e成科技：推動AI技術落地，“AI技術+HR知識”造就新物種崛起

　　2019年9月7日，e成科技受邀參加由AICUG人工智能技術社區主辦的AI技術與産業應用結合的年度盛會AI 先行者大會。本屆大會聚焦國際AI前沿技術、産業落地應用，彙聚中美AI行業與技術大咖，共同探讨AI行業發展趨勢與未來。

　　活動上，來自阿裡巴巴、騰訊、Intel、NVIDIA、商湯、雲從、曠視、馭勢科技、思必馳、Airbnb等國内外AI企業的智能技術專家，聚焦NLP、語音技術、AI解決方案、AI+新零售、CV、推薦算法、無人駕駛、人工智能平台等前沿主題，為大家展現AI技術魅力，共話AI技術與行業落地實踐，探索行業發展與未來。

　　e成科技AI算法負責人劉洋出席了本次大會，并在活動上發表題為“面向人力資本場景的NLP智能平台”的精彩演講，展示了e成科技在NLP(Natural Language Processing，自然語言處理)技術領域的創新研究以及在人力資本領域的應用突破。

　　△ e 成科技 AI 算法負責人劉洋發表演講

　　困境：To B企業的AI落地之難

　　中國互聯網發展環境及巨大的人口紅利成就了C端的異軍突起，但B端發展滞後歐美。當SAP、微軟、甲骨文、Workday等早已風生水起之時，中國B端企業卻聲名不顯。近幾年，得益于雲計算、大數據、人工智能、物聯網等信息化浪潮齊發，To B回暖，但道阻且艱。

　　劉洋表示，AI的落地和商業化對很多企業來說仍面臨着諸多困難，聚焦到人力資本領域，AI技術落地過程中面臨着如下幾個痛點：

　　數據稀缺性

　　數據是AI的“燃料”和技術創新應用的基礎。對于AI算法來講，隻有獲取大量與行業、領域相關，且标注、整理過的數據，才可能被使用。對于To C企業，得益于互聯網的發展和人口紅利，會産生大量用戶行為數據;但對于To B企業級服務來講，産品發布前是沒有用戶使用的，所以面臨的是更大的數據稀缺性 。

　　領域知識

　　技術與業務場景之間往往存在着一道鴻溝，AI技術缺少專業領域知識和應用場景的理解一直是一大痛點。一般來講，技術能力強的企業未必懂業務場景和專家知識，懂業務知識的未必有AI技術，這就會導緻強大的技術無法與具有高度專業性的人力資本領域融合，機器學習模式與HR工作方式難以匹配。不像很多To C領域的知識通俗易懂，人力資本、金融等領域擁有非常系統和專業的知識，要實現與AI技術融合， 不 深谙領域知識是不可能的 。

　　模型解釋性

　　AI技術的落地，不是算法的累積或者 炫 技，也不是任務獨立優化，而是一個面向産品性能和用戶體驗不斷尋求滿意性和解釋性的過程。 對于To C領域來講，很多應用和産品面對的是海量用戶，具有一定的容錯性;但面向企業服務的To B領域不同，尤其是人力資本領域，比如招聘和晉升等人才決策可能會影響一個人一生的命運。所以在企業用戶看來這一點非常重要，他們不光需要一個結論還需要一個解釋，沒有解釋很難讓人信服，這是在模型學習和算法設計裡需要着重考慮的。

　　破局：“AI技術+HR知識”造就新物種崛起

　　盡管AI落地尤其是在人力資本領域落地面臨諸多困境，但憑借的AI技術積累和的AI研發團隊，e成科技成為強調AI技術并率先将AI技術成功應用于人力資本領域的HRTech公司。

　　e成科技不但擁有的AI技術能力，還彙集了一批的咨詢專家，AI技術與專業能力的結合，造就了既有AI技術又懂領域知識的新物種 ，并在長期的積累、實踐和打磨中，探索了一套行之有效的解決方案和成功經驗。

　　活動上，劉洋通過一些實踐案例進行分析，分享了e成科技是如何突破和解決這些痛點的：

　　多管齊下：技術創新和專家知識解決數據稀缺

　　數據稀缺性是B端服務企業痛點之一。針對這一點，e成科技結合自己的AI技術能力和豐富的行業經驗積累，做了很大的創新突破。劉洋表示，一方面我們通過遷移學習的方法，尋找了很多其他行業的語料進行補充；另一方面，通過e成科技的專家團隊，撰寫了大量語料，并進行專業人工标注，為模型提供更多語料 。同時，我們還嘗試了很多新的技術、模型和方法進行樣本構造。

　　通過這些方法，我們的人工智能産品取得了不錯的效果，例如e成科技獨立研發并首創的BEI機器人評測準确率超過80%，相當于1年經驗顧問，可有效應用于面試選拔、人才盤點、内部晉升等多種場景下。

　　e 成科技自主研發了 BEI 機器人

　　兼容并包：AI技術創新與擁抱過去

　　多年來，e成科技一直持續加強AI技術投入與創新研發。公司擁有超過50人的算法團隊，在國内人力資本行業規模，是國内成立Barbel人工智能實驗室的HRTech企業。

