首页 > 智能 > 正文

Moka创始人赵欧伦:进一步加大投入,持续做好人工智能的探索

2019-03-08 09:47:20来源:腾讯科技  

文/腾讯创业 苗钟毓

人工智能正在全面接管我们的娱乐生活:我们听着AI为我们挑选的音乐,阅读着兴趣推荐算法推送的新闻,甚至和算法为我们匹配的朋友畅聊——“你们的匹配度高达99%,他就是你一直要找的人”。

我们已经习惯了在娱乐化的场景中听取人工智能的建议,但是,你敢用算法为你推荐的企业人才吗?

——“经过人工智能评估,这位应聘者就是你们公司要找的人。”

让冷冰冰的机器来评价和推荐一个应聘者,并让算法为企业提供人才招聘的建议以及辅助招聘者进行决策,这几乎像是早期科幻小说中所描述的灾难场景——机器最终统治了人类,并按照一整套死板的原则给人分类,将“每一个人放到最合适的位置上”,而对不愿服从安排、拥有自由意志的人类进行制裁。

然而,科幻小说毕竟只是小说。在现实生活中,招人则是一件非常个性化,甚至是充满了个人好恶的事,人工智能想要了解一家公司或是某个招聘者的招人偏好,似乎并不是一件容易的事。

现在,情况已经发生了变化,一家名为Moka的公司希望通过AI帮助企业来筛选出最适合自己的人才。这将大大减轻HR们繁重的工作,也将给予所有投递简历的求职者一个公平的就业机会。

Moka成立于2015年,是一家致力于通过完整的招聘生态体系解决方案帮助客户提高招聘能效的企业,产品是一款新生代的SaaS智能化招聘管理产品。3月4日早间,Moka宣布已完成由高瓴资本领投1.8亿元人民币B轮融资。

腾讯创业采访了Moka的创始人赵欧伦,和他聊了聊人工智能在企业招聘中的应用,以及Saas平台的发展之道。

赵欧伦毕业于加州大学伯克利分校计算机系,曾任Citigroup投行分析师,后加入初创公司Turo(美国P2P租车独角兽),期间创立了二手物品交换平台LivingSimple。2015年9月,赵欧伦创办Moka,致力于研发智能化招聘管理系统。

企业招聘三大痛点:流程管理、人才资源积累和数据分析

目前,企业招聘流程存在三大痛点:一个是缺乏协作和招聘流程管理体系,二是缺乏数据库、人才库的积累,三是对整个招聘流程的数据分析不到位。

为了解决这些痛点,Moka集成了三大核心功能板块:第一、聚合招聘渠道,统一管理流程,促进HR部门与业务部门间的协同,提升各节点转化效率;第二、积累企业人才库,全网监控持续激活;第三、全方位数据统计,提供招聘洞见,为企业人才选拔提供优化方向。

招聘流程管理方面,Moka通过绑定HR邮箱的方式可以将求职者在各大招聘平台投递的简历进行汇总,让HR省下了在各招聘平台之间来回切换的时间;Moka还支持同步不同招聘人员之间的工作进度,避免因沟通不到位而产生的重复劳动;还可以帮助HR快速地安排面试,并在面试结束后通过问卷系统对求职者进行回访。

此外,Moka还可以将企业的人才资源进行积累和整理,形成人才库,方便HR未来检索和使用。

线上化是人工智能商业化的基础

赵欧伦表示,线上化是人工智能商业化落地的第一步。线上化之后才能产生数据,有了数据才会有人工智能。因此,Moka非常重视产品的体验,因为只有产品简单易用,能够让客户喜欢去用,才会有数据沉淀;只有产生数据沉淀,Moka才能通过人工智能进行分析。

然而,即便在最基础的线上化过程中,Moka也应用了很多人工智能的技术。举个例子,简历有很多种格式,这是让HR和服务商们最头疼的地方,其中图片格式的简历解析具有很大的挑战,Moka可以通过OCR技术识别用户上传的图片,并将核心信息提取出来;然后再利用NLP(Natural Language Processing:自然语言处理)技术对这些信息进行解析和筛选。

“如果HR要选计算机专业的求职者,可以通过我们AI的基础能力知道哪些候选人是计算机专业的。这是一个基础的简历解析,也是一个比较大的行业痛点,此前,HR上传简历到系统,上传完了解析不准是行业通病,这将导致一些求职者被漏掉,浪费企业的人才资源。Moka拥有着自主的简历解析能力,在数据覆盖范围与精准度上实现了优于同行业解析水平10%的提升,简历能够解析得更精准,降低企业人才资源的浪费。”

人才库挖掘和推荐功能是Moka的另外一个重要功能。企业用户可以通过Moka管理简历,在发布招聘信息之前,HR可以先系统内人才库中筛选一下有没有合适的人才。“小米是Moka的客户,它一年在Moka系统里积累的简历可能有几十万份到上百万份。作为小米的招聘人员,他们可以先把这些简历过一遍,而不用再去网站上发职位布,等人投递。”

此外,面对收集来的海量简历,Moka还会根据求职者之前的面试反馈、评价,以及企业用户的一些招聘需求,向HR推荐最合适的求职者。Moka还将通过筛选结果和面试结果两个维度的数据进行学习,建立模型,进一步提高推荐系统的准确性与可靠性。

