当前位置: 首页 > news >正文

智能招聘?远在天边,近在眼前

b389bcf14ba7dae15b5126649362e268.jpeg

2023年曾被称为“史上最卷毕业季”,当年应届高校毕业生高达1158万人。人力资源社会保障部公布的数据显示,即将到来的2024毕业季,全国普通高校毕业生规模预计将达1179万人,同比增加21万人,就业总量压力依然高企。看来,在人才招聘市场上,没有最卷,只有更卷。

求职者如何快速有效地找到心仪的工作单位,用人单位又如何从大海里捞针,精确匹配所需人才?智能招聘或许是一条捷径。

有例为证,全球领军的智能传感器和应用解决方案供应商SICK(西克)在进入中国市场后,每年的校招一直是其获得本地化人才的关键一环。截至目前,西克中国2024届校招已收到两万余份简历。如果沿用传统的招聘方式,企业将投入大量的人力物力。值得欣慰的是,西克中国通过与用友大易合作,采用智能化的招聘解决方案,实现了校招流程管理的优化升级。数据显示,由于采用了AI面试,校招初筛周期缩短了近30%。

进入AI 2.0时代,智能招聘将开启新的纪元,实现资源的优化、流程的变革、精准度和效率的提升等。

80ba22564a43911da478c141630dddb9.jpeg

提升人才密度是关键

在今年的全国两会上提出要开展“人工智能+”行动。人工智能落地的关键就是“+”行业与场景。具体到招聘行业,如何利用人工智能进行赋能就成了重中之重。

人工智能带来的改变显而易见,包括解决招聘效率问题,提升招聘决策的准确性,改善求职人的体验等。毋庸置疑,蓬勃发展的人工智能,尤其是生成式人工智能的崛起,将改写人力资源的工作方式与内容,也将为招聘打开更多想象空间。

进入“后疫情时代”,经济发展正重回正轨。从求职方的角度来看,应聘压力依然较大,有时投出去的简历犹如石沉大海。站在招聘企业一方,其实也并不轻松,在内外的各种压力之下,降本增效成为所有企业和组织必须直面的挑战。所以,很多企业在招聘时,毅然摒弃了原来粗放式的招聘方式,变得更加“挑剔”,不是一味满足人员数量上的要求,而是更重视人的质量。现在,在企业中比较流行的一个说法是,着力提高“人才密度”,即希望新招聘进来的人员能够“以一顶三”。这也是打造新质生产力的内在要求。

由此一来,在海量的简历中寻找到一个合适的人才,难度越来越大。这是人才招聘市场上供需双方都必须突破的瓶颈。从目前来看,人工智能很可能就是解决这一掣肘的利器。其实在AI大模型火爆之前,招聘行业已经开始将人工智能技术应用于某些特定的场景。比如,用友大易早在5年前就推出了客服机器人、外呼机器人等产品。从2023年开始,生成式人工智能在全球范围内大行其道,将大模型应用于招聘的主要流程和环节也成了大势所趋。无论是在人力资源HR端、候选人端,还是在面试端,乃至企业管理的一些场景中,人工智能技术被越来越多地植入其中,对于提升实际生产力确实起到了积极的促进作用。

在招聘场景中引入人工智能,并非是盲目追逐潮流,而是人才招聘的供需双方实实在在的诉求,他们都希望借助人工智能等先进的生产力手段,快速达成招聘要求,充分解放企业的生产力,实现业务的创新与可持续。

人工智能虽然不是万能的,但是离开人工智能又是万万不能的。企业希望通过招聘和不断的人员更替,实现自身人员结构的调整和优化,而人工智能正是实现此目标的最好桥梁和工具。招聘解决方案和服务的提供商正在持续深入探索人工智能与招聘相结合的最佳路径,比如在交互层面,招聘信息的发布不再是通过文字而是通过语音,或以机器人为助手,这些改变最终有可能将颠覆传统的招聘业态。

1d86fde599f8247ebedc8ae43b2f6044.jpeg

大模型加持 招聘交互变“立体”

