人工智能背景下高新技术企业人力资源从业者胜任力模型构建研究

刘 晖

(安徽大学 商学院,安徽 合肥 230601)

一、胜任力模型构建的理论基础

当前人工智能发展十分火热，各行各业都发生了重要变革，尤其是高新技术企业。同时，人工智能的兴起、发展对工作人员的知识、技能、素质和能力的要求产生了重要影响，所以高新技术企业人力资源从业者在招聘、配置和管理员工时更需要积极变革，这也对人力资源从业者本身的胜任力模型构建提出了新的挑战。

1.胜任力概念

“胜任力”最早是由哈佛大学戴维·麦克利兰(David·McClelland)教授于1973年正式提出，是指在一定的工作情境中，能将某一岗位工作上绩效表现优异者与绩效表现普通者分别区分开来的个人的深层次特征，主要包括像知识、技能、动机、特质、自我形象、态度或价值观等可以被可靠测量或计数的并且能显著区分优秀与一般绩效的个体特征。[1]1

总的来说，胜任力不是一系列素质、能力要求的简单罗列，而是要实际作用于员工的工作行为中，并进而产生绩效。目前国内外关于胜任力的研究主要集中在管理领域，具体对象主要包括高校教师、技术人员以及中高层管理人员。本文希望基于当前人工智能的时代背景，站在人力资源从业者自身的角度来探讨该岗位的胜任力模型构建。

2.胜任力模型概念

胜任力模型是指针对特定职位，将表现优异的要求一系列组合起来的胜任力结构，是指为出色完成某项工作职责要求的集中表示。胜任力模型主要涉及两个方面的内容：一是为完成某项工作员工需要具备哪些知识、技能和个性特征；二是哪些行为会直接指导员工获得高绩效，强调突出导向和决定性作用。这些胜任行为不仅能有效影响员工的当前绩效结果，而且还能有效预测员工未来的工作绩效表现。

目前比较有代表性的胜任力模型主要包括麦克利兰在1973年提出的冰山模型[1]9以及Spencer等人在1993年提出的胜任力洋葱模型。[2]223他们均认为员工的胜任力主要包括显性和隐性两大方面的特征。像知识、技能这些显性因素容易被识别，同时也较容易通过培训获取，而像动机、态度、价值观、个性特质等隐性因素不易被发觉，同时也不容易通过后天培养获取，但是它们却对人的工作行为和绩效起着关键性作用。

胜任力模型建构的意义主要在于行为导向作用，通过对比绩效优秀者需具备的知识、技能、能力和个性特征，进而发现绩效平平者的不足，从而为人力资源开发、招聘、培训等提供指导意义。同时，需要明确的是，无论胜任力模型构建得多么完善，其本身是不能发挥作用的，它必须和人力资源招聘、培训、绩效管理等模块相结合才能发挥价值。另外，胜任力模型构建强调战略导向，强调员工个人目标与组织目标、企业目标的完美契合。[3]46

本研究主要根据 MCclelland 等人开发的工作胜任力测评方法[4]14以及刘泽文等提出的因子分析法[5]27来构建高新技术企业人力资源从业者胜任力模型。同时，结合人工智能的时代背景和应用情境，进一步丰富和完善该胜任力模型。

二、胜任力模型构建：方法与过程

1.胜任力模型构建方法

首先，通过对人工智能领域相关文献的查阅，总结其对人力资源从业者产生的变革。其次，将人工智能背景下和非人工智能背景下高新技术企业人力资源从业者的岗位工作职责、工作内容进行对比，进而总结其知识、技能、能力、素质等方面要求的共性和区别。然后，对照协商制定的绩效标准[6]55，从5家高新技术企业中各抽取3名绩效表现优异者和5名绩效平平者，通过行为事件访谈法进一步搜集资料，访谈核心是获取高新技术企业人力资源从业者的胜任力要素。[7]332同时，严格遵循行为事件访谈法的关键技术，设计访谈提纲[8]34，主要有如下五个问题：一是被访者的基本资料，包括性别、年龄、学历、工作岗位、工作年限；二是请被访者举例说明其在工作期间最成功的1～2件事，当时是怎样的工作情景，处理过程中遇到了哪些问题，最后又采取了哪些措施，取得成功的原因是什么；三是请被访者举例说明其在工作期间最失败的1～2件事，当时遇到了哪些问题，失败的原因是什么，得到了哪些经验教训；四是请被访者简单罗列该岗位员工取得优秀绩效需具备的关键素质和能力；五是请被访者简单说明哪些因素阻碍了该岗位员工获得优秀绩效[9]521。在总结提炼上述胜任力的基础上，再结合专家建议，作进一步调整。最后，筛选出39条胜任力项目，设计初步的调查问卷。

2.胜任力模型构建过程

(1)预调查：在5个高新技术企业中共抽取20名员工参与问卷预调查，后来根据问卷统计结果以及资深专家的建议，删除、合并共10条项目，最后保留了29条项目，进行正式调查。

(2)正式调查：问卷采用Likert 5点量表，要求被调查者根据题目的描述判断其对员工取得优秀绩效的影响程度[10]451。用“非常不满意”和“非常满意”表示。本次共发放问卷300份，回收256份，问卷回收率为85%。经测验，问卷Cronbach α值为0.83，信度较高。

(3)探索性因子分析：通过对调查数据进行探索性因子分析，KMO值为0.81，另外，总体Bartlett氏球体检验的χ2值为3282.18(df=190，P<0.01)，且这29个测量变量之间均在0.01的水平上显著相关，满足因子分析的条件，即适合做因子分析。使用主成分分析法，经最大正交旋转，可提取特征根大于1的因子5个，总方差累积贡献率为84.245%,说明这29个测量变量高一阶合成5个因子，共可解释84.245%的测量题目的变异量。观察因子负荷表，所有测量变量经正交旋转之后的标准化因子负荷都显著高于有关研究建议的最低临界水平0.60，具有较强的统计显著性(P<0.01),充分显示了较好的内敛效度。[11]145旋转后的因子载荷矩阵见表1。

