人工智能在人力资源管理中的潜力

毫无疑问,人工智能(AI)将改变世界。它正在深刻地变革着诸如制造业,金融科技,医疗保健,汽车等众多行业,并在经济上推动巨大价值。但是,相比财务和市场部门从业者在AI技术使用中取得的巨大成功,人力资源从业者(HR)常常感到困惑:为什么同样的技术到他们这里就不太管用了呢?

Prasanna Tambe,Peter Cappelli和Valery Yakubovich在他们的研究中回答了这个问题:“在构建基于AI的系统时,HR部门自身存在系统性和结构性差异,使得AI技术运用变得更加困难。” [1] 由于大数据和AI运用方式在人力资源和就业领域的质量和解释力有限,目前大数据和人工智仍然很难在这些领域发挥更大的作用。为了更好地理解这一点,我们需要了解人力资源管理(HRM)中基于数据科学的AI问题。

从数据科学层面看,人力资源AI实践面临三大挑战:首先,在衡量整个员工的生命周期中,缺乏一致和连贯的HR流程。例如,在确定“聘用哪位候选人”或选择“提拔哪位候选人”时,HR部门需要对决定性的标准和技能,以及候选人最终被录用或晋升的原因进行一致的检查和记录。

其二,人力资源管理数据生成受限。与市场营销、财务等能大量生成数据且易于采集的领域不同,人力资源管理中的数据采集在数量和质量上仍然面临着巨大的挑战。此外,在许多情况下,HRM的数据仍然是非结构化的,如纸质的、excel或pdf格式的,这是计算机难以处理的。

最后一个挑战来自与数据处理相关的道德问题。 由于人力资源决策的结果会对员工的职业生涯产生严重的影响,因此这当中的公平性和透明度极为重要。员工对仅仅基于某些数据驱动算法结果的接受度又如何? 特斯拉的Morgan Hampton曾提出过一个很好的观点:“招聘应尽可能自动化,录用应保持人性化(Recruitment should be automated as much as possible, hiring should remain human)。”

结合以上几点,为了在人力资源管理中发挥AI的最大功效,HR经理人需要从以下几点入手:第一,人力资源经理需要创建一个适应于数字化和AI技术的HR流程。当前,AI技术只是集成到单独的HR任务中,如在招聘和人才获取,薪资管理和绩效管理,如何在人力资源实践中形成一个数据生成闭环协助AI的发展?或许以员工为中心的数据生成和管理模式不失为一种新的尝试。

在具体环节上,人力资源经理通常只保留他们感兴趣的简历,而把那些淘汰的简历扔掉。这样导致了单一维度的分析和结论[1] 。所有正反面标准都应该进行数据收集,并最终进行评估,以促进大数据模型和人工智能在人力资源场景的发展。

此外,数据生成方式应该是可持续的。例如,有些人工智能应用程序可以预测哪些员工即将辞职,有些应用甚至从员工的社交媒体或电子邮件中跟踪数据点[2]。如果员工意识到这样一个系统,他们很可能会改变自己的行为,故意产生误导性的数据。

去年,亚马逊人工智能招聘工具对女性的偏见证明了机器学习可以模仿人类的态度。然而,性别并不是造成歧视的唯一原因。年龄、国籍或种族等其他因素也可能产生负面影响,使公司无法进行包容性和多样化的招聘。人力资源经理应仔细收集具有代表性的数据样本,并寻找可解释的人工智能解决方案。复杂神经网络在深度学习中的应用还远不能自圆其说。

当前,在整个人力资源实践中还未能生成一套数据采集标准。这意味着人力资源经理必须与公司内部的IT部门或外部的人工智能供应商合作,确定要跟踪哪些数据以及如何测量这些数据,以便在公司内建立人工智能的最佳实践。

在JANZZ.technology,我们相信收集和构建数据是创建智能数据的基石。我们的解析工具从纸张、excel或pdf中提取正确的实体,确保从一开始就进行公平的端到端数据处理。您想知道更多关于我们的解析器的信息吗?我们如何帮助您完成智能化升级的旅程?请马上与我们联系sales@janzz.technology

 

 

[1]Prasanna Tambe, Peter Cappellli and Valery Yakubovich. 2019. Artificial intelligence in human resources management: Challenges and a path forward. URL:https://www.researchgate.net/profile/Peter_Cappelli/publication/328798021_Artificial_Intelligence_in_Human_Resources_Management_Challenges_and_a_Path_Forward/links/5c5edc7f299bf1d14cb7dc5f/Artificial-Intelligence-in-Human-Resources-Management-Challenges-and-a-Path-Forward.pdf [2019.10.20]

[2] Samantha Mclaren. 2019. Here’s how IBM predicts 95% of its turnover using data. URL:https://business.linkedin.com/talent-solutions/blog/artificial-intelligence/2019/IBM-predicts-95-percent-of-turnover-using-AI-and-data[2019.10.20]