人工智能如何彻底变革人力资源格局,如何部署?

AI1年前 (2023)发布 aixure
65 0 0
导读:越来越多的人力资源工具应用机器学习以及人工智能系统,其应用于工作场所以解决员工问题。随着组织架构的持续变革以及权力的逐渐下放,能够有效利用此类技术的组织机构才可以脱颖而出。 当然,这是一项高风险,高回报的工作。 从本质上讲,人工智能和机器学…

越来越多的人力资源工具应用机器学习以及人工智能系统,其应用于工作场所以解决“员工问题”。随着组织架构的持续变革以及权力的逐渐下放,能够有效利用此类技术的组织机构才可以脱颖而出。

当然,这是一项高风险,高回报的工作。

从本质上讲,人工智能和机器学习只不过是工具罢了。它们就像其他的任何工具一样,有利有弊。如果使用者不能够明智地使用或配置,它们甚至可能会破坏你的工作流程或企业文化。尤其对于人力资源从业人员来讲,这是一个巨大的风险,因为相比于技术专业人士而言,他们往往对这些工具的深层机制不太熟悉。

那么,作为一名想要把工作干好的人力资源专家,应该怎样做呢?

首先,明确你正在解决的问题。也就是说,真正理解所要解决的问题。在发现问题并对问题进行正确评估之后,问问自己是否真的需要使用此项技术。如果不使用此项技术,工作进程是否会因此而拖后腿?应用此技术是否会使问题变得更简单,从而使你有时间解决其他问题呢?或者你是否可以利用现有技术或不同的方法从事你所做的工作?

如果判定确实需要使用这种新颖的人工智能技术,那么你就必须了解人工智能的优势和劣势。除了可以在谷歌上快速搜索浏览相关信息之外,还是有必要进行更加深入的了解。深入挖掘你所在专业的人脉并且充分利用公司里其他人的专业知识,并邀请他们参与评审你正在考虑使用的工具。

在正确利用的情况下,人工智能可以节省你大量的时间和精力,从而将人力资源工作从运营职能转变为战略职能。

选择合适的工具以解决相应的问题。

并不能将所有的问题一刀切。而且算法也不一定适用于所有问题,所以必须确保人工智能适于解决你所遇到的问题。

算法不太适用于以下情况如下:

生成少量数据的问题,或者数据无法反映真实世界的结果或行为。

处于极端边缘情况的问题,或者底层数据集存在严重偏差(但接下来有方法可以解决这一问题)。

需要价值判断的问题(在这个例子中,既考虑人性化且包含算法,则可以产生最优解决方案)。

从积极方面来说,算法可以很好地解决这样的问题:

问题中有重要数据,且数据与你所感兴趣的行为和结果直接相关。

涉及你所搜索模式的这些问题是可以预测的(或至少长期来看是一致的)。

请记住,人工智能并不总是够能提升你的工作能力,所以仅仅使用自动化流程工具可能无法得到理想的结果。如果你正试图改变员工行为,那就使用一些能够帮助员工学习的工具。研究表明,在解决基于行为的问题时,及时、具体、可执行且基于工具的反馈是非常有效的。

例如,Texito平台会在你写招聘信息的时候提供反馈,提出美化内容的方法,从而使招聘信息更加吸引求职者。Joonko分析工作场所生产力的活跃度以及协作工具,寻找无意识偏见的证据,然后向员工建议纠正措施。

算法也是人的智力成果。

人工智能的设计与其说是一门科学,不如说是一门艺术。发明者可能会在不经意间将自己的偏见融入到技术中,正如谷歌所熟知的那样,在一项新兴的面部识别技术中,深色皮肤的人被识别为大猩猩。

在做功课时,同时利用人工智能工具进行购物。弄明白这些模型是如何开发出来的,以及这些开发选项的意义所在。思考这样的问题:

采取了何种数据集以训练算法?此种数据中可能存在哪些偏差?模型是如何对此修正的?

举例来说,就如Joonko所指出的那样,如果某种算法读取数据,数据显示女性更有可能被分配到低优先级的任务中,那么它可能会“理解”,女性并不胜任更高优先级的工作。

随着时间的推移,模型是如何演变的?偏差问题又是如何解决的呢?底线是什么?

人工智能和机器学习有可能从根本上改变人力资源职能,并且提升对人资专员所带来的积极影响。但应用人工智能或机器学习并不会使得组织自身进行持续改变。如果你使用人工智能以加速正在发生的积极变化,那么你可以通过正在运行的其他战略项目来强化基于技术的改变。

机器人不会取代我们,它们只会让我们变好。

作者简介:Aubrey Blanche是位于Atlassian的多元化和包容性机构全球负责人。她在工作中严格基于实证社会科学,并为外部多元化报告开发了一种新的团队水平范式。她同时也是SheStarts的顾问、Sycamore的联合创始人。

赞助本站

© 版权声明

相关文章

暂无评论

暂无评论...