某药企——《人工智能（AI）在人力资源领域的应用与展望》案例分享

企业每年有60%-70% 的岗位招聘是来自医药代表，其工作是在医院进行学术推广，无论是从人才的招聘量还是质都应有保障。实际上，在企业对此类岗位的招聘过程中，遇到许多无形中增加压力的现象，比如候选人到场率不高。企业应用AI 面试为候选人提供便捷和灵活的方式，可以让他们随时随地进入到面试情况汇总，完成初次面试轮次。这样的方式，其实是让AI 代替了HR 的面试初筛工作，实质上仍然是从效率提升为根本，简化企业与候选人初次沟通的流程工作。

AI 面试场景搭建

根据企业的AI 面试机器人，其实是内嵌在微信公众平台的语音测评工具，候选人进入微信平台后，可以点开链接进入面试。在这个过程中，他们被要求回答五项问题，回答的方式文字和语音都是被允许的。

其内部的测评能力方向分为五大类，难点在于如何通过让机器理解候选人整段语音的语义，而不是靠关键词来找出相关性。队测试时特地试过，如果用关键此回复是否就能得到高分，其实不然，在用到自然语言处理的技术上，机器对于候选人回复的内容判断不仅仅是寻找关联性，而是尝试理解和感知。

其次，根据五项问题，招聘团队需要去判定什么类型的答案是优质的，这些答案又将如何对应到其能力维度，而评判标准设立又十分关键，直接影响AI 算法对面试候选人的评判维度。

就底层算法而言，此项技术所针对的人群是人才能力测评结构比较简单的候选人群体，常见的有销售岗。

在项目推进的过程中，最困难的是在数据语录的采集。传统的招聘软件并不会记录候选人的问题，回答的答案，HR 究竟怎么提问的， 这些都有游离在主系统数据之外。但是在人机交互，机器需要通过对话内容来判断其胜任力，那么候选人与企业两方之间的交流都需要被落到数据规则中。对此，企业的方式是，故意让面试官对候选人提出许多的问题，详细记录候选人回复，通过解析回复来对应其胜任力模型。

          能力评分模型

最开始的在项目实施中的数据多来自于人才库的数据、面试流程的数据，但是当HR 开始做AI 面试的产品，缺乏最多的就是面试过程的数据，具体指的是：面试官问了什么? 候选人怎么回答的？怎么根据候选人的各项能力去打分。

当HR 发现缺乏这些数据时，就会出现盲点，不知道怎么去进行能力评分模型，如果要评分，评分的依据是什么？候选人回答了什么问题？回答的质量又如何，这些行为数据在日常中是没有记录的。

所以，企业刚开始仅仅是不断输入新的数据喂养，当一个候选人回答了一段问题，HR 应该给他的沟通能力、表达能力打什么样的分数， 这是HR 在做模型时最困难的事情，这类型的数据是从无到有的过程， 花费了半年的实践去沉淀和收集大量的数据。企业会收集所有候选人针对每一道题的语音回答，收集完成后，组织内部专家针对每一项的回答，在能力素质维度上去做评分，有了这样的数据基础之后，HR 再去简历模型，后面通过不断的数据喂养，让模型通过深度学习形成一个能力评分。

快速应用且更新产品

基于数据的能力算法训练，一定是需要有大量的新数据喂养，这就不得不让新产品比如要在短时间内投入使用中。企业在最开始应用这项技术时，信效度仅有60%，然后经过一段时间的训练，现在的面试信效度高达90%。

信息度提升的背后是需要有大量候选人的采取才能形成深度学习。在投入应用的一年多时间，企业测试了400 个候选人，他们在招聘过程中所产生的交互数据都被记录到AI 算法中。