从辅助工具到智能决策，大模型如何改变人才选拔方式？

主要观点总结

本文讲述了阿里巴巴技术专家程鹏关于大模型在企业人才选拔与培养中的应用的相关内容。随着大模型应用的拓展，企业人力资源管理成为新的落地热点场景之一。程鹏长期负责阿里巴巴集团和蚂蚁集团的考试培训系统，主导设计了基于数字人的实时AI面试产品。他认为AI在人才选拔与培养中的颠覆性价值主要体现在效率、个性化和客观决策方面。针对AI落地的挑战，程鹏提出了相关建议。在构建AI驱动的人才管理系统时，除了模型本身，数据治理和伦理治理也值得关注。本文还提到了即将在北京举办的AICon全球人工智能开发与应用大会上的相关议题。

关键观点总结

关键观点1: AI在人才选拔与培养中的价值

AI能够极大地缩短招聘周期，降低整个流程的人工成本；基于员工能力图谱和职业发展路径预测，AI可以为个体定制学习、培训方案；通过标准化的评估模型，AI能够减少人为主观判断中的偏见，提升招聘与晋升的公平性。

关键观点2: 面试、培训和能力测评的挑战

面试场景的技术挑战在于实时音视频分析的准确性；培训场景需要动态生成个性化内容并实时评估培训效果；能力测评需要构建多维度能力模型。业务价值在于提高效率和个性化，但需平衡 AI 推荐与员工自主性。

关键观点3: 实现效率与公正性的平衡

算法需要透明化，明确评估指标的维度和权重；数据需要多样性，涵盖不同背景的样本数据；建立人机协同机制，确保 AI 初筛和人工复核的协同。

关键观点4: 提升业务语义适配能力的关键路径

需要在通用模型基础上进行微调，注入行业专有术语和业务流程数据；将专家经验编码为规则库，与模型输出进行对齐；通过良好的产品设计，持续迭代模型。

关键观点5: 非模型因素的重要性

除了模型本身，数据治理和伦理治理也是构建 AI 驱动的人才管理系统时最值得重视的因素。