讓我們試想一下，如果有一個招聘平臺，只需按鈕點擊幾下就發布了職位需求，剩下的就是等待幾分鐘或者幾小時就能返回來按匹配度從高到低排序的簡歷，那該多好?這一幕就是即將出現的局面-以辦事為核心的人工智能在招聘領域的應用場景。

　　目前國內已經有不下于 10 家初創公司號稱是人工智能+招聘的領導者，大家都想趁這股風飛上去;對此，AI君不得不站出來潑一瓢冷水，呼吁冷靜看待這樣的行業亂象、投資亂象。【AI君一直深耕于人力資源咨詢、信息化領域，去過四大，創過業(人力資源招聘標的目的)，一直在人力資源相關的科技領域工作】

　　招聘要解決的第一個核心問題就是海量簡歷與企業職位的快速匹配問題，其次是人的軟性指標與企業的軟性指標匹配問題;人工智能在招聘領域的應用，主要是這兩個維度上的應用，必需先滿足硬性匹配才有軟性匹配，這里重點討論硬性匹配的方法論。硬性匹配，即簡歷與職缺所需的能力匹配，招聘者通過職位JD所描述的能力去讀取簡歷，認為匹配的即挑選出來放入面試池;這里要說的人工智能，便是要讓電腦像人腦一樣思考，去做能力匹配;那么需要滿足三個條件：

　　一是要讓電腦讀懂簡歷與職缺所包羅的信息是什么。針對簡歷，就是準確的理解簡歷中與能力相關的信息，如教育經歷中的學校和專業名稱(北大究竟是北海大學，還是北京大學)、或工作經歷中的職位和行業名稱(程序員究竟是C++程序員還是Java程序員，是高級還是初級)，究竟是什么?這是需要語義分析結合基礎信息尺度化來完成的，只靠語義分析是有極大的二義性的，被很多大公司(如中國招聘領域的三大)多年實踐驗證是非常不靠譜的。

　　二是理解信息的內在含義。好比，簡歷中的學校是哪個層次的(211/985，，一本，二本，還是三本)，職位隱含的勝任力結構是什么以及與職缺的勝任力關系是什么。這里需要搞清楚所有職位的勝任力，并對所有職位的勝任力關系做兩兩關系建模，這是靠人工幾乎無法完成的任務，也是一個世界性難題。AI君認為，這是為什么世界范圍內精準招聘一直進展緩慢的最大阻礙。

　　三是基于所有有效信息做綜合推理。所有與能力相關信息是什么，內在含義是什么搞清楚了，那么它們綜合在一起究竟反映了這個人的能力如何，就需要一個很好的能力分析模型和推理算法來實現。最終，由以上三步得到的結果是否客不雅觀準確，則需要海量的簡歷和職缺數據對比驗證，不停修正模型和算法中的參數或邏輯，才能建立一套放之四海皆準的精準匹配體系。

　　綜上，才是精準匹配的正確打開方式，三步缺一不成。而第一步中的語義分析，可以說是目前所有招聘類網站的必備技能，每一個從人工智能專業結業的碩士或博士都可以勝任這項工作，差距不會太大;目前全世界語義分析最高水平的準確度也不會超過80%。所以，精準匹配的門檻主要在第二第三步，世界范圍內花數年時間突破二三步的可以說是鳳毛麟角，相反失敗的可以數出一大堆(據了解日本的Recruit，它號稱全球第二大人力資源公司，也是前程無憂的大股東，在 2015 年 4 月于硅谷聚集 11 個科學家成立人崗匹配實驗室，至今都沒有看到明顯成果)。目前中國市場上有很多兩三年前憑著語義分析從而帶上“AI”帽子拿到多輪融資的公司，到今天已經是死的死，轉型的轉型。AI君因為做人力資源咨詢的緣故，也對這類公司的產品都做過測試及研究，發覺統統是“欺騙”投資人和用戶，還不如傳統的三大。但是，令人震驚的是，比來AI君聽說某做語義分析給簡歷打標簽的公司(來自它本身的介紹)還入駐了某著名互聯網公司的AI加速器，這真的是中國創投圈的悲慟，這樣的“互相傷害”還要到什么時候。

　　別的不得不說人工智能用在垂直行業招聘領域是個偽命題，因為差別行業，能力模型紛歧樣，甚至算法紛歧樣，即使招聘平臺是垂直行業，但不代表你不去研究全行業的職位所需要的能力模型，因為求職者可能來自任何行業。

　　未來階段，招聘行業競爭的維度總結起來就是三個關鍵詞：大數據、人工智能、生態，大數據是基礎，沒有大數據就無法做到成規模和體系的招聘;人工智能是建立在大數據的基礎上，為的是讓企業更有效率的找到所需人才，人才也能高效率的匹配到用人單位;生態其實就是組合拳，在基于人工智能形成的豐富的招聘生態下，每一方參與者都會因為辦事的升級實現角色的轉型和升級。招聘業低維度的競爭已經是過去時，未來高緯度的競爭時代已經到來。