-
人工
【埃及】人力资源技术公司Bluworks获得100万美元种子轮融资
总部位于埃及的人力资源技术公司Bluworks获得了100万美元的种子轮投资，用于改进产品和扩大团队。
本轮融资由Khawarizmi Ventures领投，Camel Ventures、Acasia Ventures和其他天使投资人跟投。由于公司内部各部门仍在使用人工和自动系统相结合的方式手动收集雇佣蓝领工人的绩效和考勤数据，这一发展是对改进需求的回应。此外，由于蓝领工人的工作条件是动态的，每天都在变化，因此为这些工人计算工资等工作对雇主来说既困难又复杂。
Bluworks 公司的联合创始人Hussein Wahdan承认存在这些挑战，他说，蓝领劳动力的管理过程 “非常人工化，经常出现错误，导致处罚和扣除工资，而工人却没有任何监督，导致他们离开，最终造成高离职率”。他强调说，虽然有很多人力资源软件可供选择，但没有一款是专门为管理蓝领工人而设计的。
与此同时，公司可能需要花费7-10天的时间来关闭工资账户，但瓦赫丹证实，使用Bluworks可以将时间缩短到一天，同时还能利用数据和洞察力来了解员工情况。
法拉赫-奥斯曼（Farah Osman）、侯赛因-瓦赫丹（Hussein Wahdan）和努尔-艾哈迈丁（Nour Ahmadein）于2022年成立了Bluworks公司。据说，该平台是该地区唯一一个管理零售、餐饮、设施管理、医疗保健、教育和建筑等行业蓝领工人生命周期的人力资源技术 SaaS 平台。
它还提供人力资源和运营任务自动化，帮助企业节约成本，并根据数据做出更好的决策。他们的集成平台为雇用蓝领工人的公司统一了数据点，在运营、人力资源和员工之间架起了桥梁。
目前，Bluworks 声称已为数千名蓝领工人提供服务，并有包括 Crave、Qahwa 和 Cilantro 在内的数十家客户使用该平台进行管理。
Acasia Ventures 的管理合伙人 Aly El Shalakany 在谈到这一发展时表示，Bluworks 发现了雇主面临的真正挑战，并针对特定的细分市场开发了令人信服的数字解决方案。
他还表示，相信HRtech公司有能力迅速扩大这一解决方案的规模，并列举了令人鼓舞的初步成果。
关于 bluworks
bluworks 是一款移动优先的一体化人力资源解决方案，面向一线/蓝领员工。我们是一个让员工和雇主都能受益的平台，致力于帮助公司简化分布在不同团队和地点的日程安排、沟通、薪资、表彰等工作。我们的使命是为最繁忙的企业打造工具，无论其规模大小，这样企业主和员工就能减少在废话上花费的时间，把更多时间花在重要的事情上！
-
人工
创业公司：其实，我们的聊天AI是员工自己假扮的
来源/果壳网
作者/Olivia Solon
编译/EON
编辑/Ent、东风
还记得前段时间谷歌演示的智能助手Duplex吗？它能模仿人类打预约电话，甚至还会发出人类惯用的语气词，接电话的店员甚至没有意识到，电话的另一端根本就不是真人。
然而，你可能没注意到的是，当开发者们共同致力于让AI变得更像人时，有些创业公司却打起来了另外的算盘：让人冒充AI。
谷歌CEO介绍Duplex | Google
对于这些公司来说，这一招既可以省下大量的研发费用，还可以忽悠到投资。正如ReadMe公司的CEO格雷戈里·科贝格（Gregory Koberger）所说的那样，“把活儿交给真人，能让你跳过大量技术和业务发展方面的挑战。”
他在推特上吐槽道：“如何建立一家AI创业公司？
雇佣大量廉价劳动力假扮成假扮人类的AI。
等着AI被发明出来。”
这种做法已经是业界周知的秘密了，但是大部分消费者还蒙在鼓里。
创业第一步——假装有AI
