对人工智能的炒作和期望现在是天高。我们很快就会和我们的电脑通话。无人机将提供我们的杂货; 我们的汽车会开车自己; 而大多数白领工人将会是监控机器。这一切都是真的吗？这真的会发生吗？

作为一位遵循技术几十年的行业分析师和工程师，我想说我们正处于一个有趣的阶段：一方面，炒作远远超出了现实; 另一方面，上涨幅度可能比我们想象的要大得多。在人力资源方面，价值的机会是巨大的。

虽然几乎所有人力资源供应商现在都在建立人工智能团队，我们都希望我们的系统更加智能和实用，但我相信这个市场还很年轻，所以我想指出一些需要考虑的事情。

上周我参加了一个关于招聘自动化的会议，我们听取了奥克兰A的总经理比利比恩谈到钱球。在对Sabermetrics的历史和数据如何改变了棒球比赛的精彩讨论之后，他告诉我们，他现在在他的名单上有六位博士学位机器学习工程师，“拥有最多博士学位的团队真的很难被击败。”这就是业务中发生的事情。

人工智能在人力资源和管理中的作用

让我们认识到AI不是一些神奇的电脑化角色; 它是一个广泛的算法和机器学习工具，可以快速注入数据，识别模式，并优化和预测趋势。系统可以理解言语，识别照片，并使用模式匹配来获取关于情绪，诚实，甚至个性的信号。这些算法不像人类那样“直观”，但它们速度很快，因此它们可以在几秒钟内分析数百万条信息，并快速将它们与模式关联起来。

统计学上的AI系统可以通过绘制可能结果的曲线来“预测”和“学习”，然后根据许多标准优化决策。所以你可以想象一个人工智能系统，可以查看可能的人口统计数据，工作经历以及与候选人面试的问题，然后“预测”他们在工作中的表现如何。（HiredScore，Pymetrics，HireVue，IBM和其他公司正在研究这方面的工作。）

虽然这比听起来更复杂，但这是一项重要且高尚的举措。几周前，当我被问到这个问题时，我回答说：“我们今天制定的大多数管理决策都是由我们的裤子所在位置完成的。如果这些系统让我们变得更聪明一些，我们可以极大地改善我们的运营。“

是的，有很多风险和障碍需要处理，但潜力非常大。

我们可以期望看到哪些杀手级应用程序？

让我列出我们可以看到突破性成果的许多领域中的一小部分。

在招聘中，我们做出了很多关于直觉的决定。一项研究表明，大多数招聘经理会在候选人的头60秒内对候选人做出决定，通常基于外表，握手，着装或演讲。我们是否真的知道什么样的特征，经历，教育和人格特质能够保证某个角色的成功？不，我们不。经理和人力资源专业人士使用数十亿美元的评估，测试，模拟和游戏来雇佣人员 - 但很多人告诉我他们仍然有30-40％的人选错了。

基于人工智能的算法可以清除简历，找到优秀的内部候选人，分析高绩效人员，甚至解码视频访谈，并告诉我们关于谁可能成功的信号。我们的一个客户现在使用Pymetrics的基于人工智能的游戏化评估来筛选其市场和销售角色的候选人，他们的成功率提高了30％以上，同时消除了固有的所有“面试偏见”和“教育谱系偏见”当前的过程。AI在招聘中将是巨大的。（7月27日 在上海，招聘科技创新大会中将会有谈到类似的话题，值得关注）

顺便说一句，尽管我们都担心工作技能（软件技能，销售技能，数学技能等），但大多数研究表明，技术技能只占一个人成功的一小部分。在我们最近关于高影响力人才招聘的研究中，我们发现，那些从招聘中获得最高财务回报的4级成熟公司将其招聘标准的近40％分配到情感和心理特征，如抱负，学习敏捷性，激情和目的感。人工智能也会发现这一点吗？也许。

在员工发展和学习，我们真的不知道如何完美地“训练”人。全球L＆D行业超过2000亿美元，大多数学习专业人士告诉我们，至少有一半是浪费（遗忘，不恰当的应用，或只是浪费人们的时间）。但我们不知道这是哪一半！作为一个人，你是否知道你需要学习什么以更好地工作？我们都有一个非常好的主意，但是如果我们有算法来监控和研究团队中表现最好的成员的技能，行为和活动，然后告诉我们如何更像他们呢？这类“类似Netflix”的算法现在正在进入学习平台的世界，使得学习与观看有线电视一样有用和有趣。市场还很年轻，但机会很大。我们的研究表明，普通员工每周少于25分钟的时间进行培训和学习; 如果我们让这个时间更相关，每个人都会表现得更好。

在管理和领导方面，我们像禅师一样运作。我们阅读书籍，去讲习班，复制我们敬佩的老板，并且荣耀当天成功的领导者。我们真的了解领导科学吗？我建议这是一个短暂的话题。今年我们专注于目标，使命和追随者。就在几年前，这就是“仆役式领导”，而我年轻的时候就是“执行力和财务智慧”。大多数研究发现，有几十种管理和领导特质定义了成功，我们每个人都带来了一点点不同他们的独特组合。

