AI+招聘
美国SEC控告纽约的AI招聘公司Joonko的创始人证券欺诈和电信欺诈
概要：伊利特·拉兹（Ilit Raz），AI招聘公司Joonko的首席执行官和创始人，因涉嫌对投资者进行重大欺诈被美国证券交易委员会（SEC）及纽约南区美国检察官办公室指控。SEC指控拉兹通过虚假和误导性的声明欺骗投资者，包括夸大Joonko的客户数量和质量、平台上的求职者数量以及公司收入，涉嫌欺诈金额至少达到2100万美元。
Joonko公司自称利用人工智能帮助客户找到多元化和代表性不足的求职者，以达到其多元化、公平和包容的招聘目标。然而，拉兹向投资者提供了虚构的客户感谢信和赞誉其效果的假证据，甚至在被投资者质疑时提供了伪造的银行对账单和合同。这一骗局在2023年中期被揭穿，当时一名投资者面对面质问拉兹，拉兹承认伪造文件并撒谎关于公司的财务状况和客户基础。
SEC和刑事检察机关的指控显示，拉兹利用新兴技术领域的热潮，以人工智能和自动化等流行词汇吸引投资，实际上却进行了传统的欺诈行为。这一事件不仅揭示了创业公司在吸引投资时可能存在的道德风险，也提醒了投资者在追求人工智能等高科技领域的投资机会时需要格外谨慎。
总部位于纽约市的人工智能招聘平台Joonko的创始人及前首席执行官因涉嫌欺诈投资者，误导他们关于公司核心方面的信息，被控证券欺诈和电信欺诈。
美国证券交易委员会（SEC）在6月11日于纽约南区联邦地区法院提交的投诉中指控，这家现已关闭的人工智能招聘初创公司的创始人及前首席执行官伊利特·拉兹通过对Joonko的客户数量和质量、平台上的求职者数量以及公司收入等核心方面作出虚假和误导性陈述，从投资者那里骗取至少2100万美元（2022年9月有一篇融资B轮2500万美元的新闻点击可以查看）。
Joonko在2022年完成了由Insight Partners领投、包括Target Global、Kapor Capital和Vertex Ventures Israel等投资者参与的2500万美元B轮融资。《华尔街日报》报道称，该公司自2016年成立以来共筹集了超过3800万美元。Kapor Capital拒绝对此发表评论，而Insight、Target Global和Vertex Ventures Israel则没有回应《华尔街日报》的置评请求。
SEC指控拉兹违反了联邦证券法的反欺诈条款，要求对其实施永久禁令、民事罚款、返还非法所得及预审计利息，并禁止其担任公司高管。
与此同时，纽约南区美国检察官办公室也于6月11日宣布了针对拉兹的刑事指控。拥有以色列国籍的拉兹被控一项证券欺诈和一项电信欺诈，每项罪名最高可判20年监禁。
Joonko于5月24日在特拉华州美国破产法院申请破产保护。
根据SEC的投诉，Joonko声称使用人工智能帮助客户找到多元化和代表性不足的求职者，以实现其多元化、公平和包容的招聘目标。拉兹在筹资过程中向投资者谎称Joonko拥有超过100家客户——包括财富500强公司，并向投资者提供了几家公司的虚假感谢信，赞扬其效果。
拉兹还谎称Joonko的收入超过100万美元，正在与超过100000名活跃求职者合作，并在投资者怀疑时向其提供了伪造的银行对账单和伪造的合同。根据投诉，这一骗局在2023年中期被揭穿，当时一名投资者面对面质问拉兹，后者承认伪造了银行对账单和合同，并且在Joonko的收入和客户数量上撒谎。
SEC执行局局长古尔比尔·格雷瓦尔（Gurbir Grewal）在一份新闻稿中表示：“我们指控拉兹利用老式的诈骗手法，但使用了新式的流行词如‘人工智能’和‘自动化’。随着越来越多的人寻求人工智能相关的投资机会，我们将继续监管市场，防止今天投诉中所指控的类型的不当行为。但与此同时，对于那些利用人工智能的热潮来筹资的公司，投资者也应保持警惕。”
附录SCE的新闻稿：
Washington D.C., June 11, 2024 —
The Securities and Exchange Commission today charged Ilit Raz, CEO and founder of the now-shuttered artificial intelligence recruitment startup Joonko, with defrauding investors of at least $21 million by making false and misleading statements about the quantity and quality of Joonko’s customers, the number of candidates on its platform, and the company’s revenue.
According to the SEC’s complaint, Joonko claimed to use artificial intelligence to help clients find diverse and underrepresented candidates to fulfill their diversity, equity, and inclusion hiring goals. To raise money for Joonko, the complaint alleges that Raz falsely told investors that Joonko had more than 100 customers, including Fortune 500 companies, and provided investors with fabricated testimonials from several companies expressing their appreciation for Joonko and praising its effectiveness. Raz also allegedly lied to investors that Joonko had earned more than $1 million in revenue and was working with more than 100,000 active job candidates. When an investor grew suspicious of Raz’s claims, Raz allegedly provided the investor with falsified bank statements and forged contracts in an effort to conceal the fraud. According to the complaint, the scheme unraveled in mid-2023 when the investor confronted Raz, who admitted to forging bank statements and contracts and lying about Joonko’s revenue and number of customers.
“We allege that Raz engaged in an old school fraud using new school buzzwords like ‘artificial intelligence’ and ‘automation,’” said Gurbir S. Grewal, Director of the SEC’s Division of Enforcement. “As more and more people seek out AI-related investment opportunities, we will continue to police the markets against AI-washing and the type of misconduct alleged in today’s complaint. But at the same time, it is critical for investors to beware of companies exploiting the fanfare around artificial intelligence to raise funds.”
The SEC’s complaint, filed in the U.S. District Court for the Southern District of New York, charges Raz with violating the antifraud provisions of the federal securities laws and seeks a permanent injunction, civil money penalties, disgorgement with prejudgment interest, and an officer-and-director bar against Raz.
In a parallel action, the U.S. Attorney's Office for the Southern District of New York today announced criminal charges against Raz.
The SEC’s investigation was conducted by Alicia Guo, Ariel Atlas, Neil Hendelman, and Lindsay S. Moilanen and was supervised by Sheldon L. Pollock of the New York Regional Office. The litigation will be led by Ms. Guo and Ms. Atlas, and supervised by Daniel Loss and Mr. Pollock. The SEC appreciates the assistance of the U.S. Attorney’s Office for the Southern District of New York and the FBI.
