acemoglu把AI对劳动力市场的影响分成两个部分：一部分是AI取代人的工作，另一部分是AI创造新的职位。
技术提高劳动生产效率，从而减少了企业对劳动力的需求，这是AI的第一个影响——自动化的替代作用，这也是大量影视作品渲染的“人类被AI统治”的恐怖场景，或者“资本家利用AI赚了大部分钱，广大劳动人民失业，极度贫富分化”的悲惨场景。
其实，AI对人的替代作用不过是从工业革命开始就有的“自动化对劳动者替代”的延续，那么以史为鉴，Acemoglu认为，但如果你把资本的因素加进来考虑，就不一样了。
首先，新的AI技术必然有新增资本进入，就带来了全新的工作职位，这是AI的第二个影响——技术变革补充劳动力。
上图显示了1980年到2007年间，美国的总就业人数增长了17.5%，其中的一半是由新职业带来的。
企业投入资本用AI取代人工，为的是提高资本回报，企业效益提高后，剩下来没有AI取代的职位，收入反而是上升的。
肯定有人会说，不对，不能看平均，AI取代人工创造的财富，大部分流入资本家的口袋里，而那些失去工作的人，可能永远无法适应新产生的职位，收入必然是下降的，这造成了整个社会加速贫富分化。
Acemoglu认为，这只是第一阶段的暂时失衡，资本的力量会让其再次恢复均衡。过程可能是这样的——
资本用AI取代人工的前提是劳动力太贵，可一旦某个行业失业人数太多，就会压制该行业的工资，让这个行业的人变得相对便宜，资本就会失去AI改造的动力。
于是就进入“AI技术发展平台期”，此时，在周边行业将出现一个完全相反的过程。
资本进入AI创造出的新兴职位（比如软件行业）后，因为不能立刻得到足够的劳动力，就会出现高薪职位。这些职位会吸引其他行业的优秀人才加入，其他行业又会空出职位，一级级地吸收相应的劳动力。
所以被AI取代的劳动力并不需要重新学习劳动技能，他们在遭遇一段时间的失业后，很快就能重新找到跟他们原来相同或相近的工作——就像《美国工厂》里福耀玻璃带来的工作机会。
这就是“AI技术发展平台期”，就像排队一样，每个人都进了一步，重新找到自己更理想的位置，最终会形成一个新的均衡。
然后，随着该行业人力成本上升到一定程度，一旦行业的技术发生突变，均衡被打破，出现了更高性价比的AI技术，AI取代人工的老故事又将重新开始。
总之，AI对人类社会就业的改造将会是一个长期而渐进又不可逆的过程，资本、劳动力、技术三股力量将会相互制约，技术跃升期和技术平台期将交替出现：
当资本的长期租金率比劳动便宜，就是“技术跃升期”，自动化技术将迅速发展，劳动力将变得多余，这个过程一直延续到劳动力比资本的长期租金率便宜，就进入“技术平台期”，经历前面说的一系列复杂的变化。
总体上看，Acemoglu的模型是非常乐观的，AI导致的失业率的上升，只是恢复均衡过程中的阵痛。虽然AI取代的职位将多于AI创造的新职位（因为劳动效率上升了），但由于资本回报率的提升，企业盈利将通过税收，惠及更多的人。因此从整个社会来说，全社会总的劳动时间变少，但平均收入却上升了。
感觉整个世界都向“少干活多拿钱”的方向发展，但未来具体会是怎样一幅场景呢？
Acemoglu的模型不可能告诉我们。不过，这篇论文让我想到了我前两年亲身经历的“AI导致失业”的例子——阿里对广告设计的改造。
AI干掉设计师
企业要进行一轮市场推广，一定会把大量的广告推给消费者。这些广告的形成过程非常复杂，至少要经过“策略——创意——制作——投放”四个阶段，分别由不同类别的广告人员承担。
这个流程最大的问题是决策复杂、时间过长，我最早加入广告行业，服务于一家汽车厂商，它们的新车型早在推出一年前就要开始做广告策划案。
但从2014年开始，我见证了AI对这个行业的改造——阿里巴巴推出的首先针对淘宝卖家的“鲁班AI”，你只需要定义几个核心的关键元素，系统会自动生成一系列的广告Banner，这就干掉了“设计师、文案”的工作。
甚至还干掉“创意总监”这个职位，因为系统同时提供流量测试的环境，你可选择点击率高的、或收藏好的、或转化率好的方案，来实现不同的广告传播意图。
所以，这个系统理论上说，可以帮助小商家节省人力，帮助中等卖家提高广告转化效果；帮助大型品牌商优化广告流程、提高推广决策效率。
非常明显，“鲁班AI”如果未来真的技术成熟，成本可控，完全有可能推广到淘系以外商家的营销场景中，必将导致广告产业链上很多职位的消失，大量广告人失业。
但另一方面，这个系统让“策略”和“评估”这两个广告环节变得更加重要，需要增加新职位。
首先，系统要产生广告，需要你去定义一系列精准的关键词。这部分工作之前就存在，只是实际分布于策划、设计、文案各个执行环节，但在AI设计时代，它被前置了，而且需要一个专门的职位去负责精确的定义——
一个新的职位就诞生了，它有可能还叫“策划”，但工作重点完全不同，需要深度理解并配合这套“AI系统”的工作方式。
当然，我相信随着“机器学习”的发展，未来的AI设计并不需要“定义关键词”，它应该从过去你的广告中“主动学习”你的需求，也就是说，这个“新职位”也可以被取代。
但问题在于，“策略性思考”在广告行业中是永远不会消失，也无法被AI学习，只能再次被前置到产品策略、消费者策略、渠道策略甚至企业战略等等更早期的环节、更高层的思考范畴。
再看AI设计后端的“测试、评估”环节，也同样如此。
