馬里蘭州的 Adventist HealthCare 醫院遭遇了一件煩心事，他們的醫護人員正在快速流失，這一比率已經超出了市場平均離職率，讓醫院的經營成本也隨之提高，如果這一狀況無法改善的話，很可能還會進一步威脅到該醫院的護理服務質量。這家醫院僱傭了那些訓練有素且資格齊備的護理人員，然而他們卻連招呼都不打一聲就離開了。
到底是哪裡出了問題？
每離職一位護理人員平均就要使得醫院付出 6 到 9 個月的工資成本，據估算，這些成本中包含了招聘與培訓費用，以及生產力的損失。
「如果護理人員能夠堅持幹滿兩年，而不是幹了一年就離開，醫院可以從中節省 6000-20000 美元。」Adventist 醫院 CEO Bill Robertson 在 5 年前就已經有此預判。護理人員在醫院的工作時間越長，醫院就能從中節省越多的成本。如果醫院有的選的話，他們更願意僱傭那些從來沒有主動辭職，或者不得不被開除的員工。
- 演算法大展身手，幫你找到「絕不閃退」的潛力員工
在過去的幾年中，招聘算法領域已經出現了多家專業公司，他們都承諾「幫你招到更好的人」。在招聘軟體的世界中，可以參考多種指標來讓整個招聘過程變得更好更有效，但是其中大部分公司不會參考應聘者過往經歷。
招聘算法提供了一種計算公式，將數據代入其中可以得到結果，幫助雇主更快或者找到更多樣化的候選者。然而這些應聘者入職之後會有何表現？他們能夠在新崗位上待滿 1 年、2 年還是 3 年呢？算法能夠幫助企業找到一直幹到退休的忠實員工嗎？
「將應聘者之前的職業表現與之後的職業表現聯繫起來的方法在算法中並不常見。」Kieren Snyder 是 Texio 的 CEO，這家公司專注於幫助星巴克與巴克萊銀行優化招聘流程。Textio 公司已經開發出了相關技術，可以解決從職業歷史中預測求職者入職後表現的問題。
Robertson 想要找到最適合 Adventist 醫院的招聘算法，用其識別出「最適合我們醫院」的應聘者。他找到了一家成立於 2009 年名為 Pegged 的招聘算法公司，這家公司與其他利用算法預測員工何時可能離職的公司不同，他們所追求的是在招聘時就幫助客戶找到不會離職的候選人。
在經過 Pegged 公司所用的算法大致調整了一遍之後，雖然算法沒有給出明確的結果，但是 Adventist 醫院已經看到了「員工離職率的顯著下降」。Robertson 指出醫院員工離職率下降了 30-50%，「這為我們在招聘成本與生產力損失上挽回了數百萬美元。」Robertson 如今已經去到了一家新成立的醫療機構 MultiCare 工作，在新公司當中他也用上了 Pegged 提供的招聘算法。
Pegged 公司的招聘算法中所使用數據有三類來源：
公開記錄，包括一切你能夠在 Google 上找到的東西；
背景信息，比如說簡歷和資格認證；
以及來自於潛在員工手機應用當中的交互數據。
通過計算，Pegged 的算法可以分析出求職者敲擊鍵盤的信息，以及她花了多少時間瀏覽網頁，是否以及何時她會關閉瀏覽器選項卡。Pegged 表示可以從中認識到這名求職者未來的工作表現。根據這一算法大大縮減了候選人的範圍，招聘經理可以從中選擇最合適的人選。
比方說要測試出人們在高壓環境下會做何反應，Pegged 就會給沒有數學背景的人拋出一個微積分測試題，然後記錄他相應的反應。他會被題目嚇住而久久沒有反應嗎？他會直接關掉網頁嗎？他會嘗試輸入答案並修改嗎？所有這些數據都會匯總到一起創建一個完善的數據庫，Pegged 會將這些數據與可能的結果進行對比，比如說看這些反應是否符合一個長期員工的測試反應。Pegged 指出自己的算法可以幫助客戶公司在 6-12 個月的時間裡離職率降低 38%，最差的一次記錄也能夠將離職率降低 13.5%。Pegged 公司表示他們能夠通過一個應聘者過去的被雇傭以及離職數據，判斷出其是否能夠在一個崗位上長久地工作。