华盛顿特区，2024年6月11日 — 美国证切和交易委员会（SEC）今日指控现已关闭的人工智能招聘创业公司Joonko的首席执行官兼创始人伊利特·拉兹（Ilit Raz），因在Joonko的客户数量和质量、平台上的候选人数量以及公司收入方面向投资者做出虚假和误导性陈述，欺诈投资者至少2100万美元。
根据SEC的投诉，Joonko声称使用人工智能帮助客户找到多元化和代表性不足的候选人，以实现其多元化、公平和包容的招聘目标。投诉称拉兹向投资者谎称Joonko拥有超过100家客户，包括财富500强公司，并向投资者提供了几家公司的虚构感谢信，赞扬其效果。拉兹还谎称Joonko的收入超过100万美元，并正在与超过100,000名活跃求职者合作。当一名投资者对拉兹的说法表示怀疑时，拉兹据称向该投资者提供了伪造的银行对账单和伪造的合同来掩盖欺诈行为。根据投诉，该骗局在2023年中期被揭露，当时该投资者直面拉兹，后者承认伪造银行对账单和合同，并且在Joonko的收入和客户数量上撒谎。
SEC执行局局长古尔比尔·S·格雷瓦尔（Gurbir S. Grewal）表示：“我们指控拉兹利用老式的欺诈手法，但使用了新式的流行词如‘人工智能’和‘自动化’。随着越来越多的人寻求人工智能相关的投资机会，我们将继续监管市场，防止今天投诉中所指控的类型的不当行为。但与此同时，对于那些利用人工智能的热潮来筹资的公司，投资者也应保持警惕。”
SEC的投诉已提交至纽约南区美国地区法院，指控拉兹违反联邦证券法的反欺诈条款，并寻求永久禁令、民事罚款、返还非法所得及预审计利息，并禁止其担任公司高管。
与此同时，纽约南区美国检察官办公室今天也宣布了针对拉兹的刑事指控。
SEC的调查由纽约地区办公室的艾丽西亚·郭（Alicia Guo）、阿里尔·阿特拉斯（Ariel Atlas）、尼尔·亨德尔曼（Neil Hendelman）和林赛·S·莫伊兰宁（Lindsay S. Moilanen）进行，并由谢尔顿·L·波洛克（Sheldon L. Pollock）监督。诉讼将由郭女士和阿特拉斯女士领导，并由丹尼尔·洛斯（Daniel Loss）和波洛克先生监着。SEC感谢纽约南区美国检察官办公室和联邦调查局的协助。
AI+招聘
人才招聘：HR在2021年将转向AI Sourcing
当人力资源和人才招聘专业人士选择他们的工具和资源时，这两种特质是必备的：效益和效率。随着经济的复苏，有效和高效的资源将是团队应对2021年招聘潮的必要条件。虽然预计到今年年底，70%的人力资源团队将使用人工智能工具来识别和管理候选人，但这项技术的工作原理以及其影响是否值得投入时间和资源仍存在不确定性。
在为2021年做准备的时候，让我们来探讨一下为什么AI Sourcing会成为HR和TA团队的 "必需品"，而不再是 "优选品"，以及它将带来的不确定性。随着经济的复苏，人才招聘团队将需要有效和高效的工具来面对预期的招聘潮。这也是为什么人工智能是必须的。
什么是AI Sourcing，它是如何工作的？
在前几年，招聘人员需要花费数小时在各个平台上滚动浏览大量未排名的候选人名单，从而进行人工搜索。有了AI Sourcing，团队可以同时在公开网络上的数百万候选人资料中进行自动搜索，提高了针对性。
最强大的AI Sourcing技术是由知识图谱驱动的，知识图谱是一个自我扩展和自我学习的基础设施，它使上下文搜索成为可能。知识图谱是一个错综复杂的网络，由数亿个相互关联的数据点组成，这些数据点从不同的社交和招聘平台、搜索引擎API和招聘技术栈中的软件集成中收集。一旦获得了这些候选人数据，知识图谱就会增强并理解这些数据集之间的关系。
在对大量候选人数据进行搜索之后，招聘团队就会看到特定人才库中候选人的资质、模式和趋势的动态视图。随着团队继续使用这项技术，AI会熟悉他们的偏好，并提供越来越准确的结果。
现在你已经了解了人工智能是如何寻找人才的，那么它如何帮助你的团队呢？
多渠道寻找人才
虽然距离复活节还有几个月的时间，但 "不要把所有的鸡蛋放在一个篮子里 "这句话对于HR和TA团队来说，始终是一个正确的建议。LinkedIn拥有超过7亿的会员，一些招聘人员非常依赖LinkedIn来寻找候选人。然而，Hiretual在11月进行的2021年预测调查显示，只有9%的团队计划在明年从LinkedIn上进行采购。这一指标表明，企业和招聘人员开始意识到，许多在线平台上都存在合格的候选人。
调查发现，更多的招聘人员不再使用LinkedIn，而是倾向于Stack Overflow和Healthgrades等小众专业平台，并通过现有的ATS或CRM在内部寻找人才。事实上，96%的Hiretual调查对象计划从他们的ATS进行内部采购。对于这些招聘者来说，AI可以在内部数据库和外部采购平台上自动同步候选人数据，以简化人才再发现，确保数据简洁。此外，在医疗和科技等特定领域，AI招聘可以在特定行业平台上完善搜索。
有了AI，团队不必局限于从一个地方寻找人才。他们可以从众多平台上进行招聘，并在几秒钟内筛选出数十万名候选人。随着人才竞争的加剧，这种更大的人才库和高效过滤的组合将帮助团队击败竞争对手，获得顶级人才。
无缝整合
想想几年前申请贵公司空缺职位的大学毕业生。虽然这些应聘者当时还没有经验，但他们已经具备了今天您发布的职位空缺所需的技能和经验。虽然他们之前已经表达了对贵公司的兴趣，但你如何在你的ATS中找到他们？
通过人工智能技术，团队可以将他们现有的ATS/CRM与人才采购工具进行整合，以挖掘以前感兴趣的候选人池。而且他们可以做到这一点，而无需花费数小时来浏览重复的数据集或以非系统化的方式堆积电子表格。
数据的可访问性
想象一下，当您在家工作时，您团队中的一位招聘人员急需了解候选人库的平均市场价值。不幸的是，这些信息并不容易获得。招聘人员向团队负责人或数据科学家提交请求，然后等待一两天后才收到答复。想象一下，在快节奏的招聘周期中，多个请求需要花费多少时间。当你的团队在等待数据的时候，竞争对手已经在寻找和雇佣合格的候选人了。
这种场景每天都在发生。通过AI技术，所有团队成员都可以在一个集中的仪表盘中轻松访问所有数据。虽然人们可能会认为需要一个数据科学家来解读信息，但AI有助于简化数据提取和分析，将其转化为可理解的见解和报告。
结语
随着2021年的临近，HR和TA团队越来越接近采用基于AI的技术，尤其是在人才采购工作中。凭借其成熟的有效性、整合能力、协作能力等，AI是应对来年人才挑战的最佳工具。既然知道了2021年要注意什么，你将如何准备呢？
作者：Guest Columnists
以上由聪明的AI翻译完成，仅供参考。
AI+招聘
2021年人工智能在人力资源领域应用的5个预测
Beamery首席执行官Abakar Saidov对2021年人工智能在人力资源和人才招聘方面的表现提出了一些行业预测：
