百度在2010 年前后運行SDC、COE、HRBP“三駕馬車”，其中SDC（Service Delivery Center）為共享服務平臺，其發展經歷了1.0 到3.0 的階段（具體各階段的發展及側重點詳見智享會《第三屆中國人力資源共享服務中心調研報告》 中《 百度人力資源共享服務中心創新實踐》這一案例）。

其中，3.0 階段百度稱為“Smart HR”階段，該階段旨在通過更具交互性的系統，利用大數據預測、控制和分析組織變革和人才發展， 關注的是效率和管控，百度自2014 年起便已在這一階段“發力”。然而自2017 年起，百度已經著手從Smart HR 轉向Intelligent HR，邁向3.5 甚至4.0 階段。在這一轉型期，其流程已經不再是傳統的流程， 而是數字化轉型的流程，追求更佳的員工體驗、組織活力、文化賦能。 

✚ 招聘領域―智能簡歷職位匹配

業務驅動與技術導向將革新招聘的工作方式，百度人力資源高管非常注重人工智能在招聘領域的應用帶來效率的提升。通過對人才簡歷庫的自然語言處理（NLP）以及機器學習，進行算法與模型搭建， 來解決簡歷與JD 智能化匹配的難題，如下兩款工具將幫高管解決他們提出的基礎問題。

✎ 眾里尋他：為招聘團隊打造的簡歷智能篩選系統，通過識別招聘團隊發出的JD，精準匹配人才庫中符合要求的簡歷，這里的“精準匹配”并不是字面上語義的匹配，而是結合了潛在候選人相關背景、過往工作內容，項目經歷等綜合考量。優化篩選簡歷這個過程，讓招聘團隊成員可以更加專注于對候選人進行更深入的考量，將更多的精力放在后續面試的環節中。

✎ 滄海拾遺：為候選人所打造的職位匹配系統，幫助他們提高應聘效率。滄海拾遺會在候選人進行職位搜索時，根據簡歷，主動向其推薦適合候選人的工作，從而減少候選人瀏覽JD 的時間，防止他們錯過真正合適自己的職位。 

✚ 入職流程―各技術結合實現自動化

✎ OCR 技術

OCR 技術指通過掃描等光學輸入方式將各種票據、報刊、書籍、文稿等印刷品的文字轉化為圖像信息，再利用文字識別技術將圖像信息轉化為可以輸入計算機的信息的技術。這一技術原本的使用就已經較為廣泛和成熟，但是長期來較少被人力資源領域所“注意”。近兩年來這一技術逐漸應用到了人力資源領域，可以將其與入職辦理流程中新入職員工身份相關信息的驗證相結合。在新員工入職前，可以要求新員工提前上傳學歷證書、資格證書、身份證、銀行卡等復印件至系統，利用OCR 技術對信息進行識別，同時對接第三方征信平臺，如： 學信網，員工的學歷信息驗證即可快速完成。證件復印件提供的前置化，加強了背調，提高了效率，也減少了數據的出錯率，同時所有環節的數據都記錄下來了，便于未來的大數據分析。

✎ 刷臉技術

百度的刷臉技術已經比較成熟，不少機場的通關已經開始應用。公司內部應用場景比較多的是門禁刷臉、會議簽到、內部購物等。當然， 也還有其他不少應用場景，比如大多數公司通過刷工卡進行自助打印證明，刷臉同樣也可以完成。再比如，在入職辦理過程中，刷臉技術與訪客系統打通，用于新員工報到的提前預約，提升入職體驗與效率。

✎ 預約系統―端到端的自動化

預約報到的員工會得到相應的后臺預約碼，發送預約碼的同時， 可以會推送公司的公共新聞和入職指南給新員工。員工到達公司后出示預約碼，可以根據前期推送的指南，直接進入入職手續相關辦理地點。另外，由于入職往往是批量進行的，為了方便管理，新員工的預約碼已經與座位號相匹配，同時座位上會放置“入職大禮包”，包括員工的電腦、辦公用品、需要簽署的文件等，方便查找。

