高科技工具不是萬靈丹別搞砸聘雇大計

外包和演算法不會幫你找到需要的人才。

彼得．卡裴利 Peter Cappelli

企業的人才招募從來不曾像現在那麼熱絡，相關支出也從未像現在這麼多。而他們的招募作業，也從未這麼糟。

二戰後的大部分時期，大企業的招募方式大致如下：人力資源專家做詳細的工作分析，以確定這份工作需要完成哪些任務，以及優秀的求職者應具備哪些特質。接下來，他們做工作評估，以判斷這份工作適合納入組織圖的哪個部分，以及應支付多少薪資（尤其是與其他工作相比）。接著，他們刊登徵才廣告，吸引應徵者投遞履歷。接下來的工作是篩選眾多的求職者，包括技能測試、資歷查核，或許還有性格和智商測驗，以及廣泛的面談，以便更加了解求職者的為人處事。威廉．懷特（William H. Whyte）在《組織人》（The Organization Man ）這本書中寫道，這個流程會持續約一週才確認中選的求職者。絕大多數的非基層職缺，是由內部員工升任。

如今的徵才方式截然不同。例如，美國的人口普查資料顯示，去年換工作的人大多沒有主動找工作，通常是有人來挖角。公司想盡可能地吸引許多求職者來加入他們的人才招募「漏斗」，尤其是不打算換工作的「被動求職者」。雇主常為不存在的職缺刊登求才廣告，希望找到日後可能有用或適合不同情境的人才。

如今，負責招募和雇用的職能部門都已失去重要功能。光輝國際（Korn Ferry）的研究顯示，許多美國公司（約40％）把大部分的招募流程外包，甚至全部外包，交給任仕達（Randstad）、萬寶華（Manpower）、藝珂（Adecco）等大家熟悉的人力公司。這些公司又轉給分包商（通常位於印度和菲律賓）來執行。這些分包商上LinkedIn 和社群媒體搜尋潛在的應徵者。他們有時會直接聯繫那些人，看能不能說服那些人申請某個職位，並協商他們願意接受的薪資（這些招募人員若能壓低薪資水準，即可獲得獎金。）例如，為了招募程式設計師，那些分包商會去查看程式設計師可能造訪的網站，從網路cookie 和其他的使用者追蹤指標來追蹤他們的「數位廢氣」資料（digital exhaust），以辨識他們的身分，接著再去查看他們的簡歷。

在那些仍然自行招募人才的公司裡，負責填補職缺的主管大多需要自行弄清楚那些職位需要什麼，以及徵才廣告該寫什麼。收到應徵履歷時（通常是電子版），求職者追蹤軟體會用徵才經理想要的關鍵字，來過濾履歷內容。接著，招募流程就進了「西部荒野」，那裡有一群供應商提供許多名稱聽起來很聰明的工具，宣稱可以預測誰是最適合的人選。他們使用的工具包括語音辨識、肢體語言、社群媒體上的線索，尤其是機器學習演算法（只差沒有使用茶葉來占卜）。現在有大量的出版品，專門談這些供應商做的事情。

這些新做法的一個大問題是，我們不知道它們是否真的能找出最令人滿意的人選。僅三分之一的美國公司表示，他們會追蹤自己的人才招募方法，是否真的找到了優秀的員工；其中很少公司仔細地追蹤，而且只有很少數公司進一步追蹤平均招募每一位新員工所花的成本，以及招募所花時間。設想一下，如果執行長問你，某場廣告宣傳活動辦得如何，你卻回答：「我們知道那場活動所花的時間和成本，但我們沒有注意銷量是否增加。」

在最近一次世界大型企業聯合會（Conference Board）的年度調查中，人才招募仍是執行長最關切的議題，也是所有高階主管最關注的事情。PwC 的2017年執行長調查顯示，執行長認為人才和技能短缺是公司面臨的最大威脅。雇主也在人才招募上花了大量經費；美國人力資源管理協會（Society for Human Resource Management）估計，在美國平均每個職務的招募成本是4,129 美元，而管理職的招募成本是這個金額的好幾倍。而美國每年需要填補的職缺多達6,600 萬個。公司花在人力資源供應商的費用高達兩百億美元，其中大部分是用於招募。