之前的“广告测试”因为很麻烦、准确度有限，只有大型推广才用。但AI设计的出现，将会使“广告测试”成为标配。这样，就需要配合AI设计测试方案，解读测试结果，实际上又是一个新职位。
还有“广告效果评估”，之前只是媒介人员附带的一项工作，主要作用是丰富结案报告并向广告主邀功请赏，但在AI创意时代，它将直接关系到“机器学习”的能力，实际上又成为一个新创造的职位。
回头看，AI每“攻陷”一个工作环节，都会在这环节的上下游产生一些新的职位，以便让“自己”的工作更有效率。
当然，新职位更少不了“人工智能、机器学习”等等直接服务于AI的职位。
很多人要问了，看来看去，好像多出来的都是策划、分析一类的职位，好像只有创意人员被干掉了啊？
事实上，创意人员被没有被干掉，而是去做更能发挥他们能力的事了。
这就是“玩”！
未来人类的工作形式就是“玩”？
在我们可以想象的未来（即“弱人工智能”时代），AI是不能创造任何新的创意的，它们只是把现有的创意分解成各种数据和数据之间的关系，然后重新组合。它们并不理解这些结果，它们理解的只是数据的相关性，而非逻辑上的因果关系——后者是人类独特的能力。
AI不但不能创造任何新创意，它还需要被“喂”海量的新创意，才能更有效率的工作。现在“喂”给AI的，都是几千年积累下来的作品，但未来竞争的加剧，一定会需要更多新的创意。
而产生这些新创意，才是创意人员的新工作。
在过去以及现在的广告流程中，创意人员必须进行商业思考，必须知道广告主而不是消费者如何看自己的创意，甚至只要凭这种能力而不是真正的创意能力，就能拿到高薪和升职的机会。
这种工作模式是对很多有才华的创意人员的极大浪费，所以，AI是创意人员的解放者，而非终结者——
一旦AI成为创意人员和广告主之间的桥梁，创意人员将从本不属于他们的商业思考中解脱出来，回归更纯粹的艺术创新活动，至于这些想法如何被商业化，这才是AI要考虑的事情。
我不知道未来的创意人员的工作形态是怎样的——这是科幻作家擅长的领域，可能跟现在的画家、作家类似，完全自由的创作，也可能是一种全新的工作形态。
他们怎么获得收入呢？我也不知道，大概率不会象现在这样按月拿工资，也不一定像现在的画家一样卖画，像作家一样收版税，可能是一种我们想像不到的收费模式，但一定会有新的方法出现。
在高度分工的工业时代，没有工作的闲人是可耻的，但未来的创意人员工作跟休闲的界限可能非常之模糊，同时又能以某种形式获得收入。
劳动将成为一种真正的权利
最近的美国大选，民主党跳出了一个叫杨安泽的华裔候选人，提出了“每人每月发一千美元，以应对人工智能的挑战”的竞选核心主张，这个口号看似民粹，实际上，从本文的“AI对就业不可逆转的改造”来看，杨安泽的思想可能是非常超前的，所以他支持者中相当一部分来自硅谷，包括艾隆▪马斯克。
每人每月发一笔，现在是一项临时救济，未来可能成为全民的“国民收入”，这个收入的基础上，每个人都能通过“玩”而非正式的工作获得更多的收入。
工作之所以会让我们觉得无聊，一是因为其中或多或少有一个刻板重复的内容，让我们了无生趣，二是因为为了在公司这一类极权的组织形态中生存，我们不得不放弃自己的一部分个性和生活习惯。
AI刚好在我们厌恶的这一部分工作中更有优势，它在做刻板重复的工作时最有效率，而且没有个性，不怕成为极权的奴隶，把这一部分工作剥离之后，很可能未来适合人类去做的工作，其形态会发生本质的变化。
这可能才是前面说到的“全社会总的劳动时间变少，但平均收入却上升”的真正原因。
劳动将成为劳动者真正的权利，而非义务。
作者：人神共奋
来源：https://36kr.com/p/5257219
-
人工智能
人工智能将会取代HR的七个理由——及无法取代的一个理由
人工智能简化了许多人力资源流程。这些复杂的计算机程序擅长于识别模式、规划和适应模仿人类思维的方式。然而，与人不同的是，人工智能程序速度快、不知疲倦、效率高，而人可能会感到疲倦或无聊，或在决策中无意识地带有偏见。
越来越多的人使用AI来实现许多HR流程的自动化，并且看来自动化将获得丰厚的回报。麦肯锡的一项研究预测，无论行业如何，人工智能都将极大地改变业务：“到2030年，人工智能有可能带来约13万亿美元的额外经济产出，使全球GDP每年增长约1.2％。”
考虑到这一点，让我们考虑一下AI提高HR效率的七种方法。
AI可以更快筛选数千种应用程序
空缺职位可能会耗尽您的劳动力并损害公司士气。因此，快速填补职位很重要-但要有合适的人选。
对传入的简历进行分类是一项艰巨的任务，当留给人类时很容易出错。通过分析传入的应用程序并使用算法评估和评估申请人的经验，知识和技能，人工智能可以为每位员工最多节省23个小时的人力资源部门。
通过帮助您雇用更多合格的候选人来提高保留率和生产率
AI不仅加快了候选人的甄选过程并提供了宝贵的分析，而且还使用该数据帮助将候选人与合适的职位进行匹配。人工智能算法可以识别成功员工的特征，并为某些工作寻找具有相似特征的候选人。
减少招聘偏见
尽管招聘中的歧视显然是违法的，但人力资源人员有时却没有意识到他们正在允许个人偏见蔓延到招聘过程中。毕竟，我们只是人类。另一方面，人工智能可以忽略有关候选人的年龄，种族和性别的信息。它也并非始于对特定地理区域，就读大学或组织单位的偏见或反对。当人们阅读简历时，这些因素可能在潜意识中起着潜意识的作用。使用AI可以减少招聘偏见，并有助于创建更具文化多样性的工作场所。
它简化了员工入职
