[논문 리뷰] A Comprehensive Survey of Artificial Intelligence Techniques for Talent Analytics

Chuan Qin, Le Zhang외 9명|arXiv (Cornell University)|2023. 07. 03.

AI and HR Technologies인용 수 18

한 줄 요약

이 논문은 인재 관리, 조직 관리, 노동시장 분석에 걸친 인재 분석용 AI 기술을 고찰하며 데이터 기초와 방법론적 분류 체계를 강조한다.

ABSTRACT

In today's competitive and fast-evolving business environment, it is a critical time for organizations to rethink how to make talent-related decisions in a quantitative manner. Indeed, the recent development of Big Data and Artificial Intelligence (AI) techniques have revolutionized human resource management. The availability of large-scale talent and management-related data provides unparalleled opportunities for business leaders to comprehend organizational behaviors and gain tangible knowledge from a data science perspective, which in turn delivers intelligence for real-time decision-making and effective talent management at work for their organizations. In the last decade, talent analytics has emerged as a promising field in applied data science for human resource management, garnering significant attention from AI communities and inspiring numerous research efforts. To this end, we present an up-to-date and comprehensive survey on AI technologies used for talent analytics in the field of human resource management. Specifically, we first provide the background knowledge of talent analytics and categorize various pertinent data. Subsequently, we offer a comprehensive taxonomy of relevant research efforts, categorized based on three distinct application-driven scenarios: talent management, organization management, and labor market analysis. In conclusion, we summarize the open challenges and potential prospects for future research directions in the domain of AI-driven talent analytics.

연구 동기 및 목표

• 내부 데이터와 외부 데이터를 포함한 인재 분석 데이터 기초에 대한 구조화된 개요를 제공한다.
• 인재 관리, 조직 관리, 노동시장 분석에 사용되는 AI 기술과 모델을 분류한다.
• 각 시나리오에서 대표적인 연구 및 데이터-방법 매핑을 요약한다.
• AI 기반 인재 분석의 개방적 과제와 향후 연구 방향을 식별한다.

제안 방법

• 내부 데이터 소스(채용, 직원, 조직)와 외부 데이터 소스를 조직하는 데이터 중심 분류 체계를 제안한다.
• 세 시나리오 분류 체계: 인재 관리, 조직 관리, 노동시장 분석을 개발한다.
• 각 데이터 범주에 적용된 AI 기술과 모델을 검토하며, NLP, 딥 러닝, 그래프 기반 방법, 전통적 분류기 등을 포함한다.
• 시나리오 간 데이터 범주와 AI 접근법을 요약하는 표를 제공한다.
• 모델링 선택을 촉진하기 위해 Indeed, LinkedIn, 고용주 브랜딩 데이터와 같은 산업 규모의 데이터 소스 및 트렌드를 논의한다.
• 개방적 과제와 잠재적 향후 연구 방향을 제시한다.

실험 결과

연구 질문

• RQ1 다양한 조직 맥락에서 AI-enabled 인재 분석에 필수적인 데이터는 무엇인가?
• RQ2 인재 관리, 조직 관리, 노동시장 분석에 어떤 AI 기술이 적용되었고, 이들이 데이터 유형과 어떻게 결합되는가?
• RQ3 AI 기반 인재 분석의 주요 과제와 향후 방향은 무엇인가?
• RQ4 대규모 외부 노동시장 데이터를 내부 HR 데이터와 어떻게 통합하여 의사결정을 돕는가?

주요 결과

• AI 기반 인재 분석은 대규모 내부 및 외부 데이터를 활용하여 채용, 개발, 유지, 조직 의사결정에 정보를 제공한다.
• 딥 러닝, NLP, 표현 학습(예: BERT, CNN/RNN, LSTM)이 이력서/구인 공고 매칭, 인재 검색, 면접 분석에 널리 사용된다.
• LinkedIn, Indeed와 같은 소셜 미디어 및 구인 사이트와 같은 외부 데이터 소스는 노동시장 분석과 고용주 브랜딩에 풍부한 맥락을 제공한다.
• IBM이 이직 관련 작업에서 높은 예측 정확도를 달성하고 유지 비용에서 상당한 절감을 보인 사례 등 사례가 효과를 보여준다.
• 이 조사은 데이터 기반의 분류 체계 관점이 인재 분석에 AI를 통합하기 위한 기초이자 미래 연구 방향 식별의 토대임을 강조한다.