月初的時候去參加了台灣大學主辦的人資啟發研討會，其中有一個部分是<機器學習應用在人資的傲慢與偏見>，由自稱被心理系耽誤的電腦科學家黃從仁教授分享，讓人對科技在人資領域的應用充滿期待。
目前我聽下來比較多都是在廣義招募流程方面的應用，其中現在已經算普遍的應用是：自動化履歷篩選、利用聊天機器人簡單篩選及FB按讚行為分析。
自動化履歷篩選基本上就是利用關鍵字分析，考量到這個趨勢，教授有特別提醒：履歷盡量不要排版得太過花俏或是用特殊字型，因為這樣系統很容易抓不到資料。
我對這樣的科技應用是持保留態度的，這個方式雖然可以為人資節省許多篩選履歷的時間，但是反過來應徵者只要狂灌關鍵字就很容易被系統挑中；在一些比較講究創造力的產業，規定應徵者都要交正經八百的履歷，那我不確定能不能維持選才的效力。
目前我想到2個防呆的方法，1個就是限制關鍵字的字頻。關鍵字頻率過高在網路行銷的專業術語叫「黑帽SEO」，搜尋引擎都能判定這是惡意灌水，系統也一定做得到，同樣的話說太多次，就顯得非常諂媚。
另1個就是除了履歷自傳外，可能還要提供一些能夠質性分析的素材，像是書面說明對公司文化的理解、1分鐘自我介紹影片這一類的。機器可以幫人資節省時間，但招募對自己推薦的每個人選都是有責任的，如果全部交給機器做，就喪失了招募這位職位的意義。
聊天機器人目前還沒辦法很聰明，只能判讀習慣中規中矩回答問題的應徵者提供的資訊是否符合公司的要求。如果應徵者的回答比較跳tone，它就會被繞得暈頭轉向，牛頭不對馬嘴。
再來就是FB按讚行為分析，我覺得這還滿值得參考的，而且應徵者不太可能為了一個面試在平常去扭曲自己的偏好。很多人都會為了得到一份工作，違背自己意志強調自己喜歡什麼、對什麼有熱忱，但是只有真正有興趣的人才會投注大量的時間去鑽研。
教授還有提到，可以偵測職員發e-mail副本的對象來整理出這個職員的職場互動關係，白話地說跟誰是同一個小圈圈。如果一個職員跟直屬主管互相副本的頻率低，可以有效預測這個職員的離職率。
我覺得職場互動關係編制可以是組織再造的參考依據，因為有些部門或團體在現行制度下或許不是同一個編制，但是實際上業務高度重疊而需要頻繁互動。
現在也有公司會在每個職員座位上裝感應器，我想應該是去感應識別證吧，藉此判斷誰跟誰是同一個小圈圈，有高頻率的互動。越常在同事座位間走動的人，留任率也是越高的。我覺得以人資的角度來說，如果發現有人不常這麼做，就要在日常生活中觀察是怎麼回事。
再來是實際談到機器學習的部分，黃教授的研究團隊判斷關聯性的方式不是傳統的迴歸相關，而是用KNN分析，也就是拿新資料點分布跟過去最接近的個體資料做比對。如果過去此個體離職了，就判定跟它分布模式接近的新資料個體也會離職。
研究的變項包含相貌、認知測驗分數及工作價值觀，真正能預測工作表現的是認知測驗分數，但能預測留任率的是卻是工作價值觀與公司是否相符。相貌雖然是人性所趨，但跟工作表現真的沒有什麼關係。
不過教授還是成功用機器學習建立起符合某企業對相貌偏好的模型，結果發現皮膚越白、臉越對稱分數越高，看來美白跟微整形是上班族的福音呀。
後記：
2021年初以來，我正式轉職成為了工程師，對於科技在人資領域的應用有了更貼近現實的了解。其實正如許多科幻小說所傳遞的意涵，科技是讓人生活得更便利，而非科技反過來駕馭人類。
因此我對招募流程導入科技工具其實抱持著很謹慎的態度，相關的討論可參考：
留言列表
回首人資來時路 (1)
