硅谷Live / 实地探访 / 热点探秘 / 深度探讨
每个找工作的人都深有体会:这是件劳心劳力费时间的事情,而且结果往往不尽如人意,并带来巨大的挫败感。那么,基于人工智能的个性化推荐系统,能否大大简化这个过程,并且让找到满意工作的概率大幅度提高?
个性化推荐的时代
这什么意思呢?大家想一想,今日头条和 Facebook “信息流”式的阅读推荐系统是否在左右我们的阅读?你是不是曾经在淘宝和亚马逊上因为他们的推荐而下单?就连在线交友都是靠个性化推荐来匹配。
Facebook 的 News Feed 系统,“让你看到和你最相关的东西”
传统的人工编辑方式正被淘汰;传统的铺陈式百货商店也面临挑战;现在是推荐系统吞噬一切;不能做个性化推荐的服务都面临巨大的挑战。那么,是不是招聘行业也会是这样一个趋势?
目前,招聘行业面临着严重的匹配困境:一个找工作的候选人需要海投数百份简历、面试几十家公司,才可能找到合适的工作;而公司也花费大量的时间精力金钱在招聘上,但往往找不到合适的人或者找到了人家不愿意来,整个流程对双方都造成巨大的浪费。
为什么没有一个公司直接根据我们的特性推荐最适合我们的公司,节约雇主和应聘者的时间?
从个人角度讲,进入个人能力胜任且三观和睦的公司,是事业起飞的基础;而招到适合的人才,则对企业的生存发展至关重要。那么,有行之有效并且能普遍推广的方法,让招聘实现个性化推荐和精准匹配吗?
放在以前,答案是否定的:往往求职候选人进入公司并工作一段时间后,才能了解双方是否契合。但现在得益于人工智能(尤其是大数据和深度学习)技术的成果,“找到理想工作”的美好愿景离我们越来越近。并且,在硅谷,人工智能在 HR 领域的应用正成为创业风口之一。硅谷密探独家专访了这其中具有代表性的创业公司 Leap.ai,希望以其为例,讲述如何做到“精准招聘”,以及它如何引领新的招聘行业变革。
首先,密探必须介绍一下 Leap.ai 的 CEO,Richard Liu,他的经历颇具传奇色彩:Richard 在谷歌有近八年的工作经历,离开谷歌前做到了 Engineering Director(工程总监)并主导过一系列重要产品研发。他曾利用 20% 的时间做出 Google Trusted Stores 这个对电商领域影响深远的产品;先后参与和主导过谷歌企业搜索、Google Shopping、Google Offers等项目,也是很受用户好评的 Google 虚拟运营商产品 Project Fi 的技术总负责人。
Leap.ai 两位联合创始人,左为 CEO Richard Liu,右为 CTO 周云凯(Yunkai Zhou)
Project Fi 于 2015 年推出,是 Google 推动全球移动运营商前进的关键一步。相对于运营商而言,它解决了一个技术性难题:如何在不同制式的蜂窝网络之间智能切换,自动链接到高质量 WiFi 热点和 VPN,从而提高网络质量、控制数据使用和降低话费。该产品获得 94% 的用户满意度好评:这是在电信领域难以想象的高度。
Google如何招聘?
在谷歌多年,Richard 本人面试、招聘和辅导过不下 500 人,在此过程中他愈发体会到:候选人简历能反映出来的信息非常有限,很多招聘经理看重的东西,比如员工的快速学习能力、主观能动性、和克服困难的能力 (Grit) ,在简历和面试中很难体现。
Google 面试不仅要打动面试官,也要通过后面的 hiring committee 和 VP review。能不能通过 Google 面试在很多人眼里也成了自己水平的试金石。在外人的眼里,Google 的工程师面试侧重于实际编程和算法能力,但实际上有经验的面试官都会侧重于你的思维过程。重点不在你有没有得出正确答案,而是你有没有系统地思考解决问题的各种方案、并清晰地讲出你选择某个方案的理由。虽然整个过程会错杀不少优秀人才,也成功地筛选了智力和计算机科学基础不够 Google 门槛的求职者。
如果招进来发现不合适,就会很影响效率,甚至影响团队氛围,也比较难处理。更不妙的是,这个问题可能出现在公司的各个团队,导致公司一步步陷入凝聚力涣散、企业文化不稳的危险之中。
因此,在他做出创业的决定时,就选准了 “个性化的精准招聘” 这个方向,并拉来了Leap.ai 的联合创始人周云凯(Yunkai Zhou),后者在谷歌时就是业内知名的人工智能专家。
2016 年 4 月 1 号,Leap.ai 正式成立,如今已经拥有超过 50 家企业用户,包括 Dropbox、Cloudera、Uber、Zoom 等独角兽级别创业公司和上市公司。
同时,很多中国科技巨头企业的硅谷分公司也选择和 Leap.ai 合作,比如百度、蚂蚁金服、滴滴。这部分得益于两位联合创始人在硅谷深耕多年攒下的信誉和人脉,尤其是谷歌的经历。硅谷有个不成文的“真理”:任何一家稍有规模的公司,都肯定会有前谷歌员工在该公司做高管。
为什么 Leap.ai 重点合作高速发展中的科技公司?以成长阶段分类,公司可以分为三类:
1)早期创业公司
2)高速成长公司
3)成熟稳定公司
通常最为合理的路径是,刚出校园的毕业生可以选择去第三类公司,经过2-5年系统训练和技能增强,进入第二类公司。从业务上而言,接触的内容更为广泛,但同时也可以找到很好的老员工来传帮带。同时,高速发展中的公司一旦进入 IPO,会有不少新的高层职位开放,有着更为合理的晋升渠道。
Leap.ai 怎么做到“精准招聘”?