AI现在可以帮助解码这个。我知道有三家供应商构建了“基于AI”的辅导工具，需要反馈的系统，阅读评论以及员工和团队的直觉情绪。他们使用这些数据来将这些个人和团队的问题与高绩效团队进行匹配，并利用这些数据为经理和主管“推动”如何做得更好。一位客户告诉我，在使用这个工具仅仅3个月的时间里，他们的领导团队仅仅基于小的行为推动就显示出企业价值提高了25％。

在欺诈和合规方面，机会是巨大的。一项研究发现，窃取或实施犯罪的员工对同龄人（与他们一起工作的人有不良习惯）具有“传染性”。人工智能可以查看组织网络数据（电子邮件流量，评论意见）并确定压力领域，可能存在道德失范的领域以及许多其他形式的合规风险，并指出人力资源部或合规官员的“红色区域”他们可以在不良行为发生之前进行干预。

在福祉方面，人工智能现在被用来识别导致工作表现差的行为。在安全方面，人工智能可以识别导致事故的行为和经历。在销售中，人工智能可以通过微调和真实数据向专家提供初级销售人员的提示。该名单继续下去。

有风险吗？人们分析会发生什么？

所有这些应用程序都是新的应用程序，并且看起来很令人兴奋，但有很多风险需要担心。最大的挑战在于，如果没有“训练数据”，人工智能就无法工作。换句话说，算法会从过去学习。如果你目前的管理实践存在偏见，歧视性，惩罚性或过度等级化，你可能会把所有你讨厌的事情制度化。我们需要透明和“可调整”的AI，以便我们可以检查这些模块以确保它们正在做正确的事情。就像早期的汽车并不总是直行，我们早期的算法将需要“保险杠”和“调音旋钮”，以便我们学习如何使它们更加精确。

这些系统可以将偏见制度化。假设你的公司从未雇用女性工程师，并且拥有很少的非洲裔美国人工程师。人工智能招聘系统自然会得出结论：女性和黑人工程师不太可能进入管理层。这种类型的偏差必须从算法中仔细去除，并且需要时间才能做到这一点。

数据暴露和无意滥用也有风险。考虑一种常用的分析方法，我们试图预测高绩效员离开公司的可能性。如果我们告诉管理者“这个人很有可能离开”我们实际上可能会制造错误的行为 - 管理者可能会忽视这个人，或者以不同的方式对待他或她。我们必须认真学习如何运用行为经济学，所以我们不要让AI偶然变成“HAL”（电影2000）。人工智能是一种建议和改进的“工具” - 而不是今天的独立解决方案系统。

我本周与Entelo的一位AI领导交谈过，并且我们讨论了创建“解释性”和“透明”AI系统的必要性。换句话说，每当系统做出决定时，它应该告诉我们为什么做出这个决定，所以我们人类可以决定它使用的标准是否仍然准确。他告诉我这是新工具最重要的标准之一，不幸的是，今天大多数AI系统都是一个完整的黑匣子。

考虑一下当自动驾驶车辆发生碰撞时会发生什么。我们花了很多时间来诊断它是如何发生的，视觉或算法系统失败，以及可能导致事故的条件。如果人工智能对候选人，薪资调整或管理层干预进行错误推荐，该怎么办？我们会发现吗？我们会诊断它吗？我们会注意到它太迟了吗？我们还有很多工作要做，并且学习如何“训练”我们的基于管理的人工智能系统才能正常工作。

人工智能将成为人力资源解决方案的差异化特征吗？

现在围绕人工智能的炒作处于历史新高。每个人力资源软件供应商都希望您相信他们拥有一个机器学习团队和一流的AI解决方案。是的，这些功能对这个行业非常重要，但不相信炒作。

人力资源工具的成功取决于许多因素：算法的准确性和完整性，系统的易用性，但比提供所谓的“狭窄人工智能”的能力更重要 - 或者非常具体的解决方案解决你的问题。这只能在供应商拥有大量数据（以训练其系统）时才能完成，并且他们对其工作效果获得大量反馈。所以我相信进入障碍将成为关注焦点，业务战略和客户亲密关系，而不仅仅是拥有优秀的工程师。

除非你可以在公司证明这一点，否则不要购买一个黑盒子系统。每个公司的管理和人员决策往往都是基于文化的，所以我们必须花时间在现实世界中尝试这些系统并调整以充分利用它们。例如，IBM花费数年时间为公司，文化和商业模式优化其基于AI的薪酬和职业解决方案。他们现在将这些工具引入企业客户，并发现每个实现都会教授IBM关于算法的新内容，以使其更好地适应该行业，文化或组织需求。

尽管存在这些问题，上行是巨大的

尽管存在这些挑战和风险，但其优势是巨大的。公司将40-60％的收入用于工资，其中大部分的巨额费用是由我们对直觉感到的管理决定所驱动的。随着人力资源管理系统变得更加智能化，更加成熟，并且更专注于具体问题，我相信我们将看到生产力，绩效和员工福利的显着提升。我们必须耐心，警惕，愿意投资。

以上由hrtech  AI 翻译完成，仅供参考！

作者：JOSH BERSIN