大模型杀入HR赛道,AI能扮演好企业的“人才捕手”吗?

2023-12-22 23:20

本文主要是介绍大模型杀入HR赛道,AI能扮演好企业的“人才捕手”吗?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

导读:生成式AI如何让HR回归本质。

当很多人焦虑未来会“被AI夺走工作”时,HR行业本身也在AI浪潮推动下发生巨变。

AI技术现已应用于人力资源管理的各个环节中。根据领英发布的《2024全球人才趋势报告》,61%的HR已经在使用AI相关技术辅助日常工作。作为企业吸引人才的入口,招聘环节也是AI落地HR最成熟的场景之一。

如今,当一位求职者拿到心仪Offer时,他可能并不知道,此前自己经历的简历初筛、候选人打分和画像,到线上面试在内的招聘流程,可能都是由AI驱动的。

2023年,随着大模型能力在招聘领域的落地,越来越多“AI HR”已经可以完成招聘环节的核心工作。比如,今年10月,HR SaaS品牌用友大易发布了TRM.AI2.0旗下针对招聘场景的招聘客服机器人、人才发现、AI面试助手三大新产品,大幅提升了企业招聘效率和人岗匹配的精准度。

那么,以生成式AI和大模型为代表的新技术浪潮,到底对企业招聘带来了哪些变革?未来,AI+招聘会将沿着怎样的发展路径持续迭代?

从三大变革,看企业招聘的演进方向

招聘工作的本质是在做“匹配”,如何高效地将岗位需求与人才特质做精准匹配。如果粗略划分,过去二十多年来,企业招聘的发展可以分为三个阶段:

第一阶段,PC互联网时代,以智联招聘、前程无忧为代表的线上招聘网站出现,第一次将求职/招聘信息的交互由线下搬到线上。

第二阶段,移动互联网时代,Boss直聘、拉勾、脉脉、领英等招聘平台陆续出现,为传统线上招聘加入社交、社区属性,让人才与企业的连接更便捷。同时,视频招聘、VR招聘、直播招聘、元宇宙招聘等新技术形式不断涌现。

第三阶段,生成式AI技术浪潮下,基于通用大模型的能力,HR软件厂商纷纷推出HR领域的垂直模型和AI产品,希望借助AI+数据洞察,帮HR从重复、繁琐的招聘流程中解放出来,回归HR的价值。

那么,接下来企业招聘的演进方向是怎样的?「智能进化论」认为,企业招聘的发展离不开职业技能、新技术、新理念三大变革的影响。

第一, 职业技能变革下,越来越多企业亟需精准人岗匹配与提升招聘效率。

数字经济时代,新职业层出不穷,传统职业所需的技能也在飞速迭代。领英《2024全球人才趋势报告》预测,到2030年,即未来8年后,全球将有65%的职业技能发生改变。而过去8年间,已有25%的职业技能发生了变化。应对这种急剧变化的挑战,HR必须借助数字化工具,实现更精准的人岗匹配。

第二, 新技术变革下,AI不仅是降本增效的工具,AI+数据驱动将加速人力资源分析与决策智能化,为企业的人才战略提供洞察。

根据艾瑞咨询发布的《2023年中国网络招聘市场发展研究报告》,人工智能在人才招聘上的应用场景主要包括简历解析与筛选、人岗匹配、招聘客服(聊天机器人)等。这些场景都是AI发挥智能洞察能力的典型场景。

来源:艾瑞咨询《2023年中国网络招聘市场发展研究报告》

第三, 管理理念变革下,传统的人力资源管理正在向人才关系管理升维。

SOHO、远程办公、Z世代步入职场等新变化,与新技术浪潮叠加,成为共同推动人力资源理念变革的力量。

在海外,Airbnb是业界最早任命“员工体验全球负责人”职位的互联网巨头,开启了用员工体验团队取代人力资源管理部门的新思维。在国内,用友大易也在业内提出HR要从ATS(候选人跟踪系统)到TRM(人才关系管理)升级的领先理念。

人才关系管理(TRM,Talent Relationship Management)更关注与内外部人才建立和维护关系,它不再局限于传统HR的招聘和雇佣过程,而是把核心放在了“人的关系”上,注重与员工建立良好关系、提供持续发展机会和支持。在这样的背景下,候选人体验、人才运营、雇主品牌建设等,成为HR在招聘环节新的KPI。

将大模型落地HR领域,没那么简单

当前,国内HR SaaS企业纷纷推出大模型解决方案,在招聘核心场景中应用大模型也不罕见。但是,当大模型落地HR场景时,普遍面临几大挑战。

首先,如何将通用模型能力适配企业服务领域。HR大模型是企业服务大模型在模型层的分支,与ChatGPT等通用大模型应用不同,企业服务大模型需要实实在在帮企业提升业务价值。HR大模型需要为招聘效率、人岗匹配精准度、候选人体验满意度等KPI负责。

