2018年6月14日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指点，上海市长宁区青年结合会、亿欧公司结合主办，拼多多协办的“2018全球智能+新商业峰会”行业峰会“智能+新效劳峰会”在上海长宁世贸展馆举行。

本次峰会以“AI落地，产业晋级”为主题，现场聚集超越5000位AI行业内外人士，共同讨论AI目后面临哪些应战，当下如何商业落地，将来将会怎样开展等成绩。“智能+新效劳峰会”聚焦B端效劳商，讨论2018年不容错过的前沿技术与热点话题，人工智能、大数据、云计算…在人工智能时代下重新定义“新效劳”，寻觅大革新时代中to B效劳商的坐标与方向。

以下是e成科技开创人兼CEO周友鸿的演讲（有删减）：

大家好我是e成科技的周友鸿。e成科技是做人才决策数字化的AI平台，我明天要分享的内容，是e成在招聘范畴过来的5年踩过的坑以及考虑。

首先我们以为明天是新经济时代，AI+新经济发明了这么好的开展环境。第二是如今是人力资本的时代，很多企业都有人力资源部门，我其实不喜欢叫这个词。 我们以为资本是协助企业增值的，资源是耗费品。在e成没有招聘部门，在我们公司叫人才吸引部门。

在如今的人力资本时代，将来用什么样的方式，更好的构建我们HR的效劳呢？之前的时分，把这个环节叫专家+AI运用一些十分好工具，最初，借助内部的征询的力气，经过这样的COE架构，HR的各大模块提供效劳，明天大多数人都曾因不佳的交通状况而迟过到、叫过苦。经济的快速发展带动的是社会各方面的全面提升，但在此过程中，交通的发展却没跟得上前进的步幅，各类交通难题让交管部门伤透脑筋，如何利用AI来解决相关难题已成当务之急。参加数据和AI的工具，将来的人力资本时代，专家+AI更好的方式，更好的去取得成功。我们一直以为人力资源行业是数字密集型行业，更精确说法是人才决策的数据密集型的行业。招聘谁、提升谁、给谁加薪，一切的环节都是决策。这些决策的面前，随着企业的规模变的越来越大，以及为了更迷信的决策，其实人力资源行业进入AI+大数据的决策新时代曾经完全来了。

在应用AI+大数据的构建决策的进程中，以前我们踩过很多坑。最大的坑是直到3年前我们才决议把一切的画像树立起来，画像树立起来后，我们得出一个结论，要打造一个基于人才的知识图谱。我们构建了关于职位、公司、行业、人才方面的画像。

我们首先讲的人才画像，最开端以为这张词表，把外面的东西抽出来就是AI，其实基本不是AI。后来阅历了哪几个进程呢，我们自上而下发现一切语料进程，就像我们发现新词，去年的时分发现了相似新批发、智能驾驶、区块链很多新词，而不是人工定的新词，review规则给你一个词，你们辨认，能辨认我们就来用吧。

第三个阶段，我们对一切的语料行算法的实体任务，然后到了下一个阶段，发现对一切的命名实体停止向量化，基于语义把这个词切入到向量空间外面。以便更好的效劳于机器学习，最终变成知识图谱。

分享两个十分有意思的案例，我们可以精确预测将来哪个职业比拟抢手，知识图谱调用哪些数据呢？调用薪酬数据、供需关系以及职能的知识图谱，便可以预测哪个职能是比拟稀缺的。

异样我们在剖析上市公司股价方面十分精准，我们把上市公司最新三年的股价，入职率、离任率，入职人员的质量和离任人员的质量构建成新的图谱，会发现这个图谱的动摇与股价正相关。e成在努力于基于画像知识图谱使用到更大的场景中去。

e成放到三个大的场景用，是基于我们对商业的考虑，e成将商业关系分红雇佣关系、协作关系、商务关系三种。

协作关系的知识图谱使用是一个十分有意思的进程。在座很多嘉宾都在互联网公司，大家有没有考虑一个成绩，把什么样的人组织一同，义务完成的速度更快，产出的质量更好呢？这个进程中，十分有意思地去把一个义务分到哪些人完成的知识图谱，再到这些画像组织起来的时分，可以得出十分有意思的结论，我们会把数据，operation的后台，绩效的后台一致到一同你会发现，最初断定可以让更高效的人一同来完成义务，这样更无效率。以上是关于技术环节的分享。