　　在AI産品研發和智能算法模型搭建過程中，引入深度學習、知識圖譜、半監督學習、小樣本學習等最主流、最前沿的AI技術。比如我們應用了近兩年NLP領域乃至人工智能領域、最前沿的技術之一——Bert ，它徹底改變了預訓練産生詞向量和下遊具體NLP任務的關系。劉洋表示，Bert跟人力資本業務比較貼合，我們将新技術應用其中，并基于具體場景做了很多技術優化，如樣本優化、性能優化等，并基于人力資源場景語料專門訓練了Bert模型。同時，我們把它平台化，把很多其他NLP工具集中在平台裡，未來可以做到更強的模型，更加貼合業務。

　　為了滿足模型的解釋性，e成科技将AI技術與符号主義、專家系統等經典方法進行兼容并包 ，嘗試了很多有效的方法。比如我們使用貝葉斯網絡，它的優勢是将先驗知識與樣本信息相結合，并能挖掘出特征間的因果關系，且對數據量要求并不高，這與很多人力資本場景業務完美貼合。

　　人工智能背後的人：專家助力技術擁抱業務

　　在AI技術高速發展的背後，離不開人工智能背後的人——專家 。AI技術本身不具備生産力，隻有與領域知識和業務場景結合才能釋放巨大能量。專家對人力資本業務領域有着深刻的理解洞察能力，是AI技術落地到垂直産業的關鍵。

　　作為HRTech領域擁有咨詢專家的公司，e成科技組建了超過30人的來自全球知名咨詢企業的咨詢團隊。在模型搭建和算法訓練時，e成科技的專家團隊提供了大量專業的人工規則，為AI技術與業務結合提供很大幫助，讓AI技術更貼近業務場景需求。

　　劉洋表示用AI解決To B業務的困難就在于沒有數據、場景和業務，很多技術能力和模型在實驗室看起來很好，但不能滿足客戶需求。以人力資本經典場景“定崗定薪”為案例，他表示從算法思維角度，我們往往會帶着技術先入為主的思維“誤入歧途”，但是結果與業務方需求并不符合;若以業務為導向，深入解讀業務場景，結合專家提供的專業、準确的業務信息與規則，模型會更具解釋性，從而達到産品性能和企業用戶的滿意性。

　　所以，在未來AI逐漸落地的探索道路上，不僅需要性能優越的算法模型、大量的優質數據、專業的領域知識、真實的場景需求，最根本的是對業務的深層次理解。

　　面向未來：連結人與任務

　　數字化轉型已經成為數字經濟時代的必經之路，所有企業都在向智慧型企業轉型。AI技術決定數字化的未來，e成科技通過AI技術的布局，推動AI賦能人力資本全場景，助力行業數字化轉型 。

　　AI開放平台

　　e成科技推出HR行業AI開放平台 ，并已經實現AI能力中台化，即⽤即取，高效連接算法能力和業務訴求;同時對外開放AI能力，将多年AI能力積累開放給所有HR行業友商，助力人力資本智能化升級。

　　e 成科技推出 HR 行業 AI 開放平台

　　兩大引擎：Bot和畫像

　　e成科技通過Chatbot （智能聊天機器人）和畫像兩個核心引擎 ，提供全方位的數字化人力資本解決方案。Chatbot提升效率，畫像提升效果。

　　五大Bot協同

　　e成科技創新獨立研發了具有多模态交互能力的Chatbot，覆蓋職位咨詢、面試協同、意向确認、簡曆初篩、BEI訪談、員工服務等諸多場景，支持語音、文字、視頻等多種形式，實現招聘的全面數字化升級;并基于專家知識圖譜與NLP技術拆解、提取有效信息，刻畫全面人才畫像，為人才決策提供有效建議。

　　△ 5大Bot協同，實現全面數字化升級

　　畫像精準洞悉人才

　　e成科技用動态畫像取代靜态簡曆，基于AI技術、候選人數據、專家知識生成人才報告，不僅包含個人信息、工作經曆、教育背景等人才冰山上的信息，還深度挖掘難以評判的素質、性格、潛力、價值觀、領導力等冰山下信息，并解析各維度之間的聯系，洞悉人才成長的内在機理和軌迹。畫像的顆粒度更細，識人更準，企業可以全面升級招聘、人才盤點、定崗定薪、績效管理等工作，實現企業人才管理的實時化與可視化，科學性與客觀性。

　　未來，随着經濟和科技的飛速發展，人的時間變得越來越碎片化，公司的形式也許會漸漸消亡，e成科技希望通過技術重新建立人與任務之間的連接，更好地調度人和任務，做到資源配置和效率的化。人們根據自己身上的多樣才華充分地介入不一樣的工作，人才的分工流動會充分釋放才華。也許有我們會迎來這樣的時代，這也是我們希望看到的未來。

　　分享結束後，聽衆與嘉賓進行了熱烈互動，大家争相提問，對分享内容及e成科技的産品表現出很大興趣。分享内容中幹貨滿滿，不僅包含了AI技術研究的探讨，也分享了技術落地于行業的成功案例，聽衆們表示受益匪淺。