不懂算法的HR，迟早会被机器淘汰？

当前，AI技术和招聘结合，产生了不少创新的尝试和应用，算法测评方案无疑是其中价值显著的一个。算法测评，主要借助人工智能领域的机器学习等技术，将测评数据、简历数据等作为预测源，通过算法模型直接对录用、绩效等结果性数据进行预测、给出推荐建议，解决招聘场景中筛选效率、精准识人、个性化人才画像等多种问题。

早在2016年开始，联合利华就已经在北美地区试行利用AI招聘初级员工。先由算法筛选简历、进行初试，大概要过三轮面试，应聘者才开始与真人有联系。AI开始从理念走入HR工作场景。

一、用算法辞退150人，HR真的会被AI取代吗?

早在去年，俄罗斯一家公司通过 AI 算法裁掉三成员工的消息在网上引起热议。据媒体报道，俄罗斯在线支付服务公司 Xsolla 在去年使用算法解雇了 147 名员工，占到员工总数近三分之一，而理由是公司所使用的算法判断这些员工“不敬业、效率低下”。

Xsolla这套绩效评估系统于 2021 年初实施，公司根据 30 多个指标参数、以 100 分制评估员工的工作效率。这些指标包括在内部 Wiki 中撰写和阅读文章、创建和关闭任务工单，以及仪表板活动和参与内部会议的情况等等。

不难看出，人工智能的快速进步，让包括人力资源行业在内的各行各业发生剧烈变革。基于大数据及强大的分析能力，在人力资源规划、员工招聘、薪酬福利、培训等各个方面，人工智能都将改变现有人力资源的格局。

随着这种技术的不断发展，越来越多的职业面临着被淘汰的行业危机。不仅仅是企业员工，甚至连HR都开始担心自己是否会被人工智能取代。但事实上，人工智能工具的价值主要由使用者决定。

AI可以完成一些繁琐的事务性工作，但判断的下达、信息的传达等等工作仍需由HR主导。因此，未来最容易被淘汰的，主要还是无法与时俱进的传统事务型HR。在新技术层出不穷的时代，HR最需要做的，是持续学习，对新事物保持足够的敏感与好奇。

二、拥抱变化，算法测评的两大价值

面对来势汹汹的AI，人力资源从业者不应固步自封，当然也不必过于惶恐。

拿人才测评来举例，从长远来看，以算法测评构建更精准多样的人才画像，反而更有利于HR的招聘工作进阶。

1、精准推荐，提升筛选效率，不错失关键人才

有效筛选一直是招聘工作中的难题，如何在快速批量筛选时，保证优秀的人才不被误筛，是决定招聘工作成果的关键。

算法测评以其独特的技术优势，能在这方面优于一般的评估筛选方式，让招聘工作的效率和质量上一个台阶。

算法测评可以将非常明确的“结果性指标”作为依据，比如录用决策、绩效表现、留任信息等，以终为始地进行算法模型训练及优化，最后根据预测员工绩优、稳定留任的概率给出推荐建议，帮助HR更快地识别出合适的人才。

此外，算法构建完成后，还可将预测的结果通过评估系统直接输出，形成如“优先面试”名单等推荐建议，直接应用于招聘流程中。

2、全方位综合理解人才，形成多样化人才标签

在实际招聘中，企业录用的人才往往不是完全同质的，优秀人才可能是在不同的类型上各具特色。这就要求评估能综合考虑人才的多个方面，更优的做法是将人作为一个完整的个体来综合评价。算法测评在这方面也能提供非常有价值的建议。

将不同候选人对应到不同类型的人群画像，给出不同的人才标签，帮助面试官快速了解候选人的整体个性特征，同时更贴合实际的用人要求。

三、算法测评的准备和实施

算法测评作为强数据驱动的方式，其**实践建立在测评应用逐渐深入、数据积累持续加深的基础上。越持续稳定地应用测评等评估方法，产生的数据越有挖掘的价值，算法模型越能展现出好的效果。

建议企业从初步应用测评工具时，就做好数据规划，有意识地积累测评数据和结果数据，当目标人群数据量(如录用人数、绩优人数)达到百人，测评数据超过千人时，可考虑应用算法测评。

至于具体的实施过程，简单来说分为3个阶段：采集数据并结构化、AI算法训练、算法结果输出。

企业在其中参与的主要是采集数据和结果输出：明确使用哪些预测源数据和结果性数据，执行团队可做好数据标记和清洗;结合定制化报告等形式，将算法测评推荐结果直接输出给到测评报告中，完成端到端的落地应用。

中间的AI算法训练阶段，技术团队会同时运行多种算法，从中选择效果**、***企业实际应用的算法模型。最后，随着自动化、AI技术、大数据、物联网等新技术的不断推进，人类工作方式也正在面临颠覆性的转变。

层出不穷的新技术为企业提高了效率、降低了成本。然而很多企业在面临变化时，依然显得准备不足或是充满抵触。企业及人力资源部门需要做的，就是尽可能消除这些不足。