為什麼雇主在這件如此重要的事情上花了那麼多錢，卻如此不清楚它的成效？

問題出在哪裡？

三個簡單方案，解決低留任率問題

調查一再發現，雇主抱怨人才招募很難。原因可能很多，例如他們已經變得對應徵者很挑剔，尤其是經濟大衰退期間勞力市場寬鬆的時候。但是，他們招募的人才顯然比現代史上任何時期都多出許多，原因有兩個。

首先，現在的職缺往往是從外部招募人才，而不是由內部升任。在終身雇用的時代（二戰結束到1970 年代），企業約90％的職缺是以升遷和橫向調職來補足。如今這個比率降至三分之一，甚至更少。從外部招募人才時，公司不需要支付訓練及培育員工的費用。1980 年代初期出現企業重組浪潮以來，從外面找到有經驗的人才比較容易。如今只有28％的人力招募領導人表示，內部人才是填補職缺的重要來源，這大概是因為內部培育較少，明確的職涯晉升階梯也比較少。

內部晉升減少，意味著招募工作不再偏重基層職位和應屆畢業生。（如果你對此感到懷疑，可以點進任一家公司網站的「職涯」連結，尋找不需要工作經驗的職缺。）現在，公司必須擅長招募各層級的員工，因為他們想要招募的應徵者，是已經有工作經驗的人。這些人不需要訓練，因此也許立刻就能有所貢獻，但尋找這種人才也更難得多。

人才招募很難的第二個原因是，留住人才變得更難了。彼此競爭的公司互相挖角，所以必須不斷地遞補職缺。美國勞工統計局的資料顯示，95％的人才招募是為了補足既有的職位。這些職缺大多是自願離職而空出來的。LinkedIn 的資料顯示，員工考慮跳槽的最常見原因是職涯發展，而這必然和雇主沒有用內部升遷來遞補職缺有關。

因此，多數招募的根本原因是員工留任率太低。以下是一些簡單的解決方法：

追蹤由內部人才遞補職缺的比率。有句商業格言說：「有衡量，就有管理。」但公司似乎沒有把這句格言應用在人才招募上。大多數公司得知職缺很少由內部員工遞補時，都感到很驚訝，懷疑自家員工是否真的無法勝任其他更重要的職位？

要求所有職缺都要對內公告。在網路公司熱潮時期，企業界設立了「內部徵才板」，好讓大家更容易在目前任職的公司內找到新工作，以降低員工流動率。公司甚至不讓主管知道，部屬是否打算在公司內部調職，以免主管阻撓那名部屬調動，導致部屬離職。但是，經濟大衰退時期員工不主動辭職，於是許多公司回歸舊模式，讓主管能夠阻止部屬在內部調動。康乃爾大學的凱勒（JR Keller）發現，讓主管用他屬意的人選來遞補職缺，他最終雇用的員工，表現不如公開職缺讓大家來應徵所挑選的員工。這個現象的一般解釋是，很少企業真正知道自己擁有什麼人才和能力。

了解從外部招募人才的成本。我的同事馬修．比德維爾（Matthew Bidwell） 發現， 從外部招募人才需要花費時間和精力，而且外來人員需要三年的時間，表現才足以媲美做同樣工作的內部調任人員，但是，內部人員需要花七年的時間，薪資才能提高到外來人員的相同水準。此外，外來人才也會導致既有的員工花時間和精力，去其他的地方找工作。這會破壞企業文化，而且也讓必須協助外來人員了解公司如何運作的既有員工，增加負擔。

以上的說法，並不是主張對外招募人才一定是差勁的想法。但除非你的公司是矽谷的高成長企業，正以驚人的速度增添新職位，否則如果你公司的大多數職缺都是由外部人才來遞補，你就應該認真檢討相關問題。