就像我们的消费生活一样，HR将利用数据来预测和推荐人才动向。2021年，求职者和员工将不再浏览职业网站和 "人才市场"，而是利用一个推荐信息源，追踪他们在 "徘徊 "和阅读哪些内容和工作。这些数据的收集，再加上智能AI，将根据通过该行为表达的意图动态调整推荐--就像Netflix的feed根据观看习惯更新一样。这个过程将继续微调，因为这些体验将被用来验证人们的能力--既要明确要求应聘者确认他们的兴趣和技能，也要通过推理来验证。
当涉及到人才、围绕多样性的透明度时，人工智能将不再肆无忌惮。随着人工智能不断被TA领导者所接受，我们将看到组织和公众对单纯通过人名来推断性别和种族等多样性的算法进行应有的反击。
2021年，TA领导者将不再根据简历上的 "技能 "来评估人。 我们已经了解到，简历上列出的技能其实只是一瞬间的事情，并不能捕捉到人们可能和想去的地方，也不能捕捉到他们会成为什么样的人，最终是否适合组织的发展方向。这种从 "技能数据库 "到基于人才图谱的 "技能云 "的转变，将推动挖掘有意义的数据的能力，并赋予HR和TA专业人员反映人和就业机会的动态性，更好地捕捉人的潜力，为员工和组织谋福利。
2021年将是垃圾人才数据终结的开始。垃圾入库，垃圾出库，不仅在人力资源部门是如此，当人们的职业生涯和公司的未来岌岌可危时，这是不可接受的。既然人力资源职能部门已经认识到数据的关键重要性，我们将最终采用方法和工具，以确保我们使用的是最准确、一致和最新的数据。
2021年将是我们从对DE&I的 "口惠而实不至 "到 "从哪里开始 "的一年。根据Beamery最近进行的一项研究，58%的组织表示有明确的DE&I目标。但其中60%的组织缺乏DE&I的自主权，超过四分之一的组织认为缺乏责任感和明确的自主权是实现多元化的最大障碍之一。真正的人才领导者会接受 "从什么地方开始 "的多元化需求，任命官员以建立问责制。
作者：Abakar Saidov
以上由AI翻译完成，仅供参考。
AI+招聘
【美国】远程工程师AI招聘平台Turing宣布获得1400万美元种子轮融资
Turing公司将利用额外的资金加速全球向远程工作的转变。
今天是Turing历史上的一个巨大里程碑。公司很高兴地宣布其400万美元种子轮融资。Turing为我们从顶级风投和有远见的投资人那里得到的支持感到自豪，他们与我们一样相信未来的工作是无边界的，远程分布的团队为有才华的开发人员提供了民主化的机会，无论他们生活在哪里。
Turing种子轮的投资人包括Ashu Garg领导的Foundation Capital、Facebook首任CTO兼Quora首席执行官Adam D'Angelo、Gokul Rajaram、Cyan Banister、Upwork创始人Beerud Sheth、Jeff Morris Jr.，以及谷歌、Facebook、Twitter、微软和亚马逊的高管。
Turing首席执行官兼联合创始人乔纳森-西达斯称："在冠状病毒危机之前，我们已经在快速发展。我认为远程工作在这里说。COVID加速了已经在进行的转变。在过去的5个月里，我们已经看到了5年的转变在上演。很多想要实现远程优先的公司在寻找、审核与管理远程开发人员上仍然面临着关键的障碍。要找到硅谷水准的远程开发人员真的很难。很难评估远程开发人员。与远程开发人员进行跨时区的沟通也是令人沮丧的。通常正确的每日、每周同步都不会发生。很难管理性能。这就是我们打造Turing的原因。图灵正在创建一个新的云端垂直化远程工作类别。这是一个由开发者组成的云，它由软件采购，由软件审核，由软件匹配，由软件管理。这就是人才的AWS。如果，你可以 "按下一个按钮 "来雇佣和管理远程开发者呢？"
该公司将利用额外的资金继续扩大业务规模，投资于持续的自动化、AI计划，以寻找、审核和管理远程开发人员。
据Foundation Capital的普通合伙人Ashu Garg称："当印度外包和IT革命还处于起步阶段时，我曾预测未来十年市场将增长100倍。当时人们认为我疯了，现在回想起来，我的预测似乎是严重低估了。我对Turing也有同样的感觉。我们正在围绕远程和分布式工作创造一个新的类别。未来的工作是远程的，而我们才刚刚开始。"
Turing的创始故事
Turing公司的成立是基于这样一个理念：人才是通用的，而机会却不是。公司的使命是寻找全世界最优秀的开发人员，并将他们与打造改变世界的产品的公司进行匹配。
Turing是由Jonathan Siddharth和Vijay Krishan共同创立的。二人在上一次创业期间发现了利用远程团队打造公司的力量，Rover是两人还在斯坦福大学读书时创办的。图灵首席技术官Vijay Krishnan说："与谷歌、Facebook、苹果和其他硅谷巨头公司竞争的成本和挑战促使我们从世界各地寻找高技能的远程开发人员。 我们在建立一家拥有全分布式团队的公司所学到的东西让我们相信，远程分布式团队是工作的未来。"
他们在Rover的经验提供了技能和知识，使他们成为推出Turing的完美团队。Turing的数据科学驱动平台为公司提供了一个垂直整合的解决方案，可以像AWS让公司瞬间增加额外的服务器容量一样，分拆工程团队。
展望未来
到2022年，Turing将为远程工程师创造1000个工作岗位。该企业的目标是为来自世界各地的前1%的开发者提供硅谷水准的工作岗位，帮助企业一键扩展，为全球最优秀的开发者提供公平的竞争环境。
Turing的创始人相信，科技的未来是无边界的。该公司正在通过快速、简单和经济高效的方式，为任何团队增加优秀人才，然后无论你的员工居住在哪里，都可以监控和管理他们，从而推动远程革命。
关于Turing
Turing是一个自动化平台，让公司可以 "按下按钮 "来雇佣和管理远程开发人员。Turing使用人工智能和数据科学来寻找、审核、匹配和管理来自世界各地的远程开发人员。目前，图灵的平台上有16万名开发者，几乎来自世界上每一个国家。
Turing的使命是帮助每一个远程优先的科技公司建立无边界的团队。Turing的投资者包括Foundation Capital、Adam D'Angelo、Facebook首任CTO&Quora现任CEO、Gokul Rajaram、Cyan Banister、Jeff Morris以及Google和Facebook的高管。信息》、《创业家》等各大刊物都对Turing进行了介绍。
AI+招聘
HR都在找的一份2019年人力资源趋势文章合集
所有人力资源趋势的观察者或影响者都在公布他们对下一年的预测，人力资源技术无疑将成为新年里的绝对的赢家。此外，研究也告诉我们，目前的人力资源技术在人力资源方面的能力还存在着各种各样的疑问。
以下是HRTech China经过几个月的追踪和搜集整理出的一份“趋势清单”，里面包含了各个顶级专家们对2019年人力资源行业发展趋势的分析预测。相信站在“巨人的肩膀”上探索未来，能够对大家有所帮助。
HR