新员工通常会对福利，带薪休假和公司政策有很多疑问。AI聊天机器人可以回答这些重复的查询，从而使人力资源人员腾出时间来处理诸如培训和办公室参观之类的任务。人工智能还可以协助新员工开展文书工作，帮助员工更快地工作。
它有助于雇主制定工作说明
如今的AI软件可以帮助招聘人员制定完美的职位描述。诸如Textio之类的程序可以识别广告中的性别偏见，从而帮助招聘人员选择中立的语言。此外，通过将广告中的语言与效果良好的以前的广告进行比较，AI软件可以帮助作者制作散文，以达到所需的候选对象。
它提高了员工敬业度并建立了更好的关系
人工智能的用途不只是招聘。从安排会议到培训员工，当今的AI技术简化了常见的业务流程，几乎消除了人为错误的可能性。
它可以帮助您节省时间
AI帮助招聘人员和人力资源部门节省时间并提高效率。不使用自动化来执行工资，申请人跟踪，培训，职位发布等任务的人力资源经理说，他们平均每周要花费14个小时来手动完成这些任务。如果您的组织至少不使用AI软件来自动化HR的某些方面，那么您可能会浪费时间和金钱。
尽管拥有这些AI优势，为什么HR仍然需要人才
AI擅长于依靠数据处理和模式识别的任务，比人类更快，更高效地完成这些功能，使其成为使人力资源的许多方面自动化的有价值的工具。
但是，不应忽略人力资源的“人力”方面。从做出最终的聘用决定到寻找使工人保持敬业度的创新方式，人事主管以AI软件所不具备的方式了解其员工和组织。人工智能只是一种工具，可以使人力资源团队成员有更多时间了解员工，塑造公司文化并解决出现的问题。
而且，并非每个员工都对采用不熟悉的技术感到满意。人力资源人员可以简化向AI的过渡，向员工展示如何在HR中使用AI可以帮助工作场所中的每个人提高生产力和效率。
以上由AI翻译，仅供参考！
作者：Meghan M. Biro
来源：https://talentculture.com/seven-reasons-ai-will-take-hr-one-reason-wont/
-
人工智能
情绪分析和员工敬业度：公司如何利用AI？
人工智能是现代最具创新性的技术突破之一。从日常生活到企业文化，一切都受到新技术的影响。人工智能（AI）通过赋予管理人员分析来自客户和员工的大量有价值数据的能力，从战略上改善业务流程。
在人力资源方面，人工智能正在特别解决经理们多年来一直面临的最大问题之一，那就是提高员工敬业度和保留率。
跨行业的接洽危机
人工智能有潜力使经理人有能力创造一个更好的工作场所，使员工不会对工作角色感到分心或不满意。
资料来源：https : //www.thepeoplespace.com/practice/articles/were-more-machine-now-man-hr-and-digital-journey
当前，组织正越来越多地转向AI技术，以增强工作场所中的员工敬业度。从入门到协作，从培训到信息共享，人工智能正在改变人力资源部门的职能方式，以保持员工满意。
从某种意义上说，人工智能通过创新的用例和应用程序正在帮助组织应对若干重大危机。
人工智能对促进敬业度的影响
公司组织长期以来一直在处理员工不满和不敬业的问题。通常，公司评估和反馈过程很漫长，每年都要求经理提供有关员工绩效的反馈。
在每个员工都在寻求目标和成长机会的动态工作环境中，这种过时的做法会导致员工不满。不满意的工作通常没有像他们应该做的那样从事并致力于工作，导致生产力和效率下降。
人工智能可用于通过独特的情绪分析解决方案识别员工中的不满情况。借助人工智能，组织可以了解员工对办公室内的发展情况的感觉，例如他/她的老板的举止，工作环境，与同事的关系等等。
基于人工智能的情感分析可以分析大量的非结构化员工数据，以得出有关员工整体敬业度的有意义的见解。
现代企业环境中的情感分析
情绪分析是一个独特的概念，它可以通过分析员工在办公室环境中的交流方式来得出有关员工的思维方式和想法的有用见解。通过密切关注他/她的语言，语调以及通过电子邮件和其他渠道进行交流的兴趣，情绪分析可以了解他/她对自己在公司的工作是满意还是不满意。
语言是一个人向他人表达自己的思想的方式。通过使用情感分析，公司可以挖掘每个句子，交互作用和对应物中的基础数据，以获取自己的利益。
情感分析使公司可以分析大量文本数据，并根据创建时的情感或态度对文本数据进行分类。通过使用结构化数据，组织可以评估部门，办公室或地点内员工的情绪，并创建有意义的解决方案以提高员工敬业度。
情绪分析如何工作？
情感分析将自然语言处理与机器学习和AI相结合，可提供有关员工如何响应对话的有意义的见解。利用机器学习算法，训练了一个系统来识别可能否定或有问题的单词。
然后分析大量数据，以查看员工是否担心其工作环境或工作的特定方面。情绪分析结合使用调查回复和电子邮件，发现可能需要人力资源经理进行干预的区域。
人工智能驱动的情感分析模型在现实世界中的应用
情感分析在现代公司环境中具有多种应用和含义。实际上，有很多方法可以使用情绪分析技术来评估员工对工作和工作场所的感觉。以下是一些现实中的用例，它们可以利用情感分析的力量来构建更好的工作场所：
使用情绪分析来分析电子邮件
这是在办公室文化中实施情感分析的最常见方法之一。可以对情绪分析工具进行编程，以确定全天的敬业度。通过识别准确的单词和短语，基于电子邮件的情感分析工具可以帮助根据部门级别或个人级别推断见解。然后，可以将此类有洞察力的数据用于解决特定问题或引入组织范围的更改以改善文化。