這一系列的工作，讓原本需要半天到一天才能完成的入職縮短至不到一小時，將候選人與反饋系統、入職系統打通，實現了端到端的自動化，新員工的感受度也極大地得到提升。

✚ 在線學習系統―AI 賦能

百度大學通過AI 技術支撐層，賦能企業學習系統。通過系統能力層的完善，進一步優化平臺服務場景，最終通過創新式地解決企業在線學習中的痛點、難點，讓員工、培訓部門和企業從中受益。通過百度內搜平臺，員工可以隨時搜索到相關的知識內容，甚至是那些隱形的、碎片化的知識也可以通過底層的知識圖譜等AI 技術被鏈接、被激活。同時也能夠更有效地催生優質內容的不斷增加。

✎ 度學堂的新產品之――靈聽

企業培訓者們的痛點之一，就是往往需要為一些簡單重復性的工作付出大量時間和精力，比如給視頻課程加字幕這件事：培訓所用的視頻，往往需要字幕，目的是為了學員學習時能夠不產生歧義，更準確更快速地理解課程內容。但一門帶有字幕的視頻課程上線，往往背后是一系列耗時耗力的基礎性工作。比如首先要記錄文字，然后要糾錯復查，再按照視頻制作要求分行，最后才能請視頻制作者將字幕與視頻合成。整個過程需要數個工種配合，占據數個工作日小時，有時甚至會在所難免地耽誤到一些課程的時效性。于是利用AI 技術的靈聽平臺應運而生：將任意一段視頻上傳“靈聽”平臺，系統就能根據語音自動識別出字幕，直接添加在視頻上，培訓者只需對個別識別不準之處稍加修改，即可獲得一段添加好字幕的視頻。一個人、幾分鐘， 即可完成以前數人、數天的工作量。那些有時效性的視頻也能夠立刻加好字幕，及時上線。

✎ 百度聽清

通過語音識別與翻譯技術，演講者說話的同時，可以實時打出中英文字幕，已經應用到了內部的直播平臺上。 

百度AI x Learning架構示意圖

✎ 大數據的“底線”：涉及個人隱私的內容，如：郵件內容、私人交流內容等，絕對不可以用于做個性分析。

✎ 大數據的基礎：首先，人力資源內部各個模塊的數據應該是“打通的”，而不是各自為戰。人力資源數據的整合是做大數據的第一步，這需要一個部門、環節或者強有力的管理者作為契機。其次，是與別的部門的數據去做“聯通”，如財務、銷售部門等。

✎ 數據安全問題的處理：數據安全問題是每個企業都必須面對和處理的，其關鍵在于分工：畫體系界面、打通數據等各個職能的人員應當共同商討做出界定，確定需要配備的權限和訪問的級別。

✎ 新技術的本質依然是大數據：刷臉、語音識別等新技術僅僅是一種手段、工具或平臺，在人力資源均處于剛起步的階段，其背后依然是大數據驅動，因此這些技術的進步歸根結底還是有賴于大數據的沉淀、整理和迭代。 

✎ 迭代：不斷地進步； 

✎ 創新：突破自己原有的“思維深井”，敢于嘗試； 

✎ 主動：創新是由下而上的，而非被動地去等待由上而下的轉變。 

✎ 目前新技術的應用上，大都在各個模塊內“點狀”發展，場景化是由點連成線的很重要的步驟，若在選、用、育、留、辭的各個方面均能發揮作用，將連成一個完整的“面”，才有可能更好地動態反饋以及快速賦能業務。

✎ 從戰場上飛回來的戰斗機，存留的彈孔是不致命的，真正致命的彈孔，根本不會出現。打造數字化的智慧HR 平臺，就是要解決“真正致命的彈孔“，更加前置地、智能地滿足合規要求、管理訴求、效率效能的期望，全方位、全時空。

✎ 這僅僅是開始，未來更值得期待。

來源:《第四屆中國人力資源共享服務中心調研報告》