两位来自Facebook和谷歌的前产品天赋正在将硅谷界最抢手的词汇——搜索、人工智能以及大数据，交融入到一项可以为古代世界带来全新意义的新兴技术中去。

Eightfold.ai公司由谷歌和IBM研讨的前搜索和特性化专家Ashutosh Garg出任CEO，曾指导过谷歌和油管搜索团队以及Facebook的News Feed团队的Varun Kacholia出CTO；同时，Eightfold.ai的执行团队可以为他们的研讨提供80项专利以及6000多条援用。

Ashutosh Garg和Varun Kacholia这两团体聚在一同（也许是硅谷最典型的代表了）为他们的前雇主不断追随的成绩——如何为员工在任务中找到满足感，展开了严谨剖析。

Garg说到：“失业是社会的重要要素，但让合适的人在合适的岗位上却是一个顺手的成绩。虽然人们把招聘作为一种买卖……但是为了让任务变得对大少数人来说都变得有意义，树立一个综合平台也就是同等于树立一个能从基本上处理这个成绩的公司。”

这无疑是一个远大的目的，而且有2400万美元用于支持这个目的的完成。这些资金由一些大投资者提供，如Lightspeed Ventures以及Foundation Capital。

该公司的高管表示： 他们希望经过从世界各地搜集到的地下数据，结构一个理想员工队伍的蓝图，来消弭对招聘、专业开展和提升的一切认知偏向。为了在各个行业里树立一个柏拉图式的理想，这些数据都可以被用来剖析。

经过这样，一个理想企业的抽象就可以投放到公司的实践员工身上——如何最好地引荐并雇佣特定的候选人以使企业更接近其理想抽象。

Garg说：“我们曾经在网站中搜集了上千万的材料......包括维基百科的数据。目前，我们曾经理解到人们在组织中的表现状况。我们运用一切这些数据来检查哪些人在组织中表现良好。如今我们经过这些数据来树立模型以明白哪些人擅长做什么。”

在Garg的描绘中，有两局部重点：第一个是开发一个企业的人才网络——他称之为“一个公司的人才图表”；另一个，也是最重要的一点，“在图表顶端，我们描画出了人们退职业生涯中是如何近一年来，国家加大了对于互联网金融的管理力度，各种管理政策不断出台，不少业内人士对于互联网金融都保持着谨慎看好的态度，但是安方丹却保持了乐观的态度，她认为，互联网金融行业在当前是“风口上的大象”，技术正是这股风的原动力。从一个职位换到另一个职位的。”

经过运用这些工具，Garg表示Eightfold.ai 的效劳可以为每个员工预测一条能完全激起他们潜力的最佳途径。

公司的名字来自佛教八邪道（eightfold path）的启示，虽然作者自身并不晓得如来佛祖会对灵性生长与专业开展的外延有什么说法，在互联网思维的影响下，传统服务业不再局限于规模效益，加强对市场的反应速度成为传统服务业发展的首要选择。在互联网思维下，通过对传统服务业的改革，为传统服务业发展创造了全新的天地。但Garg置信他本人的选择是正确的。

“假如能将每一团体的才能和潜力都用在适宜的中央，那对我们来说是有意义的提高。”Garg说。

Eightfold.ai 曾经拥有超越100位来自各行各业的客户。依据其一份声明表示：其软件曾经处置了超越2000万个使用顺序，并且与行业均匀程度相比，客户的呼应率曾经添加了700%——同时降低了90%的挑选本钱和工夫。

Lightspeed Ventures风投公司的合伙人Peter Nieh在一份声明中这样表示：“Eightfold.ai 为人们在本人的职业生涯里发扬潜能提供了一个难以相信的时机，同时期许了员工一个黑暗的将来。Ashutosh 和Varun为人才管理革新带来了人工智能和数据迷信，这也是他们曾为谷歌、YouTube和Facebook带去过的东西。以前在Ashutosh创建Bloomreach的时分我们就支持过他，并且等待再次与他协作。”

大数据和算法的自动决策在休息力开展方面的使用是硅谷如何处理成绩的一个完满例子——但即使有很好的动身点，也要留意到一点——这些工具也只要开发者买账罢了。

现实上，Kacholia和Garg以前的公司都被责备过于依赖技术来处理人类的根本成绩。

毕竟如今在各路宣传的鼎力宣扬下，群众曾经被深深植入这样的观念：本国政府往往应用谷歌和Facebook这些在线平台唱工具，对国际政治选举停止干涉，甚至是大肆停止政治宣传以及散播仇恨言论。

虽然这些工具在任务和休息力开展中的使用的动身点是崇高的，但也应该遭到一定水平的疑心。恰如去年出版的《麻省理工学院技术评论》（ MIT Technology Review ）的一篇文章中写到：在机器学习和人工智能开展的关键时辰，算法的偏向正在被塑形成为一个严重的社会成绩。假如存在于算法中的偏向一旦使重要决策失败，就能够形成严重的负面影响，特别是对绝对贫穷的地域和多数民族。但是，最终的抗议也能够障碍一个十分有用的技术的开展。

揭露隐藏成见的算法曾经被用于停止重要的财务和法律决策。例如，专有算法被用来决议哪些人能失掉任务面试、哪些人能失掉假释以及有哪些人能失掉存款。

Garg在回答作者的电子邮件中写到：“许多由于无限的信息而对招聘有成见的人都发现了：经过数据智能，我们能为招聘人员和招聘经理提供了一个强无力的洞察力，而不是仅仅局限在那些他们能够晓得的多数技艺或公司，这样极大地进步他们挑选出适宜人选的能够性。我们多样性的产品还能去除由于盲选而形成的任何潜在认知偏向。我们完全恪守对等失业时机委员会（EEOC：Equal Employment Opportunity Commission ）的原则，而不是用年龄、性别、种族、宗教、能否残疾等要求去评价候选人能否在企业中担任某个角色。”

经过移除人类认知偏向而使人事决策能更客观是值得称誉的，但只要当决策零碎自身是不带有任何认知偏向的。但是在这个时代，这一点是不能保证的。