另一種處理留任率的方法（這方法可能會令有些人感到心裡毛毛的），是想辦法判斷誰想離職，然後提早介入挽留。Jobvite 之類的供應商，會上社群媒體和公開網站搜尋相關線索，例如看LinkedIn 上的個人資料更新。衡量「離職風險」，是自行進行先進人資分析的公司最常見的目標之一。這讓人想起以前那段有徵才板的歲月。那時雇主會想辦法找出誰在投履歷，然後根據領導人的心情，來決定要懲罰還是善待那些員工。

企業是否應該查看社群媒體上那些和招募或雇用行為有關的內容，這是一個很有挑戰性的道德問題。一方面，那些資訊本質上是公開的，可能會透露相關的資訊。另一方面，那有侵犯隱私的疑慮，企業通常不會先徵得應徵者的許可後才查看他的資訊。雇用私人偵探跟蹤應徵者，也可以收集到與招募有關的公開資訊，但多數人會認為這是侵犯隱私，無法接受。

招募流程大改造

不能盡信新科技，面談時別即興發問

我們把焦點轉向招募流程時，發現雇主往往見樹不見林：太著重在新科技及降低成本，反而忽略了最終目標：盡可能招募最好的人才。以下是改進招募流程的方法：

別開出「假職缺」。在公司的網站上發布職缺，並不需要任何成本，Indeed 和其他求才求職線上公司會收集那些資料，並推送給世界各地的潛在求職者。所以，其中若有些職位根本不存在，也就不足為奇了。雇主可能只是想要吸引人才上門罷了。（「我們藉此看看外面有沒有真正厲害的人才，有的話，我們再為他設個職位。」）有些職缺明明已經補了人，但徵才廣告仍持續掛在網站上，以便繼續吸引應徵者，為未來的職缺累積人選，或者只是因為撤下廣告比保留那些廣告更費事。不擇手段的招募業者有時會刻意貼出徵才廣告，以吸引求職者投履歷，再拿那些履歷向客戶推銷。這些假職缺使勞力市場看起來比實際更缺人，因此對經濟政策制定者及沮喪的求職者來說，都是問題。職缺一旦補了人，公司就應該撤下徵才廣告。

為工作設計符合實際的要求條件。弄清楚某個職位的要求條件，以及求職者應具備哪些特質，現在變成了更大的挑戰，因為很多公司裁減了內部的招募人員，他們的部分職責是否決徵才主管的願望清單（「那份工作不需要十年工作經驗」或「具備那些條件的人，不會願意接受你開出的薪資水準」）。我以前的研究發現，公司開出一堆職務要求條件，納入求職者追蹤軟體中，這些軟體只根據「是否」具備那些條件來篩選履歷。（是，內容含有關鍵字；否，沒有關鍵字），結果發現沒有應徵者符合所有的標準。公司裁減那些有招募專長的招募人員，把招募流程交給徵才主管執行，這正是省小錢、花大錢的典型例子。

重新思考你把焦點放在被動求職者是否合理。現在招募流程的第一步，通常是尋找有經驗、但不打算跳槽的人。這樣做是基於一種觀念：想離職的人可能有什麼問題。（2015 年LinkedIn做了一項調查，收到超過二萬名的人資專業人員回覆，其中86％表示，他們內部要徵才的單位「主要」或「一定程度上」是鎖定被動的求職者。我猜想這個數字後來又提升了。）招募人員知道，絕大多數的人樂於為了更好的薪資而換工作：員工意見調查發現，僅15％受訪者不樂於換工作。正如經濟學家哈洛德．丹賽茲（Harold Demsetz） 的例子，與他任教大學是對手的另一所大學問他，是否滿意現在的教職，他回答：「你何不讓我不滿意。」

上述那個LinkedIn 調查所提出的有趣證據顯示，儘管自認為「被動」的求職者和「主動」的求職者不同，但他們的相異之處跟我們想的不一樣。讓被動求職者願意換工作的首要因素，是薪資更高。而主動求職者想要換工作的首要因素，是尋求更好的工作及職涯機會。相較於被動求職者，有更多的主動求職者表示對現有的工作很有熱情，致力改進自己的技能，對目前的工作也相當滿意。他們之所以想換工作，似乎是因為有很大的企圖心，而不是為了較高的薪水。