人工智能的价值并不仅仅在于提高招聘效率,更重要的是为企业精准匹配合适的候选人。在引入人工智能以后,一方面可以提速,另一方面可以通过对人员、职位、行业的全面分析,同时结合企业的历史招聘数据和未来要求,替代传统的面试官进行更客观、公正地筛选。在此基础上,大模型的加持,将是未来招聘产品甚至业态发生变革的关键因素。

得益于大模型的语言生成能力,它带来的最直接改变首先就体现在交互层面,比如人才发现、AI面试等场景。

先说说人才发现,主要是解决两个问题:针对社会上投递简历的候选人,如何判断其与招聘职位的匹配度;针对企业日常运营的人才库中的候选人,如何判别其与职位的契合度。借助AI大模型的能力,可以有效构建起人才画像和职位画像,通过人和岗位间的匹配关系,对候选人的关键信息进行提炼和归纳,使得面试官能够很快抓住候选人的特点、与职位的匹配度等信息,从海量人才库中发现合适的人才。

再来说说AI面试,它的主要应用场景包括蓝领招聘、大批量的校招,以及快消品门店类的招聘等。归纳来说,AI面试适用的场景具有以下特点:招聘量较大,一年的招聘量上万甚至几十万;招聘重点考察的内容包括形体、性格和心理特征、交流和表达能力等,可以通过视频交流的方式得到相关信息;招聘往往要遵循一套胜任力模型,比如产线工人需要什么样的体格、性格和心理特征等。

据了解,现在越来越多的500强企业都在采用AI面试,用友大易AI面试解决方案就是其中的代表。它基于用友企业服务大模型YonGPT,通过与AI专家、人力资源专家、心理学专家等协作,打造了包含知识技能、综合能力、心理评测等多维度的胜任力评估产品,建构了20+的通用类岗位模型。在AI面试过程中,海量的候选人通过微信扫码,就可以进行面试,后台通过AI技术,同时结合胜任力模型,对面试过程中拍摄的视频进行分析,将初筛结果推荐给面试官,然后再决定接下来需要参与线下面试的候选人。AI面试大大降低了线下实际面试的难度和工作量,提高了效率。

对于招聘来说,大模型确实是一个加分项。当前,越来越多的招聘解决方案和服务商开始将AI大模型与自身的产品进行融合。但是必须承认的是,AI大模型只是一种能力而已。对于招聘解决方案和服务商来说,最关键的还是要切中招聘业务场景的要害,真正了解痛点所在,应用AI大模型,同时结合专业领域的数据、知识、能力和经验,才能事半功倍。

58eed8f45a6406f651a02ed382622f94.jpeg

未来的招聘或许只是一个“对话框”

1993年,《纽约客》杂志上刊登了一则漫画,一条狗端坐在电脑前,对着同伴说:“在互联网上,没人知道你是一条狗。”

在AI 2.0时代,AI会逐渐从“辅助人类”走向“全程自动”,为企业带来更高效、更准确、更人性化的招聘体验。或许人们会越来越不在意,为你提供服务的到底是人,还是AI。

当前,我们更多看到的是AI所做的一些辅助性工作,比如辅助筛选、辅助参与面试或辅助推荐一些人才简历,以提升招聘工作效率。未来,随着大模型的快速落地,AI会走向决策端,不仅仅对数据进行总结分析,还能进行前瞻性的预测,包括对招聘需求的预测,或者结合社会数据、经济形势、人才动态等,帮助企业更好地配置面向未来的人才,做到未雨绸缪。

AI对于招聘交互形式的改变可能最激动人心的。在你的脑海中,是否也曾闪现过这样的画面:未来的招聘就是一个“对话框”,招聘者与一台机器进行交互,由它协助完成所有的招聘操作。比如,招聘者欲寻找一名工程师,于是直接向AI提出招聘需求,AI会提出一系列的问题细化招聘需求;或者当招聘者说出“帮我给某人安排一次面试”,机器人会自动走完所有流程。

