“在各个领域，软件正吞噬着世界。未来，每家公司都将成为软件公司。”
——马克·安德森（Marc Andreessen），网景公司创始人
世界日新月异，技术的影响前所未有，几乎所有的工商业部门都免不了受到冲击。从本质上讲，几乎所有公司都终将变成IT企业。这一现象不仅会影响（相对传统的）高管搜寻业务，还会影响到参与人才选拔的所有人。我认为在未来10年中，以下几个趋势会发展成为主流。第一，在人力资源工作和人才选拔过程中，直觉将不再是人们的唯一指引，人们将利用数据分析来寻找潜在的候选人。第二，新工具将帮助你获得更多的事实依据，核实观察结果，为决定候选人的去留打下坚实的基础。第三，处理数据的能力将变得至关重要。
大数据作为跟踪手段
几年前，我们的一位国际客户要求与我们会面，讨论国际寻访和招聘业务。当时我们公司不属于任何全球企业集团，因此，客户担心我们在亚洲和美国的业务网不够大。客户的担心是情有可原的。这件事促使我们思考公司未来的定位。
于是，我们决定尽快做两件事：一件事显然是要加入一个有名望的国际网络，另一件事是考虑与专门从事大数据业务的公司合作。事实证明，有些大数据公司，对于在全球范围内寻访稀缺宝贵的顶尖人才，有着渊博的知识和专门技能。他们有许多大数据专家，包括天文学家、计量经济学家和数学家。他们会研读每个人在网上留下的数字足迹，据此在全球范围内搜索最能胜任某一职位的候选人。他们不局限于传统的领英这样的社交媒体，而是去调查那些专业社交活动的主讲嘉宾，那些在实践领导者数据库中榜上有名的人，等等。在搜索关键字中，所有明显相关的选择标准都会涵盖进去，可以搜索到几乎所有潜在的候选人。
虽然大数据寻访效果非常好，但其缺点也显而易见：把每个人都找出来是很容易的，询问候选人是否可以应聘、是否愿意搬迁也很简单；但是，要弄清候选人是否具有适当的社交技能，是否具备领袖才干等，却非常不容易。甄选过程的第一阶段采用的是科学分析法，第二阶段则仍旧主要靠人工拣选。
不过，这一点现在已经开始改变了，一些公司开始利用人工智能预测候选人的资格。耘智信息科技有限公司[1]就是一个非常典型的代表。为了进一步了解耘智信息科技数据驱动的人才预测方法，我采访了这家上海公司的联合创始人与首席商务官里娜·约斯滕-拉布（Rina Joosten-Rabou）。她解释说，耘智信息科技开发人工智能技术，通过语言分析，预测一个人是否适合某个职位和单位。耘智信息科技的软件技术，采用语言分析算法和机器学习，对语言模式进行分析。计算机大脑根据候选人的语言，特别是词和字，推测其行为和个性。然后，将候选人的“关键行为基准概况”与公认的高绩效员工加以比较。事实证明，真正杰出的领导者具有共同的语言特征。每个行业也会形成自己的“话语特色”：会计师的说话方式不同于创意人士；而“唯唯诺诺”的银行家所谈论的话题及所用的辞藻，往往不同于那些敢于冒险的银行家。
公司文化也是如此。一般来说，公司文化是由在公司里工作的人组成的。耘智信息科技可以通过分析员工的语言，构建预测模型，对招聘策略的成功实施起到推动作用。
简历选择法缺乏预测效度！
从事人才甄选的人都有过这样的经历：面试刚进行了10分钟，就已经知道不会有什么奇迹发生。出于礼貌，会勉为其难地把面试做完。过后，会沮丧地坐在那里，感叹应聘者与其丰满的简历之间的差距。不过，也不必灰心：这种事屡见不鲜。
对于大多数公司来说，看简历是甄选过程的第一步。但实事求是地说：这第一步并不起什么作用。里娜·约斯滕-拉布道出了人工智能方法的优越性：“第一，简历没有预测效度，也不能代表候选人在下一份工作中的表现。第二，人们通常会将甄选过程缩减为调查几个基本特征，例如在该行业的经验或所受的教育。但这些基本特征中不包括技能和动机。第三，由于资源有限，通常无法选择面试每位候选人。就业市场的当前状况，意味着专业人士平均要花一整年的时间，才能找到一份新工作。因此，在某些行业，寻找人才或留住人才方面的形势很严峻。新技术，包括人工智能，能使目前的形势发生积极的变化。”
在中国的一家法国化妆品公司，招聘人员曾经一直工作到午夜，浏览为应聘为数不多的几个职位而投来的数千份简历。“我们本能地意识到，如果我们只是筛选简历，肯定会与优秀人才失之交臂，”他们的招聘主管解释说，“但是我们只能查看候选人的教育程度、就读的大学，以及是否在我们的同行那里实习过。即便实习情况糟糕得一塌糊涂，还是会被用来作为甄选员工的根据。很遗憾，我们只能这样做，因为申请人数太多，无法安排面试。”