前不久，据《华尔街日报》报道，谷歌允许大量第三方应用的开发者读取Gmail用户的邮件。在被曝光的第三方公司中，圣何塞的艾迪森软件公司（Edison Software）就在用假的AI。他们的AI工程师会浏览用户的个人邮件，来改善所谓的“智能回复”功能。不过，他们的隐私政策并未提及人类会看到用户的邮件。
其实，早在2008年，就有一家名为Spinvox的公司作假了。他们号称能将语音留言转化为文字，结果被指控这些工作都是海外电话中心的人工来完成的。
2016年，据彭博社报道，在X .ai和Clara这样的日程应用公司，人类员工每天都要花12小时假扮AI聊天机器人。这项工作太令人头脑发麻了，以至于员工们说他们期待机器人能真正取代人类。
2017年，业务支出管理应用Expensify承认，他们通过人工转写收据，而不像对外声称的那样用“智能扫描技术”。扫描过的收据会被发布到亚马逊的劳力众包平台Mechanical Turk上，然后接受低薪的人来阅读和转写这些收据。
人工并不便宜
在某些情况下，人类被用于训练AI系统，来提升AI的精确度。例如，名叫Scale的公司用大量的人类工作者，向自动驾驶系统和其他AI系统提供训练数据。此外，谷歌的Duplex也用到了人类训练者。
M聊天界面 | Facebook
Facebook曾在2015年推出虚拟助手M的测试版。M能预约和提供礼物建议等，只不过，它也是由人工协助的。当时我们用不到它，因为它只对旧金山湾区的1万人开放，而现在，Facebook彻底关闭了这一项目。虽然我们用不上它了，Facebook表示M的特性将会保留在聊天应用Messenger里。
这种人工协助AI的出发点其实是好的，AI系统会在人类的协助下学会应答各种指令，最终变得更加智能。然而，它的代价还是有点大。
首先，Facebook需要大量昂贵的劳动力，因此将服务扩大不太可行。
其次，当M完成一项任务时，用户总是会提出更难完成的要求。就这样，M要达到的自动化程度远远超过了当前的机器学习技术。
AI技术应该更加透明
心理学家艾莉森·达西（Alison Darcy）表示，“作为心理学家，我们有伦理准则作为指导。其中，不去欺骗人们就是非常明确的一项。”
Woebot可以提供心理方面的支持 | Woebot
研究表明，当人们认为自己在和机器而非人类交谈时，他们更愿意袒露心声，这是因为精神卫生方面的求助常常和污名化联系起来。南加州大学的研究团队用虚拟心理咨询师Ellie测试了这一研究。他们发现，当患有PTSD的退伍军人知道Ellie是AI，而不是人类操作的机器时，他们更有可能坦诚讲述自己的症状。
另外一些人认为，公司们应该一直公开自己的服务是如何运行的。
“我不喜欢人们假装成AI。”罗谢尔·拉普兰（Rochelle LaPlante）说，他为很多提供假AI服务的公司工作过。
“对于我来说，这不太诚实，而且有欺骗的意味。我希望自己正在使用的东西不是这样的。而从工作者的角度来看，这就像是我们被推到了幕后。我不希望我提供劳动的公司转变态度，而且向客户隐瞒真相。”
这样的道德困境也出现在试图让AI更像人类的项目中，例如谷歌的Duplex。该项目在最初演示的时候，AI 并没有向打电话的对象表明身份。Duplex立刻引发了争议，人们担心这种略带欺骗性的技术会被有心之人利用。
“人们对AI已经有很多主要的担忧了，而缺乏透明并不能帮助我们解决问题。”达西说。
-
人工
聘宝：用算法＋人工打造的一款推荐为导向的招聘工具
对于某些企业及其职位需求，如果无法获得足够的曝光，就难以获得足够多、匹配的简历（及人才）。另一方面，即便候选人没有投递行为，也很可能对某职位或公司很来电。
聘宝创立于 2013 年 9 月，据知，他们的目标是成为招聘领域最高效便捷的第三方推荐服务，更智能、高效地对接企业和人才。在美国，Jobr 与聘宝异曲同工——前者上线数月，就拿到了 200 万美金天使投资。
“我们做的是推荐型的招聘产品，而不是搜索。”
我觉得这像极了通用类知识引擎的发展思路。
