革新与风险：人力资源管理的数字化战略转型

唐鑛 张莹莹

人力资源管理数字化是企业获得可持续竞争优势的关键。国际数据公司（IDC）预测，2023年全球将有90%的组织优先投资于数字化工具，到2025年60%的组织将利用企业及其生态系统实现颠覆式创新。在数字技术革命冲击下，数字化、智能化技术的应用场景逐渐丰富，推进了企业人力资源管理数字化转型升级。新冠疫情又加速了数字化技术与员工管理和工作场所的融合。在此背景下，为最大化分享数字技术带来的红利，数字化人力资源管理迫切需要与企业数字化战略同频转型。与此同时，数字化人力资源管理还必须关注数字劳动情境下的用工风险，勇于面对数字化变革的机遇与挑战，努力实现组织价值升级，为组织绩效带来数字变革增量。

人力资源管理的数字化变革

数字化技术、人力资源流程再造以及生态思维共同构成了人力资源管理数字化变革的“金字塔”（见图1）。其中，位于金字塔底层的数字化技术是变革的基础性支撑，位于中间层的业务流程再造是变革的应用场景，位于顶层的用工管理生态思维是变革的深层次理念。

数字化的人力资源管理技术

以人工智能、大数据、区块链、云计算等为代表的数字化技术正在深刻形塑以信任为基本逻辑的新型人力资源管理。传统的金字塔式科层制组织，其用工管理模式的出发点是人性假设的“X”理论，这种管理模式是不信任员工的，其基本逻辑就是对忠诚的不断验证（Distrust and Verify）。而数字经济时代人工智能的运用和大数据的加持，尤其是区块链技术使得组织内部的协同性问题得到解决，组织内部的征信机制得以建立，这就从根本上改变了传统人力资源管理模式的底层逻辑。数字经济时代用工管理模式的出发点是人性假设的“Y”理论，这种管理对员工是信任的，其基本逻辑就是对关键岗位关键员工的“不忠”严惩不贷，绝不给改正的机会（Trust and Verify）。

数字化工具的运用，让人力资源管理“选、育、用、留”形成数字化人才管理全生命周期，更有助于实现降本增效。例如，在选人阶段采用AI简历筛选和面试，为求职者生成人才画像，可以快速地定位合适的候选人；在育人阶段进行数字化培训和信息跟踪反馈，增强人力资源针对性的有效辅导和开发；在用人阶段，大数据技术为绩效考核提供依据，形成员工业务成果、创新力、责任感、忠诚度以及其他方面的立体化考核标准；在留人阶段，个性化激励与团队激励相结合，帮助组织留住人才，丰富组织人才儲备。随着数字化工具与招聘、培训、绩效管理、薪酬管理及劳动关系管理等各大模块的深度融合，人力资源管理正在被重新建构。

数字化组织驱动的流程再造

形成“端到端”闭环式的人力资源运营流程。组织的数字化环境下，人力资源管理流程也逐步实现在线化、自动化、智能化。在整个人力资源管理流程“流水线”中，下一节点的流程由上一环节触发，被触发的下一节点同时也触发其他业务流程。流程自动运转，数据自动沉淀，由此形成业务流程的闭环。这种闭环式的人力资源运营流程，解决了传统单线流程的痛点，实现了业务流程再造和人力资源管理的升级。

走向“元宇宙”的流程再造。当传统的业务流程无法满足新时代工作模式需求时，就需要用新技术再造业务流程，实现自动化、敏捷化。著名研究机构Gartner近年提出了“超自动化”（Hyperautomation）概念，用以表示通过机器学习、人工智能等现代化技术运用实现更加智慧的流程自动化。这是自动化的延伸。超自动化下的业务流程将实现员工解放和办公自由，充分释放人力资源的能动性和创造力，引领人力资源管理走向虚拟与现实无缝融合的“元宇宙”形态，实现人力资源管理场景的升维。

数字化的用工管理生态思维

数字化变革意味着用工管理从线性思维转向非线性的生态思维。传统的线性思维遵循叠加原理，认为整体是部分之和。数字经济时代，组织的边界被消解，整体可能并不等于部分之和，叠加原理失效，这就需要用非线性思维看待和管理企业。

