企業管理雜志
將人工智能與戰略洞察結合，勢必可以創造新的機遇，轉變人力資源部門協助企業建立競爭優勢的方式。
文/繆鎮聯 巫志文
關鍵詞：人工智能 人力資源 決策系統
移動和社交技術無處不在，個性化成為新時代標配，在人力資源領域，獲得人才的“游戲規則”發生了巨大改變。人工智能和自動化技術可以幫助企業掌握員工的技能狀況，防止員工流失，快速響應員工問題，為員工和外部候選人安排適當的職業發展機會，為經理提供更有效的薪酬調整指導、消除福利和薪酬方面的人為干預等。
相較于傳統的人力資源信息系統，決策支持系統是一種更高等級的分析工具，可用于企業人力資源戰略規劃、人力資源需求預測以及人力資源的政策和實施效果評估等方面。然而，以往的決策支持系統在整合知識方面比較薄弱，處理復雜的半結構化和非結構化的人力資源問題較為困難。為了克服這一缺點，本文提出一種新型智能決策支持系統，即在傳統的決策支持系統中植入機器學習技術，該系統可以幫助企業解決戰略人力資源規劃、新員工選擇、員工培訓規劃、職業發展規劃、未來員工需求預測、員工績效預測等人力資源問題。
人工智能在人力資源領域應用場景
戰略性人力資源的提出，使人力資源領域的工作重點從行政向高績效人力資源實踐（如團隊合作和績效管理）轉變，其關注點集中在主要職位而非每一個職位上，關注關鍵員工群體而非每一個員工。同時，在人力資源領域部署人工智能，也可涵蓋整個人才生命周期。
1. 吸引：改善求職者體驗
在人才生命周期的吸引求職者階段，企業的目標在于盡量多地網羅具備職位所需技能的候選人，在確定他們符合條件后鼓勵其申請職位。通過在吸引求職者階段部署聊天機器人，可以運用自然語言處理 (NLP) 技術解讀并回答求職者的問題。另外，相較于傳統的關鍵字搜索方法，人工智能的職位匹配效果更佳。此外，還可以利用技能匹配算法，將職位與求職者簡歷中展示的技能相匹配，根據分析結果提出建議。在此類功能的幫助下，求職者轉變為職位申請者的可能性必將有所提升。
2. 聘用：行之有效的招聘
招聘人員的工作特點是時間緊、任務重，往往要同時招聘多個職位。招聘人員需要對自己負責招聘的各種職位劃分優先級；與此同時，還需要從競聘同一職位的眾多求職者中發現最佳人選。在這種情況下，人工智能就可以發揮作用：根據歷史數據預測填補職位空缺需要的時間，并支持招聘人員根據需要重新劃分優先級。此外，還可以利用人工智能確定求職者簡歷與招聘職位之間的匹配度，根據職位申請流程收集的求職者信息準確預測未來績效。人工智能還可以幫助招聘人員撰寫更全面的職位說明，更有效地篩選候選人，盡量減少人為偏見對流程和實踐的影響。
3. 敬業：增強工作的主觀能動性
在提高招聘部門經理的工作有效性方面，人工智能有兩個具體的功能：面向經理層的人才提醒和敬業度分析。人工智能的人才提醒功能用于向一線經理發出有關團隊成員的通知。該功能根據求職申請中提供的有關各位團隊成員及企業員工群體的信息，幫助經理做出決策。人工智能的敬業度分析技術用于分析企業內部的社交媒體內容。該技術可分析年度調研、員工滿意度調研以及社交媒體聊天的非結構化內容，短短幾小時即可分析數十萬條主題評論。
4. 留住：智慧的薪酬規劃
為做出合理的薪酬決策，需仔細考量各種復雜因素。除績效外，還包括以下因素：技能的市場價格、技能的需求程度，以及采用基本薪酬還是獎金形式更好。要做出最佳薪酬決策，需要深入了解員工技能、技能的市場價格，以及這些技能的需求波動情況。因此，需要考察的數據點可能非常多，如果沒有分析技術的支持，單憑人力很可能無法完成分析。基于人工智能的薪酬設計出現之后，設計周期及準備工作可從數千小時縮短至短短幾小時，同時還可提供決策建議，研究過去不曾考慮的更多變量。此外，人工智能的重點放在決定薪酬的各種技能上，因此有助于減少薪酬流程中存在的人為偏見。
5. 培養：個性化學習
在學習方面，人工智能可隨時隨地根據需要輕松提供學習內容，有助于加快培養個人技能水平，從而優化企業學習活動的成效。同時，每家企業都需要了解員工掌握的技能以及技能水平，人工智能只需提取員工的少量內部數據，即可推斷他們的技能水平。生成技能檔案后，員工和經理可對其進行驗證。基于人工智能的技能推斷可幫助企業尋找“組織中隱藏的瑰寶”—— 不為人知的技能高手。
6. 成長：職業發展
職業輔導為員工營造更有意義的工作體驗，不僅可以提高企業生產力，還能確保繼任渠道暢通無阻。職業輔導通常要求師徒頻繁接觸，費時費力，成本不菲。因此，一直以來，企業通常只為工作表現不理想的員工或者準備投入大量資金重點培養的高潛力員工提供輔導。然而，如果企業為全體員工提供這種水平的職業發展機會，不僅有利于改進員工的總體積極性和敬業度，還能促進總體工作績效，從而提高企業效益。
7. 服務：利用人工智能實現7×24小時不間斷員工互動
聊天機器人是人工智能改善員工體驗的典型示例，可實時解答問題，能理解自然語言，像人類那樣與用戶對話。聊天機器人設計費用低、訓練速度快，由于應用編程接口（API）應用廣泛且易于使用，非專業IT人員也可以輕松管控聊天機器人的實施過程。如果在人力資源流程中，需要回答員工提出的大量問題，則可根據人力資源流程中常見問題解答（FAQ）列表部署聊天機器人。
基于人工智能的人力資源決策系統框架