在《Gartner： 2019年人力资源领导者的三大优先事》这篇文章中，分析了全球劳动力发展的四大趋势以及人力资源管理者们应该由此做出的三大优先举措，并强调人力资源部门需要与团队及其它部门协调合作。
根据Gartner 2019年人力资源未来调查显示，发展业务将成为2019年企业级的最高业务目标，同时提高运营绩效和执行业务转型。由于人力资源领导者希望支持这些企业抱负，调查显示他们在2019年的三大关键举措将是：为组织建立关键技能和能力；加强当前和未来的领导力量；改善员工体验。
全球人力资源管理部门预计到2025年将达到300亿美元。换句话说，创造创新的人力资源解决方案的业务正在蓬勃发展。为了创造一个繁荣、高效、敬业的企业文化，创造一个更具竞争力和活力的企业，企业需要招聘、聘用和留住顶尖人才，因此企业需要制定一份更具吸引力的人力资源解决方案，《人力资源趋势：2019年的5项人力资源创新》一文从员工敬业度、去除偏见的盲选招聘技术、VR培训预防职场性骚扰、企业健康计划扩展、AI改善人力资源运营等方面为企业人力资源部门提出了非常专业的建议。
最新技术的发展和员工管理方式的转变正在改变人力资源行业。虽然行业变革已经全面展开，但2019年将是一个精益求精的阶段，因为企业将逐步完善新的人力资源战略和理念。最大的主题问题是：公司如何更好地利用技术来做出更多数据驱动的决策，企业将如何进行更加明智的员工管理？点击查看《大转变：2019年人力资源发展趋势？》
HR Tech
《2019年人力资源科技七大趋势》对2018年全球最受欢迎的人力资源技术做出总结。研究发现全球趋势对投资市场产生了影响，人们对人力资源技术的关注正在增长。薪资体系创新、人工智能/机器学习的实际应用、全面福利发展、企业学习、VR候选人体验、技能量化、绩效管理7大趋势将冲击企业组织，并确保与最终的用户达成合作。
“企业必须经历一定程度的成熟，才能达到人力资源技术成为优先事项的阶段。”在《对于2019年的HR Tech和Startup来说，这将是一个美好的一年吗？》一文中，集合了多家人力资源科技创业者对未来行业发展的看法，在面对席卷全球的智能技术和劳动力发展趋势，他们更愿意基于实际需要做出决策。市场上技术工具和手段一定会激增，作为行业创业者或HR从业者应该如何抉择呢？如果你有类似的疑问，不妨读读本文。
人力资源技术市场正在飞速变化，人们开始关注生产率、员工体验、福利以及人工智能的无限潜力。世界知名的行业分析师和德勤会计师事务所的创始人Josh Bersin谈2019年人力资源科技发展趋势，本文主要从自动化、技术招聘、人工智能和员工体验等方面分析。
人力资源经理比以往任何时候都有更多选择来完成自动化流程。软件机器人正在接管日常工作，聊天机器人现在正在扩大招聘人员的工作。阅读《人力资源自动化是2019年六大趋势之首》查看人力资源自动化趋势相关内容，此外，本文提到了一个特别的“员工体验”：Forrester对2019年的潜在异常员工体验进行了预测。该咨询公司认为，随着“传统的信任机构”被打破，员工“将寻求公司承担起社会责任的职责”。也就是说，企业或公司的社会责任感高低将成为是否受员工青睐的评判要素之一，而这一趋势与近几年的反种族歧视、女权运动等维权运动息息相关。
工作场所
随着越来越多的1996年以后出生的人将进入工作场所，Z世代的存在将在2019年比以往更大。劳动力市场发生了巨大变化，多年来零工经济不断增长，灵活用工需求不断增加，劳动力多样化需求增加......阅读《不断变化的工作场所—— 2019年要关注的5个关键人力资源趋势》查看详情。
《对2019年工作场所趋势的10个预测：你准备好了吗？》“简化可以简化的内容，自动化可自动化的内容。让您的员工摆脱重复性工作，使他们能够思考、想象和创新。提供数字生产力工具，增强人类能力。”新技术和新的工作方式将塑造一个以人为本，使未来的人类工作变得更有意义。
L&D
通过整合游戏化的原则，组织可以提高员工学习和发展项目的参与度。将目标、挑战、即时反馈、对表现的肯定、避免失败的安全性和好奇心等游戏属性应用到企业学习项目中，可以帮助激发乐趣和参与感，将枯燥乏味的学习体验转化为有趣而有益的体验。游戏化强调并应用重复检索和间隔重复的理论来驱动学习者显著的行为变化。《为什么2019年将成为企业学习游戏化的一年》为企业的员工学习培训提供了新的解决思路，并且在《JOSH BERSIN亲身体验VR企业培训：沉浸式学习来势汹汹，结果惊人》中，我们了解到使用VR完成企业培训，不仅能使员工了解基本知识，更重要的是它能在人的脑海中留下不可磨灭的“肌肉记忆”。
劳动力管理
每年，不断变化的员工需求都会重塑人力资源劳动力管理。对于2019年而言，精通数字的员工队伍以及不断变化的工作环境将成为战略重新思考的首要决定因素。阅读《2019年劳动力管理趋势》，密切关注这七项关键劳动力管理趋势的人力资源经理将准备在2019年满足并超越员工的期望。
HCM
随着人力资源高管和人力资源管理领导者寻求利用分析技术并采用人工智能(AI)、以云为中心的解决方案和聊天机器人工具等技术，用以改善运营、沟通和与员工的互动，如今的职场将发生翻天覆地的变化。HCM解决方案供应商Humanity调查了人力资本管理市场的现状，并确定了几个2019年的主要趋势和挑战——《2019年企业组织面向HCM的5个主要趋势》。
AI in HR
从汽车到几乎可以读懂我们思想的机器，人工智能的可能性是无穷无尽的，更令人兴奋的是，技术触手可及。对于人力资源部而言，人工智能可以产生巨大的变化，而不仅仅是自动化迭代任务。
《2019年，AI in HR的下一步是什么？》中提到通过人力资源中的人工智能，可以从招聘和入职中个性化所有员工生命周期，包括招聘、培训、人才和变革的管理。此外，它能够替代做流程化重复性事务，使人能够抽身做独特的“人文领域”社交事务及具有创造性的事务，并且预留出时间供人学习提高技能。
更多精彩内容，欢迎关注HRTech China官方网站及公众号！
AI+招聘
CareerBuilder收购了Textkernel，以便通过AI加强求职工具
人工智能驱动的人才招聘工具正迅速扩大，这不足为奇。从理论上讲，它们能让雇主更深入地了解求职者的个性、历史和经验，这是仅凭求职信和简历无法做到的。像Eightfold和Vervoe这样的初创公司利用机器学习算法来评估潜在员工的技能，而ZipRecruiter和Indeed则利用这些算法将企业与他们可能忽略的求职者进行匹配。
在这方面，总部位于芝加哥的凯业必达(CareerBuilder)也不例外。这家成立25年的公司拥有一支由200多名专注于人工智能的数据科学家、工程师和专家组成的专业团队。近日，作为该公司所谓的“额外投资”的一部分，该公司宣布收购荷兰初创公司Textkernel——一家开发人工智能驱动的采购、领先产品和劳动力市场统计分析工具的公司。