通过对公共平台的评论来衡量意图
利用情绪分析技术的一种好方法是从员工在公司的公共平台，互联网*或绩效评估平台上发布的反馈和评论中获取见解。可以使用机器学习工具分析与社会评论相关的数据，以了解员工的基本情绪和情绪。
情绪分析可以通过确定负面问题或正面问题来对评论进行分类，从而创建有关员工敬业度和满意度的总体思路。
分析员工反馈
在公司中，通常的做法是收集员工对工作文化，办公环境，同事关系以及他们在工作中的感受等各个方面的反馈。由于公司缺乏分析大量非结构化数据的技术，因此，这种听取员工的系统通常没有有意义的决策支持。
借助情感分析工具，公司实际上可以从调查数据和员工收到的反馈中获得有用的见解。由自然语言处理，机器学习和人工智能提供支持的文本分析平台可提供有关员工情绪和敬业度的有用信息。
人工智能对公司组织有何不同？
人工智能驱动的情绪分析工具可以有效解决员工敬业度指标恶化的问题。以下是通过AI支持的情绪分析如何帮助企业组织提高员工敬业度的几种方法
识别智能趋势
情绪分析算法分析了大量的员工调查数据和定性反馈，以提供有关如何吸引员工的可行见解。这不仅提供了敬业度水平的整体信息，而且还帮助管理层根据员工的期望评估和推出变更。
此类深层分析功能可帮助组织了解大规模趋势，使组织能够对整体员工敬业度，学习与发展以及其他人力资源政策进行具体更改。
员工授权
情绪分析可以赋予员工前所未有的权力。当组织利用人工智能来倾听和理解员工对办公室内所有事物的感觉时，就会导致积极的工作文化的发展。管理团队和人事部门努力改变引起不满的事物，这反过来使员工感到自己的意见，无论多么微妙，都会被倾听，赞赏和努力。这使员工更有信心大声说出来并成为变革的一部分，从而赋予他们增强的能力。
由情绪分析支持的基于数据的分析为更好的工作环境铺平了道路，员工可以通过表达自己的意见来真正发挥作用，而管理团队也可以听到他们的意见。
最后
人工智能是一种真正的革命力量，可以改变每个人的工作方式。对于组织而言，这意味着更好地了解其员工队伍，对于员工而言，这意味着更高的满意度和满足感。就像相互依赖的关系一样，通过情感分析创建的这种协同作用对所有利益相关者，员工，管理层以及最终客户都是有益的，因为满意的员工可以带来更好的服务。
以上由AI翻译，仅供参考
作者：Namee Jani
来源：https://becominghuman.ai/sentiment-analysis-and-employee-engagement-how-companies-can-leverage-ai-3aa7d2e0dd4b
-
人工智能
专家谈：HR如何使用AI简化工作的5种激动人心的方式
Gartner报告说，HR 是人工智能（AI）的顶级用例之一。在本文中，我们将研究五个AI专用于HR的用例，并结合行业专家的独到见解。
人工智能（AI）改变了我们生活的各个方面，无论是个人还是专业。其无所不包的功能意味着HR中也有AI的几个使用案例。Gartner发现23％的组织正在将AI应用于其人力资源实践。
那么，您如何评估和理解AI在HR中的变革能力呢？请记住，这是我们许多日常体验背后的技术，从Google的搜索引擎到苹果的语音助手Siri。关于人力资源中越来越多的AI用例，以下是人力资源和技术领域的五位专家不得不说的话，哪些将成为实施的热门。
行业专家称有5种AI的HR用例
人力资源是所有关于建造，维护和改善人类的职场人际关系。这需要一方面以数据为依据，另一方面以直觉来对工作环境进行仔细而智能的处理。这就是为什么HR用例是AI的主要候选人的原因。
AI可以利用企业数据和优化决策，学习的决定及其影响每个周期。它的组件技术有助于将人力资源智能引入HR技术：自然语言处理（NLP）将对话和反馈转换为机器可读数据。语音和图像识别使HR可以从各种来源收集数据，也为员工提供了更大的灵活性。随着时间的推移，不同的机器学习模型会提高AI功能。
所有这些要素共同使AI适用于五个关键的HR用例。
1.员工体验为下一个阶段做好准备
员工体验（EX）的质量决定了保留率，影响推荐的可能性并显着塑造了员工品牌。从招聘到建立可持续发展的文化，人工智能可以改善整个员工旅程中的各种体验。
谈到就业机会和劳工法解决方案提供商Littler的首席数据分析官Aaron Crews 谈到AI如何改善整体员工体验时，他说：“数据越来越多地帮助我们确定如何通过工作来提高工作满意度和绩效人们的工作，改善流程和消除繁琐和瓶颈的机会。”
AI会收集非结构化数据，从而为我们提供有关组织中员工敬业度状况的有意义的见解。它可以帮助改变感知和解决员工整体体验的方式。
2.员工自助服务更加精简
自助服务系统是现代组织中的重要组成部分，可赋予员工权力并减少人力资源工作量。但是，由于采用方面的挑战或基本信息的可用性缺乏透明性，这些系统经常失败。
“来自我们平台的数据显示，所有人力资源请求中有49％是重复的。人力资源和IT售票平台Spoke的营销主管 Joshua Anish说，几乎有15％的请求被逐字逐句地提出。
在这种情况下，人工智能最重要的应用之一就是可以回答这些重复性问题，并将人力资源释放给需要人工干预的其他任务。
如果无法立即回答查询，它还可以提供对查询状态的实时洞察。客户服务软件公司Zendesk的 IT业务应用程序主管Mandy Shimshock说： “例如，在故障单中构建电子邮件触发器可以使员工在处理他们的请求时保持联系。”