職涯道路公司（CareerXRoads） 的格里． 克里斯平（Gerry Crispin）和克里斯．霍伊特（Chris Hoyt）的研究顯示，雇主把太高比率的人才招募預算，花在那些鎖定被動求職者的獵才業者，但平均而言，他們個別鎖定的那些人選只填補了11％的職缺。據我所知，沒有證據顯示被動求職者會是更好的員工，更何況這種流程並不具有成本效益。如果你鎖定被動求職者，應仔細想想你因此獲得什麼人選。更好的做法是，查看公司資料以找出答案。

了解員工推薦的限制。企業最常用的招募管道是員工推薦。LinkedIn 的研究顯示，高達48％的新進員工是這樣來的。這看似一種省錢的方式，但真的能找到比較好的員工嗎？許多雇主覺得可以。不過，實際效果難以得知，因為他們並未追蹤成效。艾密利奧． 卡斯提拉（Emilio Castilla）和同仁的研究顯示情況正好相反：他們發現，員工推薦的人選比較優異的情況，是因為推薦人會照顧他們推薦的對象，幫他們熟悉環境。如果推薦人在他推薦的人員到職前離職，那個新人的表現和其他不是靠推薦進來的新人差不多。正因如此，在新人到職六個月後才發放獎金給推薦他的人（如果推薦人還在職的話），比較合理。

當然，員工推薦的一個缺點，是造成員工的同質性很高，因為我們認識的人往往和我們很相似。對於重視組織多元性的公司來說，這一點特別重要，因為在美國法律之下，招募是讓職場增添多元性的唯一管道。美國最高法院已經裁定，即使是從條件齊鼓相當的應徵者當中挑選，也不能把人口統計指標當成篩選標準。

衡量成效。很少雇主知道，哪個招募管道以最低的成本招募到最好的人選，因為他們不追蹤結果。塔塔集團（Tata）是例外：長久以來它一直在做我倡導的事。例如，在校園徵才方面，它會計算哪所學校畢業的員工表現最好、任職最久、起薪最低。其他的雇主應該效法，並關注招募管道和員工績效，以確定哪些管道的招募成效最好。

說服較少人來應徵。人才招募業非常注意「漏斗」，透過這個漏斗式流程，看到公司職缺公告的人成為應徵者，接受面談，最後獲得錄取。

一般普遍認為，美國現在的就業市場極為緊俏，供不應求，但其實大多數工作仍有許多人應徵。招募和聘雇顧問及相關業者估計，約2％的應徵者收到錄用通知。遺憾的是，企業想要改善聘雇做法（目標幾乎都是追求更快、更便宜的方式），主要採取的改善方式，一向都是設法吸引更多的應徵者進入那個漏斗。雇主的做法主要是透過行銷，想辦法宣傳該公司是很好的工作場所。至於這樣做是一種吸引更優秀應徵者的誤導做法，或者只是為了讓公司感覺更受青睞，那就不得而知了。

更好的做法是反過來做：吸引較少、但更符合條件的求職者前來應徵，以改善雇用成效。原因如下：企業處理每個求職者都需要成本，尤其現在的勞動力市場上，有些求職者會突然消失，應徵流程進行到一半就不再參加。此外，每一位求職者都可能讓公司面臨法律風險，因為公司對求職者有義務（例如不能歧視），就像公司對員工有義務一樣。而且，用龐大的漏斗聚集了大量求職者，就表示有許多求職者不適合那份工作或公司，因此雇主必須仰賴聘雇流程的下一步，也就是挑選，來淘汰他們。後面我們會看到，雇主並不擅長挑選人才。