过来4年做的最多的主业招聘，招聘是什么，过来大家以为是给我多少钱，多少工夫招多少人，e成以为招聘是什么？招聘更多优秀的人助力商业成功，招到那些更好的人助力创业成功。这面前变化的逻辑在于，过来招了很多干活的人，发现人变多了，但是效率没有高，有很多有才能的人分开公司。那关于我们来说，为招聘发明的中心价值是招聘更优秀的人，更快效率成绩，更浪费本钱的成绩。

我们踩过的坑十分多，首先引见一下，我们招聘场景中提供两块效劳，第一块是AiTS，第二块是处理招聘难的成绩。其实这个业务中中心想讲的话题不是这个，讲其中几个词：管理、效率、决策、效果。我们是给企业把效率进步，还是给他那么多钱，招那么多人，需求把任务形式变成线上化的形式，我们叫效率与管理的成绩怎样处理，等于说我们要做新的东西。

第二个，我们讲的是什么？效率效果，很多的AI效劳提供效率效劳，可以带来效果吗？哪个更重要？放到不同的行业场景来说，例如我们事先效劳的一家企业，效率对我重要，但是不紧急的事情。所以我们从人才库到内推，基于B2B的买卖，树立的是效果的效劳。

第三个数据与决策，由于当你的用户量足够大，数据足够多的时分，发生的数据为用户发明价值，最初客户想关怀的是经过人工或许说海量数据很难解读的结论是什么，然后打造了人才质量的打分零碎，辅佐它的决策。假如你的效率、效果、管理、决策的效劳可以完成闭环的时分，很多是可以互补的。

我们以前经过信息化的效劳，给企业提供了猎头渠道的管理效劳，最初这个管理效劳，我们每个零碎可以看到数据，把更多猎头的适宜简历引荐给企业，然后更好的完成猎头下面的业务招聘。招聘难中的场景我们的坑，最初经过4个词完成了十分好的业务上的互补。

所以，这里讲的坑基于产品方面的。从商业层面我们所踩过的坑，我根本上把to B外面大家讲的词语全部弄下去了， 数字化、智能化、信息化、衔接性，还有边界在哪里 ，这里分享下我们的考虑。

我们以前开端提供的中心效劳在智能化和数字化的层面，后来发现是不对的，我们以为向上和向下的才能很重要，信息化的效劳提供用户场景的入口，然后用户场景的入口有很多有价值的数据，假如我们在这两层很主动，怎样衔接和效劳呢？如今平台、垂直的AI已经渗透到了生活中的方方面面。在智能交通领域，人工智能技术也正在发挥作用。AI，后来发现人和效劳衔接起来，看到我们有买卖效劳，还会做衔接招聘场景的薪酬、测评很多效劳，精准引荐效劳给他。

第二个矛盾是什么呢？就是效劳与商业的成绩，由于一切的企业都是让我提供私有云的规范化效劳，效劳一切的企业，我们以为这是很美妙的愿景，美国也是这样。后来发现不是的，在中国我们一定做一些定制化效劳满足需求，需求有更多的客户成为你的付费客户，我们历来不以为效劳的才能会变成跟商业化有矛盾，效劳和商业之间其实不矛盾，不能提供效劳但是收不到钱。

第三个矛盾，我们讲流量与边界，流量的角度处理B和C，B的流量十分无限的，所以界定清楚找流量，判别钱在哪里，找为有价值的效劳付钱的流量。然后流量的选择方式之后，你会发现边界的成绩，为什么叫边界的成绩？希望在这个行业成为衔接者的时分，很多人成为你的朋友。我们要以用户价值为打破，做好衔接者。把某一层客户效劳好，阐明我们天花板到了，所以这里讲一下观念，我们还是希望打破边界与用户的价值为依归，把衔接做到极致。

好，明天的分享到这里，希望e成在如今人才尽用的社会，做出我们的奉献。谢谢大家。

过往精彩文章引荐：

专访e成科技：招聘强势进入AI时代，就是要更对更快更省