然而，今非昔比，如今公司开始使用人工智能，将候选人与职位和公司文化进行最优匹配，不再仅靠浏览简历中的关键词来定夺了。现在，面对面的面试已被数字化面试所取代。机器人对候选人进行面试，进而做出选择。我知道你脑子里在想什么：“什么？！一个机器人？用一台机器来选择最优秀的人才？”没错，我们说的也不是2050年，早在2014年，耘智科技公司就首次推出了机器人选聘人才的程序。现在，该公司利用招聘人员在正式面试中常用的问题，通过手机面试了40 000名求职者，评估他们的技能。比如，“你如何使人们合作？”“你说的卓越领导艺术是什么意思？”“你为什么要来我们公司工作？”这为应聘者提供了一个机会，让他们用自己的话回答这些问题，并用自己的观点、经验和例证，进行解释说明。[2]（来源：耘智科技。）
耘智科技的研究表明，我们的语言模式---说话的方式和内容---与我们的行为和做事方式，是密切相关并相互作用的。语言的美在于它在我们的大脑中，无意识地组装起来，带有我们人格的独特印记。正如冰山只有水面以上的10%可见，它在水面下的体积我们看不见一样，本书中提到的主要需求和个性特征，大部分都隐藏在我们的语言模式中。仅靠浏览简历和面试，永远无法了解候选人的潜力有多么出众。秘密都在“水面”以下，肉眼看不见，然而这些性格特征，对于候选人的行为及未来成功的可能性，有着巨大的影响。而人工智能可以揭示出我们平常眼睛看不见、耳朵听不出的那90%的信息。尖端企业已经开始采用这种技术，来提高基于数据的决策效率。
里娜·约斯滕-拉布补充说：“与前些年挑选的候选人相比，计算机挑选的候选人中，有1/3在背景、大学学位或工作经验方面极为不同。若是根据简历，他们是不会被选中的。计算机算法第一步所推荐出的候选人中，有90%最终被录用。据直线主管说，录取的新员工所取得的成就高于平均水平。试用期内辞职的候选人减少了25%，这清楚地表明候选人更有动力为公司服务。”
再见，直觉！
人工智能、大数据和科学将在寻访和招聘（顶尖）人才方面发挥越来越大的作用。面试官仍将负责把控大局、做决定，但他们很快将要习以为常的，是在做决定时，要以人员分析法及智能算法为基础和依据。
验证直觉是否正确可以有很多方法。耘智科技使用的方法只是其中之一，另一种方法是游戏测试。
游戏测试
招聘是耗时的。为了在招聘过程中节省时间，许多公司将转向使用视频游戏来评估求职者的细微差别，如创造力、处理问题能力和协作能力等方面的差别。将候选人的游戏分数与优秀员工的分数进行对比，使硬指标---与招聘经理的主观意见一道---成为预测员工成功概率的有力工具。
为了了解游戏测试在人才招聘中的潜力，我们来看看硅谷一家名为Knack[3]的初创公司。这家总部位于旧金山的公司，发布了一款名为“气球旅”的游戏。公司可用这款游戏，对候选人的技能、个性特征和缺点进行初步分析。例如，有的候选人声称能够很好地处理压力且从不怀疑自我，还有的候选人声称能够激励他人并具有善于分析的头脑，“气球旅”可以证实或证伪这些说法。这款游戏很有趣，但是暗藏玄机，因为它包含了大量的尖端科学，是由来自哈佛和耶鲁等顶尖大学的跨学科科学家团队设计的。其中包括全球博弈论专家、2012年诺贝尔经济学奖获得者阿尔文·罗斯（Alvin Roth）。通过这种方式对候选人加以分析，综合利用了数据分析、概率论、心理学和数字技术等学科门类，有助于对候选人进行甄别。
Knack开发的游戏看似简单---说起来很像这本书---事实上，它们不仅关注人们在游戏中得了多少分，而且还关注分数是如何得到的。硬性技能无疑会在游戏中得到测量，但同时，社交智慧、创造力和人品也会得到测量。此外，这些游戏还能提供候选人学习敏捷性的相关信息。
智能标牌
除了游戏测试，还有其他新开发的智能工具可以帮助你进行候选人分析。Humanyze[4]是著名的麻省理工学院的一家衍生公司，它帮助企业利用智能标牌和算法建立数据集。智能标牌是企业经常向公司访客发放的标牌的变体。这个特殊的标牌可以录制视频和音频。
智能标牌可以记录一个人说话的频率、声调，参与的专业网络，以及工作效率。这样，Humanyze就能够在不冒犯此人隐私的情况下，对其未来的行为做出各种各样的预测。（不愿参加试验的人会得到一个假的“替代标牌”，以免他们有压力。）因为隐私法的缘故，许多国家严禁使用这个标牌。然而，对标牌记录进行分析是非常有价值的，而且类似工具的实际应用恐怕也指日可待。
现在的统计数据大多是针对人群，而不是针对个体的。这些数据有助于人们得出更加有的放矢的论据和决策。至少，可以用它们来分析群体行为。如能得到参与者的正当许可，并且国家立法也允许，就可以用它们分析个体的行为。言外之意是，在大批量数据中蕴含着巨大的研究潜能。
IBM的沃森项目就是一个例子。[5]沃森用计算机先收集世界各地医生的不同经验，再对其进行计算。沃森必将在医学领域取得巨大的进步，因为通过该项目，可以汇集大量实用的医学经验。
如何为不远的将来甄选敏捷人才
我们眼看着就业市场在发生变化。工作在变化、消失或被新的劳动形式（如个体经营者及新兴的斜杠现象）所替代。这些新兴起的边缘人士，当下正在进入主流市场。员工对雇主的忠诚度降低，因此流动率上升，就连高管也是如此。考虑到这一点，全面了解员工的情况（能力、需求、身份）以及他们未来可能取得的成功就变得越来越重要。
