首页 科技快讯 从辅助工具到智能决策,大模型如何改变人才选拔方式?

从辅助工具到智能决策,大模型如何改变人才选拔方式?

来源:晰数塔互联网快讯 时间:2025年06月14日 16:26

采访嘉宾|程鹏,阿里巴巴技术专家

编辑 | Kimmy

随着大模型应用不断拓展,企业人力资源管理成为新的落地热点场景之一。从招聘流程的自动化筛选,到培训内容的个性化生成,再到能力评估的标准化量化,越来越多的 HR 系统正在从“辅助工具”向“决策辅助”演进。

不过,技术路线虽然看上去成熟,并不意味着落地就容易。面对复杂的组织流程、多元的岗位需求以及公平性等敏感问题,AI 在人才管理领域的落地仍处于摸索阶段。

近日,我们与 阿里巴巴技术专家程鹏 围绕大模型在人才选拔与培养中的应用进行了简单交流。他长期负责阿里巴巴集团和蚂蚁集团考试培训系统,主导并设计了基于数字人的实时 AI 面试产品,支撑了达摩院世界数学竞赛、各类浙江省社会化认证、各类淘天 & 支付宝 & 饿了么全体商家的考核培训等。在传统产品 AI 化、AI Agent 应用设计、分布式系统设计、高吞吐量系统架构设计、计算机安全、逆向开发等领域有较多经验。

6 月 27~28 日,在即将于北京举办的 AICon 全球人工智能开发与应用大会上,程鹏将发表演讲《大模型在企业人才选拔和培训中的深度实践》,分享大模型在人才管理流程中如何落地,包括技术方案、挑战与应对策略,以及可量化的业务成效。相关方案已在多家大型企事业单位落地实施,覆盖招聘、培训和测评等多个环节。

敬请期待:

https://aicon.infoq.cn/2025/beijing/presentation/6490

InfoQ:当前大模型在企业人力资源领域的应用逐渐增多,您认为 AI 在人才选拔与培养中最具颠覆性的价值体现在哪些方面?

程鹏:AI 在人才选拔与培养中的颠覆性价值主要体现在三个方面:

效率颠覆:通过简历分析、简历自动筛选、简历智能评估、AI 面试和智能评估报告,极大的缩短了招聘的周期,降低了整个流程的人工成本。例如,原先的传统招聘流程,成功入职 1 个人,可能需要招聘助理、各个环节的面试官、HR 等大量的人力投入,现在仅需在少量必要环节投入少量人力即可。

个性化:基于员工能力图谱和职业发展路径预测,AI 可为个体定制学习、培训方案。例如,通过分析历史表现数据,推荐最适合的技能提升课程。

客观决策:通过标准化的评估模型(如语言情感分析、行为模式识别),减少人为主观判断中的偏见,提升招聘与晋升的公平性。

InfoQ:面试、培训和能力测评应该算是 AI 落地的热门场景。您如何看待这三者在技术实现和业务价值上的不同挑战?

程鹏:

面试场景:技术挑战在于实时音视频分析的准确性(如微表情识别、语义理解、情感识别),需结合多模态模型;业务价值体现在降低人力投入,提升面试流程的人效,但需要适当的补充人工审核,以降低 AI 误判的风险。

培训场景:技术挑战在于动态生成个性化内容(如 AI 模拟真实业务案例),并实时评估培训效果;业务价值在于降低统一培训的同质化问题,但需平衡 AI 推荐与员工自主性。

能力测评:技术挑战是构建多维度能力模型(如逻辑推理、团队协作),需结合行业知识图谱;业务价值在于为人才梯队建设提供数据支撑,但需解决传统评估体系与 AI 指标的兼容性问题。

InfoQ:企业在使用大模型辅助决策时,需要平衡这里面的“效率”与“公正性”,您觉得如何实现这种平衡,尤其是在人才评估中?

程鹏:

算法透明化:明确评估指标的维度和权重(如学历占比、项目经验占比),并向用户展示决策逻辑。

数据多样性:模型训练、微调、蒸馏的数据均需要涵盖不同背景的样本数据,避免单一倾向。

人机协同机制:设置“AI 初筛 + 人工复核”的协同机制,确保人具有最终决策权,降低 AI 出错的风险。

InfoQ:大模型虽然通用能力强,但在面对具体行业语境和岗位需求时仍存在理解偏差。您认为提升“业务语义适配能力”的关键路径是什么?

程鹏:

领域数据微调:在通用模型基础上,通过微调的方式,注入行业专有术语和业务流程数据,提升大模型在特定垂直领域的能力。

知识库蒸馏:将各类专家经验编码为规则库,与模型输出进行对齐。

自迭代:通过良好的产品设计,把用户标注作为产品流程的一个环节,通过 AI 结果 + 人工结果的标注数据的沉淀,持续迭代模型,从而持续提升大模型的效果。

InfoQ:在构建 AI 驱动的人才管理系统时,除了模型本身,您觉得哪些“非模型因素”最值得重视?

程鹏:

数据治理:确保训练数据的质量和隐私合规性。

伦理治理:建立 AI 决策的申诉机制,确保即使出现 AI 误判,也有途径可以进行更正。

InfoQ:从您的观察来看,目前哪些行业或企业类型最具备大模型在人力资源领域落地的土壤?为什么?

程鹏:

科技与互联网企业:数据积累丰富(如用户行为日志),且对效率提升需求强烈。

制造业与传统行业巨头:面临技能转型压力,需快速培养数字化人才。

InfoQ:对于想从 0 到 1 尝试 AI 面试或 AI 培训系统的团队,您有哪些“避坑建议”或实践经验可以分享?

程鹏:

小范围验证优先:从单一岗位(如客服岗)或低风险场景(如入职培训)切入,避免全盘推翻现有流程。

设计兜底机制:保留人工干预的入口,例如当 AI 推荐结果异常时可快速切换回传统方法。

注重用户体验设计:例如 AI 面试中需优化语音交互的自然度,避免“机器人感”导致候选人抵触。

建立伦理审查小组:在项目初期即邀请法务、HR 参与,规避潜在法律风险(如歧视性评估)。

发布于:上海

相关推荐

从辅助工具到智能决策,大模型如何改变人才选拔方式?
从大模型到Agent,游戏规则会改变吗?
大模型人才高度稀缺,“选择”比“培养”更重要?
从谷歌看大模型如何深刻改变互联网广告?
新华全媒+|从“好玩”到“好用”——在2023中国计算机大会看大模型未来应用
大语言模型“狂飙”,如何与具身智能领域紧密结合?
王海峰解读文心大模型进展:智能体、代码、多模型
AI视觉的“大一统”:从CV到多模态,从行业大模型到机器人,旷视如何布局?
大模型正改变劳动力市场,以未曾设想的方式
这些倒腾AI大模型的方式,会把自己搞死

网址: 从辅助工具到智能决策,大模型如何改变人才选拔方式? http://www.xishuta.com/newsview137437.html

所属分类:人工智能

推荐科技快讯