成立18年以来,Indeed已经从当初简单的职位公告板,发展成如今的自动匹配与招聘平台。每分钟都有超过20名员工通过该平台找到新工作,其月均访问量更高达3亿人次。
Indeed运用AI技术,打造神奇的个性化职业伴侣
过去三年间,该公司业务再次翻了一番。面对这段动荡的经济周期,一系列全球事件明显对招聘趋势和活动产生了巨大影响。在此过程中,Indeed业务战略的重点开始转向开发基于AI和机器学习的新型复杂技术解决方案。
Indeed执行副总裁兼雇主事务总经理Raj Mukherjee的介绍,Indeed目前的发展重点是理解并满足个人求职者及普通员工的要求,据此打造出更加个性化且对接成功率更高的产品。
下面,我们将一同了解Indeed如何运用AI和机器学习技术,并深入探讨Mukherjee关于改变求职产业及其他领域的一些想法:
职业伴侣
Mukerjee在表述中多次提出了“职业伴侣”的概念,它完美描述了Indeed的AI发展雄心。从广义上讲,其业务目标较为宏观,总体强调提升服务与用户偏好的契合度、增强流程的执行速度。
Mukherjee强调,“我们当初的初立原则,就是围绕着机器学习展开。”
“我们使用标准机器学习技术和深度学习……如今则开始运用生成式AI,或者说大规模语言网络。”
职业伴侣这个概念,源自人们意识到端到端的就业平台不止在求职者首次寻找工作时发挥作用。当下的他们也许是在找工作,但未来的他们可能会在这里查找晋升指引,甚至终有一天会成立公司、自行招聘员工。
而了解他们的偏好,将成为准确服务的关键所在。Indeed每天收集超1.4亿个数据点,该公司将其称为“资历”信息。配合资历,网站就能深入了解申请人的实际情况,以及他们是否与平台上发布的职位相匹配。
在描述AI技术如何为增强客户体验提供新的可能性时,Mukherjee表示“我们可能会提供一份双方分享的简历,其中包含大量关于求职者个人数据、以往工作经历、教育背景和所掌握职业技能的信息。”
“我们则使用解析技术,在非常深入的层面通过机器学习从中提取出适应岗位需求的技能。”
即时匹配
速度同样非常重要。因此,关于填补空缺的速度指标也是最受关注的效能标杆之一。
Mukherjee告诉我,“我们知道雇主希望缩短招聘周期……如果使用我们的付费产品,那么招聘速度将加快19%。”
这是因为该服务会通过AI技术将职位空缺与申请人主动匹配。一旦有新岗位被发布在网站上,系统就会邀请合适的申请人参与面试。
在幕后,许多复杂的分析和对接操作在持续运行。Indeed的算法会根据“明示”或“暗示”的偏好整理洞察结论。其中明示性偏好由用户直接提供,例如更倾向于在伦敦或者巴黎申请就职。
而暗示性的偏好则通过分析数据来确定。例如,如果申请人们一直在查找伦敦周边的工作,那基本可以确定这里就是他们首选的工作地点。
结果证明,将这些明示和暗示的偏好结合起来,能够有效加快求职者与工作岗位间的匹配速度。
Mukherjee指出,“我们可以先在机器中创建大致的整体偏好,然后把它跟……更好的就职机会匹配起来。”
“同样的情况在雇主一边也适用,因为我们多年来已经积累下数十亿份职位描述。”
个性化代理
从成立第一天起,Indeed就大力投资以将AI纳入其服务核心。而该网站的长期发展思路,就是为求职者提供完全自动化的“个性代理”。
这将有助于改善Mukerjee本人特别关注的一项指标——在申请工作岗位时,有四分之三的求职者根本没收到过任何回复。
他解释称,“哪怕是被雇主拒绝,哪怕是受到打击,也比简历石沉大海带来的沮丧感要好。”
而Indeed找到了一种简单的解决方案:要减少求职者遭受此等影响的最佳途径,就是尽量减少他们盲投简历和随意发出申请的数量!
“那么,我们要如何才能让求职者们用不着申请那么多岗位呢?这种稳、准、狠的求职新范式……需要的就是所谓「个性化代理」。”
“也就是说……我们与机器分享了1.4亿份偏好的资历,而机器据此了解求职者情况并返回成功率极高、至少是大概率能收到回复的岗位……没办法,行业现状就是如此,大多数雇主都会忽略职位申请人。我们投了简历,但却毫无音讯。”
招聘领域的未来AI应用
Mukherjee对于不断变化的职场生态和未来的就业市场趋势明显有着更深入的洞察。因此当他说出“许多工作岗位将逐渐消失时”,背后的含义显然值得深思。
“事实的确如此。之前也发生过类似的情况,每一轮技术革命都会引发失业潮。”
“但与此同时,新的就业机会也将被创造出来。而作为这场AI技术革命的重要组成部分,新岗位是一定会陆续出现的。”
而被夹在光谱两端的大多数——既没有被粗暴裁员,但也未能转型成为提示词工程师或者AI伦理学家等新角色——可能会猛然发现,自己正身处前所未见的新世界。
在这个世界中,AI将承担起匹配、确定联系和招聘流程自动化中的大部分常见要素。
而另一方面,我们则积极发挥人力资源工作当中“人”的作用——运用我们的同理心、沟通能力和创造性思维,尽可能推动企业中每位成员的利益最大化。
Mukherjee指出,“我坚定相信……最终每一个人都将获得优于之前的工作体验。”
“我们将少做自己不愿做的工作,多做自己想做的事情。这就是我所说的乐观、或者叫务实的一面。我衷心希望自己的预判能够成为现实。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。