人力资源的这种自由度和员工的透明度可以极大地增加员工的整体体验。
3.劳动力调度见证了360度转变
人工智能有能力完全改变我们每天的工作方式，无论任务的性质或重要性如何。当涉及到联络中心时，这将成为创新的重要动力。更大的劳动力管理生态系统，座席绩效管理以及客户互动质量将发生范式转变。
NICE是一家致力于大数据运营的公司，其高级产品营销经理Paul Chance 详细介绍了联络中心员工管理中的这一决定性转变，并讨论了AI在员工管理中的作用。
在谈到AI在计划中的作用时，他说：“以无监督学习的形式进行的人工学习使联络中心能够实施随着可用数据的更改或增加而不断改进的计划。”
他接着补充说：“当面对全渠道环境中固有的许多调度未知因素时，这就是现代劳动力管理工具如何解决调度优化难题。”
借助AI处理计划，管理人员可以远离电子表格，更有效地利用其时间来管理动态的联络中心员工。
副总裁全球总裁史蒂芬·鲍尔（Steven Power）解释了为什么在人力资源管理中使用AI如此令人兴奋：“可预测性可导致员工留住，并且可以成为人才招聘的福音。最终，通过适应工作场所中AI的采用，尤其是针对自动计划和调节计划，员工被证明在完成工作任务时具有更高的满意度和蓬勃发展。”
4.学习与发展（L＆D）达到了新的个性化水平
传统上，L＆D仅限于教室和传统培训模块。但是，AI可以极大地突破L＆D的界限-与学习者紧密合作以评估行为，预测新出现的需求并根据独特的学习能力/能力简化内容。
“想象一下，您的新手销售人员即将拜访客户。当她进入停车场时，该公司的学习机器人会自动拨打电话，以显示关于积极第一印象的微型学习课程，以及指向潜在客户的“关于我们”页面和经理最后的指导笔记的链接。如今，这是一种个性化的学习体验，” 员工福利技术与通信公司Hodges-Mace的学习与发展总监Miguel Caraballo说道 。
如此激烈的个性化和及时交付可以使L＆D成为AI应用程序的主要候选人。
5.组织文化经历了重大改革
从绩效评估和“更扁平化”的组织结构到完全消除迭代任务，人工智能将影响文化的各个方面，高级领导层将重新定义他们如何管理绩效指标，提供一个开放，包容和“远程工作友好”的组织文化。
提供人工智能和认知解决方案的跨国公司IPsoft的全球人力资源总监Ken Martin 分享了他对这种崭新的企业世界观的看法。“在不久的将来，人工智能技术将成为公司向员工提供信息和服务的宝贵人力资源工具，而这些信息和服务越来越有可能分布在各个物理位置和时区。AI将用于为智能虚拟代理提供动力，无论他们是否在正常工作时间后提交请求，智能虚拟代理都将提供24/7的个性化信息和服务访问。”
人工智能在人力资源中的用途：自然而多变的交集
今天标志着AI和自动化时代的开始。像其他所有细分市场一样，HR也可以利用人工智能的多个方面来改变甚至最基本的功能，从AI优化的招聘框架到个性化的学习和发展。
普华永道最近发表的一份题为《未来劳动力》的报告指出，“自动化和人工智能（AI）将影响企业及其员工的各个层面。这个问题太重要了，不能只留给IT（或HR）。必须对不断变化的技术前景有深入的了解和敏锐的洞察力。”
作为人力资源从业者，您必须开始将AI视为杂乱无章且精简的变革推动者。拥抱AI不断扩大的影响将使组织受益匪浅，因为它有助于为您的员工创建一个振兴的体验型生态系统。
根据您的说法，哪些是人力资源中最易于实施的AI用例？
以上由AI翻译完成，仅供参考
作者：Chiradeep BasuMallick
来源：https://www.hrtechnologist.com/articles/digital-transformation/ai-uses-in-hr-experts-speak/
-
人工智能
要构建可以信赖的人工智能
计算机系统需要了解时间，空间和因果关系。现在他们没有。
人工智能有一个信任问题。我们越来越依赖于AI，但尚未赢得我们的信任。
例如，以自动驾驶模式驾驶的特斯拉汽车具有撞车事故的令人不安的历史。亚马逊的面部识别系统在大多数情况下都能正常运行，但是当被要求将535名国会议员的脸庞与25,000张公开逮捕的照片进行比较时，它发现了28个符合，而实际上却一个都没有。发现一种旨在审查亚马逊求职者的计算机程序可以系统地歧视妇女。每个月都会发现AI的新弱点。
问题不在于当今的AI需要做得更好。问题是当今的AI需要尝试做完全不同的事情。
特别是，我们需要停止构建仅能越来越好地检测数据集中的统计模式的计算机系统（通常使用称为深度学习的方法），并开始构建从组装之初就掌握三个基本概念的计算机系统：时间，空间和因果关系。
当今的AI系统对这些概念几乎一无所知。花点时间。我们最近在Google上搜索了“乔治·华盛顿是否拥有一台计算机吗？” —该查询的答案需要在一个单一的时间框架内关联两个基本事实（华盛顿生活时，计算机被发明时）。Google的前10个搜索结果中没有一个给出正确答案。结果甚至没有真正解决这个问题。排名最高的链接是《卫报》上的一则新闻报道，内容是关于玛莎·华盛顿的计算机化肖像，因为她可能年轻时就看上去像。
Google的Talk to Books是一家人工智能企业，旨在通过提供庞大的文本数据库中的相关段落来回答您的问题，但这种做法并没有得到改善。它发表了20篇文章，内容各异，有的是关于乔治华盛顿的，有的是关于计算机发明的，但两者之间没有任何有意义的联系。