“在我们近25年的工作经验中，我们发现招聘人员说一种语言，求职者说另一种语言。”凯业必达首席执行官伊琳娜·诺沃塞尔斯基说:“我们正在开发和实施一些技术，以缩小招聘市场的差距，改善招聘过程的各个阶段。”“收购Textkernel以及在人工智能领域的进一步投资，是我们为客户创造最先进解决方案的总体战略的一部分。我们的数据科学、研发和产品开发团队已经在快速工作，创造下一代技术和工具，让合格的求职者更快、更容易地找到工作，即使是在像我们现在这样的就业市场紧张的情况下。”
Textkernel成立于2001年，雇有大约120名员工，最初是一个商业研发分支，专注于提尔堡、安特卫普和阿姆斯特丹大学的自然语言处理和机器学习。它为软件供应商、招聘公告板、市场研究机构和临时招聘机构提供多语言简历解析器和语义搜索工具，其客户包括Monster、Manpower、Bosch和Bullhorn等公司。
在今天的收购之前，凯业必达是Textkernel的客户。凯业必达表示，它将利用该公司的人工智能技术，为其市场双方“提高业绩”。它已经在使用Textkernel的深度学习匹配器和Learning To Rank算法进行人才发现，这是一个人才获取的资源平台，用户可以通过识别技能、地理位置、经验和就业历史的模式来找到适合的工作。
即将推出的“人才发现伴侣”(Talent Discovery companion)应用程序最初是在2018年9月发布的，它将利用凯业必达(CareerBuilder)数据库中230多万个职位列表收集的数据，生成职位描述，并根据各种信号，将最有可能对招聘信息做出回应的求职者显示出来。它将加入该公司不断增长的产品组合中的其他AI-forward产品，包括去年底发布的一项工具，该工具允许求职者通过提交简历，自动向目标雇主申请职位。
“平均的人力资源技术和服务栈由20个供应商组成，它们有许多不同的集成点，但都是断开连接的。凯业必达首席产品官Humair Ghauri表示:“我们致力于通过提供世界级的人工智能解决方案，简化和现代化这一繁琐、低效的流程，这些解决方案能够解决实际问题，并对我们的客户产生可衡量的影响。”“5年前，我们是人工智能技术的早期采用者——全面整合Textkernel行业领先的技术，是我们承诺为客户提供更快、更高效地聘用最优秀人才的能力的自然下一步。”
以上为AI翻译，内容仅供参考
原文链接：CareerBuilder acquires Textkernel to bolster job-finding tools with AI
AI+招聘
亚马逊用AI筛简历被曝“性别歧视”，现已关闭应用
10月11日消息，据路透社报道，亚马逊的机器学习专家们发现了一个大问题，他们的新人工智能(AI)招聘引擎涉嫌歧视女性，为此已将其关闭。
一个戴有色眼镜的AI
五名知情人士表示，自2014年以来，这个团队始终在开发电脑程序以审查求职者的简历，目的是将寻找顶尖人才的任务自动化。自动化一直是亚马逊在电子商务领域占据主导地位的关键，无论是在配送中心内部还是制定价格决策时。
知情人士说，亚马逊的试验性招聘工具使用AI给应聘者打分，分数从一星到五星不等，就像购物者给亚马逊网站上的产品打分一样。其中一人说：“每个人都想要这个‘圣杯’。亚马逊真的想将其打造成引擎，给它100份简历，它会列出前五人，我们会聘用他们。”
但到2015年，亚马逊意识到其新系统并没有对软件开发人员和其他技术职位求职者进行性别中立式的评估。这是因为，亚马逊的电脑模型经过了培训，通过观察过去10年被提交给该公司的简历找出固有模式，并以此来审查应聘者。其中大部分简历来自男性，这也反映了男性在科技行业占主导地位的现状。
实际上，亚马逊的系统告诉自己，男性求职者更受青睐。这套系统对简历中含有“女子象棋俱乐部队长”等语句中的“女子”一词特别敏感。据知情人士透露，它还下调了两所女子学院的毕业生评级，但他们没有具体说明这些学校的名字。
亚马逊编辑了这些程序，使它们对这些特定的术语保持中立。但上述知情人士说，这并不能保证其AI系统不会设计出其他可能被证明具有歧视性的筛选求职者的方法。据不愿透露姓名的知情人士说，亚马逊最终在去年年初解散了团队，因为高管们对这个项目感到失望。
亚马逊的招聘人员在搜索新员工时查看了该工具提供的推荐信息，但他们表示，他们从来没有仅仅依靠其排名来做出判断。亚马逊拒绝就招聘引擎或其面临的挑战置评，但该公司表示，它致力于打造职场多样性和平等。
男性本身就多？
这些数据有什么问题呢？据路透社分析，可能是因为科技行业中的大部分技术岗位都是男性在做。自2017年起，路透社整理了一些公司公布的数据，从中可以看出，像谷歌、苹果、微软、Facebook这些公司，整体上男性占了2/3，而单独挑出技术岗位，男性比例则达到了将近4/5。
AI学会了人类的歧视
不过，数据量大小并不意味着少数数据就会被歧视，相信亚马逊的AI也不会傻到只选取简历数据中大多数人的共同特点，那样岂不是错过了少数天才？
在Hacker News和Reddit的评论区，一些更懂技术的网友把矛头对准了数据体现的亚马逊在招聘中现存的性别歧视问题。
从技术上讲，可以说这个人工智能是成功的，因为它模仿了亚马逊当前的招聘状态。
并给出了背后的逻辑。
机器学习过程不会引入任何偏差，但训练数据中存在的任何偏差都将在算法中忠实地展现出来。
也就是说，AI自己本身是一个天真无邪的“幼儿”，它不会自主的学会偏见和歧视，但如果给“幼儿”上课的“老师”亚马逊的招聘数据自身带了偏见，那么这些偏见就会“言传身教”给无辜的AI。
或者说，AI是从人类社会中，学会了人类的偏见和歧视。
我们不想让AI歧视女性，但这绝非易事，因为AI无法忽视它所学习的人类社会对女性的歧视。这绝对是一个难题，不仅仅是技术上的难题，更是哲学层面上的难题。
AI在无意中学会人类之恶，这并不是第一次发生。
此前的微软的聊天机器人Tay，就曾经学会了人类的那些极端言论，在Twitter上咒骂女权主义者和犹太人。
而招聘AI这一次，人类的错误让AI重蹈覆辙了。
“很显然，我们没有吸取微软Tay的任何教训。”有网友评论道。
这个AI靠抓关键词？
不只是训练数据的问题。路透社的报道中还披露了亚马逊训练AI的细节。
· 开发了500个针对特定工作职能及岗位的模型。
· 训练每个模型去识别过去求职者简历中出现的近5万个关键词。
· 模型算法按照重要程度给求职者的技能进行优先级排序。
所以这个AI，很大一部分工作是在抓关键词嘛。比如它偏好的“执行”、“抓取”这种词，在男性求职者的简历中出现次数更多，也从另一个维度造成了女性候选人的劣势。
因此，这也是导致性别歧视的一个原因。甚至，还可能会给人“钻空子”的机会。
Reddit上的一名网友评论称：
“亚马逊阅读简历的AI从一开始就注定了要失败，因为任何人都可以去学习怎样写好一份简历。让我写一份医生的简历，我打赌我会比真医生写的要好。”
想一想那些“简历写作技巧”的培训，是不是都告诉你HR看一份简历只要二三十秒，简历里有某些关键词、重要数据就能吸引HR的注意？
因此，这种抓关键词的机制，就得以让很多人通过强行往简历里塞关键词，而获得更高的星级，造成了另一种不公平。
