你需要知道的 7 个招聘 AI 技术术语

从财务到销售部门，企业领导者都在问他们如何利用技术来提高效率、成本效益和竞争力。人力资源部也不例外。为了跟上这一趋势，这里有每个招聘人员都需要知道的 7 个招聘 AI 技术术语。

1.人工智能

人工智能(AI) 是一种可以模仿人类能力的机器，例如学习、解决问题、规划、感知和移动物体的能力。简而言之，人工智能需要大量数据作为输入来产生解决问题的输出。AI 的核心领域包括机器学习、机器感知和机器人技术。

招聘人工智能是将学习或解决问题等人工智能应用于招聘职能。招聘 AI 技术旨在自动化招聘工作流程的某些部分，尤其是重复性、高容量的任务。

目前存在的招聘人工智能技术的应用包括智能简历筛选、招聘人员聊天机器人和数字化面试。

2. 算法

算法是通过一系列步骤取得输入，以产生解决问题的输出的程序或公式。

招聘中使用的最简单的算法形式是关键字或布尔​​搜索。您要解决的问题是从更大的申请人库中识别合格的候选人，输入是您的搜索词，输出是符合您搜索条件的候选人的候选名单。

如何在招聘 AI 技术中使用算法的一个例子是智能简历筛选。这里的问题是一样的：从更大的申请人库中识别合格的候选人。

这种类型的机器学习算法不是使用预先选择的搜索词，而是对以前的员工进行自我训练，以了解哪些简历数据点（输入）与成功的员工相关，以生成合格候选人的候选名单（输出）。

3. 机器学习

机器学习是一种计算机程序或算法，能够通过分析数据（输入）并提出解决方案（输出）来自学。

机器学习算法会继续从您输入的新数据中学习，以提高其提出的解决方案的准确性。

招聘人工智能技术中的机器学习算法正被用于通过从现有员工的简历中学习来自动筛选简历，以筛选候选人名单和评分。

招聘人工智能技术中的机器学习算法也被用于通过数字化面试通过学习成功候选人的面部表情和单词选择来评估候选人的个性和工作适合度。

4. 自然语言处理

自然语言处理是计算机程序理解人类口头或书面语言的能力。

在招聘自动化技术中使用自然语言处理的一种方式是通过人工智能聊天机器人向候选人实时提供答案、反馈和建议。根据候选人的回复和反馈，聊天机器人使用机器学习自学，以便在未来与其他候选人互动时变得更加准确。  

5. 人员分析

人员分析是使用数据和数据分析技术来理解、改进和优化业务的人员方面。

人员分析使用预测算法将人员数据与不同类型的业务数据联系起来，以产生与公司目标（例如增加收入和降低成本）一致的结果）。

人员分析本身并不是一个招聘 AI 技术术语，但它属于利用数据和技术优化人力资源和招聘流程的同一保护伞。  

6. 预测分析

预测分析 是一个统称，用于将 统计方程或算法应用于数据集（输入）以创建预测模型（输出），该模型确定未来概率的数值。在许多情况下，所使用的数据集包含多个被认为可以预测特定结果的变量。

预测分析可以应用于候选人，以预测哪些人可能成为成功的员工。可以使用简历数据、招聘前评估或面试分数创建此预测模型。对于使用简历数据作为输入的预测模型，多个变量可能包括教育水平、经验年限、技能和个性特征。

预测分析也可以应用于员工，以预测哪些人可能会辞职。该预测模型可能使用多个变量，例如通勤距离、公司任期、员工敬业度和薪酬。

7. 情绪分析

情感分析是计算机程序确定口头或书面文字的主观意见、情感状态或预期情感效果的能力。

情感分析的基本形式是对给定文本的极性进行分类：正面、负面或中性。更高级的情感分析将文本分类为特定的情感，例如“生气”和“高兴”。

情绪分析正被用于识别职位描述中可能存在偏见的语言。该程序的输入是，诸如“侵略性”之类的词被认为是男性化的，而诸如“合作”之类的词被认为是女性化的。

通过分析职位发布中使用的词，该程序可以以建议替换词的形式创建输出，以帮助解决这些词可能阻碍女性候选人申请的问题。