在倫敦創科技Startup優勢 港人創辦的人工智能招聘Startup

本文作者楊志光為Quantize Analytics 聯合創辦人

我們常聽到關於美國初創 Startups的趨勢和發展, 但其他國際城市如英國倫敦的初創情況情況卻鮮為人知。倫敦近年來也成為全球科技初創界的明日之星，例如科技新創公司DeepMind，他們開發了應用深度機器學習(Deep Learning)、並打敗了世界圍棋冠軍李世乭的AlphaGo，DeepMind的三個創辦人便是在倫敦大學學院(UCL)相遇；DeepMind也被Google用5億美元收購，改名為Google DeepMind，但公司總部還在倫敦。

倫敦本是知名的金融中心，近年來也有越來越多Startup在倫敦建立。主要因素包括：

1. 在三藩市創業的成本太高(生活費和招攬人才的費用)。越來越多人打算搬到成本較低,有一流科技人才的倫敦。
2. 倫敦有很大的科技人才庫，且有世界上在機器學習、電腦科學領域頂尖的大學畢業生，例如劍橋、牛津、倫敦大學學院、帝國大學
3. 歐洲的投資者會想找靠自己近一些的新創，倫敦就是個好位置
4. 倫敦政府針對願意承擔風險投資早期階段新創公司的投資者，有相當慷慨的稅務優惠，例如在新創公司投資失敗可享有50%的扣稅，或可加入「種子期企業投資方案」(SEIS, Seed Enterprise Investment Scheme)

我在香港科大計算機科學畢業後，又在丹麥科技大學取得碩士學位，並在當地投資銀行從事科技工作近十年，看到人工智能的快速發展，便嘗試走向創業之路，在倫敦創辦Quantize Analytics。透過機器學習(Machine Learning)，演算分析上百萬求職者的履歷，提供優化招聘、企業能快速找到最適切人選及減少員工流失率的人工智能解決方案；申請人也不再需要任何傳統評估測試(Assessment test)，大大地減少了因申請人拒絕測試而流失好員工的可能。

我的合伙人Khary是史丹福大學MBA畢業生，曾在Linkedin工作兩年，帶領Linkedin產品團隊為企業開發招聘方案；在那裡他得到第一手資料，知道今日不同企業仍面對到最大的問題就是──如何招聘到最合適的人才？現在一份工作可以透過不同渠道申請，申請人數可以很多，卻沒有一個有效方法，去篩選最好的潛在候選人，大多數的招聘者需要花上時間篩選過一份份的履歷、進行一關關的測試與分析，在大把時間和精力之下，最後仍可能在個人偏見和錯誤決策中，錯過最合適的員工。

而我在投資銀行多年打造網上交易平台，並透過自營機器學習演算法，來處理每天牽涉數萬計的交易。透過親身在金融界的經歷，見證到機器學習演算法能比人腦在交易上做出更好的決定。結合Khary對解決招聘問題的經驗、我善用數據和人工智慧的經驗，於是我們參加了倫敦的加速器Entrepreneur First (EF)，創立了Quantize Analytics。 EF參加團隊中有55%是來自牛津、劍橋、帝國大學等高材生，還有來自歐洲各地的科技人才。

Quantize Analytics 的核心是結集標籤數據和機器學習演算法。透過每位人選過去的表現、以及他們在履歷所寫的，我們應用機器學習演算法及專門的工程技術來找到合適人選和履歷上的真正關聯。在發展完整的模式中，只需幾秒鐘，就可在數以百到千計申請人的履歷中，辨識出誰是可在此工作上表現最佳的潛在候選人，以便能集中面試這些候選人。所有考量的範疇是根據完全客觀的因素，而不是基於人腦可能常會使用、並做出錯誤判斷的主觀因素。

Quantize Analytics目前已有幾位英國的客戶在使用，包括為富時集團(FTSE)旗下百位客戶如Tesco、ACE Group提供招募顧問服務的大型公司。當中一個案例能達95%以上準確度地篩選掉一半不合適的申請人，大量減少招聘者四分之一的人手篩選時間，有效讓企業能快速找到最適合人選。

支持EJ Tech