AI招聘，道阻且长
根据招聘公司CareerBuilder 2017年在美国进行的一项调查，55%的人力资源经理表示，将会在未来五年中采用AI，并将其作为日常工作中的工具。
一些“激进”或者说有大量招聘需求的公司，已经将AI应用到招聘环节中去了。比如希尔顿酒店，就在招聘的时候，会先利用聊天机器人面试，并为求职者匹配合适的岗位，之后再进入下一轮面试。
在接受采访时，希尔顿招聘副主管Sarah Smart表示，“人工智能会分析求职者的语调、眼神和回答的表情，来判断求职者是否对工作富有热情，从而来帮助我们筛选求职者。”
具体体验怎么样呢？体验过聊天机器人面试官的Japser Rey说，“和聊天机器人对话时，我不用担心自己会分神，而且机器人不会戴有色眼镜看人，相对更公平公正一些。”
相对来说，大部分公司并没有将AI放到具体的招聘决策环节之中，只是作为一个辅助工具。
百度：将AI应用到了招聘上，在今年的校园招聘中，采用AI分析简历、推荐岗位。
高盛：开发了简历分析工具，会将求职者与“最适合”的部门进行匹配。
LinkedIn：根据网站上发布的岗位消息，利用算法为雇主提供求职者的排名。
尽管人们对AI招聘并不十分待见，但却无法阻挡这样一个趋势：AI终将左右你找工作这件事。
它只会迟到，但不会缺席。
原文链接：亚马逊AI惹众怒：一个没有意识的程序，竟然自己学会了“重男轻女”
亚马逊用AI筛简历发现“性别歧视”? 最终关闭
AI+招聘
2018年关于人工智能招聘的3个趋势
看起来招聘人员正在接受它：最近一项来自Jobvite的调查发现，接近 50％的招聘人员 对AI的工作效果感到乐观，而只有7％的人认为AI会产生负面影响。
2018年 人工智能和自动化仍将成为招聘的主要主题。
2017年，大多数招聘团队都熟悉了人工智能，机器学习和自然语言处理的概念。2018年，我们将看到在招聘生命周期中AI功能的成熟和主流化。
这里是我对AI的前三名预测，并在2018年招聘。
1.“AI for ...”具体的招聘功能成为主流
随着招聘人员开始了解如何利用人工智能来解决具体的痛点，我们将看到从“招聘人工智能”这个更普遍的想法转向更具体的应用，例如“ 采购人工智能 ”或“ 筛查人工智能 ” 。
2018年，随着人工智能产品在ATS，CRM和HRM市场中变得更加广泛和可用，“AI for ...”将成为人才招聘专业人员购买的最佳附加类别，类似于他们如何选择招聘目前的软件工具。
2. Chatbots成为新的“移动友好”功能
招聘已经看到了许多趋势和时尚，其中一些成为主流和根深蒂固。最后一个成为主流的大趋势可以说是职业网站和工作应用的“移动友好”功能。
这意味着如果您的求职申请流程对候选人和招聘人员来说都不适合移动设备，那么您的流程将落后于同行并需要更新。
2018年，拥有人工智能聊天机器人帮助预筛选和预选资格的人将成为新的“移动友好”功能。
由于大量的效率提升和他们所代表的候选人体验的改善，招募人员聊天机器人正受到如此多的关注。
根据Allegis的一项调查，有66％的候选人可以与聊天机器人进行互动，市场准备好接受大规模采用。
3.人工智能在招聘过程中向上游移动
目前，人工智能职能主要集中在招聘的早期部分：采购，筛选和初步候选人推广。
2018年，人工智能将在招聘过程中变得更加普遍，以改善上岗和培训等活动。
AI使用大量数据提供更准确的建议和建议。这意味着 人工智能可以集成到入门和学习管理系统中，以提供基于新员工的技能，知识和先前经验的定制程序。
AI+招聘
“AI+招聘”是未来，还是噱头？
作者：仟寻CEO王向导，编辑：徐宁
作者王向导是仟寻MoSeeker创始人兼CEO、长江商学院EMBA、中欧创业营5期、腾讯青腾大学2期学员。在创办仟寻之前曾在百度、IBM、飞利浦等世界500强企业从事人力资源管理及市场营销工作 。“仟寻”是一款基于微信的 SaaS 移动招聘系统，主要功能包括职位的移动端发布、传播和申请，以及基于社交关系的员工绑定和内部推荐。仟寻系统记录企业和用户端所有的发布、传播、申请和入职数据，同时可以与企业现有的 ATS（申请追踪系统或企业招聘系统）系统整合。
以下是正文：
随着AI及相关新技术的高速发展，HR领域也必将是另一个受益行业。目前在招聘领域的技术革新主要集中在以下三个方向：
第一种是对现有人才库的盘活，包括自动更新企业人才库，并基于新职位做库内最佳候选人的推荐。这试图解决的是人才库浪费，就是那些所谓把“人才鱼塘”重新激活的问题。
第二种方向是自动化人才甄选，包括自动化笔试、面试以及基于聊天机器人的甄选工具。这试图解决的是人才甄选的效率问题。
第三种方向是激活被动求职者，包括基于社交网络、UGC内容、ChatBot和匹配算法的综合应用。这试图解决的是影响并转化被动求职者的问题。
下面看一下这三种方向所涉及的新技术和其应用的现状。
一、人才库盘活：
人才库盘活是近年来的一个活跃话题。这个方向上的应用，其最终理想的场景是，当HR向外部发布职位的时候，系统可以自动提示她，企业自有人才库里面已经有这n个候选人，满足以下两个条件：
1）候选学历、技能和经验与JD要求高度匹配
2）候选人在最近于招聘网站更新过简历
如此一来这位HR可以直接从这n个整整齐齐排序的自有候选人中依次查看联络，而不需要再依赖一般来说需要付费的外界渠道。对于职位和候选人数量庞大的大型雇主来说，这个理想场景，如果能够实现，那是非常具有吸引力的。因此不论是在硅谷还是国内，都有一些公司尝试这个方向上的产品研发。但是，如上文所述，这个理想场景需要基于两个前提：
1）基于JD和简历的文本匹配技术是否能够达到有效甄选的水平（比如讲误杀的候选人数量是否比成功匹配的候选人数量多得多）
2）候选人的简历数据作为匹配的主要输入，是否能保持充分地更新度
第一点是说，基于文本（简历和JD）的匹配技术（主要基于是 自然语言处理（NLP）的算法）在充分的数据量（简历和JD）和人工干预（训练集）下，是否能使得系统（机器学习过程）输出近似于人类选择的结果。这种结果的近似度，就是衡量所谓AI的效度。那么这种近似度怎么衡量呢？一种简单的方式，就是针对同一个职位和对同一批简历，同时请系统和本公司的一个HR委员会进行筛选排序，然后对比两者的结果。举例来说，假设总共1000份简历，HR和系统都选择了其中的50份，那么这50份里面有多少是重合的？这个重合度就是机器判断的效果的一个主要衡量。如果重合的有45个，那么就是极为有效，近似自然误差；但是如果重合的只有10个，甚至个别，那么这个系统就基本无效，因为他误杀的简历比他推荐的多得多。
这里的挑战就是，我们不知道基于雇主有限的简历和JD语料，匹配有效性的极限是多少。比如说投递给各个岗位的，合格和不合格的50万份简历，能否构成一个足够有效的语料库？同时，雇主能够承担多大成本的人工标签工作？在现实的条件下，这些有限的语料和人工投入是否能够导出一个有效的AI推荐系统？
