把「人才紅利」化為「成長動力」，YonGPT企業服務大模型協助企業發現人才

（正文）

如今，中國的「人口紅利」正高速向「人才紅利」進行演變。

2009年前，中國的勞動力供應相對充足，許多企業享受人口紅利，找到風口一路狂奔，透過 「低人效、高規模」獲得了「高利潤」。 然而，這些年，他們意識到，一切似乎都改變了。

一方面，隨著人力成本逐漸走高，部分企業人力成本高於業務成長率，成本成長問題凸顯。 另一方面，如今的商業環境快速變化，人才短缺、效率低下，無法跟上組織發展的要求。

越來越多的企業開始思考：如何用最少的人，辦最好的事？

高品質的人才就像一把打開業務成長大門的鑰匙，對於企業來說，招攬到具備創新精神和實踐能力的人才，能夠促進技術創新和業務成長，從而更好地適應市場變化和需求，帶動 企業可持續發展。 可以說，在當今時代，人才是企業最重要的資產，沒有之一。

那麼，到底「何為人才」，以及「如何有效地吸引並留住他們」？

01 「識人」、「知崗」並非易事

「橘生淮南則為橘，生於淮北則為枳，葉徒相似，其實味不同。所以然者何？水土異也。」

事實上，沒有完美的才，只有合適的人。

極致的人崗配對需要企業既能「識人」又能「知崗」。 識人是充分了解候選人冰山之上的技能、經驗、學歷以及冰山之下的性格、潛力、價值觀；而知崗則是充分剖析崗位的任職需求以及績優候選人畫像，只有將人崗信息進行匹配 ，才能實現適才適所，成人達企。

然而，企業想真正做到識人知崗，知人善任，卻並非易事。

這個過程，往往要耗費HR龐大的精力，假設每封履歷有 1000 字，一天篩選 100 封履歷，HR一天就要瀏覽數十萬字，很容易產生倦怠而錯失優秀的人才。 其次，在現今的VUCA時代，業務變化快，新職位不斷湧現，導致HR很難摸清業務真正需要的人才畫像。 因此，企業需要透過數位化系統更有效率地進行人崗匹配。

在過去很長一段時間裡，企業會透過規則控制的方式來進行篩選，但候選人的簡歷往往包含大量的自由文本，傳統的關鍵字匹配的方法無法充分利用好這些信息，自然難以精準地篩選 出想要的人才。

而在AI技術快速發展的今天，基於深度學習的AI模型能夠深入理解履歷中的意義和語境，從而準確地評估候選人的技能、背景和適應性，幫助HR更快、更準地找到想要的人才。

02 YonGPT用友企業服務大模型，助力企業人才發現

今年年初ChatGPT的一把大火，把人工智慧推向一個新的高度，也讓人們看到新的AI技術將為人類的生產、生活帶來革命性的改變。 但隨著時間的推移，通用大模型的熱潮正在逐漸降溫，人們發現，通用大模型想要應用於企業服務領域還有巨大的鴻溝。

華盛頓大學語言學教授Emily M. Bender在一次訪談中表示：「大型語言模型是根據訓練資料和輸入提示產生文字的程序，它們沒有移情能力，因此，它們產生的文字有時只是聽起來很合理 。

用友網絡副總裁、用友大易創始合夥人石磊提到，“我們需要發揮通用大模型的優勢，同時結合垂直領域的數據和知識圖譜進行訓練，才能真正應用在企業的日常工作中。”

因此，用友大易基於YonGPT用友企業服務大模型，上線了全新的智慧推薦模組，協助企業發現人才。

與通用大語言模型相比，主要有三個突出的優勢：

2.1 垂直深耕人力資源領域。

ChatGPT這類大語言模型的廣泛訓練使其具有較廣的知識範圍，但對垂直領域的專業知識的了解相對有限，可能會對使用者產生誤導。 而YonGPT用友企業服務大模型是根據行業、企業的業務數據訓練而來的，能夠結合行業的特點和企業的需求，捕捉到更多隱藏在數據背後的複雜模式，並透過高度精確的特徵提取能力 ，更能理解候選人的技能、能力、經驗等關鍵因素，以便真正辨識出最適合的人選。

2.2 自學習能力，成長性強。

YonGPT用友企業服務大模型基於深度學習、神經網路等AI技術，能夠根據HR、面試官的多樣化行為、行業偏好等進行推薦規則的優化，不斷提升推薦的精準度。 因此這樣的模型具有成長性，模型體量也可以隨著訓練樣本的增加而增加。

2.3 自主可控，保障資料安全。

通用大語言模型在使用過程中必然會面臨資料安全問題，例如資料傳輸、虛假資訊、隱私外洩等。 而用友企業服務大模型在資訊安全的基礎上訓練適合企業自身的模型，再將模型進行私有化部署，從根源上規避了資料外露的風險，全方位保障企業的招聘資料安全。

石磊談到，用友企業服務大模型並非徒有一個「大」字，我們要做的是把模型做垂直、做深，我們提供的不僅僅是技術，而是走到HR實際的招聘場景中去 ，端到端地幫助用戶解決實際的問題，這才是真正的業務價值。

03 與其說我們發現了人才，不如說是人才發現了我們

在YonGPT垂直化和行業化大模型的強大支持下，用友大易招聘系統不僅能對提交的簡歷進行智能評估，還能從龐大的人才庫中尋找並推薦出最適合的候選人，從而實現資源的有效利用和激活。

如同先前介紹，大模型具備強大的自學習能力，可根據對候選人所處流程，面試官、HR的任何評價與操作等進行分析，以此不斷優化推薦規則。

基於大模型的自然語意分析能力，系統會根據候選人的優勢和短板智慧產生六維雷達圖，讓HR快速捕捉候選人與職位的匹配度。 同時，候選人的潛在風險，如空檔期、教育經驗異常等，也會被系統性精確地識別，有助於降低招募失誤的風險。

石磊強調，在過去，我們篩選履歷表是依托「人」的經驗制定評分規則、標籤維度，這固然有助於形成一套評分體系，但也不免存在一定的主觀性和靈活性的問題。 現在，我們運用深度學習，以科學的手段製定出一套更精準、系統化的規則，讓機器不斷強化辨識、推薦和評分的能力。 當你在系統內搜尋越多，推薦的候選人畫像就會越精準，在不斷的訓練與微調後，合適的人才便會主動「送」上門。 因此，與其說我們發現了人才，不如說是人才發現了我們。

AI，正在改變招募產業的敘事方向。

但是，無論科技如何進步，「以人為本」依然會是不變的原則。 在解決了「何為人才」之後，使得招募人員不再需要花費大量時間去搜尋、評估求職者，他們有更多的時間和精力去解決「吸引人才和留住人才」的問題。

現代的招募人員不再只是尋找和篩選人才的角色，而是要轉變為建立和管理求職者關係的大師。 在這個新世界中，招募HR的工作更多的是利用人性化的方式，建立與求職者的心理和情感聯繫，從而增強雇主品牌的影響力。 只有透過這樣的方式，我們才能真正把人才紅利轉化為企業長久的成長動力。