尽管我们正被一波又一波全新且具有颠覆性的科技与应用程序所包围，人力资源部门依旧没有提高它评估未来劳动力的能力。传统的、围绕简历来进行的招聘流程已经不再足够，因为它们并没有精准地描述现今的领导者所需求的品质与资格，它们过时的标准甚至使得许多有才华的人根本不在候选范围内。

其实简历并不存在固有的内在缺陷，它们强调了应聘人过去的成就和经历。但是，尽管简历有利于展现正式的技能，它们在识别价值观与行为方面却并不适用。简历通常不能区分技能（知道如何去做某件事）与能力（可靠且轻松地切实做好它）。

简历解析帮助企业HR节约90%的体力劳动，精准的数据解析匹配提供企业招聘效率。

SamMead，Saberr这一伦敦新企业的联合创始人，专研于劳动力科学。他不断重申关于简历的这一问题，同时他更引申开来，说到如今无处不在的申请系统。它们只显示了一名候选人的“合格”而非“合适”。尽管简历能够将一名申请者的技能与岗位匹配起来，它们却并不能预测申请者是否能够很好地融入企业文化与未来同事。

简历已经使得招聘者们过度地关注成绩、大学声誉和之前的工作经验。而这些招聘标准所存在的问题就是，它们偏向于来自更富裕的家庭背景的应聘者们。这些家庭通常拥有更紧密的联系与人际网络，能够提供更好的教育机会，能够支付得起名校的学费。更甚者，成长于上层社会的孩子更习惯于引领成功的“合意的”行为的社会规范。

这样的过程已经不再值得信赖。它已经将收入的不平等转换为了职业机会的不平等，招聘者们也因此失去了发掘更大的人才库的机会。虽然他们声称有兴趣吸收来自广泛社会背景的人才，使用简历筛选候选人的行为却会将那些付不起教育费用和无法进行无薪实习的人排除在外。最常见的情况是，他们最终止于未来前景有限的低收入工作。因此，更好的工作机会总会留在那些拥有更富裕背景的人手里。举个例子，最近一项英国的调查显示，四分之三的法官，三分之二的医生，四分之三的财务主管和二分之一的首席执行官都来自相当富裕的家庭。

对此，有什么能做的呢？

真心有兴趣招聘来自不同背景的人的公司，必须抛弃传统的以简历来进行筛选的方式。招聘者们必须通过“能力”的证明来找到最具希望的候选人，也就是那些拥有在这个发展迅速、相互联结的世界变得成功的技能，有能力成为敏锐的领导者的人。

新的工具和招聘流程能够帮助招聘者们发掘更多样的人才库，接触到曾经被排除在考虑范围之外的候选人们。如果招聘的企业更少地关注强调技能与经验的简历，而更多地着眼于应聘人的社交情绪、认知能力和行为特点，那些来自经济贫困的社会底层背景的人就能够拥有更广阔的就业前景。这样就获得了更高的职业效率，同时也分散了劳动力的社会阶层，使其更多样化。

更多的公司能够使用智能数据来改进招聘流程。一些公司已经开始为此做准备，例子从大型跨国企业如可口可乐，在它的亚特兰大总部，它使用数据导向型策略来鼓励创新；到Seedcamp这样的初始企业，它使用心理图案学（对人的个性、兴趣等进行研究的学说）来识别最有可能成功的团队；再到科技公司，如澳大利亚的Kestral，它在团队优化过程中识别最强的表现者。

成功的人员配置在很大程度上也依赖于“合适”，因此招聘者们需要考虑其他在简历之外的因素。Saberr十分关注应聘者们的核心价值观与特定的行为特点，以此来创造出一个度量映射，这也是他们数据导向型人力资源策略的主要元素。使用算法来处理基本价值、行为兼容性以及多元化差异，从而公司预测出应聘者与可能雇主之间的人际关系能够变得有多紧密。公司进行这一行为的方式包括，实施能够最大化潜在匹配的、对于应聘者与雇主的调查；关注软技能而非更为传统的证书与过去的经验。算法使得公司能够“规划”出新雇员会如何适应环境。

大型科技企业如IBM，也正在帮助建设“社交商业”，通过利用社交媒体的力量和个人的网络状态，来决定“合适性”（IBM将其定义为“通过社交合作与数字体验，创造更有效工作经历的能力”）。像位于旧金山的Quid就正在使用语义分析来对网络上最多的注意力、创造性能量和财务资源都花费在何处进行分析与视觉化描述。尽管目前这一工具的主要使用者为私募股权投资者和广告公司，但其对于招聘相关职位具有很大潜在吸引力，因为它使得负责分配员工的主管们能够看到候选人的职业能量都付诸何处。

尽管还有很多隐私性问题需要解决，但是，像Saberr，IBM和Quid这样的例子，已经通过使用能够帮助预测未来雇员行为与工作群体融入度（这些都是简历所不能展现的）的智能科技，指引了人力资源获取与发展的未来方向。这些“游戏规则改变者”正在帮助企业吸纳无论出身于何处的人才，改变企业招聘与寻求员工的方式。