人在求職的時候，可能不會完全誠實說出自己的技能或興趣（因為希望順利錄取），而雇主發現真相的能力又很有限。一個世代以前，心理學家約翰．瓦努斯（John Wanous）建議，先讓求職者實際預覽他們所應徵職位的狀況。如今這依然是務實的做法，可以避免求職者日後對工作感到不滿。並不令人意外的是，Google 以遊戲化的方式來執行這一點：他們讓求職者透過遊戲版的工作情境，來了解實際工作狀況。萬豪（Marriott）也做過相同的事，甚至應用在基層員工的招募上。這款遊戲名為「我的萬豪旅館」（My Marriott Hotel），鎖定開發中國家的年輕人，他們可能沒什麼旅館經驗。這款遊戲讓他們看到旅館工作的內容，而如果求職者在遊戲中獲得高分，遊戲會指引他們去招募網站。不過，對任何公司的關鍵都在於，預覽時除了顯示工作的樂趣以外，也清楚顯示工作的哪些部分困難且有挑戰性，以免那些不符合條件的人來應徵。

公司應該讓求職者很容易了解公司和工作內容，然而，若是為了填滿招募漏斗而把應徵流程變得很簡單，並不合理。在網路公司熱潮時期，德州儀器公司（Texas Instruments） 聰明地推出一項就業前測試，讓求職者在應徵前先看到自己的分數。如果他們的分數不夠高，不足以讓公司認真看待他們的應徵，他們通常就不會應徵了，公司可以因此省下處理這些人應徵的成本。

如果公司的目標，是以合乎成本效益的方式來招募更好的員工，那麼先嚇跑不適合的求職者，會比吸引更多求職者進入招募漏斗更重要。

測試應徵者的標準技能。至少從一次大戰結束後，就一直有嚴謹的研究在探究，應如何判斷該錄取哪個應徵者，也就是想知道，哪些因素可用來預測誰將會是優秀員工。從事這方面研究的人事心理學家，已得知不少可預測優秀員工的方法，但是現代的組織早已忘了那些研究結果，例如，大學成績、連續進行非結構化的面談（從一個辦公室到另一個辦公室去面談），都不是好的預測指標，但過去的績效是良好的預測指標。

既然充分收集外部求職者過去的績效資料可能很難（如果真的可能收集到），還有哪些預測因素是不錯的指標？連專家對此也很少有共識。主要原因是，一個典型的職位往往涉及許多任務和面向，而不同的任務需要用不同的因素來預測。

不過，一般普遍認為，進行測試以了解個人是否擁有標準技能，應該就是我們能用的最好方法了。這個求職者會說法語嗎？她能編寫簡單的程式嗎？諸如此類。但是光進行測試還不夠。經濟學家米契爾．霍夫曼（Mitchell Hoffman）、麗莎．坎恩（Lisa B. Kahn）、丹妮爾．李（Danielle Li）發現，即使公司進行那些測試，徵才主管往往也會略而不看，而如果他們不參考那些測試，聘用的人就會更糟。心理學家內森．康賽爾（Nathan Kuncel）和同仁發現，即使徵才主管使用客觀的標準和測試，但他們把自認應有的權重和判斷運用在那些標準上，導致他們挑選到的職務候選人，比使用標準公式挑選的人還糟。不過，僅40％的雇主會實施技能或一般能力測驗（包括智力測驗）。那麼，不做技能測驗的雇主，會做哪些事情？74％是做藥物測試，包括是否吸大麻。即使是在那些允許娛樂助興使用大麻的州裡，雇主也會做這種測試。

小心那些運用高科技的供應商。在欠缺測試的領域裡，已出現一群新創業者，他們有些本身就是資料科學家，有些則是與資料科學家合作。他們為招募流程帶來一種全新的方法，但往往不太了解招募的實際運作情況。HRExaminer 專注在人資技術相關主題的電子報，該公司的約翰．孫瑟（John Sumser）估計，如今企業每天都會收到這類供應商的推銷資訊，平均一天收到五至七份，內容幾乎都和人才招募有關。這類供應商使用資料科學來處理人資議題，提供各種聽起來很酷的評估方法，例如以電腦遊戲的分數來預測誰將會是好員工。我們不知道這些方法是否真的可以招募到更好的員工，因為企業很少拿實際的工作績效，來驗證這些工具的效果。除此之外，這類評估也催生了另一波對應的供應商，他們幫助求職者學習如何在那些評估中得高分。