除了直接服务于企业的招聘人员,Moka还在进行一些辅助决策方面的尝试。通过Moka的分析数据,可以帮助目标企业决定招聘的预算,并优化预算在不同招聘渠道的分配。目前这一功能正在开发中。

人工智能的商业化路径

人工智能在国内被投资人们提及最多的就是如何落地以及商业化。

截止至2018年底,Moka已服务超过500家付费企业客户,包括小米、搜狗、欢聚时代、汉堡王、金拱门、赫基国际集团、森马、Arm china、首创股份、太平洋保险等知名企业。据Moka官方数据显示,招聘管理系统可以为企业招聘降低40%的时间成本,减少32%的招聘支出,提高51%的招聘速度。

赵欧伦表示,Moka系统面向的是员工人数超过300人,且有一定招聘量的企业,但使用效果和价值更明显的是员工人数在1000人以上的中大型公司,它有足够的招聘需求,需要对招聘流程进行管理,方便招聘人员协作,提高招聘的效能。

谈及人工智能的商业化,赵欧伦表示,未来的一段时间内,在企业服务领域,通过数据分析来解决问题、提高效能是一个非常重要的方向,在这一过程中一定会应用到很多的人工智能技术。

而Moka所使用的人工智能技术属于有限条件下的机器学习(confident situation),指在一个具体的业务场景下探索AI的落地。这种技术有着很大的发展空间,而企业服务更是一块没有被AI开垦过的处女地。

人工智能落地的先决条件是数据,有数据才可以去进一步地分析,而且这个数据越独特越好。对于Moka,这个数据就是基于企业客户的简历以及企业招聘人员在整个招聘流程的行为数据——招聘人员喜欢什么样的简历、他们在哪一部分资料花的时间最久等等。

企业采购专业人力资源管理系统已成趋势

谈及业内的传统友商,赵欧伦表示,Moka的优势在于产品和技术。

同时,赵欧伦认为,Moka所处的行业并非是单一销售可以垄断资源的传统行业,所以,Moka在选择销售合伙人时会更加看重对方对组织整体销售能力的提升。

除了这些直接传统友商,互联网招聘平台也有可能入场搅局。赵欧伦表示,“互联网招聘平台做简历管理系统,会与主业务的招聘服务有利益冲突,难免引起企业用户对于数据安全的担忧。”

另外一个对手或许是企业用户本身——对于很多公司而言,自主研发一整套人力资源管理系统并非难事。腾讯、阿里、百度都拥有自研或半自研的人力资源管理系统。

对此,赵欧伦表示,这首先是一个成本问题,传统行业未必拥有这样的开发能力,它们最终还是要找外包,而互联网公司固然有足够的技术能力,但自主研发这一系统在成本上也并不划算。据我所知,某知名互联网企业为了开发一套人力资源管理系统,投入了20人小团队3年的时间,仅在人员和时间成本上的投入就已经超过了1200万元。而如果采购了Moka的管理系统,三年的使用成本可能仅为自主研发的四分之一到三分之一。

此外,由于人力的限制,自研人力管理系统在系统的设计和场景的把握上也不如Moka这样的专业服务商。Moka目前有超过100名产研人员投入在系统的开发上,并且由于面对的企业更多,Moka在客户场景的把握上也较自研系统更为准确。

赵欧伦表示,在海外市场上,采购专业的人力资源管理系统已经成为一种趋势。谷歌、Facebook和亚马逊使用的都是Workday的人力资源管理系统,其中,Facebook还曾自研过一套人力资源管理系统,但最终还是替换成了Workday的系统以及配套的云端解决方案。

Workday成立于2005年,是一家人力资源管理系统提供商。目前,有一半的《财富》50强企业和超过35%的500强企业在关键性业务运营中使用Workday的服务。Workday是“云”软件领域的领导者,客户以订阅的方式购买程序并进行远程管理。

经济下行招聘紧缩 促进企业进行精细化管理

谈及2018上半年以来的市场变化,赵欧伦表示,在资本寒冬中,越来越多的企业开始在乎数据运营,开始对企业的人力资源进行数字化管理。很多人以为经济下行,企业就不招聘了,但有前瞻的管理者,反而会在这个过程中去实行科学化的管理,去购买人力资源管理系统。这个过程中,Moka企业用户的付费意愿反而上来了。

赵欧伦透露,当前确实看到一些公司在缩减编制,但更多的企业是在梳理自己的招聘流程,把招聘的口子缩紧一点。在经济不明朗的时候,企业会关注自己的组织能力,一方面是收紧招聘口子,另一方面是优化组织内的人员。当组织人员完成优化之后,再适当地招聘一些人,整个企业的组织能力才能不断往上走。

“前一段(时间)卫哲也在讲,之前资本红利特别旺,吹出来很多的风口龙——脑袋小、身子大,组织能力根本跟不上环境的变化。”

赵欧伦表示,接下来Moka还将进一步加大投入,持续做好人工智能的探索,并在服务端引进更多咨询类背景的人才,提升Moka的服务能力,并且,“Moka将永远坚持以客户为中心的原则。”

标签: Moka 赵欧伦 人工智能 探索

相关阅读

相关词

推荐阅读