本文基于人工智能在人力資源領域的最新應用場景，設計了一種全新智能決策系統，由輸入子系統、決策子系統和輸出子系統三部分組成（如上頁圖所示），可針對結構化、半結構化和非結構化的人力資源問題提出相應的解決方案。
1. 輸入子系統
人力資源信息輸入子系統由事務處理子系統和人力資源智能子系統組成，負責將人力資源相關數據輸入操作數據庫。事務處理子系統將企業的日常活動信息作為數據收集到數據庫中，為中層管理人員和執行人員提供有效的決策支撐，如員工姓名、出生日期、性別、地址、電話、緊急聯系信息、電子郵件地址、部門代碼、工作狀態(全職、兼職)、工資、職位、員工工作歷史和福利信息等。同時，也將使用互聯網、內部網收集的內部和環境來源數據用于在線事務處理。而人力資源智能子系統主要收集與組織利益相關的人力資源數據，如政府、供應商、金融機構、工會和競爭對手的情報，這些智能數據可以從商業數據庫中獲得。
2. 決策子系統
決策子系統主要包含四個主要組件：知識挖掘子系統、模型管理子系統、知識庫子系統和咨詢子系統。知識挖掘子系統可以從舊數據和決策中提取知識，此組件用于從現有數據庫系統確定可能的模式和規則，以開發人力資源問題的預測模型；模型管理子系統用于存儲結構模型，通過應用這些模型將存儲在數據庫中的數據轉換為信息或知識，如現有仿真模型、財務、統計、管理科學等相關模型，這些模型均可應用于合適的決策過程；知識庫子系統組件包含有關關聯規則、模式以及任何相關事實和規則的信息，這些規則和模式將由人力資源領域的專家進行評估并解釋；咨詢子系統在決策過程中提供迭代支持，知識工程師通過知識驅動開發，從專家和規章制度文件中獲取知識，該組件將不斷更新現有知識庫系統的知識。
3. 輸出子系統
輸出子系統由不同的軟件模塊組成，這些模塊可以使用各種模型為人力資源問題提供報告或解決方案。輸出子系統包括以下十個模塊：戰略人力資源規劃模塊，將合適的人員與組織的戰略需求相匹配，基于人力資源庫存供給和需求分析預測未來人力資源需求；招聘選拔模塊，通過對潛在候選人不同類型的信息進行編譯和處理，并選擇符合決策標準預期的員工；培訓開發模塊，利用關聯規則挖掘個人學習的訓練策略和學習地圖，基于規則的專家系統可以用來推斷員工的學習類型；績效評估模塊，為員工提供綜合績效指標及考核標準；薪酬福利模塊，使用統計和財務模型估算薪酬福利金額，如保險、養老金、利潤分成、股票期權等福利；健康與安全模塊，維護員工事故信息(數量及種類)、健康及安全投訴、員工補償請求及其他與健康及安全有關的事宜；員工關系模塊，可以了解工作環境、規章制度、員工違法歧視、申訴、工作多樣性等相關信息，管理層可以提供在線調查和“意見箱”，為員工提供表達意見和建議的渠道；工資單接口模塊，包含關于工資和福利的信息，使用財務或會計模型來制定及時和準確的結構性付款功能；人才管理模塊幫助管理者在正確的時間和地點選擇正確的人，通過現有人才（當前員工）的表現來判定其工作達標的程度；員工自助服務模塊，員工可以獲得工資單和養老金信息，以及公積金報表、貸款報表、評估報告、培訓相關信息、職業規劃、健康安全事件等。
人力資源決策系統投資回報率分析
實施人工智能應用前，應在人工智能與其回報之間建立預期的聯系。表中提供了所討論的每個人工智能應用場景的預期效益和成果指標示例。必須綜合考量短期指標和長期指標，以便快速進行評估，并根據需要進行調整。
同時，回報實現速度取決于兩項因素：外部采購還是內部構建，以及人工智能項目的性質。如果采購現成的人工智能解決方案，有望在三到六個月內實現投資回報。較為復雜的解決方案往往以最低程度的可行產品 (MVP) 為起點。 MVP 是指對用戶有意義的首個最小規模的可交付產品，旨在檢驗企業做出的假設，然后快速增強這些產品，為企業帶來更多價值。借助目前可用的 API接口，即便是復雜項目，也可在一年內獲得回報。當然，設計思維和敏捷工作方法有助于快速構建系統并在短時間內不斷迭代，形成改進的版本。另一方面，如果利用人工智能改善招聘工作，一些效益可能會很快顯現出來，如縮短招聘時間。但是，某些預期效益則需要更長時間才能體現，如提高績效。人才保留解決方案也要有一定的時間才能展現價值，因為時間才能證明員工是否如預期的那樣留下來。
人工智能完全可以適用于人力資源的所有領域，包括吸引人才、招聘、學習、薪酬、職業發展管理和人力資源支持等。人工智能將使人力資源職能部門不僅可以切實推動實現企業的戰略優勢，還能更有效地支持企業的員工隊伍，將戰略付諸行動。
主要參考文獻
[1] Jantan H, Hamdan A, and Othman Z, Human Talent Prediction in HRM Using C4. 5 Classification Algorithm. International Journal on Computer Science and Engineering, 2010,2(8).
[2] Lin H, Personnel Selection Using Analytic Network Process and Fuzzy Data Envelopment Analysis Approaches. Computers and Industrial Engineering,2010,59(4).
作者單位
繆鎮聯 廣西藝術學院
巫志文 廣西大學土木建筑工程學院
欄目主編 程丹丹