当涉及人工智能以及空间和因果关系的概念时，情况甚至更糟。即使是第一次碰到奶酪刨丝器的小孩，也可以弄清楚为什么它的孔带有锋利的边缘，哪些部分允许奶酪掉落，哪些部分可以用手指抓住等等。但是，现有的AI都无法正确理解对象的形状与其功能之间的关系。机器可以识别事物是什么，但不能识别事物的物理特征如何与其潜在的因果关系相对应。
对于某些AI任务，主导的数据关联方法可以正常工作。您可以轻松地训练一台深度学习机，例如识别暹罗猫的照片和德里克·杰特的照片，并在两者之间进行区分。这就是为什么此类程序适用于自动照片标记的原因。但是他们没有概念上的深度来实现，例如，有很多不同的暹罗猫，但只有一只德里克·杰特，因此显示两只暹罗猫的图片并不引人注目，而显示两只德里克·杰特的图片却没有什么意义。被篡改了。
这种理解上的失败在很大程度上是为什么像《 The Jetsons》中的管家Rosie这样的通用机器人仍然是一种幻想。如果Rosie无法理解世界运作的基本原理，那么我们就无法在家里相信她。
没有时间，空间和因果关系的概念，很多常识是不可能的。例如，我们都知道，任何给定动物的生命都始于其出生，直至死亡。在其生命的每一刻都占据着太空中的某个特定区域；两个动物通常不能同时处于同一空间; 两只动物可以在不同时间处在同一空间中；等等。
我们不必明确地学习这种知识。正是背景假设和概念框架的集合，使我们对世界的所有其他思考成为可能。
然而，从事人工智能工作的人很少尝试在机器中建立这样的背景假设。我们并不是说这样做很容易-相反，这是一个重大的理论和实践挑战-但是没有它我们就不会获得复杂的计算机智能。
如果我们构建的机器具备丰富的概念理解能力，那么其他一些担忧将消除。例如，哲学家尼克·博斯特罗姆（Nick Bostrom）曾设想过这样一种情况，即一台功能强大的AI机器被指示制作回形针，不知道何时停止，最终使整个世界（包括人们在内）变成了回形针。
我们认为，这种反乌托邦式的推测很大程度上是由于思考当今无意识的AI系统并从中推论得出的。如果您能计算出的只是统计相关性，就无法将危害概念化。但是知道时间，空间和因果关系的AI系统可以编程为遵循更一般的指令，例如“机器人可能不会伤害人类，或者由于无所作为而使人类受到伤害。 ”（艾萨克·阿西莫夫（Isaac Asimov）的三个机器人定律中的第一个）。
我们面临一个选择。我们可以坚持使用当今的AI方法，并极大地限制机器的操作（最后我们会导致自动驾驶汽车崩溃，并使机器永久存在偏差而不是减少偏差）。或者我们可以将方法转向AI，以期希望开发出对世界有足够丰富的概念性理解而无需担心其运行的机器。其他任何事情都会太冒险。
作者：Robust AI的创始人兼首席执行官Gary Marcus（@GaryMarcus）和纽约大学计算机科学教授Ernest Davis是即将出版的《重新引导AI：构建我们可以信赖的人工智能》一书的作者。这篇文章是改编的。
以上由AI翻译完成，仅供参考。
https://www.nytimes.com/2019/09/06/opinion/ai-explainability.html
-
人工智能
2019年大企业应用人工智能的八种趋势
在人人都想跟AI发生点关系的时代，保持企业持久的竞争力始于对人工智能领域的清醒认识： 世界上最具影响力的大公司在AI投资、技术运用和成果落地方面有着怎样的布局？
近日，毕马威公布了一份2019年关于大企业如何应用人工智能的研究，并总结出8个关键趋势。 第一阶段，研究人员首先对招聘网站和媒体报道进行了二次研究，并访谈了3家提供AI解决方案服务的公司以了解“供应方”的情况。
在此基础上，研究人员整理了用于第二阶段与30家全球500强企业高管深入访谈的问题，深入调查了这些企业作为“需求方”在人工智能和自动化应用的现状。 这30家极具影响力的全球500强企业代表着重要的全球经济价值——他们雇佣了大约620万人，总收入达3万亿美元，组成了全球AI市场强有力的部分。
以下是报告中概述的八种趋势，希望帮助正在或想要运用AI到现有业务的企业高管更好地制定战略、把握机会。
一、 从实验室到应用技术的快速转变
在过去的三年中，人工智能已经从一项“观望中的技术”转变为一种“需要部署的技术”。 这种变化由快速数字化，机器学习的发展、数据的增长所引领。 在接下来的三年中，很多企业正在优先考虑横向和纵向应用AI的可能。
虽然仅有26％的公司在今天大规模部署了机器人过程自动化，但83％的公司表示他们计划在未来三年内实施。 同样，今天只有17％的公司大规模集成了人工智能或机器学习，但有一半表示他们计划在未来三年内实现。
二、自动化，人工智能，分析力和低代码开发平台正在融合
高管们强调了将自动化，人工智能，分析和低代码功能部署在一起能够更高效的完成技术工作。 这种组合允许更多的数据密集型反馈，可以为组织提供更深入的见解，而不是传统的分析。
三、企业的需求在大大增长
在受访的五家具备较成熟AI技术能力的公司平均拥有375位从事相关领域的员工，毕马威计算每家公司至少花费了7500万美元在AI人才的雇佣和培养上。 在所有30个组织中，大多数公司称其公司在AI人才和设备上的投入在未来三年内将增加50％至100％。
那么，他们重点会将AI布局在哪些方向呢？
能够定制个性化方案、提升销量和收入的客户和市场调研；
