当下人工智能技术发展日臻成熟，企业数字化转型已成为当下发展的大趋势，人工智能具有规模化、高效率、提升个性化学习转化等优势，能够在降低规模化实施应用成本的前提下助力企业发展。随着用人需求日益精细化，专业、科学的人才测评方法进入国内市场。人才测评中心（简称“AC测评”）（Assessment Center）有着广泛的应用场景，如招聘选材、培训评估、绩效考核、人才盘点、岗位认证以及晋升评定等等，适用于企业对人才的个性化培养需求。
在人才招聘、培训的具体实践过程中，某汽车公司原先采用的线下AC测评不能完全跟上中国经销商网络的人才发展需求，中国市场地域广、经销商网络大，经销商从业人员多，而传统测评方式实施成本高、周期相对长、时间效率低。为更好地适应中国市场的特殊性，进一步提升数字化业务水平，该公司项目团队启动了智能化人才测评的创新项目，把AC测评从线下“搬”到了线上，探索人才测评的数字化、智能化，助力企业提质增效，赋予人才招聘以及培养新的可能。
设计思路
技术可行性分析：创新项目团队的思路是用智能化AI技术实现传统基于线下的AC测评数字化。在供应商的支持下，他们通过逻辑验证的方式证明AI模型对个人能力水平的评估具有一定效度（见图一）。从图中可以看出，AI模型对一个人能力水平的评估和其实际的绩效水平比较接近，这表明智能化人才测评具有实际可行性。通过足够样本量训练出来的机器AI能够作出与专家接近的评估判断，测评结果能够较为直观地展现岗位的人员能力状况，在不同能力维度上的差别，为企业全面掌握岗位员工的能力水平，以及能力提升的发展方向，并根据基于能力发展的课程体系，推荐个性化的培训课题，为员工有针对性地提升业务能力提供帮助。
图一 逻辑验证(由HRTPS提供)
搭建能力模型：在完成可行性分析后，创新项目团队着手搭建能力模型。能力模型通常包含基本岗位要求、知识技能、和能力素质这三个层面。按照业务要求，梳理出能力维度所对应的必要行为描述，以此作为抓手，对能力项进行分解，在知识、技能和态度三方面细分出能力要求，并对接能力提升、培训考核,为后续实施评估做准备。根据经销商岗位人员能力模型（见图二），核心能力要求多用在招聘工作时，甄选候选人所需具备的必要基本素质。岗位能力要求和领导力要求，与所在岗位性质有关，侧重于业务需要，也是为业务发展做人员赋能的重点，创新项目团队选择销售和售后岗位能力要求作为智能化人才测评的试点。
图二 定义能力模型
设计测评题目：传统的AC测评中主要包含对知识技能、角色扮演、任务以及行为事件访谈这四个方面，创新项目团队参考AC测评的设计原则打造智能化人才测评，在设计具体题目时作出了创新和改进。知识技能还是按照考试测验常用的选择题形式，用于判断被测者的知识记忆储备和知识技能运用判断；角色扮演在智能测评中是通过设置特定的业务场景，在某个行为点上，要求被测者给出其认知的行为反应描述；行为事件访谈与角色扮演有一定的相似性，也是通过场景性提问和案例式提问的方式收集被测者的过往成功经验的行为描述，与传统的AC测评中的行为事件访谈不同，会在题目设置上更聚焦，在问题描述上更清晰，从而引导被测者作出更准确、更有效的回应，实现对被测者能力素质的精准判断。
