文章内容整理来源：钟灵教授在2021中国人力资本国际管理论坛（春季）现场分享

今天很高兴可以在这里给大家介绍一下数字化的工具如何助力人才招聘和管理。后疫情时代，或者未来3到5年，我们认为人才管理面临着诸多挑战，这会让大家觉得未来毫不可控。但数字化工具能够把不可控的东西变得可控。

这个工具还没有被中国引入，在国外也是极少大企业曾经考虑过试用，所以它还没有中文名字。工具叫Incentivized resume rating (IRR)，我给它起的中文名字叫“激励式简历评分系统”。这个系统是经济学家开发的，他们想知道我们如何用数字化工具大量节约HR的时间成本，或者除节约时间成本外起一个监督作用，这也是经济学家从政策角度出发比较关注的东西。

这个算法2017年开始进行讨论和试用，我今天介绍的是第一代系统，是基于2019年他们发表的一篇国际顶级期刊上面的学术论文，它介绍了这个系统的算法及实际效果。

首先是把海量简历筛选出来，变成HR想要面试的小组，这个过程尽量用机器替代。

第二就是评估筛选过程，这个过程是否公平，是否有效，是否关注了该关注和不该关注的东西，是否在这里面起了捣乱的作用，这也是我们比较关心的。

这个系统是如何训练和使用的？

这个系统有点像我们经常见到的机器学习的算法训练过程。

首先我们让雇主评估一组虚拟简历，通过他对这些虚拟简历的偏好，我们问他两个问题。第一，你有多想雇这个人；

第二，假定你给这个人发了offer，你觉得他有多大几率会接受。

大家想想我们为什么分这两个问题问，而不是问招聘他的成功概率有多大。HR招聘时先觉得他有多大吸引力，再决定他能不能来，然后决定发offer，这个过程我们在算法当中拆分出来。这个IRR筛选出记录雇主的需求与喜好，筛选出真正和工作能力及执行工作能力相关的部分，这才是真正有相关性的，其他可能只是偏见或者失误。

其实这些喜好有时是一些偏误，所以这个时候我们要记录喜好，再记录跟实际工作相关的部分，然后根据这些偏好，用IRR系统帮助雇主在海量简历里面筛选对口的，再把这些对口简历推送给雇主。把它想象成一个黑盒，相当于你只要做完一套题之后就不需要再看几百、几千份简历，黑盒会帮你找到十份你应该关注的简历。

这个实验测试的就是这个黑盒的效果怎么样。这篇论文的作者——开发IRR系统的几位经济学家——是宾夕法尼亚大学的教授，他们用的也是宾大的应届毕业生。有72家企业每年都会参加宾大的毕业生校招，所以他们把这72家企业的HRD都招来，让每位HRD先看40份虚拟简历，只要认真看完这40份简历，系统就保证给HRD推送10位它认为最对口的员工。这些HRD的确有这样的动机，会认真做这40道题的。

虚拟简历展示了什么信息？

首先是籍贯、婚姻情况等，再就是教育情况、本科成绩基点，还有专业，这告诉你整个成绩单的主要课程都是关于哪个方向。简历里还有工作经历，里面非常认真地记录了每一次实习经历；有社会活动，因为很多大学生很注意社会活动，要展示领导能力和参与组织生活；还有技能，中国求职者的简历里也会标出自己会哪些编程语言和分析方法，这也是简历的一部分。

我们记录的就是对偏好和信心这两个问题的回答。分析这次实验结果，这些负责宾大校招的HRD在意什么，不在意什么？我们发现本科成绩非常重要，这个很自然。优秀的实习经历不光质量，数量也很重要。有的同学从大一、大二就开始每个暑假都实习，雇主会觉得这样的人对于他自己的事业是有长线规划的，比较早就知道自己要什么、想怎么规划，所以数量也很重要。实验还发现，如果一名应届毕业生曾经做过许多勤工俭学的工作，这对于雇主来说是一个负面的因素。

那什么不重要？技术能力不重要，这对我们来说是一个意外的发现。我们会在简历里列自己会什么编程语言，做过什么复杂算法等等，但这个不重要，雇主也不关注。我们发现领导能力也不重要，我认为这是因为做这个实验的人，即负责校招的HRD，要雇佣的都是基层员工，而基层员工是否具备管理能力，的确暂时不重要。如果同样的实验在30-35岁这个人群再做一次的话，很有可能领导能力就会变得比较重要。

这些大家觉得都是常识，但它其实还可以告诉我们平时不注意到的东西。比如抽取偏好信息，如果这些简历里面经常出现一对一对的简历教育背景相同，但A比B的实习经历多，我们发现雇主总是会选A，于是就知道雇主非常关注实习数量。如果有个学霸没有实习经历但是GPA高，而另外一个学生GPA偏低，雇主就比较倾向于学霸型的，那么记录就显示相比实习经历和课内成绩，这位雇主更关注课内成绩。我们还可以探测可能的、歧视性的偏好，这个经济学家比较关注。大家一般只关注如何提高效率，但经济学家会关注我们如何用这样的工具帮助框定大家的行为，使其符合公平、道义。

比如两个人简历相同，教育背景、实习经历完全一样的时候，雇主总是对男生感兴趣，这就是潜在的性别偏见。但另外一种可能性是，当他们简历相同时，雇主对他们的兴趣是一样的，但他总认为男生接这个offer的概率更大。其实像宾大这样的学校，很多人认为上名校的女生关注的不只是事业、收入，也会关注一些社会责任的东西，那对于这样的人来说，一个好工作，一个好企业的offer并不能够确定她肯定会接受。

如果没有这个工具，在实操中我们看到的是一个HR看了一男一女两人的简历，最后他综合考虑给男生发了offer，但是通过分开问这个问题——你觉得他接受offer的概率有多大，可以判断出HR并没有在能力上低估女生，而是招聘方面的一些性别刻板印象造成他更容倾向于给男生发offer。

如何评价IRR系统？

首先HR评价的是虚拟简历，这会使其尽量保证客观且真实，同时也会非常认真，因为你知道评价虚拟简历的方式能够决定最终得到真实简历是什么样，就不会敷衍。这个系统也可以记录偏见，同时提醒雇主。在部门主管分配工作任务时也可以用类似的系统和方式。它也有缺点，比如如何设计出几十份虚拟简历来掌握住雇主的偏向，会不会做出来后发现它没有分析出其中的偏好是什么。另外监管时也有潜在歧视的风险。如果我有这样一个工具和这种算法，而且这个工具结果只有我看得到，那么把它放在招聘平台上，可以在没有任何监管的情况下用这种工具帮我在籍贯、性别、工作、婚育情况等方面歧视性地筛选求职者，所以对这种工具一定要配套进行监管。

这就是给大家展示的案例。这种基于招聘行为的模型可以抽取招聘者的喜好和偏见，而且这样数字化的工具肯定能够提高人才招聘的效率。想象一下，从读一千份简历变成做四十道简历对应的题，面试能容纳多少人，你就可以得到多少系统推送的值得面试人的简历。同时数字化工具也可以让管理者更加客观、公正。如果我们用这样的工具定期做个测试、和HR进行交谈，然后从我们观察到和做题的状况来看HR的行为有怎样的规律，可能会发现一些不公平，就可以帮助我们提高行为效率和公平性。

以上就是我想讲的数字化工具如何助力人才的招聘与管理。谢谢大家。

END