“在英国HR事务所,李松毅发现,国内外绝大部分HR和猎头工作者仍然把大量时间耗费在“找简历”“挑简历”这种低技术含量的环节;同时招聘会上收到的海量纸质简历等事务性工作,往往会成为HR的噩梦,相比之下用在理解业务、人选沟通等高价值工作上的时间却远远不足。


2016年,李松毅创立了Bello(倍罗),决定自研深度自然语言理解技术(NLP),结合多年的行业观察,为大企业和人力资源行业提供数字化转型方案。


Bello最直观的作用,就是利用AI筛选人才,帮助HR和猎头每天节省2小时,免去了重复性的劳动。去年,其订阅收入已经超过千万元人民币。


目前,Bello提供包括岗位画像、智能匹配、人才库管理在内的人才管理效率工具,服务了数十家行业头部客户,3年时间完成了四轮来自一线VC的融资。

让HR摆脱重复性劳动


Bello的两位联合创始人来自于硅谷。2017年,在美国HR行业竞赛上,由他们研发的机器人仅花费了3.2秒就从数千份简历中完成筛选,列出了与岗位要求(JD)匹配的候选人名单,惊艳全场。


之所以把“机器筛选与匹配”看得这么重,正是源于李松毅对行业的观察。“猎头和HR每天都在找简历、看简历、打电话。”李松毅将这些庞杂繁琐但又无法摆脱的重复性劳动叫做“刚性成本”。


在对中国企业和HR行业与市场的调研期间,李松毅曾问过很多大型企业,当前最大的挑战在哪里?他听到最多的回答是:人! 技能可以培养,人不能改变。


通常招聘模块的HR和猎头要尽可能多地了解候选人,提高成功招聘的比率。 “平均每天要投入数小时在事务性工作上,真正去了解人的时间就不够了。”


站在HR角度来看,这些工作虽然简单,却十分重要。交给实习生做,又怕不准确。所以很多从业者只能花大把时间在这些环节上。


李松毅对这样的现状感到遗憾,“明明是人力资源管理,‘管理’才是中心词,也是真正需要公司投入成本的环节,但现在的从业者把更多精力放在甄别‘资源’上。”


他发现,除了苦于“刚性成本”,HR和猎头工作的大环境也正在变差。自从2010年开始,中国就出现了劳动人口增长趋势的拐点,新增劳动人口逐年递减。对于小企业而言,影响不甚明显,但对于大公司来说,甚至上升到行业角度,为了让更少的劳动人口产生一样,甚至更高的劳动力,人力资源的精准匹配正成为必须解决的问题。


从零开始的技术和模式


要让HR从繁琐的重复劳动中解脱出来,核心是人力资源行业NLP(自然语言处理)技术。4年前,Bello刚成立时,西方已经有了较为成熟的人力资源行业NLP技术。Bello团队最初的方案是,借助已有的NLP技术,实现人岗匹配的智能化、数字化,促进NLP在人力资源管理行业落地。


然而,西方人力资源NLP研发商的业务思路在中国走不通,也没有任何中文服务。从国内来看,中文NLP技术,的确有人在做,只是还没有出现头部。


“可以说,这个行业连基础设施都没有。”李松毅回忆,当时他们找不到上下游技术供应商,所以只能自己研发。“别说NLP,就连构建知识图谱的数据驱动平台都要自己做。”


Bello产品图示


三年多时间,很多NLP研发者都逐渐放弃,其中不少人工智能公司转型开始做招聘服务。毕竟,猎头价值明确,业务模式成熟,现金流好,生存下去最重要。“HR Tech的行业内真正坚持做技术的公司已经寥寥无几。”


同样是三年,与其转型,Bello选择了专注。通过海量的机器训练,在数据的底盘上,借助AI专家的经验模型和天使客户的反馈,终于在2019年初迭代出了足够商用的成熟产品。


回忆起Bello成立三年多的发展,李松毅总结:技术的研发可以说没走过弯路,但商业模式的选择的确遇到了挫折。


起初,李松毅把目光放在中小企业用户身上。中国中小企业突破了3000万家,它们业务简单,且多为通用化需求,容易复制,让公司尽快形成规模,提高声望。


没过半年,李松毅就发现,中小企业老板年轻有活力,但实际上招聘量不大,付费能力较弱,生命周期短(影响复购)。除此之外,产品触达和线下销售成本并不低。 这部分市场虽然潜力诱人但是一定会被资金庞大,流量有优势的互联网大厂收割。Bello或许应该把视野放得更远一点。


当时Bello的主打产品是简历解析和精准匹配,可以让流通的人才信息变成结构化数据,录入到人才库中,并在需要时,HR可以直接精准搜索。为了更好的理解大企业的产品需求,获得更多资源,Bello加入了腾讯/百度/微软加速器。


大型企业招聘系统智能化升级的AI工具库服务流程


正是利用好了这些机会,Bello打磨出一套辅助大企业完成HR数字化转型的解决方案。 整合内外部人力资源产品和服务,并从底层打通信息的人才中台,可灵活实现包括招聘/转岗/培训等多场景动态人岗匹配。


年收入超千万元


如今,许多企业在进行数字化转型,人力资源是重要的部分。


不少行业头部企业先后耗资数千万自建EHR管理系统;为了实现“人适其岗”提升人均效益,就要引入画像系统,匹配模型,人力资源知识图谱等能力;如果自研需要额外成本不说,还得投入人力,花几年去建设非自身核心业务的技术。


通过合作,Bello提供的服务让客户节省至少一千万不必要的研发投入,控制了研发风险,做到了开箱即用。从业务上还能帮助企业降低近一半的招聘成本。


除了大企业之外,对于人力资源服务公司来说,招聘业务是利润中心,他们非常重视员工招聘的效率。 Bello通过招聘过程智能化(需求分析/信息增强/自动寻才/精准匹配)等能力帮助人力资源公司极大程度的减少了零碎、重复、低价值的任务,提升了效率。


2019年,Bello进入了发展的快车道——解决方案产品推出不到一年,就实现了超千万元的营收。


李松毅透露,实际上Bello的客户在2019年均实现了收入增长,今年的目标是帮助招聘服务企业提升人效,并降低一半以上的招聘成本。


创业近4年,李松毅一直没有忘记Bello刚起步时的那种感觉。由于行业缺乏技术基础设施的建设,做产品时深感荒凉而无力。现在,Bello已经成为了AI+ HR行业的基础设施,有能力为相关行业从业者提供基础上游服务。


“技术创新是Bello的基因,通过提供稳定可靠的技术产品来服务好企业和人力服务公司是我们的第一目标。无论什么行业,只要客户需要提高人均效益,Bello就可以帮到你。”李松毅说,我们的愿景就是尽可能地帮助企业提高人效、降低成本。