今后，应构建一个适当的结构化甄选过程---将本书提供的甄选方法细细斟酌、相互对照后，进行组合。还应利用一切可以利用的现代技术。当需要甄选敏捷人才时，应该采用202页图1和图2所示的面向未来的标准。
我们都可以做得更好，但是我们中有些人潜力更大
招聘人员，指的绝不仅是从事招聘工作的人。领导者和管理者都需要意识到，选择顶级优秀员工，也是他们的重要职责之一。一般的招聘，让其他人去做也就罢了，但是为关键职位招聘员工时，我认为领导者和管理者应该自始至终亲自参与。那些花时间学习人才甄选理论，并与行业精英一起实践的人，可以极大地提高自己的甄选技能。熟能生巧，而英明的领导和同事提供的反馈以及对方案的微调，更会锦上添花。当然，我们当中总是有一些人，天生就是从事招聘工作的料。合格的招聘人员与优秀的招聘人员的区别，在于两者智力水平不同，学习敏捷性不同，（尤其是）主要需求及个性特征的组合形式不同。例如，我遇到过许多睿智、经验丰富的面试官，但他们有很强的归属需求。因此，在面试的时候，他们不愿意问措辞尖锐的问题。从技术上讲，他们是非常熟练的面试官，任何好问题都能信手拈来，但受其主要需求的干扰，会避开措辞尖锐的问题。要防止这一现象，必须事先了解面试官的个性和主要需求。我熟悉的公司中，对这一点有清醒认识的寥寥无几。
人和计算机
世界的发展变化将持续影响人力资源及招聘工作。具体来说，IT、（大）数据和科学技术造成的影响会不断加剧。不久的将来，招聘人员会更加需要依赖人员分析学[6]和智能算法来获取信息，支撑决策。未来的招聘将不再是由人类把持的行业。它将成为人类和计算机共同参与的行业，后者的影响将会与日俱增。
如果公司希望提高敏捷性，那么公司将越来越多地转向敏捷人才。这意味着公司需要并且希望通过进行预测分析来验证他们的选择。大型国际企业（如微软），已经开始使用智能预测算法，分析哪些人工作出色，哪些人应该升迁，并且提供证据（这一点很关键）。微软认为，人员分析学尚处在起步阶段，但在未来几年将呈指数级增长。分析学是值得关注的学科：像谷歌和微软这样的公司，1/3的员工有分析学背景。
人工智能、数据分析和虚拟现实，都有助于深入研究候选人的行为。在甄选过程中，将候选人置于现实的情境中，也是一种方法，可测试候选人在各种环境下及在各种与工作相关的问题上---如抗压能力、合作的意愿、灵活性、客户为本的心态和学习敏捷性---的行为表现。(www.xing528.com)
全体共治及敏捷工作方式——炒作还是现实？
目前，全体共治（通常称为“自组织”）和敏捷的工作方式非常流行[7]。我注意到，我所熟悉的企业几乎都已经开始探索敏捷工作原则，并且正在讨论实现这些原则的可行性和益处。“敏捷”的热心倡导者们，都对该原则的长处赞不绝口，尤其是它在奉献精神、灵活性、生产力、效率及客户导向程度等方面的积极作用。
而敏捷原则的批评者则宣称，它只是新瓶装旧酒，可能很快成为过眼云烟。这两者都不属实。《哈佛商业评论》的一项研究发现，敏捷工作方式有助于企业适应不断变化的世界，但是大多数企业可能不会在整个公司中应用敏捷原则。应该谨慎地、循序渐进地推广敏捷工作方式。在许多（甚至大多数）企业，可能有一些问题和专业领域适宜迅速采用敏捷工作方法及全员自治模式，而其他事务及领域，还将继续采用传统的工作模式。
我对敏捷人才的愿景和定义
无论自组织和敏捷工作会不会征服企业界，技术变革的速度和冲击，都将对数量空前的公司产生颠覆性的影响。与时俱进的唯一途径，就是采取新的经营模式。
我定义的敏捷人才，并不一定是指公司中在敏捷环境下工作的人。所谓敏捷人才，主要是指能够快速、有效地适应不断变化的环境，并能够摈弃自己熟悉的模式和准则的那些人。即便自组织团队和敏捷工作方式的热潮会烟消云散，对敏捷人才的需求，仍将保持强劲的势头。
不断变化和改进的甄选标准
下面的清单概括了这些年来人才标准的演变。图1是那些直到最近一直处于领先地位的标准，图2是选择敏捷人才的标准。
图1 当今及过去几年的甄选标准
图2 甄选敏捷(面向未来)人才的关键标准
组建最佳团队
运用计算机辅助工具，可以切实可靠地分析团队的互补性和多样性。因此，必须认真考虑整个团队的构建。在未来，招聘者要解决的问题不只是“找到在这种情境下，适合这份工作的最佳人选”，而是要“组建能够圆满地解决所面临的相关挑战的最完美、最互补的团队”。
“敏捷学习者，知道当自己不知如何是好时，该如何是好。他们知道该问什么问题，与谁合作，以便寻找所需的答案，而且对令其不安的境况，他们能安之若素。”
——约翰·T·德莱尼（JohnT.Delaney）
