尚齐猎人才商城 卢军
招聘效率低，各方均不满意。新技术出现，各种时髦热词：众包、共享、云计算、大数据、人工智能...... ,一股脑吃下，能够提升招聘行业效率吗？
1、招聘相关各方利益重新分配
让事实上对招聘行业贡献最大的，天天与人选沟通、与人选建立紧密关系的猎头占据大部分收益，才会真正体现收益付出原则，回归行业本质，提高招聘行业效率。
按照绝大多数猎头公司认可的招聘网站代际划分标准：按照人选信息受益权在互联网招聘平台、人选本人、人选的服务者（猎头&猎头公司）之间的分配方式，招聘网站可分为：
第三代 3G: 受益权绝大部分归人选的服务者，互联网平台，只提供基础设施与交易场所，典型代表是尚齐猎人才商城；
第二代 2G: 受益权绝大部分归互联网招聘平台，极小部分归为人选服务的猎头。猎头以工代赈，在平台上劳动，获得积分，积分“免费”下载简历。典型代表是引入猎头与人选互动的招聘网站；
笫一代 1G：受益权全归互联网招聘平台，典型代表是传统招聘网站。
作为第三代的尚齐猎模式，完美兼容第二代、第一代招聘网站模式。
猎头，在此模式中获益最大。
中国改革在农村先行，不是靠农业科技进步，而是靠利益明确与偏重。能成为招聘行业的参照？
2、正确认识技术与人工的各自局限与优势
不排除大数据与人工智能，在搜索环节对提高效率的帮助，尚齐猎作为一家科技公司，已经自己开发了人岗智能匹配领域的简历解析技术（将半结构化数据、半自然语音，转化为结构化数据）以数据为基础、以技术为手段。云计算大数据人工智能，只是尚齐猎人才商城平台的基础技术，并不断升级迭代，支持猎头公司提高效率。
云计算大数据人工智能，对人才识别，短期内无法依重。关于云计算、大数据在招聘行业的应用，有2条路径。第一条路径是，先由人类发现识别人才的规律，而后利用计算机强大运算能力执行。此法又有两个瓶颈，一是人类对人才识别规律的认识，二是人才行为数据的获取。第二条路径是，用深度学习方法，由计算机自行发现在识人规律。
可惜的是，第一条路径，几十年来，对人的识别理论没有出现原子层面的创新（详情可参考（199倍降价！好诱人，招聘猎头行业有全行业、大幅度降价空间吗？--兼谈猎头行业大数据与人工智能应用）。
第二条路径，即计算机深度学习，由海量数据，交由计算机学习，在学习过程中发现规律的做法。这种做法，可能导致许多领域以前的模型算法失效。许多行业因此认为是弯道超车的好机会。比如，在自动驾驶领域，特斯拉以深度学习的方法，优于谷歌利用地图精确定位的方法。深度学习技术在图像识别、语音识别领域，取得了不小的进步。但在自然语言处理方面，还差得太远。就算此技术取得突破，对人的行为样本的获得，仍然是难以逾越的难点。
3、正确认识哪些可以共享，哪些无法共享
猎头招聘行业，招聘方最缺少、同时最多余的，均是人才信息。如何合法地共享这些资源，尚齐猎提供了经纪人解决模式。而猎头顾问的时间是稀缺的，要共享猎头顾问时间，本身就违背了共享经济的一大原则--供给侧冗余。互联网时代，信息冗余，时间不足。其他资产冗余比如房子多余可以成就Airbnb。帮助用户省时间，是重要的价值。
可参阅：兼职能够成就滴滴和优步，为何兼职招聘SOHO猎头、伪SOHO猎头支撑的招聘猎头众包平台会导致“三输”
4、正确认识，招聘多个环节哪些可以线上操作，哪些需要线下操作
选择线上线下，关键是看，招聘各方到底如何完成招聘过程。是适应这个过程，还是改变这个过程？
