几年前，HRSaaS在市场爆发式的增长引发了大家的关注。Saas大潮退去，人工智能在各行各业的风起云涌，HR反而不小心成为了AI领域看似风平浪静的垂直门类。在人力资源部门，HR的工作内容每天有大量的非结构化数据产生。如何把办公文档、文本、图片、各类报表信息进行更有效的处理分析，并能够给公司整体发展提供战略性的意见支持，已成为人工智能时代HR的核心竞争力。1.人岗匹配，HR说不出的痛在HR的招聘实践中，“人岗匹配”是贯穿始终的精神。

几年前，HR SaaS 在市场爆发式的增长引发了大家的关注。Saas 大潮退去，人工智能在各行各业的风起云涌，HR 反而不小心成为了 AI 领域看似风平浪静的垂直门类。

在人力资源部门，HR的工作内容每天有大量的非结构化数据产生。如何把办公文档、文本、图片、各类报表信息进行更有效的处理分析，并能够给公司整体发展提供战略性的意见支持，已成为人工智能时代 HR 的核心竞争力。

1. 人岗匹配，HR说不出的痛

在HR的招聘实践中，“人岗匹配”是贯穿始终的精髓，需要“岗得其人”、“人适其岗”。这是一个双重匹配的过程，具有一定的复杂性。而作为人岗匹配过程中的一“把关人”，简历的筛选与查阅是HR们首要且非常重要的工作。

在大量级的简历库中进行搜索，是HR筛选简历的一步。无论是猎头还是企业HR ，每天都需要花费大量的时间搜索优秀的简历和求职信息，更不用说国内中小公司 HR 的70%精力都会花费在简历搜索和查阅上，但让人遗憾的是，简历的搜索结果往往不精准，甚至让人啼笑皆非。

此外，即便目前随着人工智能和文本挖掘技术的发展，大部分招聘网站像智联招聘、51Job也推出了自动化的简历推荐功能——这也成为HR获取简历的另一主要手段，互联网公司的人力资源经理普遍表示：目前各大招聘平台上，推荐的简历比较鸡肋，准确率较低。

分析原因其实也不难发现，平台推荐简历的指标中，权重高的往往是岗位名称及描述。 但是HR 要找到一个合适的岗位候选人，不仅仅需要其应聘岗位的需求匹配，工作地点、年龄、行业背景等也都是非常重要的考虑因素。

除此之外，HR 每天处理主动投递的简历也占据了一部分时间。假设一位 HR 每30秒看一份简历，200份简历要花上约1.7个小时。如果按照10%的比率进入面试，剩下那些花掉 HR 1.5小时阅读的180份简历终将全部躺在垃圾箱中。以此累计，HR 一年要扔掉45000份简历。这相当于一个 HR 一个月的工作时长。也就是说，HR 一年当中会有一个月被”浪费”了。

根据Analysys易观智库的《中国互联网招聘市场趋势预测报告2016-2018》数据，中国目前互联网招聘市场处于仍相对稳定增长的发展局面，预计2018年整体市场规模将达到63.7亿元。面对愈来愈庞大的市场需求，要解决人岗匹配低效的难题依然任重道远。

2. HR Tech 同质化严重，招聘难依旧

2.1 HR Tech 行业应用现状：产品同质化严重

面对这种情况，有条件的大公司常会自己采购开发一套简历管理系统，把从渠道汇集过来的简历在自家平台进行统一管理、搜索查询。

近三年来，全国市场在 HR tech 上的投入在逐年增加，而且增加比例持续在30%-40%之间。目前中国无论大中小企业，都需要逐渐从传统的工作流程和陈旧的管理方式中转型，市面上关于 HR 一体化办公的产品更是数不胜数。

目前国内市场上的 HR Saas 产品，大致可分为三类：

（1）垂直招聘方向

集中做垂直行业的招聘管理系统，会根据不同行业的特点为HR提供管理服务,使HR可以自定义招聘流程；

（2） 流程优化服务方向

其功能主要集中在考勤、移动办公、协作处理等，归根结底是把重复性的事情流程化，删繁去简，注重“快”和“简单”；

（3） 一体化服务方向

涵盖功能比较多，注重“全”，使HR能在一个平台上实现全流程招聘。

HR 的 Saas 服务产品众多，但目前这些产品功能同质化也比较严重。虽然很多产品已经部分地把 HR 从繁重的员工打卡考勤、工资结算等事物性工作中解脱出来，但主要还是停留在自动化流程和信息集成管理的阶段。这无疑是一大进步，但我们当然可以更进一步。

2.2 HR Tech进阶方向：AI技术赋能HR工作

在企业内部已经积累大量人才数据的情况下，如何大化利用现有的数据，对其进行深入分析与挖掘，以解决目前仍然存在的管理问题，甚至是辅助经营决策，正是人力资源向往的事情。如前所述，HR 工作中产生的是大量非结构化的文本数据，这些数据常常不够完整，或并非如数字精确明晰，但并不代表他们就没有价值。