另外特别值得一提的是,AI也在向提升情绪价值方面演进。AI不是冷冰冰的,而是人性化和有温度的。比如,在顺利完成一次招聘任务后,AI小助手会由衷地发出赞美和鼓励——“这个项目推进得真快”,“你的工作效率又大幅提升了”……这不是天马行空的想象,而是很可能就出现在不远的将来。

总之,人工智能给了我们打开招聘未来之门的钥匙。

5968736242cbdac53739cd50cfe296ec.jpeg

相关文章:

智能招聘?远在天边,近在眼前

2023年曾被称为“史上最卷毕业季”,当年应届高校毕业生高达1158万人。人力资源社会保障部公布的数据显示,即将到来的2024毕业季,全国普通高校毕业生规模预计将达1179万人,同比增加21万人,就业总量压力依然高企。看来&a…...

文字游侠AI丨简直是写作神器,头条爆文一键生成稳定赚米!附渠道和详细教程(只需四步)!

在数字时代的浪潮中,人们不断寻求网络空间中的商机,期望在互联网的浩瀚海洋里捕捉到稳定的财富。随着人工智能技术的突飞猛进,越来越多的AI工具被融入到各行各业,开辟了新天地,带来了创新的盈利模式。 其中&#xff0c…...

【ES6】简单剖析一下展开运算符 “ ... “

基本用法 let row {id: 1,name: John Doe,age: 30 };let newRow { ...row };console.log(newRow); // 输出: { id: 1, name: John Doe, age: 30 }基本用法就是通过展开运算符,将某个对象中的元素依次展开,然后赋值给新的对象。 但是值得注意的是&…...

java StringUtils类常用方法

StringUtils类是Apache Commons Lang库中提供的一个工具类,用于处理字符串操作。它包含了许多常用的方法,以下是其中一部分常用方法: StringUtils.isEmpty(String str):判断字符串是否为空,如果字符串为null、空字符串…...

科锐国际(计算机类),汤臣倍健,中建三局,宁德时代,途游游戏,得物,蓝禾,顺丰,康冠科技24春招内推

科锐国际(计算机类),汤臣倍健,中建三局,宁德时代,途游游戏,得物,蓝禾,顺丰,康冠科技24春招内推 ①汤臣倍健 【内推岗位】:市场类、营销类、研发类…...

一些常见开发框架相关题目,RESTful是什么,Electron是什么,Express, Koa

RESTful架构 1. 什么是RESTful架构? REST(Representational State Transfer)是一种软件架构风格,它强调简单、无状态的接口,以资源为核心,使用统一的接口进行资源的访问。RESTful架构通常基于HTTP协议&am…...

C++进阶之路:何为默认构造函数与析构函数(类与对象_中篇)

✨✨ 欢迎大家来访Srlua的博文(づ ̄3 ̄)づ╭❤~✨✨ 🌟🌟 欢迎各位亲爱的读者,感谢你们抽出宝贵的时间来阅读我的文章。 我是Srlua小谢,在这里我会分享我的知识和经验。&am…...

初识C语言——第二十一天

猜数字小游戏的实现&#xff1a; 学会了之后可以自己制作彩票抽奖&#xff0c;哈哈&#xff01; 代码实现&#xff1a; #include <stdlib.h> #include <time.h>void menu()//无返回值函数 {printf("**************************\n");printf("****…...

使用make_blobs生成数据并使用KNN机器学习算法进行分类和预测以及可视化

生成数据 使用make_blobs生成数据并使用matplotlib进行可视化 完整代码&#xff1a; from sklearn.datasets import make_blobs # KNN 分类器 from sklearn.neighbors import KNeighborsClassifier # 画图工具 import matplotlib.pyplot as plt # 数据集拆分工具 from sklea…...

WSL2-Ubuntu(深度学习环境搭建)

1.在Windows的WSL2上安装Ubuntu 流程可参考&#xff1a;https://www.bilibili.com/video/BV1mX4y177dJ 注意&#xff1a;中间可能需要使用命令wsl --update更新一下wsl。 2.WSL数据迁移 按照下面流程&#xff1a;开始菜单->设置->应用->安装的应用->搜索“ubun…...