其次,如何满足不同行业、不同企业对招聘的个性化诉求。HR大模型需要具备自主学习能力,能够从已有招聘行为和数据中,读懂企业的差异化诉求。

第三,数据安全的诉求。招聘数据涉及企业安全和个人隐私,如何保障数据安全,保护个人敏感信息不被泄露是企业的刚需。

目前,HR大模型还处在发展早期,能够较好解决这几类痛点的产品还不多。用友大易TRM.AI2.0算是其中的代表之一。

在底层通用模型能力方面,用友大易TRM.AI2.0以用友企业服务大模型YonGPT为底座。YonGPT在底层除了通用的大语言模型能力,还融合了用友30多年在企业服务领域的专业沉淀。站在YonGPT的肩膀上,用友大易TRM.AI2.0可以说是为企业服务而生。

有了强大底层模型的加持,用友大易TRM.AI2.0可以根据企业私域数据,训练满足个性化诉求的AI招聘工具。而且,自研模型加上私有云、本地部署的方式,让企业完全没有数据安全方面的后顾之忧。

目前针对招聘场景,用友大易TRM.AI2.0已经推出招聘客服机器人、人才发现、AI面试助手三款产品。在实际落地中,这些新品已经发挥了降本增效+智能辅助决策的价值。

用友大易招聘客服机器人是一个可以7×24小时回答候选人问题的数字员工。

过去,在各个线上平台,企业HR只能人工一个个回复候选人问题,响应慢,候选人体验较差。

有了招聘客服机器人,企业只需要将招聘相关知识库、企业介绍等文件导入大模型,即可训练出小模型快速精准进行招聘咨询回答。招聘客服机器人可以精准识别候选人意图,做到有问必答。不仅如此,通过数据分析,还可以获得新的洞察,反哺给招聘流程进一步优化。

“某制造企业用我们的招聘客服机器人做校招一段时间后,从招聘数据中获得了新的洞察;该企业HR发现大学生求职者也很关注企业文化,雇主品牌建设对人才的吸引力越来越突出。基于这些洞察,企业补足了原有招聘流程中缺失的内容,不断完善雇主品牌展示的内容。”用友大易产品市场负责人戚雪婷表示。

人才发现功能,解决了过去企业人才库使用效率低下的难题。

在大模型出现之前,传统AI算法需要大量的人工干预,进行大量规则的设置,极大限制了AI应用的广度。用友大易人才发现功能,具有强大的语义理解和分析能力,可以像一个老练的HR总监一样从简历中读出门道。

“比如大模型可以根据简历中的工作经历,判断当前候选人是不是沟通能力很强的人。以往,如果简历中不含‘沟通能力强’这种文字描述,AI是判断不出来的。”用友大易TRM AI.2.0产品负责人王磊表示。

AI面试功能,实现了从收取候选人到面试安排中间一系列的流程自动化,减轻了HR花在重复性、流程性的事务的时间精力。

过去,某外资企业针对每位候选人有三轮线下面试,外地候选人还涉及报销路费,招聘环节成本高、周期长。现在通过用友大易AI面试功能,该外企已将线下面试由三轮精简为一轮,极大提升了招聘效率,粗略估算每年能为该企业节省招聘成本约80多万元。

以人为本,AI驱动HR回归本质

当AI的能力版图越来越大,很多人不禁要问,未来AI会取代HR吗?

目前来看,这种可能性不大。

根据36氪企服点评在2023年6月发布的《AI+招聘应用指南》,75%的受访HR认为,自己的岗位会部分被人工智能取代;仅3%的受访HR认为人工智能会完全取代自己的岗位。领英最新调研也显示,全球90%的招聘专业人士表示,他们的角色从2022年开始已经变得更具战略重要性。

戚雪婷表示,用友大易目前的AI招聘产品中,并非完全依靠AI“自动驾驶”,都是有人为介入的,HR员工在过程当中进行纠偏、微调是非常必要的。生成式AI并不会取代HR,相反AI正在让HR的价值回归本质。

HR与其他职能部门最大的不同是,它是以人文本的。HR不是一个技术问题,它的目标是人,招聘人、服务人、培养人,它是离人更近的。”戚雪婷表示。

王磊认为,下一步用友大易在AI+招聘场景的发展方向包括:学习人的行为和经验,以及与企业整体人才管理战略的打通。

“AI可以学习人类HR的行为,包括对候选人做出的备注、评价、流转等信息,针对这些信息挖掘行为操作背后的含义。这一过程不需要人类对规则进行设置,AI通过自学习就能将简历特征和职位特征的权重进行调整。理想的AI招聘产品,应该是将原来接受HR指令的系统,升级为可以陪伴和指导HR招聘过程的业务专家。”王磊表示。

据悉,在用友的大人力产品板块中,已经构建了完整的覆盖全员的人力资源管理产品体系。作为其中的招聘子集,如何融入用友完整的HR管理体系,为客户提供一体化的服务,是用友大易下一步的重要目标。

IDC报告显示,2022下半年中国HCM(中国人力资本管理)SaaS市场规模达到3.4亿美元,同比增长27.0%。预计到2027年,中国HCM SaaS市场规模将达到26亿美元。

这背后,生成式AI和大模型将成为HCM行业增长的关键驱动力之一。从改变招聘体验出发,AI驱动HR SaaS的新时代已经开启。

文中图片来自摄图网

END

本文为「智能进化论」原创作品。

这篇关于大模型杀入HR赛道,AI能扮演好企业的“人才捕手”吗?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/525858

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验