涉及到文本数据的处理，就需要提到人工智能领域备受关注的一项技术NLP(Natural Language Processing,自然语言处理)。简单来讲，NLP技术的目标就是让机器能像人一样理解文字的含义，从而辅助人类工作。提及NLP，大家想到多的是智能问答、机器翻译、合同审核等应用场景。

实际上，NLP与人力资源有着非常多且重要的关联，具体应用可见下图，可以完成的任务涵盖HR工作的方方面面。

NLP技术在人力资源领域的应用在这几年才开始备受关注，这也和 NLP 近几年在商业应用的发展分不开。NLP 所能够处理的数据几乎涵盖了 HR 业务范围内的所有非结构化的文字数据，但国内HR+NLP的应用现状仍未成熟。

仅在人才招募方面，现在几乎所有公司的人才管理系统都还停留在传统简历库的管理上，并没有对简历进行深入挖掘，仍有大量的沉没数据。以全球化企业为例，海尔内部管理的简历量大约有10多万份，每天都有上千个岗位在招聘。HR 在简历库中搜索简历时更希望能够看到：

快速匹配简历，且排列在搜索结果前列的人才有较高的面试可能；

统一的管理后台，可以自主调整搜索结果的排序；

实时更新的简历可被立刻搜索到；

更了解自己的搜索意图，相同语义不同表达方式均能搜索到同一简历；

……

以上这些都是将自然语言处理（NLP）技术应用在人力资源行业——尤其是人岗匹配工作中——有待解决的问题。

国内AI领域的自然语言处理专家陈运文在服务过华为海尔等大型企业的人力资源部门后，认为：现在 HR 部门需要的不再是一套通过关键词匹配的系统，客户关心的是系统对语义理解的程度有多高。不仅仅要搜得到，搜得准才是王道。

综上所述，在HR行业，现有产品的搜索和推荐功能并不能更好地解决HR在人岗匹配工作中的难题。而尽管有些企业已经看到以NLP为代表的AI技术在此行业的应用前景，但应用现状仍然处于非常初级的阶段，大多停留在对简历的基础部分进行识别，而识别的效果（通过搜索和推荐的结果精准程度来体现）往往是不尽如人意的。

3. NLP+HR—人力资源未来发展的基石

3.1 HR招聘痛点的关键技术突破口

根据本文一部分所提到的：目前HR在简历的主动搜索和被动推荐需求上，返回结果“不精准”成为工作中大的且亟待解决的难题。

而在对目前HR Tech行业应用进行全景扫描之后，我们发现，要节省工作的时间和人力成本，减少决策时的人为偏见和疏忽，使匹配更加精准和快速，可以处理文字数据的NLP技术恰恰是解决这一问题的关键技术突破口。

通过机器学习、NLP 技术为简历自定义标签，包括个人履历、工作经验、性格特点等，可轻松优化人才搜索服务，并实现人才推荐功能。HR查看相似简历时，将相似简历进行聚类，更重要的是根据用户搜索及浏览习惯进行个性化推荐，就像大家打开淘宝看到的相似推荐一样。

当然由于人类语言的复杂性以及HR需求/决策的动态性，完全的自动化处理和绝对的精准匹配以现在的技术发展水平还很难实现。

企业能做的是利用前沿的技术去优化现有的匹配系统。“可以通过 HR 每天的点击行为理解招聘的真实需求，让找简历和发现简历这件刚需事情变得智能简单。让人力资源更聚焦在公司人才配置、人才培养、员工关怀的思考上，去做更多和人有关的、发挥主观能动性的工作。从而进一步在业务上为管理层提供更专业的决策依据，为员工带来更好的工作体验。”陈运文如是说道。

此外，虽然目前市场上HR Tech的解决方案已经有很多，但专注于以人工智能、主要处理 HR 产生的非结构化数据的公司大部分集中在初创企业。这是由于大部分公司在HR领域的数据处理需求都是定制化的，创业公司业务和组织的灵活性能更好地适应并提供服务。

3.2 HR+NLP行业应用展望

通过解决公司面临的数据挑战并挖掘数据潜力，HR将会成为使人力资源从成本中心转移到核心战略资产的关键力量。在人才招聘工作中积累的人才数据，经过智能化平台的分析处理，可以被进一步利用。

作为处理中枢的HR利用数据分析的结果让雇主形成对每个员工的整体观点，更可为员工职业发展、员工协作和招聘等企业活动提供个性化的建议和行动计划，满足信息时代的员工的心理需求。

说到这里大家可能会发现一个悖论，很多人曾担心人工智能如果大规模应用在人力资源中会让很多人终面临失业的境况。事实上，人工智能不仅可以提高生产力，还可以显着提高员工的满意度、参与度和职业发展，终帮助实现人与企业的双赢。

读过这篇文章的人还读过：

CAP构建业务生态体系的原理与实践探索

智能酒店系统具备哪些优势？

“资本寒冬”已至，渠道支撑是OA系统品牌厂商取胜关键