这个问题我们询问过Recruit研究院的CEO Alon Halevy教授，也请教过欧美市场最大的求职网站Indeed.com的总裁Chris Hyams，这两家机构拥有世界上最大数量的JD和简历数据，他们一方面对人工智能的在HR领域的应用保佑希望和期待也在践行，另一方便也保留一个成熟而且务实的观点。他们的回答都是有所保留的。他们有提到以下几点：
第一，目前的AI匹配技术仅仅在少数一些职位上达成足够高的可用性，比如说卡车司机。（卡车司机在美国是一个庞大群体，且其能力和要求较容易被模型化。）
第二，他们对AI匹配技术的预期是从1000份简历中剔除800份，而不是选出50份。选出50份的方式，主要还是靠更精细的关键词组合搜索。
第三，即使无限的机器学习过程使得某一家雇主的某一批职位能够逼近有效的机器筛选，这种筛选算法也无法在不经过新的训练过程的情况下，简单地推广到其他职位，更不要说其它雇主（原因之一是，同一个JD，不同的雇主其实要求是不同的，招聘需求有很多文本之外的“潜规则“）；所以跨公司的，平台性质的普适匹配算法在可预见的未来是不现实的。
综上，人才和机会的AI匹配显然具有巨大的潜力和价值，但离商业化应用，还有一定距离。
王向导和Indeed.com总裁Chris Hyams以及仟寻联合创始人戴顺在位于美国奥斯汀的Indeed.com总部
除了匹配的效度以外，人才库盘活的第二个前提是候选人在各处的简历是否能够在库中保持更新。原因是显而易见的：不更新的简历不是一个可靠的匹配算法输入源，不能有效反应求职者的当前意愿。
这一点也有实现上的难度。这里的难度倒不在技术上，而在法律法规上。中国候选人更新简历的地方主要是在前程无忧、智联招聘和猎聘等求职网站上。而这些网站并不对外开放其简历数据库，且明确规定了获取其数据的合法方式。这意味着目前市面上所有的所谓“跨平台一键简历检索(Sourcing)”和“企业人才库简历自动更新”由于招聘网站的频繁反爬升级，经常出现各种体验糟糕的“服务故障”，我跟三大招聘网站的高级管理层曾经也有过关于这种生意模式的深入探讨，他们认为这种方法实际上从商业模式的本质上来说是属于“见不得光的生意”，不可持续，对于雇主来说账号的安全也存在很大的风险，因为雇主一旦在第三方的网站上面提供了用户名和密码信息等，是否被明文存贮都是未知的。
举一个实际的例子，这类网站经常会把用户的账号来拿在非工作时间，比如深夜2点开始爬取求职网站的数据库，一旦被扫描侦测到也会对雇主的账号进行封禁，这就引出了另一个话题：从多家使用过该类功能的雇主了解到，老板可能觉得还好，但由于三天两头出现问题，干活的Recruiter（招聘专员）基本不愿意用，导致买了一年的服务往往过了没几天就束之高阁；另一方面这些功能都是基于一个有明显法律瑕疵的数据获取方式，很多公司都要偷偷地避开合规部门的过问和审核。但是，数据获取问题其实还不是最主要的法律问题。
这里有一个更要命的问题，就是我国在个人信息保护方面的立法。这包括即将颁布的《个人信息保护法》，以及今年6月1日刚刚生效的两高《关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》。《解释》中明确了：
第一条：刑法第二百五十三条之一规定的“公民个人信息”，是指以电子或者其他方式记录的能够单独或者与其他信息结合识别特定自然人身份或者反映特定自然人活动情况的各种信息，包括姓名、身份证件号码、通信通讯联系方式、住址、账号密码、财产状况、行踪轨迹等。
第三条：未经被收集者同意，将合法收集的公民个人信息向他人提供的，属于刑法第二百五十三条之一规定的“提供公民个人信息”。
第四条：违反国家有关规定，通过购买、收受、交换等方式获取公民个人信息，或者在履行职责、提供服务过程中收集公民个人信息的，属于刑法第二百五十三条之一第三款规定的“以其他方法非法获取公民个人信息”。
简单来讲，公民同意用户协议并将个人隐私信息授权给招聘网站是符合法律的；但是公民并没有授权一家雇主，使用某种软件工具，去采集、保存、分析他储存在招聘网站上的个人隐私数据（包括住址、联系方式、履历等，而且候选人实际上原先可以对指定的公司不显示更新以保护自己的隐私意图）。
简历到底是否属于刑法中定义的“公民个人信息”呢？答案是明确而且肯定的。去年发生过一起案件，智联招聘的两位前员工和他们的一位客户的人事经理（注意，这是一位人事经理！）非正常途径获取智联招聘数据库中的15万条简历信息进行倒买倒卖，智联前员工连同这位人事经理一起被判处3年6个月至1年6个月的有期徒刑。【1】
无独有偶，美国实际上在保护公民隐私的立法上也相当严格，美国招聘行业新秀TalentBin，也因为爬取数据并且出售给客户最终被告上法庭，法院最终作出裁决需要网站对未经授权并使用其信息的候选人进行赔偿。【2】
综上所述，因为职位描述(JD)/简历(CV)匹配技术的不成熟，以及更重要的，法律法规上的红线，“人才鱼塘盘活”目前看来似乎还是一个现实中荆棘遍布的良好愿望，当法规越来越明确，HR在使用这类产品的时候也会越来越谨慎。
王向导和Recruit Institute of Technology CEO Alon Halvey博士、前Google Data Research负责人以及仟寻联合创始人戴顺在位于硅谷山景城的RIT办公室
二、自动化测评：
典型的自动化测评主要包括基于文本的自然语言处理（NLP）和基于人脸识别的视频面试技术。基于NLP的测评又分为两种类型，包括开放性问题的文本回答，以及基于ChatBot（聊天机器人）对话的测评；机器则试图通过其文本回答中的语素分析来建模并且预测候选人的性格特征。而基于人脸识别的视频面试技术，分析视频面试时的语言表达、声调、表情和其他非语言因素，并进行建模且试图预测。这些甄选方式最主要的卖点是效率。即快速从大量面试者中挑选出值得下一轮人工面试的少部分候选人。但是这些测评方式的效果（效度）如何，即这些测评工具的结果是否靠谱，目前还没明确的证据和结论。
有关这个话题，可以先看Google的做法：
在2006年的夏天，Todd Carlisle，一个拥有组织心理学博士学位的Google分析师，设计了一份300题的问卷让每个员工填写。一些问题是封闭性问题：你曾经创造过世界纪录吗？一些则要求员给自己打分：请给自己的工作风格偏好打分，独立工作型（1分）还是团队工作型（5分）。还有一些很琐碎的问题：你养了什么类型的宠物？
Google尝试将Google搜索的要求运用到人力资源过程中：它需要一套能在成千上万候选人中过滤筛选的搜索算法——Google的员工录用率约为0.2%，是哈佛大学录取率的1/25——拒绝掉一批顶尖的候选人。但在大量问答题及数据处理后，发现最好的表现预测因素不是G.P.A.，也不是宠物类型，也不是智力问答“钟表的指针一天会重合多少次？”唯一的最佳预测因素是：根本不存在（Absolutely nothing）。【3】