后台和共享服务自动化以减少人工成本；
更简化的财务和会计，提高有效性和协同性；
基于特定案例的非结构化的语音和文本数据分析。
四、新的组织能力至关重要
人工智能的成功不仅关乎技术，在很大程度上更取决于合适的人才、正确的组织能力和领导力。 受访公司中有一半表示CIO在人工智能战略中处于领先地位，40％表示高级业务领导者担任主要角色。 其中一家医疗公司，更设立了高达1亿美金的预算用于人工智能和筹划委员会，以保证SVP们能在每个月会面至少两次来促成一个投资项目的达成。
此外，COE战略在很多大公司得到了多年的应用和发展，将人力资源部门的作用上升至战略层面，根据公司战略发展，充分理解业务需求，制定完善的人才搜寻方案。国内较为知名的是腾讯的COE战略。
五、内部治理非常关键
公司内部应制定并加强一系列正式的治理政策，AI技术的应用、管理、测试等标准、服务配送模型、第三方供应商都需要标准化：
设计并部署关于AI技术在不同领域的标准化应用程序，包括监控、风险管理、性能测试及价值评估；
保证端到端的AI产品生命周期保持一定程度的公开透明；
如团队架构需更新，可以设定新的职位并指定责任。
强大的人工智能部署，责任到人和团队培训有助于推动更好的人工智能成果。
六、控制AI的需要
如前面所说，大公司对AI人才和技术的敢花大手笔，但对控制框架的投资同样重要，尤其是金融服务、医疗保险等监管较严的行业。 如果让AI 不受约束而任其发展，系统可能会生成带有偏见的结果、或发生意外，从而导致重大的收入损失和道德问题。
七、AI-as-a-Service在兴起
AIaaS的市场正在增长，为企业提供了更多部署AI的选择。 但是，这些服务不应取代企业的人工智能战略，而应与这些战略协同工作。
八、人工智能可以扭转竞争格局
大多数受访公司表示投资AI曾经帮助他们扭转战局，运用AI技术的公司在单个项目的特定平均生产率提高了15％。
然而，一些公司在早期阶段之所以看不到成功，因为他们未能将AI整合到整体的业务计划中。 公司是否具有从后台办公生产力到前台办公产品创新和客户参与的全面AI部署的能力，才是获得竞争优势的关键。
作者: 将门创投
来源：https://36kr.com/p/5246929
-
人工智能
劳动力U时代：人机协作的“人机新生态”已然开始！
人工智能在人们几不可查的情况下迅速而全面、深入地蔓延到生活、工作的方方面面。
人们在享受智能化带来的便利的同时，也对人工智能的替代显得忐忑不安。其实无论人工智能技术在多么广的领域和大范围的应用，人始终将处于主控地位，人机协作将成为未来的共赢选择。 近年来随着市场需求的日益增长，机器人可以胜任越来越多的工作岗位，但在同时它也在创造着很多的新职业，可以说在人工智能浪潮下催生的新职业一方面体现了它的价值，另一方面也化解了一些“人工智能取代人类工作”“人工智能导致失业”这些话题引起的焦虑。
8月30日，亚太劳动效能研究院（后简称“劳研院”）联合安永战略及运营咨询（后简称“安永”），发布《决胜劳动力U时代—2019中国智能制造劳动力管理调研报告》，聚焦汽车、装备制造、资讯家电（3C）、医药四大核心产业劳动力结构重塑，直言劳动力“U时代”已经来临，而“人机新生态”下劳动力管理模式将面临挑战。 劳动力数量变化“U”型曲线报告认为，大规模运用智能技术已经成为一个显而易见的趋势。这必然导致对部分岗位的替代，同时也会为适应人机协作而诞生一些新的岗位需求。劳动力呈现数量大减小增、先减后增的U型曲线，劳动力“U时代”来临。
具体到岗位职能细分，报告认为机械性体力劳动受智能技术的影响*大，团队管理受技术的影响最小。四类岗位受智能技术影响程度从大到小依次为劳动密集型、职能分析型、技术密集型、沟通管理型。
而在智能技术的影响下，四大岗位类型增减情况也分别不同。劳动密集型、职能分析型以及沟通管理型均存在岗位数量减少的趋势，分别为-53%、-26%及-18%。
劳动力管理开启新模式 ：人机协作下的“人机新生态”已然开始，劳动力“U时代”也造就了劳动力结构重塑，这就给新时代劳动力管理带来了挑战。管理者需要思考的是，智能化进程中劳动力将如何被重构？劳动力管理模式将迎来怎样的变革？智能技术将与劳动力管理如何产生融合？ 调研发现，在所有这些企业需要积极去面对并解决的难题当中，受访高管普遍认为新人才招聘、劳动力再培训以及劳动力绩效管理是他们未来将要直面的核心挑战。
面对智能影响潮下的人岗匹配到“人、机、岗”匹配和评判，传统的劳动力管理必然随着被管理者的变化而变化。具体到这些劳动力管理各环节，又各有各的核心问题。 新人才招聘面临的挑战主要在于两个方面：如何准确定义智能技术下工作岗位所需的能力素质；如何准确匹配最佳的受聘人群，尤其是跨行业人才招聘。
劳动力再培训的难点在于如何开发智能技术所需的培训和考核内容，以及为员工匹配个性化的课程与发展路径。
劳动力绩效管理面临的主要挑战为：
1）人机新生态下的能效分析数据匮乏；
2）个性化的评估与奖惩以提升人岗匹配程度。
面对劳动力“U时代”的来临，企业HR作为劳动力管理核心且唯一的部门，随着人机新生态发展的深入，需要同步升级，更加理解“业务”、“人”与“技术”。并在数据这个有力工具加持下，走向战略决策“第三极”，将人才的激励、发展和企业文化建设作为HR工作的重中之重。
作者：汇通eHR
来源：http://www.hroot.com/d-9402798.hr?