例如，駿懋銀行（LloydsBank）開發了一套使用虛擬實境的工具，來評估求職者的潛力，而JobTestPrep提供服務，教求職者如何在這套評估工具裡拿到好成績。尤其是資訊科技和技術類的工作，在技能測驗、甚至視訊面談中作弊的情況（由鏡頭外的朋友提供幫助）特別令人擔憂，所以，eTeki和其他的專業供應商協助雇主即時判斷誰在作弊。

改造面談流程。Glassdoor的研究顯示，自2009 年以來，雇主花在面談上的時間幾乎多了一倍。目前我們無法得知，這些增加的時間當中，有多少是因為安排面談所造成的延遲，但至少可以稍微解釋，為什麼現在填補職缺需要更長的時間。面談可能是最難適當運用的技巧，因為面談主管應該只問那些可以預測好員工的問題（主要是與職缺的任務內容相關的過去行為或績效），而且應該對不同的應徵者都問同樣的問題。如果只是即興發問，想到什麼就問什麼，這種面談幾乎毫無用處。

更重要的是，面談是最容易產生偏見的場合，因為面談主管常臨時決定要問什麼，而且憑當下的直覺來解讀求職者的回答。我們都認識這樣的主管：非常篤定自己提的某個問題，可以預測優秀的求職者（「如果你被困在荒島上……」）。社會學家蘿倫．李維拉（Lauren Rivera）檢視了一些精英職位的面談（例如一些專業服務公司的職位），結果顯示，嗜好（尤其是與富人有關的嗜好）是重要的挑選標準。 洛克菲勒基金會（Rockefeller Foundation） 的研究顯示，面談對於評估「是否契合我們的文化」最為重要，這是雇主認為最重要的招募標準。而這也是最難衡量的特性之一，因為很少組織對自己的文化有精確且一致的看法，即使他們有，也不是很容易理解哪些特性代表「契合度最佳」。例如，若是應徵者曾參與兄弟會，那麼這是反映他有與人共事的經歷，或是有高人一等的優越感，還是他對女性的態度不佳？這應該是完全無關緊要的訊息嗎？讓沒有經驗或未受過訓練的人做這種判斷，只會招募到不好的員工，當然也會導致歧視的行為。雇主應該認真思考公司的面談規定是否合理，盡量不要再增加更多主管參與面談。

了解機器學習模型的優缺點。文化契合度，是新供應商蜂擁投入的另一個領域。他們通常是從現有的員工收集資料，制定一個機器學習模型來預測最佳員工的屬性，然後使用這個模型來篩選出有相同屬性的應徵者。

這樣做，跟那個新產業的許多方面一樣，乍聽之下很有道理，但仔細思考之後就發現問題重重。若根據過去的最佳員工來設定標準，那些演算法幾乎一定會把「白人」和「男性」當成關鍵變數。即使禁止使用這個類型的屬性，那些演算法還是會出現與白人男性有關的其他屬性，例如打橄欖球。

機器學習模型確實可能找出重要、但以前沒考慮過的關係。招募研究向來由心理學家主導，他們一直很熱中研究與他們興趣相關的屬性（例如性格），而不是問更廣泛的問題：「什麼因素可以用來辨識潛在的好員工？」他們的研究結果常掩蓋了一個事實：若要用來預測好員工，它們的預測能力往往很微弱，尤其是涉及很多因素的時候。相反的，機器學習可以產生預測效力很好的因素。勞動力分析的先驅Evolv（現在隸屬於Cornerstone OnDemand 公司），進行研究之後發現，求職者預期的通勤距離，能夠相當準確地預測員工的流動率。但心理學模型不會想要問這種問題（即使這個問題本身也有疑慮。）

關於如何挑選人才，我們的建議很簡單：進行技能測試。要求評估工具的供應商提供證據，證明那些測試確實可以預測誰會是好員工。公司應該減少面談次數，並讓面談內容更一致。

閱讀完整內容