伊拉斯谟大学鹿特丹管理学院的荷兰科学家科林·李（Colin Lee）[8]说，未来的算法甚至可以预测哪些候选人可能会成功地完成尚不存在的工作。在那一天到来之前，还是要构建一个甄选过程，去招募面向未来的人才。为什么要把敏捷人才聚集在周围呢？约翰·T·德莱尼[9]完美地道出了其中最重要的原因：“他们知道该问什么问题，与谁合作去寻找所需的答案，而且对令其不安的境况，他们能安之若素。”
延伸阅读
专著
●Viktor Mayer-Schönberger & Kenneth Cukier（2013）.Big Data.A Revolution That Will Transform How We Live，Work，and Think.Eamon Dolan/Houghton Mifflin Harcourt.
论文
●Marc Andreessen（August 20，2011）.“Why Software is Eating the World.”The Wall Street Journal.
●Ethan Bernstein，John Bunch，Niko Canner& Michael Lee（July/August 2016）.“Beyond the Holacracy hype.”Harvard Business Review.
●Michael Chui，James Manyika & Mehdi Miremadi（November 2015）.“Four Fundamentals of Workplace Automation.”Mc Kinsey.com.
●John T.Delaney（July 11，2013）.“The Most In-Demand 21st Century Business Skill：Learning Agility.”The Huffington Post.
●Gerald C.Kane（April 7，2015）.“‘People analytics’through supercharged ID badges.”Sloan Management Review.
●Greg Lindsay（September 21，2015）.“HR Meets Data.How Your Boss Will Monitor You To Create The Quantified Workplace.”Fast Company Co.Exist.
●TheAIGames.com（March 8，2016）.“How to Find and Assess Developers Through A.I.Games.”Video，SlideShare.net.
【注释】
[1]https：//www.seedlinktech.com.
[2]你可以看一下这个视频：《创新招聘：BBC对耘智科技的报道》，https：//www.youtube.com/watch？v=-MOU5y2_SXM.
[3]https：//www.knack.it/.
[4]http：//www.humanyze.com/products.html.
[5]可以在You Tube上找一下这个视频：《IBM沃森：运作方法》（IBM Watson：How it Works）。
[6]BERSIN J.The geeks arrive in HR：people analytics is here[EB/OL].（2015-02-01）[2019- 12-09].http：//www.forbes.com/sites/joshbersin/2015/02/01/geeks-arrive-inhr-people-analytics-is-here/#1b8c0d997db3.
[7]MONTGOMERY A.Holacracy vs.hierarchy？The answer lies in managing complexity[EB/OL].（2014-01-09）[2019-12-10].http：//www.intelligentmanagement.ws/holacracy-vs-hierarchy-answer-lies-managing-complexity/.
[8]WOUT C V.Het algoritme weet of je geschikt bent[N].NRC Handelsblad，2016-04-12.
[9]DELANEY J T.The most in-demand 21st century business skill[N].The Huffington Post，2013- 07- 11.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
