“管人”的問題能交給AI解決嗎？HR在變革面前要謹慎
AI潮流席卷各行各業(yè)，算法也讓我們窺見未來全新的可能。人力資源管理也開始受到這股新潮流的影響。不過說到底，如同使劍，劍雖利，可削鐵如泥，庫卡機器人，也可能誤傷自己。工具雖好，還得用的妥當，才能發(fā)揮其最大效能。AI目前的應用包括：篩選簡歷、HR聊天機器人（跟應聘者聊天，以加深HR對他們的了解）、線上面試后通過面試者的表現(xiàn)（表情、言語模式等）判斷性格特征等等。然而，但凡是工具，都是有利有弊的。這時候就要看工具使用者的操作了。如果HR人能了解并用好這些工具，不僅能節(jié)省大量時間，甚至能實現(xiàn)整個行業(yè)的工作模式和戰(zhàn)略轉型。本文編譯自Venturebeat的原題為AIcanrevolutionizeHR,butdeploywithcare的文章。
人工智能的出現(xiàn)，讓各行各業(yè)都開始轉型。人力資源業(yè)也不例外。
我們已經看到各式各樣的HR工具數量的顯著增長，機器學習和人工智能也漸漸開始解決工作范圍內人的問題。越來越多的組織和企業(yè)開始迎接這股潮流，將權力逐漸分散，而那些能用好這項技術的人就能在這場競爭中領先。
風險高回報也大
人工智能和機器學習再神，也只是工具。就像所有其他工具一樣，它們也是中性的，可能有益，也可能有害。如果這工具你用得不好，或者安置到不合適的地方，它們就可能對你的商業(yè)流程和企業(yè)文化不利。而HR專業(yè)人士又不想技術人員那樣熟悉這些工具背后的運作機制，因此，他們也面臨很大的風險，可能弄巧成拙。出發(fā)點是好的，但結果卻可能不盡如人意。
那么，HR專業(yè)又該怎么做，才不會好心辦壞事呢？
首先，要確保自己真的了解手頭要處理的是什么問題。也就是說，問題里里外外，都弄得清清楚楚，理解透徹。只要你能意識到問題何在，能夠確定要解決的是什么，這時候你就要問自己，是否確實需要這項技術來解決這個特定的問題。如果沒有這項技術，工作是否會受到很大影響，甚至停滯不前？這項技術會讓問題簡單化，讓你有更多時間精力去解決其他問題？還是說，你可以使用現(xiàn)有的技術，或者改變方法來解決當前的問題？
有足夠的了解才有發(fā)言權。
如果你覺得你確實需要某個酷炫的AI技術來解決難題，那你就得好好教育自己，www.tka.net.cn，去了解這門技術的優(yōu)勢和劣勢。不是簡單的百度一下就完事兒了，而是扎扎實實地花時間、真的深入了解你決定使用的工具。利用自己的專業(yè)人脈網，看看公司里其他人的經驗能不能對你有所啟發(fā)。你還可以讓他們評估一下你考慮使用的技術，以幫助你做出更好的決定。
如果操作得當，那人工智能自然能幫你節(jié)省大量時間精力，讓人力資源部從運營中心轉向以戰(zhàn)略為核心的部門。
工欲善其事必先利其器選擇正確的工具很重要
你所面臨的問題大大小小、方方面面可能都有所不同。各種算法也各有長處短處，但每個算法設計的時候，設計者也有不同考慮，因此，不是每個算法都適合拿來解決當前的問題。所以你要確定，KUKA機器人示教器維修，目前的問題可以用AI來解決。
算法對于下列的問題可能不太適合
產生的數據不多，或者數據不能準確表現(xiàn)出現(xiàn)實中的后果或者行為
極端的邊緣個案會出現(xiàn)，或者數據有嚴重的偏差（但這個情況有辦法做調整）
需要進行價值判斷的情況（這種情況下，最好的辦法是結合人類和算法做出決策）
往好的一面看，算法在以下幾個方面很有優(yōu)勢
可以取得關鍵數據，而且數據與你所感興趣的現(xiàn)實行為和后果直接相關的情況
你需要找出的模式是可預測的情況下（至少不會隨著時間流逝而變化）
你需要知道，AI不能幫你讓自己的團隊在技能上有提高，所以那些僅僅是將流程自動化的工具可能給不了你想要的結果。如果你的目標是改變團隊成員的行為，那你可以考慮使用幫助員工學習的工具。研究顯示，用工具來向員工提出及時、具體又可行的建議或者反饋，在改變員工行為習慣方面是最有效的。
比如，Texito平臺能字你寫招聘廣告的時候，向你提出建議，以便你能吸引到自己尋找的目標人才。Joonko公司可以分析企業(yè)的生產力和員工合作方面的活動，找出員工中無意識中的偏見，并且向該員工提出糾正的措施。
算法也是人設計的
設計人工智能，與其說是技術活，倒不如說像一門藝術。工具的創(chuàng)造者將自己的偏見設計進自己的作品中，也是不可避免的。谷歌以前就有過這個教訓，曾有一個圖像識別工具剛開發(fā)的時候，把膚色深的人識別為大猩猩
算法將圖中的黑人識別為大猩猩
所以，在購買基于人工智能的工具之前，要做好功課，深入調查是不可少的。看看這些算法的設計基礎是什么，算法開發(fā)過程中，人工的決策對工具運作時產生的結果有什么影響。準備好一個問題清單，比如：
在訓練這個算法時，用的是什么數據？
這些數據中有什么樣的偏見存在？這個模型又經過怎么樣的調整？（比如，如果算法中的數據體現(xiàn)的是女性接受的主要是優(yōu)先度不高的工作，那算法可能認為女性能力不足，不能勝任優(yōu)先度高的工作。）
隨著時間推移，使用增加，這個算法會怎樣進化，設計者對于其中產生的偏差問題打算怎么解決？
底線在哪里
人工智能和機器學習有很大的潛力，或許能使得人力資源業(yè)角色上根本的轉換，擴大該專業(yè)人士的積極影響。但是光靠人工智能和機器學習的應用，是無法在你的企業(yè)在創(chuàng)造出可持續(xù)的變化的。如果你用人工智能來加速現(xiàn)有的積極變化，那這些以技術為基礎的改變，也可以通過同時運行其他戰(zhàn)略性項目來得到強化。
機器人不會取代我們，他們會讓我們看起來更睿智。