除了纸面上可见的学历、工作经验、掌握的语言和专业知识等能和招聘职位来做匹配的,更关键的其实是确定候选人本人的态度倾向和价值观是否匹配企业文化与结构。
“精准招聘”中,候选人和企业是在信息尽量对等的前提下进行双向选择(传统招聘中双方信息往往不对等)。从候选人的角度看,Leap.ai 要求他们首先在网站上注册,在此过程中候选人需要填写一系列的问题,用以判断他们的态度性格选择倾向等。大家一定疑惑:这种非常主观的东西要如何凭借一些问题作出准确判断?以及如何确定候选人说的是真话呢?
Leap.ai 的两个机制很好地解决了这样的疑问。首先,注册 Leap.ai 的候选人可以邀请自己的好友和同事,对自己做出评价。更多的人参与点评会让候选人积累更多credibility(可信度),更能获得更个性化的、适合自己的职位匹配。
Richard 给了个小花絮:在获得足够多的数据后,能统计出一些有意思的现象。比如在 “请给自己的社交能力打分” 这样的题目下,来自同事朋友的评分往往比候选人的自我评分高很多;而在 “团队合作能力” 上,他人评价的平均分值要比侯选人的自我评价来得低。也就是说,很多人往往高估了自己的团队合作能力,而低估了自己的社交能力。
第二个机制就是cross-checking,即 “交叉检查”。这其实是问卷调查中常见的一种方法,适用不同的问题形式对同一个主题多次发问,通过前后对照判断答题者真正的态度和答案。
比如说,Leap.ai 会询问候选人 “你更倾向于去成熟的大公司还是快速发展的创业公司?” 这时候很多人都选择后者;但在“列举出你最愿意去的五家公司”时,部分人写的依然是那些耳熟能详的名字:谷歌、亚马逊、Facebook、Apple…...综合这两个答案,我们能判断出答题者真正愿意的还是去大公司稳定发展,而 Leap.ai 会根据他们真正的就业倾向来推荐合适的公司和职位。
涨姿势
Take Away
那密探又发问了:很多人把企业文化作为选择工作的主要考虑因素之一,可是除了大公司企业文化比较好判断以外(比如我们熟知的 Uber “丛林法则” 和苹果的“工程师思维”),如何迅速了解中小企业的文化氛围呢?
通过初面概率从10%到70%
Richard 回答说,首先,Leap.ai 会通过在 Glassdoor 等知名职位评价网站处采集信息,来做出初步判断。在这些网站上,你几乎能发现 99% 以上的美国公司,和它们的前任现任雇员写下的评价。
其次,他们会去所有的客户公司拜访并和负责人坐下详聊。最后,对创业公司而言,Leap.ai 会重点关注公司的投融资情况,甚至向投资机构了解公司情况,以确保公司的靠谱程度。
做完候选人和客户公司的调查,最后一步就是对双方进行匹配了。在这一步 Leap.ai采取大数据分析和机器学习的算法,但具体细节涉及到公司核心机密,此处不展开细节分析。
可以肯定的是,人工智能显著提高了匹配的效率和成果。举个例子,Leap.ai 给客户推荐的候选人,通过客户初次面试的概率竟然达到 70%!要知道,一般求职找工作过程中,首轮面试通过率不会超过 10%。
Leap.ai 只有在成功帮助客户公司招到合适的人才时才会收费,并且以精准的匹配率,大大节省了客户的时间和精力。这里要特意指出的一点是,很多时候公司给了候选人工作 offer,但候选人只是拿其当个“保底的” 或者根本不想去,导致公司 “竹篮打水一场空”。但 Leap.ai 都会事先帮客户作出判断:如果拿到 offer,候选人是否有相当高的几率想去客户公司?只有答案为“是”,他们才会推荐。
别因“不知道”而错过机会
Richard 解释,其实 “精准招聘” 对个人来说,最重要的是帮你获得更多的机会,而这些机会你原本都不知道其存在。我们无法时刻对外界动态了解的一清二楚,但很多人又希望 “在独角兽成为独角兽之前进去” ,在其上市后一举实现财务自由。
Leap.ai 就是为候选人提供 “你本来不知道的机会” 。当然不是每家公司都能成为独角兽或者 IPO,但也不是每个人都能进入这些公司,Leap.ai 本质上是想为每个人提供 “最适合你的机会” ,这是 “精准招聘” 对个人的重要意义。
以 Leap.ai 为代表,人工智能大举进攻招聘行业已经势不可挡。新技术不仅可以代替此前需要大量人力时间的重复性工作,比如筛选简历;更有价值和意义的点,是通过对大数据的分析和深度学习算法,进行求职者和招聘企业的双向匹配;并且随着数据的增加和算法的优化,匹配精准度不断提高。
这样,既能帮助求职者进行个性化推荐,让他们获得更适合自己的工作和事业机会;更能帮助企业找到真正需要的人才,包括从技术到能力到工作态度和文化的契合,尽量避免招人不当带来的负面影响。
本文作者:Xoyo
本文编辑:Caroline