由于现有申请人追踪系统（ATS）的不准确和缺陷，全国的猎头公司错过了50％或更多的合格候选人，科技公司错误地分类了80％的候选人，说明在招聘方面，这些系统存在多么大的缺陷。
那些平均需要42天的时间才能完成任务，并且需要60天或更长的时间才能填补专业技术技能的职位，这些职位的平均成本需要5,000美元。
在招聘人员筛选后，女性申请人有19％的概率被淘汰，30％的人在现场面试后被淘汰，导致每个公司大量丧失本需增长的智囊团。
现在是招聘过程变得更加智能的时候了。
招聘部门需要更多地融入情境智慧，洞察力，评估应聘者掌握所需技能，而不是根据候选人的简历来评判他们过去取得的成就。
通过更多基于机器学习的情景智能来丰富招聘流程，可以发现非常优秀的，并且具备超出招聘经理预期的智力技能的候选人。
机器学习算法还可以删除候选人的任何道德和性别上的身份识别信息，并让他们纯粹根据专业知识，经验，优点和技能进行评估。
目前全球的招聘流程500多年来都没有改变。
从达芬奇1482年的手写简历可以看出，他能够搭建桥梁并且提供赢得战争胜利的帮助。这位创造了蒙娜丽莎，最后的晚餐，维特鲁威人以及无数的科学发现和发明背后的天才推动了世界的现代化进程。
追求新职位的申请人一直在顽强地藐视创新。
ATS应用程序和平台对入境简历进行分类，并根据他们在简历上看到的技能，为候选人提供排名。
需要深入了解的是哪些管理人员具备领导才能，哪些候选人正在掌握和以何种速度掌握技术技能优势。
机器学习扩大了招聘公司在候选人的简历中看到的能力范围，从而超越了简历的障碍。投资回报率（ROI）通过加强招聘决策并以更大的智慧制定更好的招聘决策。
包括雇用时间，雇佣成本，保留率和绩效在内的关键指标都将在依赖更大的情境智能时得到提高。
超越简历，赢得人才大战
上周，我有机会与全球领先的技术智囊团之一的人力资源副总裁进行了交谈。
从现在起，他专注于他的组织需要的数百名技术专业人员，他们将在六个月，12个月和一年多的时间内为员工提供令人兴奋的新研究项目，这些项目将提供有价值的知识产权（IP），包括专利和新产品。
他们的方法始于寻求理解当前高绩效企业的概况和核心优势，然后在申请人社区和更广泛的技术社区寻找与理想候选人的匹配。
机器学习算法非常适合完成对高绩效人员和候选人的能力的比较分析，在比较完成时将其整个数字角色考虑在内。
下文说明了eightfold.ai人才智能平台（TIP），说明了它与公众可用数据，内部数据存储库，人力资源资源管理（HRM）系统，ATS工具的集成方式。
高绩效人员与申请人的特征进行对比分析需要数秒钟才能完成，提供了一份完整的档案。
根据机器学习得出的符合高绩效人员特征的潜在雇员情况，可以提供比任何简历都更好的背景情报。采用综合方法创建人才智能平台（TIP）可获得当今典型的招聘或ATS解决方案无法提供的洞察力。
下面的概要反映了将机器学习应用到候选人的综合数据集时可能出现的情境智能和深度见解。请点击图片展开以便阅读。以下配置文件中的关键元素包括以下内容：
职业生涯成长曲线
- 说明一个给定的候选人的职业进步和表现，与其他人进行的比较。
关于公共站点的社交关注
- 实时了解候选人在Github，Open Stack以及技术专家可以分享其专业知识的其他站点上的活动。
这也提供了他人如何看待他们贡献的辅助信息。
与正在审核的工作相关的背景要点，提供与简历中候选人历史记录中最相关的数据，以便招聘人员和经理可以更轻松地了解自己的优势。
近期出版物
- 出版物提供对过去10至15年或更长时间内当前和以前的兴趣，重点领域，思维模式和学习进展的见解。
专业重叠，可以更容易地验证履历中记录的成绩
- 实时职业数据的多种来源可以验证并提供更好的背景和洞察简历列出的成就
关键是了解候选人能力正在评估的背景。
而一份2页的简历绝不会给予候选人足够的自由度来涵盖所有的基础。
对于大中型企业来说 ，如果手动完成这项工作，跨所有角色，所有地区，所有候选人来源，所有在线申请，大学招聘，公司内部重新招聘，内部流动现有员工以及所有招聘渠道。
这
是机器学习可以成为招聘人员，招聘经理和候选人的盟友的地方
机器学习使简历过时的五个原因
通过降低成本和招聘时间，提高招聘质量，以最优质的人才招聘新员工，所有这些都可以促进收入的稳定增长。
单凭依靠简历就像在打一个不好的Skype电话，你只能听到谈话中的每一句话。使用基于机器学习的方法为雇佣决策带来更高的敏锐度，清晰度和可见性。
以下是机器学习使简历过时的五个原因：
简历就像反映过去的后视镜。
企业所需要的更多的是关注某人的去向，什么（能激励他们）以及他们自己着迷和学习什么。简历是后视镜，而我们需要的是基于目前的兴趣和才能，展现他们未来的前景。
依靠一个有着500多年历史、陈旧的招聘流程，我们无法知道候选人获得什么技能，技术和培训的动力。
特定领域掌握的深度和程度并不反映在简历中。
通过将多种数据源整合到候选人的统一视图中，从专业发展的角度来看，他们有可能看到他们正在成长的最快的领域。
游戏机器学习算法是不可能的，考虑到候选人可用的所有数字数据，而简历有一个可信度问题。
任何雇佣下属，员工和参与雇佣决策的人都会遇到找到一位有前途的候选人。然后经历失败的失望。
简历与招聘人员进行比较，他们说至少有60％的简历夸大其辞，有时候会对他们有所影响。使用像TIP这样的平台将所有数据考虑在内，这显示出真正的候选人及其实际技能。
现在是时候采取更多的数据驱动方法来消除无意识偏见。
今天的简历带有内在的偏见。招聘人员，招聘经理和最终面试组的高级管理人员会根据个人的姓名，性别，年龄，外表，所参加的学校等情况，制定了无意识的偏见决策。
了解他们的技能，优势和智力核心领域更有效，所有这些都是更好地预测工作绩效的指标。
降低糟糕的招聘风险，从而快速导致人才流失。
最终，每个人都会根据他们的最佳判断招聘部分人员，部分原因是他们的经常无意识的偏见。这是人性。
随着更多的数据，减少外聘的可能性减少，从而降低通过新租赁进行搅动的风险，并且花费数千美元聘用然后替换他们。
拥有更好的情境智能降低了招聘的下行风险，通过用可靠的数据显示一个人是否有资格担任某个角色并消除他们的背景优势，技能和成就来消除偏见。
造成无意识偏见的因素包括性别，种族，年龄或任何其他因素都可以从简介中删除，因此候选人只能评估他们在考虑的职位方面的优势。
底线：
现在是彻底改革简历和招聘流程的时候了，他们通过用机器学习所带来的更多背景情报和洞察力，重新定义简历和招聘流程，将它们重新定义为21世纪的招聘。
以上内容由HRTech AI编译完成，仅供参考