表1 旋转后的因子载荷矩阵

经探索性因子分析，得到5因子结构。根据文献查阅以及胜任力辞典，将胜任力名称分别命名如表2。

表2 胜任力名称和各项目对应表

核心能力：这一部分是绩效优异者与绩效平平者的主要区别，也是人工智能背景下高新技术企业人力资源从业者胜任力的主要特色。人工智能时代，企业变革频繁而深远，人力资源从业者需要不断提高自我认知，从企业战略角度进行人力资源招聘、配置、规划等[12]58；同时，需要对组织结构、组织制度等进行重新设计，并从思想、文化等方面积极引导员工适应组织变革。人工智能是一个不断创新并迅速成长的市场，其特别强调人力资源从业者培养创造性思维，且及时发现问题往往比解决问题更重要。[13]116同时，由于工作节奏加快以及工作任务的繁重，时间管理能力、快速学习能力也是关键，已不仅仅是一般意义上的自主学习。人力资源从业者还需要充分了解企业人工智能发展的核心业务，进而对多学科、多领域的知识进行跨界整合，并能根据人工智能的应用场景，灵活迁移自我知识、技能，而良好的沟通表达能力有助于快速实现跨部门合作，最终提升组织效率和整体竞争优势。[14]70

人格特质：这一部分是人力资源从业者具备的隐性特征，对其取得优秀绩效同样起着关键性作用。本质上说，人力资源是和人打交道的工作，所以人际影响力、团队合作精神、同理心是普遍重要的胜任特征。人工智能时代，尤其强调资源共享和相互协作。幽默、好奇心、工作激情、兴趣广泛、开放性是人工智能背景下的特殊要义，因为某种意义上人工智能象征着新事物、新变化甚至新变革，需要人力资源从业者以幽默、好奇、感兴趣和开放的心态来积极拥抱它，同时，还需对工作充满激情，对人和机器共处满怀期待。[15]86

专业技能：人工智能时代，人力资源从业者需熟练掌握云平台企业信息集成和大数据分析技能，进而为企业决策提供参考；并能熟练操作人力资源数字化系统，开发一项长期的人力资源数字技术策略，包括云企业资源计划平台、应用程序、数据分析和一系列人工智能、个案管理和其他解决方案工具等，而不是简单地使用信息化系统。同时，人力资源规划模块要求的工作分析表格制作、招聘模块要求的各种情景面试方法、绩效管理模块要求的绩效考核量化软件操作，以及对人工智能设备的规范使用和维护等专业技能也是必须具备的。通过这些关键技能的掌握和运用，可以大大提升人力资源从业者的工作效率和质量。

专业知识：首先，人力资源规划、招聘、培训、绩效管理、薪酬管理、劳动关系管理六大模块的专业知识；有关企业运营、流程管理等商业知识；管理学、经济学、哲学、心理学等相关学科的综合知识等是胜任本职工作的基础。另外，还需要掌握算法、深度学习等人工智能方面的专业理论知识，以及国家、地方出台的有关人工智能的法律法规政策等。通过人工智能理论和人力资源管理知识的相互结合，可以进一步丰富人力资源从业者的知识储备和认知体系。

自我效能感：当前工作环境强度大，人力资源从业者需学会积极化解各种压力，同时，还需积极保持成就动机，进行自我驱动，这是人工智能背景下，高新技术企业员工需积极修炼的两种重要心智。

三、结 论

本文主要基于人工智能的时代背景，探讨高新技术企业人力资源从业者胜任力模型的构建，同时阐述人工智能背景对模型构建的重要影响和区别，使其既能代表人工智能背景下高新技术企业人力资源从业者的胜任特征，又能直接体现人工智能时代的特有要义。这将对人工智能背景下高新技术企业人力资源从业者招聘、培训和绩效管理等方面产生深远意义。

具体来说，通过胜任力模型构建，可以明确人工智能背景下高新技术企业人力资源应聘者需具备的关键素质及技能，进而有的放矢。[16]139建议采用无领导小组讨论、公文筐测试等情景面试方法重点关注从业人员本身的核心能力和素质。另外，胜任力模型本身就是绩效表现优异者需具备的一系列知识、技能、素质和能力的集合。[17]79通过参照此模型，可以发现人力资源从业者在绩效表现上的弊端，进而采取针对性培训措施。[18]71

本文第一个亮点就是与时代背景的契合度较高，同时，与以往研究不同的是，不是仅仅将胜任力模型构建立足于教师、医护、中高层管理领域，而是直接以人力资源从业者本身为研究对象；第二个亮点是重点结合人工智能的时代背景，阐述其对高新技术企业人力资源从业者模型构建的重要影响和区别，具体体现在胜任力初始元素提炼和最终胜任力因子定义上，使之既能代表员工的胜任特征，又能体现时代特色。

不足之处在于本文的人力资源从业者胜任力模型构建只是立足于高新技术企业，希望今后能从更多的企业甚至行业类型中进行积极探索，从而扩大胜任力模型的应用范围。另外，还希望今后能与其他学者一起去积极探讨人工智能背景下相关人员胜任力与绩效的关联，以及进一步探讨胜任力与绩效之间是否存在着某种前因变量或调解变量，同时，胜任力是动态变化的，可以进一步探讨企业不同生命周期，员工的胜任力变化轨迹等，以此进一步充实和完善胜任力模型的研究。