FB 粉絲團
哪裡不一樣—— Reason VS. Cause
哪裡不一樣—— Maintain VS. Remain
哪裡不一樣—— Question VS. Problem
哪裡不一樣—— Reply VS. Response
哪裡不一樣—— Empathy VS. Sympathy
哪裡不一樣—— Effective VS. Efficient
哪裡不一樣—— Duty VS. Responsibility
哪裡不一樣—— Data VS. Information
哪裡不一樣—— Assure VS. Ensure VS. Insure
哪裡不一樣—— Common VS. Normal VS. Ordinary
 |
未來工作: AI面試官
導入AI 招募系統的優勢
1. 評判標準更客觀
AI的評比標準以大數據為基礎，應試者的篩選不受面試官的個人偏好影響。
2. 面談過程更嚴謹
結合心理學的理論應用，AI能辨別情緒變化，分析應試者的談話意圖、習慣、個性，判斷不實的陳述。
3. 行政流程自動化
成熟的AI一天約能分析1萬份履歷自傳。一旦把行政流程交由機器代勞，人資專業能更多投資在企劃構想、擬定策略等層面。
4. 企業管理智慧化
招募過程將不僅止於面試，目前包括沃瑪爾（Wal-Mart）、瑞士信貸等知名企業，已開始將AI招募系統應用於員工的職涯培訓，定期評比工作狀態，適性化地調整職務。
AI 面試官比你想得更周到
觀察你的一舉一動：生物辨識系統
AI 面試官能在面試中觀測求職者的細微狀態，知道你現在的情緒與態度，包括眼睛動向、表情、聲音語速、肢體語言等，韓國公司Midas IT 所開發的面試系統In Air 就是一個例子。
日常用語也通：自然語言處理(Natural Language Processing)
NPL 主要是讓機器人理解我們日常口語的語意，常被應用於談話型AI，也有人資科技公司把它應用在社群平台的資料蒐集。像是新加坡企業所開發AI 招募平台TalentMind，能在經過應試者的授權後，分析Facebook 的公開資訊、使用者與人互動時的用語，作為應試者在「履歷外」的評估標準。
閱人無數的媒人：大數據與深度學習(big data & deep learning）
AI 目前的分析層面仍以文字訊息為主，以大量的數據作為評比履歷的標準，在累積相當的經驗後，能夠快速、客觀地分析應試者各個面向的能力，並進行配對。美國企業Talent Sonar 就以這種方式預測職位適配性，判斷求職者能否符合公司的核心價值。
24/7 為你服務：智能化會談平台（Chatbot）
有越來越多的企業會在公司網站架設會談系統，能隨時回答應試者的疑難雜症，近期的Chatbot 已不像傳統的問答機器人，只能進行簡單的Q&A，它已經能流暢且自然地談話，扮演起招募助理的角色，像是：預約面試日期、安排地點、寄送確認信，香港企業Talkpush 的Chatbot 甚至能透過視訊方式與應徵者預先面談、紀錄面談的過程並提供分析數據給人資部門。
人資領域的挑戰與契機
隨著AI 能勝任的工作越來越多，人資工作勢必會面臨轉型。AI 作為招募系統，能夠更多元、深入地認識應試者。同時能系統化地追蹤到職員工的工作表現，作為日後招募活動的評判基準。
然而，機器雖能提供高速審閱，但處理大量數據仍難免會出現「看走眼」的情況。加上人工智慧還無法辨別應試者的「潛力」和「思考能力」，為了避免篩選掉值得栽培的新人，人資目前尚須扮演教練的角色，即時除錯並提供AI 正確的判斷方向。
儘管如此AI 招募系統還有可以突破的空間，這也代表著人資領域將有更多「人機合作」的機會。
本文摘錄自一張圖搞懂 #我的英文代名詞 2018年10月號
訂閱雜誌
| 加入Line好友 |  |  |