几年前，Google做了一项研究来验证是否在Google的每个招聘人员都特别擅长招聘。为此观察了上千场面试和几百个面试官，包括他们对候选人评分，也包括候选人最后在工作中的表现。最终结论是：这些变量中间没有丝毫联系。总体上来说是随机的，只存在一个例外：有一个面试官的评价是特别准确的，因为他负责一个非常专精的领域，而他本人恰巧是这个领域全球领先的专家。
也就是说，对于招聘过程而言，智力测试（Quiz）完全是浪费时间。一架飞机里能塞满多少高尔夫球？在曼哈顿有多少加油站？完全在浪费时间。这些题目不会帮助预见任何事。它们的功能主要是让面试显得“聪明“。
反而，最靠谱的还是结构化行为面试，在这类面试中有一系列连续的怎样评价候选人的指标，而不是仅让每个面试官自由发挥。
行为面试的作用还在于——你给候选人的不是一个假设性的问题，而是一个实际问题，比如说“告诉我你的一次解决分析性难题的经历“。行为化面试的有趣之处在于当你让别人讲述自身经历时，当你反复询问时，你会得到两方面的信息。一个是你将看到候选人是怎么应对现实世界的处境，另一个你会得到的珍贵的”元信息“（Meta Information）是对候选人来说什么是困难的。【4】
Google曾经因只雇佣30岁以下的候选人而闻名，使用智力测试来识别顶尖编程人才，信赖学术资格证书，尤其青睐有名校背景的候选人。而现在已经不再是这样:因为成绩单没有预测性。
有趣的是在Google公司没有接受过大学教育的员工比例在逐年上升。学术环境是人为的，在此环境中取得成功的人多少经受过相应的训练，他们能适应这种环境并取得成功。实际上，企业需要乐于解决没有明显答案的问题的员工。
回到自动化测评的话题。
如果Google经过一个庞大内部研究最后的结论是，大数在人才甄选上的价值仍旧有限，那么目前市场上的这些层出不穷的“AI黑科技”，比方说基于自然语言处理的甄选方式（比方说，通过判断候选人的写作或是语音回答中的用词和语调是否“正面积极”来判断其个性，继而预测其工作表现）或是基于人脸识别的方式（比如说，分析面部微表情和眼神反应，继而somehow预测其工作表现）是否真的能够以“一招鲜”的方式，完全取代人类判断呢？
三、被动求职者激活：
根据LinkedIn和中华英才的数据，在中国，80%的候选人是被动求职者。也就是说，会主动发起一个求职行为的候选人，只占到所有候选人中的20%。同时，这20%也往往是价值相对较低，职场经历相对较少的人群。
中国的招聘市场每年大约有1000亿人民币的规模。但是所有线上招聘提供商一年的收入加在一起只有50亿，只占到整个市场的5%。另外95%的交易都发生在各种线下渠道。也就是说，20%的被动求职者（会上各种招聘网站的用户）只能贡献5%的市场价值。同时雇主也不断抱怨招聘网站的效果越来越糟糕。
LinkedIn之所以能够以262亿美元的价格被微软收购（几乎十倍于在纽交所上市的中国最大的招聘网站前程无忧），是因为在全球的很多地区，LinkedIn把被动求职者一网打尽。在美国，每三个人中就有一个是LinkedIn的用户，也就是说除了家庭主妇、学生儿童、退休人士以外，几乎所有职场人都可以在LinkedIn上被找到。这使得原本的分散在各猎头公司数据库里的庞大匿名求职者群体变得触手可及。LinkedIn在北美和欧洲给企业带来的是这个价值，即，通过我你能找到几乎所有人。那么这些人来不来你们公司应聘，就是你雇主吸引力的问题了，所以LinkedIn另一个强调的点就是对你的目标群体加强雇主品牌宣贯。
有意思的是，中国由于其国情，有一个国人自己的互联网生态。纵然LinkedIn是少数几家在中国运营的世界十大网站，LinkedIn在中国也不能算是成功的。LinkedIn在中国仍旧主要是外企员工会使用的平台，即便使用，活跃度和LinkedIn在美国也不可同日而语。这里面有很多原因使然，其中几个主要原因或许是：
1）中国人的实用主义民族习惯：相比从小受到《圣经》熏陶，倾向于相信“神造万物，各按其时成为美好”的西方人，中国人不太在意每一样工具被创造出来时候的目的是什么。相比工具主义理念盛行的西方人自动地用Facebook去联络熟人朋友，用Twitter转发新闻，用Instagram拍照上传，WhatsApp进行即时通讯，用LinkedIn管理职场关系；实用主义思维下的中国人倾向于，如果一个工具能解决所有问题，那就都用它得了。因此，中国的社交媒体基本上就是一个词：微信。加LinkedIn没有问题，但是最好加了LinkedIn之后再加一下微信：咱们微信上聊。
2）中国人对陌生人社交的天然不感冒。对于在海外生活过，或是偶尔走出国门瞧瞧的朋友们来说，一个感受就是中国陌生人之间的信任成本非常高。因而在美国，将履历向大众公开，并和陌生人通过LinkedIn建立有效联系，一起出去喝一杯，是一件挺自然的事情；但是在中国，这就比较不寻常，比较不习惯。笔者认为这也是为何LinkedIn在中国没有发展那么迅速的原因之一。在中国，成功的陌生人社交，好像只有荷尔蒙社交。
因此LinkedIn在中国似乎总是处于一个叫好不叫座的情况。LinkedIn据称在中国有千家客户，根据HREC智享会在2016年的调研报告，其中似乎只有10%的客户会检测其使用效果，而剩下的90%，主要是把LinkedIn作为一个新的渠道进行没有明确预期的尝试。
回到主题，因为中国不存在一个连接广大被动求职者群体的平台，（或者说这个平台实际上就是微信：根据企鹅智库的数据报告，平均来说，实际上微信朋友关系中超过60%的每月新增朋友都是泛职场关系；换句话说，你的老朋友和老同学不会每月再增加，增加的一般都是工作相关的关系。微信已经越来越成为一个职业社交工具，而不再是纯粹的熟人社交工具。）导致这个品类在中国实际上是一个空白，也导致雇主不得不仍旧往往依赖于第三方猎头机构才能有效触达大量较为资深的专业人士。
有没有什么办法可以让这些被动求职者聚集到一处，并且不断主动访问呢？这个问题牵涉到社交网络、推荐算法、内容制造、ChatBot技术等一系列技术的综合运用。对被动求职者的触达和激活，意味着技术不再是仅仅去匹配一小部分的主动求职者，而是帮助雇主把视野扩大到全体劳动人民的范围。
相关引用：
智联招聘卖简历案终审 主管获刑三年半
TALENTBIN CANDIDATE PROFILE CLASS ACTION SETTLEMENT
“In Head-Hunting, Big Data May Not Be Such a Big Deal,” by Adam Bryant, New York Times, June 19, 2013.
“The Science of Smart Hiring,” by Derek Thompson, The Atlantic, April 10, 2016
扫一扫 加微信
hrtechchina
AI+招聘
AI+招聘
AI+招聘
AI+招聘
AI+招聘
AI+招聘
AI+招聘
AI+招聘
AI+招聘
扫一扫 加微信
hrtechchina
