e成科技周友鸿：AI让人力资源进入人力资本时代

2018年6月14日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办，拼多多协办的“2018全球智能+新商业峰会”行业峰会“智能+新服务峰会”在上海长宁世贸展馆举行。

本次峰会以“AI落地，产业升级”为主题，现场聚集超过5000位AI行业内外人士，共同探讨AI目前面临哪些挑战，当下如何商业落地，未来将会怎样发展等问题。“智能+新服务峰会”聚焦B端服务商，探讨2018年不容错过的前沿技术与热点话题，人工智能、大数据、云计算…在人工智能时代下重新定义“新服务”，寻找大变革时代中to B服务商的坐标与方向。

会上，e成科技周友鸿发表了相关演讲。

【周友鸿演讲实录】

大家好我是e成科技的周友鸿。e成科技是做人才决策数字化的AI平台，我今天要分享的内容，是e成在招聘领域过去的5年踩过的坑以及思考。

首先我们认为今天是新经济时代，AI+新经济创造了这么好的发展环境。第二是现在是人力资本的时代，很多企业都有人力资源部门，我其实不喜欢叫这个词。我们认为资本是帮助企业增值的，资源是消耗品。在e成没有招聘部门，在我们公司叫人才吸引部门。

在现在的人力资本时代，未来用什么样的方式，更好的构建我们HR的服务呢？之前的时候，把这个环节叫专家+AI使用一些非常好工具，最后，借助外部的咨询的力量，通过这样的COE架构，HR的各大模块提供服务，今天加入数据和AI的工具，未来的人力资本时代，专家+AI更好的方式，更好的去获得成功。我们始终认为人力资源行业是数字密集型行业，更准确说法是人才决策的数据密集型的行业。招聘谁、晋升谁、给谁加薪，所有的环节都是决策。这些决策的背后，随着企业的规模变的越来越大，以及为了更科学的决策，其实人力资源行业进入AI+大数据的决策新时代已经完全来了。

在利用AI+大数据的构建决策的过程中，以前我们踩过很多坑。最大的坑是直到3年前我们才决定把所有的画像建立起来，画像建立起来后，我们得出一个结论，要打造一个基于人才的知识图谱。我们构建了关于职位、公司、行业、人才方面的画像。

我们首先讲的人才画像，最开始以为这张词表，把里面的东西抽出来就是AI，其实根本不是AI。后来经历了哪几个过程呢，我们自上而下发现所有语料过程，就像我们发现新词，去年的时候发现了类似新零售、智能驾驶、区块链很多新词，而不是人工定的新词，review规则给你一个词，你们识别，能识别我们就来用吧。

第三个阶段，我们对所有的语料行算法的实体工作，然后到了下一个阶段，发现对所有的命名实体进行向量化，基于语义把这个词切入到向量空间里面。以便更好的服务于机器学习，最终变成知识图谱。

分享两个非常有意思的案例，我们可以准确预测未来哪个职业比较热门，知识图谱调用哪些数据呢？调用薪酬数据、供需关系以及职能的知识图谱，便可以预测哪个职能是比较稀缺的。

同样我们在分析上市公司股价方面非常精准，我们把上市公司最新三年的股价，入职率、离职率，入职人员的质量和离职人员的质量构建成新的图谱，会发现这个图谱的波动与股价正相关。e成在致力于基于画像知识图谱应用到更大的场景中去。

e成放到三个大的场景用，是基于我们对商业的思考，e成将商业关系分成雇佣关系、协作关系、商务关系三种。

协作关系的知识图谱应用是一个非常有意思的过程。在座很多嘉宾都在互联网公司，大家有没有思考一个问题，把什么样的人组织一起，任务完成的速度更快，产出的质量更好呢？这个过程中，非常有意思地去把一个任务分到哪些人完成的知识图谱，再到这些画像组织起来的时候，可以得出非常有意思的结论，我们会把数据，operation的后台，绩效的后台统一到一起你会发现，最后判定可以让更高效的人一起来完成任务，这样更有效率。以上是关于技术环节的分享。

过去4年做的最多的主业招聘，招聘是什么，过去大家认为是给我多少钱，多少时间招多少人，e成认为招聘是什么？招聘更多优秀的人助力商业成功，招到那些更好的人助力创业成功。这背后变化的逻辑在于，过去招了很多干活的人，发现人变多了，但是效率没有高，有很多有能力的人离开公司。那对于我们来说，为招聘创造的核心价值是招聘更优秀的人，更快效率问题，更节约成本的问题。

我们踩过的坑非常多，首先介绍一下，我们招聘场景中提供两块服务，第一块是AiTS，第二块是解决招聘难的问题。其实这个业务中核心想讲的话题不是这个，讲其中几个词：管理、效率、决策、效果。我们是给企业把效率提高，还是给他那么多钱，招那么多人，需要把工作模式变成线上化的模式，我们叫效率与管理的问题怎么解决，等于说我们要做新的东西。

第二个，我们讲的是什么？效率效果，很多的AI服务提供效率服务，可以带来效果吗？哪个更重要？放到不同的行业场景来说，例如我们当时服务的一家企业，效率对我重要，但是不紧急的事情。所以我们从人才库到内推，基于B2B的交易，建立的是效果的服务。

第三个数据与决策，因为当你的用户量足够大，数据足够多的时候，产生的数据为用户创造价值，最后客户想关心的是通过人工或者说海量数据很难解读的结论是什么，然后打造了人才质量的打分系统，辅助它的决策。如果你的效率、效果、管理、决策的服务可以实现闭环的时候，很多是可以互补的。

我们以前通过信息化的服务，给企业提供了猎头渠道的管理服务，最后这个管理服务，我们每个系统可以看到数据，把更多猎头的合适简历推荐给企业，然后更好的完成猎头上面的业务招聘。招聘难中的场景我们的坑，最后通过4个词实现了非常好的业务上的互补。

所以，这里讲的坑基于产品方面的。从商业层面我们所踩过的坑，我基本上把to B里面大家讲的词语全部弄上来了，数字化、智能化、信息化、连接性，还有边界在哪里，这里分享下我们的思考。

我们以前开始提供的核心服务在智能化和数字化的层面，后来发现是不对的，我们认为向上和向下的能力很重要，信息化的服务提供用户场景的入口，然后用户场景的入口有很多有价值的数据，如果我们在这两层很被动，怎么连接和服务呢？现在平台、垂直的AI，后来发现人和服务连接起来，看到我们有交易服务，还会做连接招聘场景的薪酬、测评很多服务，精准推荐服务给他。

第二个矛盾是什么呢？就是服务与商业的问题，因为所有的企业都是让我提供公有云的标准化服务，服务所有的企业，我们认为这是很美好的愿景，美国也是这样。后来发现不是的，在中国我们一定做一些定制化服务满足需求，需要有更多的客户成为你的付费客户，我们从来不认为服务的能力会变成跟商业化有矛盾，服务和商业之间其实不矛盾，不能提供服务但是收不到钱。

第三个矛盾，我们讲流量与边界，流量的角度解决B和C，B的流量非常有限的，所以界定清楚找流量，判断钱在哪里，找为有价值的服务付钱的流量。然后流量的选择方式之后，你会发现边界的问题，为什么叫边界的问题？希望在这个行业成为连接者的时候，很多人成为你的敌人。我们要以用户价值为突破，做好连接者。把某一层客户服务好，说明我们天花板到了，所以这里讲一下观点，我们还是希望打破边界与用户的价值为依归，把连接做到极致。

好，今天的分享到这里，希望e成在现在人才尽用的社会，做出我们的贡献。谢谢大家。