“招工”是近年來最火紅的HR議題。面對市場的變動、國際大廠的競爭、人力世代的斷層等等挑戰，不只員工的流動率顯著提高，企業光是要找到合適的人才也變的更加困難，更不用說要如何留住人才了。員工的離職，不只會直接造成額外的招募、培訓成本，企業內累積的經驗與知識也會跟著流失。根據美國人力資源管理協會（SHRM）的統計，重新招募一位員工的成本約是原離職員工總年薪的2/3；另一份由美國進步中心（CAP）的研究報告更近一步指出，若是資深、或高技術員工的離職，背後隱含的成本甚至可達總年薪的213%！值得慶幸的是，隨著企業數位轉型的日趨成熟、AI技術發展的日新月異、以及“AutoML”-”自動化機器學習”這項技術的興起，在這新時代遇到的難題，也有了新時代的解法。接下來我們不只會分享Profet AI如何利用AutoML來協助HR做聘用、留育人才等種種決策，在本篇 文章中也會分享2個具體的應用案例，供各位讀者參考！
AutoML於HR的應用與效益
針對AutoML在HR的應用與效益，簡單整理與描述：
招募、留才方面：透過預測留任率、留任天數，或是轉換議題變為員工與該崗位的合適度、資深員工離職率等等，可讓公司了解哪種人才適合留任、以及人才是否適任等等，用以協助HR進行創新人才佈局。
訓練方面：可進行關鍵人才、接班人才的預測以及要因分析。例如，透過模型，HR能知道哪些是成為某關鍵人才、或中間接班人的關鍵因子、能力，HR就能針對這些能力、以及表現、留任率較高的員工，進行相對應的培訓，達成創新培訓賦能。
數據驅動決策：HR過往大都是靠經驗來做決策，AutoML可協助HR提供數據面向的決策建議，還能進一部探討影響決策的關鍵因子，持續優化決策過程。
敏感資訊：HR的資訊通常相對機密、敏感，過去缺乏工具時，很難將HR的資訊外包給其他廠商進行建模；AutoML可將解決問題的主導權回歸到HR身上。
案例一：招聘新員工的“留任率分析”
任職於工廠的HR在招募現場員工時，最常碰到的難題之一，就是在經過發布職缺、審查資料、一連串的面試和培訓後，新員工卻做沒多久就離職了。接著，同樣的流程又得再重複一遍。如果HR在做招聘決策時，能先知道每個適任的應徵者期望的留任率、或是留任天數，就能大幅減少因新員工快速離職而導致的額外成本。利用Profet AI的虛擬資料科學家平台，HR只需準備好簡單的數據與表格，就能夠透過幾下輕鬆的滑鼠點擊，進而得到想要的結果。在此我們依照AutoML的解題流程，提供一個簡單的案例分享：
1.定義問題：在使用AutoML建模、解題前，最重要的事情就是定義好想要解決的問題。在此，我們想解決的
問題：“提高員工的留任率”
解決方法：“透過預測留任率，來錄取留任率較高的應徵者”
2.準備相關數據：Profet AI是所謂“結構化數據”的自動建模平台，將HR手上所具有的歷史數據，例如招聘員工的基本背景（如年齡、性別、通勤距離...），和應徵的職務內容（廠區、部門、製程...）等資料，以及該員工“試用期滿後是否留任”、“到離職前的留任天數”等。只需將數據整理成一個的簡單的格式，即可透過AutoML的工具開始進行自動建模與分析
預測留任率的範例數據集（欄位可根據手上計有的資料做增、減，這邊單純提供數據格式的範例）：
3. AutoML自動建模：運用Profet AI平台，可以在沒有統計、或數據科學的背景下，透過簡單的幾下滑鼠點擊，來得到與一般數據科學家相當的建模結果。
4. 結果運用：所有的AI也好、模型也好，最重要點都在於“如何運用”。當我們完成建模後，就可 針對有意聘用的應徵者，填入上述表格的資訊。接著，系統就自動會給出一“留任率”的結果。以底下的案例來說，代表該員工會在任用後，會有80%的機率在適用期過後繼續留任！
案例二：如何利用AI對現有員工進行離職率的分析
HR會面對的另一個難題，就是資深員工、高技術員工的離職。關鍵員工的培養往往需要多年的投入，但這類員工很可能在技能成熟後，就被更大間的公司挖角，使得一般企業成為了大企業的培訓場所。透過AutoML，是否能建立出一個模型，讓HR提早知道哪些員工比較容易離職、被挖角，進而能更早的提出因應對策？要解這題，我們重複上述的步驟：
1.定義問題：
問題：“降低員工的離職率”
解決方法：“透過預測離職率較高的員工，來提早提出因應對策”
2.準備數據：準備相關數據。範例如下：
3.AutoML自動建模：運用Profet AI平台，可以在沒有統計、或數據科學的背景下，透過簡單的幾下滑鼠點擊，來得到與一般數據科學家相當的建模結果。
4.結果運用：完成建模後，就可針對現有員工，定期填入上述表格的資訊。系統會給出一個員工離職可能性的百分比。通常的使用方式會是，HR定期更新上述資訊，獲取離職率相關的資訊，接著針對離職率較高的員工，進行額外的會談、或用其他策略來進行留才。
隨著模型運用的成熟，將來還能持續加入新的特徵，以“薪資”來說，不只是薪資絕對值的高低有影響，市面上相同工作的薪資也是一個重要的參考指標。如果不是很確定額外特徵如何進行，Profet AI也有提供售後諮詢服務，可根據需求來做使用。
雖然理解上述的案例，但還是不確定如何開始，該怎麼辦？
若要直接做到上述的內容對公司現階段來說還有些困難，其實也不用擔心。Profet AI另有提供“AI黑客松“這樣一個工作坊的合作模式。在此方案中，會由Profet AI的專業顧問提供一個AI通識教育、議題尋找、動手建模的課程，讓公司成員透過與顧問的互動，快速了解何謂AI、有哪些應用案例，更重要的是，培養“數據應用“的概念，以及如何應用預測模型，讓AI與數據驅動決策的文化在公司內部生根，並使數位轉型的成果能夠開花結果。