至顶网CIO与应用频道 02月01日 编译:说起来有点讽刺的是,人工智能和机器学习正在帮助人类解决人力资本管理问题方面。招聘是企业今天面临的最棘手问题之一,找到合适的人才对于企业的成功至关重要,退一步说,雇佣了错误的人选是要付出昂贵代价的。最新的估计是,找到并雇用一名新员工需要花费25万美元,如果这个选择错误了,那么很快这个成本就会变成天文数字。随着关于候选人和员工数据的不断增加,一些创新的人工智能公司正在致力于应对提高人才获取效率和效益的挑战。
招聘效率:容易实现的目标
招聘是涉及整个组织的利益相关者的高触感活动。有不少人工智能初创公司正在通过低层级任务的自动化,以及为决策者提供更好的信息,大大减轻运营负担。举例来说,X.ai的解决方案可以帮助解决日程安排等繁琐的事情;ClearFit通过自动查找和排列候选人来节省招聘人员的筛选时间;Filtered可以通过自动生成的编码来评估候选人(也提高了他们的有效性)。虽然这些对于HR来说可能不是杀手级应用,但可以在短时间内提供价值,同时帮助人工智能公司收集数据以扩展到新的领域。
招聘的有效性:具有挑战性的终极目标
改善有效性对企业来说是一个大大的惊喜。为了提高有效性,企业需要更好的数据和信息,使他们能够找到合适的人选,并在筛选时关注正确的指标。
每个招聘过程中都会生成大量的数据,但不会被捕获以备将来参考。当公司需要新的人才时,他们会发布招聘启事,寻找候选人,通过不同的面试筛选他们,最终选择一个来填补空缺。公司或候选人每次都要经历这个过程,他们必须从头开始,不仅要招聘活动要占用时间,还有宝贵的信息。Wade & Wendy公司正试图通过一个虚拟助理来解决这个问题,这个助手是第一个与候选人的第一个联系人,并且持续这个申请人将为申请人与公司建立一个互动关系。
在搜寻候选人方面,企业仍然很难在正确的时间传达信息,并瞄准合适的人选。人工智能初创公司正在利用现有的数据来解决这个问题。Textio公司旨在帮助企业创造更好的工作岗位,以帮助他们打造差异化;而Engage Talent可以让他们发现被动的求职者,并在适当的时候为他们提供个性化的信息。
筛选候选人往往依赖于简历,这既是一个人技能的间接指标,也是他们的成就和能力的不完整展现。Harver公司正打造一种新型的筛选方式,通过生成有意思的测试来评估应聘者在工作中所要完成的任务,而Ansaro正在整合所有公司对他们员工的数据,来建立预测模型,让他们更加智能地招聘人才。
商业模式的挑战
人工智能创业公司可以为企业和候选人提供重要的价值,但他们需要了解在定义业务模型时如何创造这个价值。招聘是一个双向市场,在非常分散的时间间隔(即招聘人员)创造高价值。这给科技公司带来了挑战,虽然他们习惯于经常性的收入来源,但他们的客户可能更愿意按每个工作/职位付费,而不是典型的SaaS模式。有办法来克服这个问题,要么通过针对具有高招聘需求的部分(如高周转业务/临时工),要么创造一个可以提供经常性价值的产品,但是在早期初创公司和投资者们不得不考虑基于佣金的模式,思考如何过渡到循环模式。
人工智能可以使招聘变得更加智能
虽然企业可以利用越来越多、越来越多多样化的数据来找到最合适每个职位的候选人,但是招聘过程仍然受限于过去,基于标准化的简历和(可能有偏见的)面试官的意见,因此企业备受困扰。即使我们谈论的是人,但机器似乎不仅能够帮助搜寻候选人,还能帮助筛选候选人。事实上,有研究表明人们在挑选合适候选人方面是非常糟糕的,有分析表明算法在招聘方面可以超越人类专家。
即使人工智能还远远不能自主决定公司应该雇用谁,谁最适合这个工作,但你可能想看看人工智能是如何更聪明地进行招聘的。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。