来源：
硅谷密探（ID：guigudiyixian）
![]()
试想一下，在一个招聘竞赛中，如果告诉来自北美最顶级的8位猎头，要招产品经理、系统管理员（System Administrator）、地勤人员（Ground Service Agent）这三种完全不同岗位需求的人，给出5500份真实的简历，让你找出在这些简历中，谁最匹配这些公司的职位，成为最后这些公司需要招的人。
同时，第9位参赛者是一台能够进行人工智能匹配候选人的机器比赛，谁会赢？
是机器吗？
嗯，错了，第一名还是人。
不过，机器的准确度排到了第三。重点是，这个叫Brilent的机器，只花了3.2秒，就把合适的候选人筛选出来了。而第一名，花了25个小时。其他团队分别也花了4－9个小时等。
这是一个真实的案例，是今年3月由北美著名猎头公司SourceCon举办的一年一度的行业竞赛。如果机器已经如此快实现人与岗位的匹配，要是准确度再高一点，那岂不是未来HR们都要失业了？
![]()
今天，我们就来问问Brilent的创始团队，到底人工智能会不会让HR们面临失业了。
给应聘者打分排名
Brilent 的诞生，恰好源于创始人团队的痛点。
CEO Garry Ma告诉密探，创始人团队之前都在Facebook有着多年工作经验，作为数据科学家的他们，经常要帮团队招人。但他们发现，招聘这件事，重复性的事务多，比如要看大量的简历；客观性欠缺，就算面对应聘“软件工程师”岗位的同一个求职者，两个招聘官都难免会出现不同的意见。为什么不把数据相关的技术应用到招聘这个事情中呢？
于是，Garry 和同事廖宜华等人出来创办了Brilent。那么，Brilent 究竟是如何做的？
![]()
Brilent 是一个基于人工智能的给候选人进行排名和评估的系统。通过植入公司的内部人才数据库，比如应征者追踪系统（Applicant Tracking System，ATS）、客户关系管理系统（Customer Relationship Management，CRM），
对人才数据进行筛选，将其与公司的公开岗位进行排序和匹配，找出条件匹配度最靠前的2%－3%的求职者。
从效率上看，Brilent 至少可以帮助企业的HR缩减1/8的工时。
但是，速度并不是机器的唯一优势，Brilent 甚至提供关于候选人是否合适的原因的摘要，告诉公司，为什么这个候选人，在这个即将到来的时间内，适合这个给定的角色。
也就是人、岗位、公司三者都尽量做到最佳匹配。
这离不开 Brilent 自身根据AI驱动的算法。这套算法除了对数据进行筛选、清理、更新和标准化之外，还参考了候选人的额外信息等多个纬度。
为什么需要参考额外信息？比如说，HR可能从网上发现不少合适的候选人，但发出60封邮件，只有1－2封才给出了正面的回应。如此低的回应率，是不是有点沮丧？因为这些候选人可能暂时并没有换工作的意愿，这就是重要的额外信息。
因此，Brilent 把候选人换工作的意愿强度加入到评估，候选人在未来90天内改变工作的可能性就包括：很可能; 更倾向于; 可能；不太可能; 不可能。此外，还包括过去的工作历史、雇主的历史、实际工作描述之外的相关角色等多种额外信息。
当前 Brilent 的客户包括猎头公司和一些比较大型的企业，比如1000人以上的公司，或者公司未来目标比较大的公司。每月，平均向用户收取几百美金的费用。
还有一个很贴心的功能，很多时间候选人由于跳槽等原因简历会过时，而Brilent会跟踪Linkedin以及社交媒体渠道的变化，做出主动更新。
团队是核心竞争力