根據 Pegged 公司 CEO Michael Rosenbaum 的說法，現如今已經有 310 家公司利用 Pegged 的算法解決了離職率過高的問題，公司的算法在幫助客戶提高員工留存率這一問題上從未失手。
Pegged 公司擁有 25 名員工，據說一年要處理超過 300 萬份求職申請，在招聘算法領域中已經是一個老玩家，算不清到底有多少通過該算法選拔出來的申請者可以在崗位上長久地幹下去。Pegged 服務的客戶主要分佈在醫療行業，美國醫療行業就業人數位居前列且增長快速，但是與此同時從 2011 年起醫院的離職率就在穩定上升。不過 Rosenbaum 表示招聘算法是通用的，Pegged 與 Catalyst 公司進行了合作，後者幫助諸如 Nike 公司、喜達屋酒店尋找軟體工程師，還幫助醫院招進那些非醫療崗位的人員。
位於孟菲斯的 Regional One 醫療機構擁有 3000 名僱員，去年他們就委託 Pegged 公司幫忙招聘了 10 類崗位人員，從護士到清潔員應有盡有。Pegged 公司在 60 天之內就完成了這 10 類崗位中的 7 類招聘任務，同時在 90 天內就使得其中 5 類崗位的離職率顯著下降（Pegged 的離職率計算區間通常在入職後的 3 個月到 1 年間）。
算法會隨著時間的推移變得越來越聰明，因為它在計算過程中積累了越來越多人們的招聘、解僱與離職數據。決定了一個應聘者能否在工作崗位上長期幹下去的因素是多種多樣的，不僅僅要考慮工作類型，還要考慮其供職的部門與崗位。不同類型企業在相同崗位上需要的僱員也是各不相同。就拿醫療行業來說吧，Pegged 公司發現可以用於預測急症護理員工留存率的指標，就無法套用到相同崗位從事長期護理人員身上，原因至今仍然不明。
這一事實對於那些想要找到簡單且固定的解決方法的客戶來說是很令人崩潰的。「有時候想要預測員工留存率就像是黑箱操作，」Robertson 深知其中困難，算法會依賴多種因素來判斷一個人是否符合崗位要求。「想讓客戶接受這一現實並非易事，客戶希望我們給出明確的程式化的解決途徑，比如說這個人使用了這種方式回答問題，因此他就是你要找的那個人。但是通過 Pegged 算法你是不能直接得出這一答案的。」
正是因為反復強調員工留存率預測的複雜性，經常得出違背直覺的結果，這些都讓算法在用於招聘員工時比人類更加靠譜。Rosenbaum 表示：「人們在招聘時會抱有潛意識的偏見。」人們總是傾向於招聘那些與自己相似的人。研究發現那些擁有一個「傾向於黑人」的名字的求職者可能更難找到工作，這並不是一件小事。我們還總是偏愛那些掌握了某種被認為有助於工作的技能的求職者。比方說招聘人員通常很看重求職者的經驗，但是 Pegged 公司也發現依靠求職者的工作經驗來預測其留存率往往是不准確的。
懷疑論者認為依靠算法來招聘員工喪失了招聘工作的精髓，難道電腦真的能夠理解人類行為嗎？
「作為人類我們總是太過信任自己的直覺，」Anthony Boyce 是怡安翰威特（Aon Hewitt）的一名人力資源諮詢顧問，「秉持直覺會讓你陷入一個典型的招聘經理的思維誤區，僅僅因為欣賞某個人表現出來的特質，就判斷他符合崗位的要求。」
文章來源：Bloomberg，由 TECH2IPO / 創見陳錚編譯，首發於創見科技（http://tech2ipo.com/），轉載請註明出處
（本文轉載自合作夥伴《Tech2ipo》；未經授權，不得轉載）