选择样本建模，训练机器打分：在设计完成能力模型和测评题目后，下一步便是投入样本训练AI的评估能力，实现AI机器代替专业人员作出评判的构想。现如今，人工智能已经发展到了一定阶段，具备了语音文本识别转换能力，在自然语言学习和理解等技术的支持下，创新项目团队与经销商人才管理团队合作，挑选业务达标优秀的人员参与智能测评作为样本量，对被测者回应的话术内容进行切片萃取，提炼出其行为背后的底层逻辑、行为标签和行为语料库，进而建立算法测评模型，AI则通过模型训练掌握评估和判定被测者能力水平的能力。同时，主题专家也对样本量中回答内容进行人工评定，优化算法模型，完成对AI的训练。最后，再通过对比主题专家和机器AI的打分来校验AI训练的信效度，再次优化AI训练，逐步优化升级测评所使用的AI算法。
痛点与优化策略
样本质量不高：在启动智能化人才培训的创新项目时，创新项目团队遇到了一些难点痛点，因此随势而变制定了相应的优化策略。首先，在前期建模时，受多方因素影响，实际搜集到的样本质量不高，一线参与者对此创新项目的参与度相对较低，导致样本人群作出的有效回应不足。为保证萃取模型的质量，团队选用的样本人群以高绩效者为主，但在实践过程中，发现部分高绩效者的经验总结和语言表达能力与他们在实际业务结果达成所展示的实战能力不相符，给出的回应质量稍欠。针对样本量不足的问题，应对的策略是优化对样本人群的筛选标准，在筛选高绩效者时将自我学习和成长能力纳入考量范畴，并提前对样本人群做必要的经验总结技能培训。
AI缺少“拟人”判断的能力：在智能化人才测评中获得的数据能够对被测者的岗位能力进行整体性评估，在被测者个体的准确衡量会有欠缺，而在传统的AC测评中专家能够对被测者在不同场景下的个性化表达作综合判断，这一临场反应的能力AI目前并不完全具备。对于这个问题，创新项目团队认为智能化人才测评以及其所依托的人工智能技术有着广阔的发展前景，但这其中也需要时间的检验和经验的不断积累作为支撑，他们希望通过进一步扩大智能化人才测评的覆盖人群，优化样本量，做到质与量二者并重，从而有效提升AI的评估能力和准确度；与此同时着重关注个体差异，对具体对象做进一步的分析，以提升个体测评的实际效力。
反思与总结
有效平衡需求与目标：创新过程中难免会遇到理想与现实冲突的状况，创新项目团队也不例外，在推进智能化人才测评这一创新项目的过程中他们遇到了一些痛点和难点，核心问题是目前的人工智能AI技术尚未发展到掌握“拟人”判断能力的阶段，技术层面的限制使得设计构想在真正落地时受阻。针对这一问题，他们认为最关键的是明确需求和目标并对二者进行有效平衡，即在运用新技术时要先做好评估和学习，对新技术的发展现状进行深入的了解，然后再基于企业自身的发展需求，寻找与之相符的应用场景，确立可行目标，使得新技术能够精准发力。
以“数据”为重、重视积累：在发展智能化人才测评项目的过程中，创新项目团队深刻感受到“数据”的重要性，回望人工智能的发展历程，大数据、云计算再到如今的人工智能，在技术名词的快速迭代背后是坚实的数字化积累，数据清洗和海量数据库已经成为智能科技解决方案公司的关键技术优势，有效数据的积累关系到AI的学习速度、算法的迭代优化，是推进智能化发展的基础和关键一环，需要得到重视。
以人工智能技术为依托的创新性项目如何真正落地，在创新项目团队看来离不开基础条件和迭代优化这两大方面。从基础条件来看，企业是否本身具备AI技术条件，能否联动相关业务部门和专家顾问等提供综合性支持是推进创新项目的重要前提和基础；从迭代优化方面来看，用来训练AI模型的样本量数据需要持续性地补足，这就意味着需要在扩大样本人群的筛选范围的同时尽可能地保证其回应的有效性，对于测评题目的质量和算法的准确度有着很高的要求，而这些都需要相应的技术积累。在做创新项目时不可避免地会涉及到未知领域和不可控的变量因素，企业需要及时调整目标预期以应对变化的发生。
来源：人力资源智享会