推荐与搜索类的招聘产品，有着相似的出发点：更快地找到信息。区别呢？搜索的场景 ＝ 你明确知道一个要求，用该要求进行信息筛检。 与此相比，推荐的场景 ＝ 你只知道需求范围，得阅读相关信息进一步明确需求。同时，推荐与个性化几乎是天生一体。相同的需求输入，不同用户获得的推荐结果不尽相同。
聘宝调研后发现：招聘方在 Po 出某些岗位时，其实很难决定，嗯，这个工作需要你有 “三年以上” 或者 “两年以上” 的相关经验——2.5 年的你要还是不要呢？或者在某些公司（比如：BAT）有从业背景——在某知名创业公司工作过的，你觉得会不会输给 BAT 出来的呢？当筛选条件过于严苛（而死板），企业就很可能错失优质的候选人。求职者方面，则往往难以确定适合的行业——是电商、PM、还是运营？
而据聘宝方面介绍，他们的推荐系统则在了解招聘需求的同时，根据用户行为不断修正推荐结果。推荐会愈发接近使用者偏好，同时提供探索性内容。
具体怎么做？
企业登录聘宝，进行简单的勾选，就能完成招聘需求录入
聘宝收到招聘需求后进行解析、匹配，并将算法认为匹配的候选人推荐给该企业的某条招聘需求
每次仅推荐 3～5 份候选人简历，以确保推荐准确
企业收到推荐时，可选直接下载联系，或发送求职意向确认
候选人收到企业的意向邀请邮件时，可选择“感兴趣，愿意进一步接触” 或 “不感兴趣”
同时，聘宝会记录用户行为、分析用户喜好，以便下次推荐更符合用户需求（HRTECH编编认为，通过将信息解析，匹配后推荐候选人或者推荐企业的方法的确会给我们用户带来方便，省去了时间。据小编所知，有几家招聘网站也有类似的过程，但匹配度总是差强人意，所以要做好这一步非常不容易，如果做得好，无疑直接会增强用户的体验感。）
聘宝的原始数据来自于自身的 IT 猎头团队，同时还创造了“人才伙伴”的独立角色——上传闲置人才，推荐成功则获得其他简历的下载额度。
为了更快地切入 C 端，聘宝预计 12 月上线微信版本。求职者能匿名录入部分信息、获得工作推荐。当对某一份工作确认求职意向时，再录入完整信息。（HRTECH编编认为，虽然这样的创意不错，如果求职者想跳槽，匿名也一定程度上避免了让熟悉的人看到，毕竟很多人在想要跳槽的初期并不想让太多的人知道；但是问题来了，如何确保求职者在求职初期匿名的时候填写的信息是真实的？HRTECH编编认为这是要需要解决的）
同时，我们得知聘宝方面也在考虑对接第三方语音录入接口，尽可能简化移动端用户的信息录入。”
谈谈聘宝的技术
聘宝的算法 ＝ 大数据＋人工优化——人工中的招聘经验和知识体系是基础：
首先，建立行业招聘的 “人工智慧”。
每开通一个行业，会先邀请这个行业有猎头经验或 HR 经验的顾问，来共同讨论、建立原始模型和知识库。聘宝团队内部还全职招募了 2 名前 IT 行业猎头。
其次，算法设计比较深入、全面。更好的“理解”需求和文本简历是机器算法的基础——聘宝的匹配算法不仅是纯文本的包含关系匹配，还扩展到知识体系、薪资测算等数十个环节。
再次，聘宝算法的目标是做到 “大规模定制化”。当用户行为数量足够多时，算法能更快了解用户偏好——从而做到同样的招聘需求文案，不同招聘方得到的推荐结果会依据偏好差异而不同。
（对于一个刚上线不久的产品来说，目标还是值得赞的！希望聘宝能早日实现目标）
聘宝将自己不光定义成是一样互联网产品，也是一项服务
作为一项“服务”，聘宝希望无论用户处于何种场景，都能便捷地获得人才或工作推荐。
想象一下这样的使用场景：当 HR 工作时，收到一份业务部门发送的招聘要求。接下来，HR 只要将招聘要求邮件转发给聘宝，后者就会迅速开始匹配人才，再回复邮件将匹配结果发给 HR。另一方面，求职者能通过微信方便地获得匹配的工作推荐。
聘宝内测版已于去年 12 月上线，邀请了少量用户参与体验。今年 6 月正式对外发布，据聘宝方面告诉记者，不到半年已获得 1500 名企业用户。
扫一扫 加微信
hrtechchina
