在机器可以充分完成95%以上的面试场景时，意味着面试这部分工作可以通过机器来替代了，但是面试之后的决策，尚需拿捏。所以我们先给机器人对员工要求做了100多个标签，再用新老员工的样本数据录入评价模型进行拟合和权重调整，最后拿出了一套初版的评价模型，参考意义很大。

　　在模型的不断迭代过程中，我们发现已经可以满足大部分的招聘需求了，从而加入了智能发offer的功能，点击之后可以自动地给系统评判合格的候选人批量发出offer，对于那些给出拒绝意见的人，我们也可以逐个去检验一下，是否还有抢救的可能。

　　项目远景：

　　未来来看，如果我们的面试流程和评价模型趋于稳定的情况下，完全可以考虑把更多的工作交给机器来做。而且工厂里的高清摄像头，也成为了良好的建模触点，我们可以观察员工工作时的状态和表情，看看是否工作量过大，需要辅导。回头还能验证面试时的初步结论，从而对某个人的发展势头和潜力做一个长期的评估。

　　回头来看，我们发现AI在对于客观信息了解、核实方面，是有极大的潜力的。所谓知人知面不知心，当一个AI的微表情识谎和语气分析可以远高于人类的判断力时，我们也是时候回头看看这句话的可靠性了。

　　实际上，人工智能技术的推进，具有一定的辩证性。首先，天然的技术门槛和巨大的优质数据需求量决定了可以入局的企业量级，但同时，可以入局的企业也存在着某种犹豫。因为在技术推行的一开始，肯定是存在着和成熟人类员工或多或少的差距，但是能否顺利扛过这个阵痛期，等待机器完成质变，是需要我们想清楚的。而且在机器完成质变后，我们给如何去信任他，迭代他?

　　其实人工智能的出现，跟汽车的出现很相似，都是可以让我们的生活产生质变的技术型工具，比如汽车的出现，让拉车夫和轿夫失业了，但我们不需要每一个人都学会造汽车。只要学会开汽车，就可以不被时代抛下。

　　立足场景，打磨技术工具，才是王道。

　　#专栏作家#

　　花生酱先生，人人都是产品经理专栏作家，微信公众号：产品之术。金融业资深产品经理，对职涯规划与个人发展有丰富经验，产品涉猎广泛，ERP、金融领域较多。