-
人工智能
【美国】RippleMatch以人工智能为动力，以多元化为重点的毕业生招聘平台完成了600万美元的融资
LinkedIn拥有遍布200个国家的6.45亿用户，在成为全球最大的专业人士网络方面是无可争议的领导者，该职位用于在招聘和电子学习等领域利用产品。但是，在实现这一规模的情况下，它还没有真正开发出针对特定垂直行业或受众的更具针对性的方法的产品。这为各种创业公司开辟了领域，以填补空白并与之竞争。今天，其中一个充满希望的人 - 一家名为RippleMatch的初创公司，已经建立了一个招聘平台，帮助组织专门与更多不同背景的毕业生建立联系，以满足他们的需求 - 宣布推出600万美元的A系列就是这样做的。
G20 Ventures正在筹集资金，用于扩展平台以及业务发展。 与Work-Bench，以及前投资者Accomplice，Bullpen Capital和AlleyCorp也参与其中。
该公司没有披露其估值，但据我所知，这是一个“物质上升”，因为它一直处于稳定的增长曲线，并将辉瑞，TripAdvisor和Qualtrics等公司列为其客户群。这也是它提出的第一笔重要的外部资金。RippleMatch的事实上，第一笔资金是联合创始人Eric Ho在Facebook上找到工作时获得的签约奖金。“需要付出代价才能让我们提升这个A系列，”另一位同时担任首席执行官的联合创始人安德鲁迈尔斯开玩笑说。
迈尔斯和何先生在他们还是耶鲁大学的学生时遇到并创立了公司。何即将毕业，但迈尔斯仍然处于他的本科学位，他还没有完成（并且，正如技术创始人的方式，可能永远不会完成）。
公司的想法来自迈尔斯 - 他研究历史和政治科学 - 正在考虑他在科罗拉多州的许多朋友面临的工作世界的困境。
像迈尔斯一样，他们也是本科生。但与他不同的是，他们不是耶鲁大学，也不是任何其他顶级学校，不仅有着名的知名度，而且通常会为一些最具竞争力的公司招聘管道，这些公司雇佣毕业生获得有利可图的入门级职位。
“我非常清楚来自不同社会经济背景的鸿沟，”迈尔斯在接受采访时说。“我可以看到，我在家里的很多朋友都会比耶鲁大学的一些人更好地招聘。他们只是没有相同的机会。我们在早期没有想到这是一个商业冒险; 这是我们的朋友想要解决的一个问题。“
使用AI来裁剪招聘人员
RippleMatch的方法相对简单：公司建立了一个平台，通过一系列关于他/她的职业和地理野心，兴趣等的相关快速问题，以及候选人简历的副本，吸引潜在候选人。
然后将它们与候选人的GPA和考试成绩的基本信息结合起来。考虑到所有这些并将其与候选人自己输入之外的更多信息源相结合，它提供了大约300个数据点，它们共同努力以匹配具有工作和实习机会的候选人。在雇主方面，它不仅取得了当下的职位空缺，而且还致力于将雇主更广泛的招聘策略与这一群人相匹配 - 这个想法是它提出了雇主可能已经过去或甚至没有过的可能性。从一开始就看到了。
迈尔斯说，RippleMatch建立的匹配算法，包括确定人们可能直接和间接最适合做什么的能力，基本上切断了过程中的“中间人” - 即招聘人员，以及潜在的可能已经存在的关系和管道，从而为每个人提供公平的竞争环境，这使得雇主可以从斯坦福大学的中西部一所小型学院发现他们的下一个明星雇佣。
正如G20的合伙人迈克·特里亚诺（Mike Troiano）所说，该公司对RippleMatch的投资描述了这一点，学校的名称认知和网络能力并不是阻碍合格候选人进入大门的唯一因素。他的女儿很难得到她所联系的实习公司的回复，当他们整理她的LinkedIn个人资料时，他们意识到她只是缺乏专业网络来判断是否有人联系和帮助。
“通过传统渠道，大学招聘是一种黑盒子。该调查RippleMatch用来收集关于他们是谁，他们想要创造什么是一个专有的数据集学生与用人单位信息，” Troiano说。“LinkedIn关系的关键不仅仅是属性。大学市场是一个他们不适合的利基市场，而且我认为他们现在不会孤军奋战。“
事实上，虽然LinkedIn已被证明是许多专业人士职业发展的强大起点，但其缺点在更具体的例子中更为明显。（这是LinkedIn 几年前大力推动开始尝试将年轻用户带入平台，以便让他们开始构建他们的个人资料和网络的原因之一。）
RippleMatch是越来越多的初创公司的一部分，这些初创公司已经在LinkedIn更广泛的平台上识别并（为了他们的目的）利用这些漏洞。另一家一直在建立平台的初创公司也针对毕业生，特别是试图帮助寻找更多不同的候选人群体的是握手（它本身比一年前筹集的资金少了4000万美元）。
握手采用不同的方法，因为它提供工作委员会并主动与大学和招聘组织合作，并为用户提供各种社交网络/社区，从中获取建议和交换信息。所有这些都帮助该公司的数据库在去年增加到1400万人，现在可能更多的是它开放了对美国所有大学生的访问权限。
其他一直在扼杀LinkedIn霸权的人包括Triplebyte，这是另一个资本充足的人招聘初创公司专门针对软件工程师。该创业公司已经建立了自己的评估平台（由RippleMatch用于招聘），其CEO和联合创始人Harj Taggar也认为可以帮助平衡那些来自大公司和学校的人与那些来自公司的人之间的竞争环境。不，只关注一个人的编码能力。LinkedIn可能拥有数以百万计的工程师配置文件，而Triplebyte的数千人，但与小公司的关键在于它拥有“正在积极寻找工作”的人员档案，他指出这与许多人在LinkedIn上获取的未经请求的联系人形成鲜明对比。 ，只是因为在那里。“我们得到的回报率是招聘团队在LinkedIn上看到的两倍，”Taggar声称。
与这两者相比，RippleMatch仍处于相对较小的早期阶段。虽然它与校园内约1,200个以多元化为重点的组织建立了合作伙伴关系，以吸引更多的候选人，而今天约有60％的候选人来自不足的背景，但该公司目前在该平台上仅拥有约100,000名候选人，并与60名协议达成协议那些利用RippleMatch找到它们的公司。但是，在经济，社会和地理方面的分歧在美国这样的国家似乎无法克服的时候，比以往任何时候都更重要的是找到帮助弥补这些差距的方法，为像RippleMatch这样的基于技术的解决方案的大机会铺平道路。
以上由AI翻译，仅供参考！
作者：Ingrid Lunden
文章来源：https://techcrunch.com/2019/09/05/ripplematch-hiring/
扫一扫 加微信
hrtechchina