政务服务电子文件归档和电子档案管理系统,帮助组织收、管、存、用一体化

作为数字政府建设的重要抓手&#xff0c;政务服务改革经过多年发展&#xff0c;截至 2022 年底&#xff0c;全国一体化在线政务服务平台实名用户超过10亿人&#xff0c;在政务服务、办件过程中出现了大量需要归档的电子文件&#xff0c;对于电子档案、电子证照的需求愈加强烈。…...

2024.05.15学习记录

1、完成Ts重构Axios项目中更多功能的开发 2、刷题&#xff1a;二叉树&#xff08;代码回忆录&#xff09; 3、复习diff算法源码解读...

[前端] 深度选择器deep使用介绍(笔记)

参考文献 深度选择器 深度选择器deep使用说明 在 Vue 中&#xff0c;为了实现组件内部样式对组件外部元素的穿透覆盖&#xff0c;可以使用 CSS 的 deep 选择器&#xff08;也称为 >>> 或 /deep/&#xff09;或 v-deep 指令。然而&#xff0c;这两个方法在 Vue 3 中…...

simlink 初步了解

1.simlink概要 Simulink是基于MATLAB的框图设计环境&#xff0c;它提供了一个动态系统建模、仿真和分析的集成环境。Simulink是一个模块图环境&#xff0c;用于多域仿真以及基于模型的设计。它支持系统设计、仿真、自动代码生成以及嵌入式系统的连续测试和验证。 Simulink的特…...

【SRC实战】退款导致零元购支付漏洞

挖个洞先 https://mp.weixin.qq.com/s/3k3OCC5mwI5t9ILNt6Q8bw “ 以下漏洞均为实验靶场&#xff0c;如有雷同&#xff0c;纯属巧合 ” 01 — 漏洞证明 1、购买年卡会员 2、订单处查看已支付 3、申请退款 4、会员仍然有效 5、使用另一个账号重复支付退款操作&#…...

一篇文章搞懂退火算法

退火算法,全称为模拟退火算法(Simulated Annealing,SA),是一种通用概率算法,用来在给定一个大的搜寻空间内找寻问题的近似最优解。模拟退火算法灵感来源于固体物理学中的退火过程,这一过程中,物质被加热后再缓慢冷却,原子会在加热过程中获得较大的运动能量,随着温度的…...

浅说文心一言

文心一言&#xff08;ERNIE Bot&#xff09;是一个基于Transformer结构的知识增强大语言模型&#xff0c;它可以根据用户的指令和输入&#xff0c;生成相应的回答或文本。以下是一些常见的指令示例&#xff0c;你可以根据需要进行调整&#xff1a; 问答指令&#xff1a; "…...

IC设计企业如何实现安全便捷的芯片云桌面跨网摆渡?

IC设计企业&#xff0c;主要专注于集成电路的设计。这些企业通常包括集成电路、二极管、三极管和特殊电子元件等产品的设计和生产。IC设计企业在其运营和产品设计过程中&#xff0c;会涉及和产生多种文件&#xff0c;如&#xff1a; 项目需求文档&#xff1a;这是项目启动的基础…...

Hello, GPT-4o!

2024年5月13日&#xff0c;OpenAI 在官网正式发布了最新的旗舰模型 GPT-4o 它是一个 多模态模型&#xff0c;可以实时推理音频、视频和文本。 * 发布会完整版视频回顾&#xff1a;https://www.youtube.com/watch?vDQacCB9tDaw GPT-4o&#xff08;“o”代表“omni”&#xff0c…...

colab使用本地数据集微调llama3-8b模型

在Google的Colab上面采用unsloth,trl等库&#xff0c;训练数据集来自Google的云端硬盘&#xff0c;微调llama3-8b模型&#xff0c;进行推理验证模型的微调效果。 保存模型到Google的云端硬盘可以下载到本地供其它使用。 准备工作&#xff1a;将训练数据集上传到google的云端硬盘…...

C++初阶-list的底层

目录 1.std::list实现的所有代码 2.list的简单介绍 2.1实现list的类 2.2_list_iterator的实现 2.2.1_list_iterator实现的原因和好处 2.2.2_list_iterator实现 2.3_list_node的实现 2.3.1. 避免递归的模板依赖 2.3.2. 内存布局一致性 2.3.3. 类型安全的替代方案 2.3.…...

智慧医疗能源事业线深度画像分析(上)

引言 医疗行业作为现代社会的关键基础设施,其能源消耗与环境影响正日益受到关注。随着全球"双碳"目标的推进和可持续发展理念的深入,智慧医疗能源事业线应运而生,致力于通过创新技术与管理方案,重构医疗领域的能源使用模式。这一事业线融合了能源管理、可持续发…...

FFmpeg 低延迟同屏方案

引言 在实时互动需求激增的当下&#xff0c;无论是在线教育中的师生同屏演示、远程办公的屏幕共享协作&#xff0c;还是游戏直播的画面实时传输&#xff0c;低延迟同屏已成为保障用户体验的核心指标。FFmpeg 作为一款功能强大的多媒体框架&#xff0c;凭借其灵活的编解码、数据…...

Swift 协议扩展精进之路:解决 CoreData 托管实体子类的类型不匹配问题(下)

概述 在 Swift 开发语言中&#xff0c;各位秃头小码农们可以充分利用语法本身所带来的便利去劈荆斩棘。我们还可以恣意利用泛型、协议关联类型和协议扩展来进一步简化和优化我们复杂的代码需求。 不过&#xff0c;在涉及到多个子类派生于基类进行多态模拟的场景下&#xff0c;…...

Python如何给视频添加音频和字幕

在Python中&#xff0c;给视频添加音频和字幕可以使用电影文件处理库MoviePy和字幕处理库Subtitles。下面将详细介绍如何使用这些库来实现视频的音频和字幕添加&#xff0c;包括必要的代码示例和详细解释。 环境准备 在开始之前&#xff0c;需要安装以下Python库&#xff1a;…...

Java面试专项一-准备篇

一、企业简历筛选规则 一般企业的简历筛选流程&#xff1a;首先由HR先筛选一部分简历后&#xff0c;在将简历给到对应的项目负责人后再进行下一步的操作。 HR如何筛选简历 例如&#xff1a;Boss直聘&#xff08;招聘方平台&#xff09; 直接按照条件进行筛选 例如&#xff1a…...

Mobile ALOHA全身模仿学习

一、题目 Mobile ALOHA&#xff1a;通过低成本全身远程操作学习双手移动操作 传统模仿学习&#xff08;Imitation Learning&#xff09;缺点&#xff1a;聚焦与桌面操作&#xff0c;缺乏通用任务所需的移动性和灵活性 本论文优点&#xff1a;&#xff08;1&#xff09;在ALOHA…...

ABAP设计模式之---“简单设计原则(Simple Design)”

“Simple Design”&#xff08;简单设计&#xff09;是软件开发中的一个重要理念&#xff0c;倡导以最简单的方式实现软件功能&#xff0c;以确保代码清晰易懂、易维护&#xff0c;并在项目需求变化时能够快速适应。 其核心目标是避免复杂和过度设计&#xff0c;遵循“让事情保…...

CVE-2020-17519源码分析与漏洞复现(Flink 任意文件读取)

漏洞概览 漏洞名称&#xff1a;Apache Flink REST API 任意文件读取漏洞CVE编号&#xff1a;CVE-2020-17519CVSS评分&#xff1a;7.5影响版本&#xff1a;Apache Flink 1.11.0、1.11.1、1.11.2修复版本&#xff1a;≥ 1.11.3 或 ≥ 1.12.0漏洞类型&#xff1a;路径遍历&#x…...

Go 并发编程基础:通道(Channel)的使用

在 Go 中&#xff0c;Channel 是 Goroutine 之间通信的核心机制。它提供了一个线程安全的通信方式&#xff0c;用于在多个 Goroutine 之间传递数据&#xff0c;从而实现高效的并发编程。 本章将介绍 Channel 的基本概念、用法、缓冲、关闭机制以及 select 的使用。 一、Channel…...