非线性生态思维需要把握两点：一是生态系统内部各因素相互联系、相互作用，由此形成与“线性叠加”不同量级的增益或者亏损状态；二是当系统中的参量出现极小变化时，由于要素的互相缠绕，将可能引起整个系统运动形式的改变，出现组织内部的“蝴蝶效应”。

生态思维下的用工管理突破了其狭义框架，触及到了公司治理的范畴。随着资本与劳动的边界变得模糊，资本雇佣劳动的传统模式变形为资本与劳动可以互相雇佣。劳动者的身份也发生着转变，成为企业的利益相关者，与企业共创价值、共享收益。这意味着，组织追求的或许不仅仅是经济效益，员工追求的也不仅仅是薪酬回报，二者都是生态系统中的重要一环，员工与组织共同联结，形成利益共同体、事业共同体、使命共同体。

人力资源管理数字化战略转型

人力资源管理数字化战略转型，目的是实现人力资源管理与企业战略的浑然一体、协同共振，以助力企业适应数字时代的变革，持续获得竞争优势。其实现方式是以战略为核心的人力资源管理“组织—人—机”的交互，即组织、员工以及数字技术的交融。在这样的战略转型过程中，人力资源管理形成了员工与组织之间雇佣关系灵活化，组织通过技术的应用实现管理决策的智能化、人机协作的纵深化格局（见图2）。

员工与组织：雇佣关系灵活化

数字化人力资源管理中的员工与组织的雇佣关系呈现灵活化特征，表现在以下三个方面。

一是工作时间的弹性化。为应对传统固定工时制的弊端，部分企业采用了可变工时制、弹性工作时间、远程工作等方式，扩宽员工的自由空间，便于提升员工创造力和工作效率。其中，可变工时制以压缩工时但保持总工时不变的方式提高灵活性。弹性工作时间即员工在完成规定工作任务或工时前提下可以自行安排工作时间。远程工作主要依靠互联网技术实现在线办公、居家办公等。

二是工作地点的自由化。数字时代让员工在办公室、家中或者自己选择的任意地点办公成为了可能。员工可以在不同的工作地点之间自由切换，更好地平衡工作与生活，不再往返于固定的工作地点。这就突破了传统“点对点”式工作地点的地理界线，重新定义了工作空间。

三是工作内容的多样化。工作时间的弹性化和工作地点的自由化，催生了工作内容的多样化。这表现在员工能够跨越组织边界，在不同的组织中以全职、兼职、零工等方式工作，甚至能够突破时间和空间限制，随时随地组成工作团队以完成任务。

组织与技术：管理决策智能化

“让技术发声”成为越来越多的组织在进行管理决策时的选择。组织边界的消解、智能化算法的应用，让组织通过智能化技术运用形成决策支撑体系成为现实。新冠疫情激发了数字经济的活力，许多领域的企业开展业务渠道和接近客户仅能通过数字科技的落地，这无疑为技术提供了应用场景，也为组织带来了持续变革的新竞争环境。随着组织业务与信息技术之间的界沟逐渐被打破，数据资产的管理决策价值被挖掘，智能化管理决策时代已经到来。

数据驱动型决策（data-driven decision making）是大数据应用下管理决策的新模式，即以海量数据形成的数据集为基础，使用数学方法进行建模、分析，预测事件发生的概率，从而提高决策效率和科学性。人力资源管理实践是复杂的，在数字化背景下，面对企业自生的经营管理数据和日常形成的人事行为数据，如何进行挖掘和研发，生成企业自己的数据产品，形成组织数据管理的核心竞争力，是数字化人力资源管理的基础和关键所在。国外目前以数据分析驱动人力资源管理决策的具体路径为：确立关键结果指标——通过股东会议、公司决策管理层讨论等形式，确定与公司战略相匹配的人力资源管理关键结果指标例如离职率、客户满意度、财务成本等；组建数据团队——该团队应是跨职能、综合性的团队，既需要专业的数据分析人员，也需要人力资源管理人员以及关键结果指标涉及的相关部门管理人员；评估衡量标准——对已经确定的每个关键结果指标确定衡量标准，如测量的频率、单位、评估层次等，保证指标统计口径一致；数据分析与建模——基于员工数据进行神经网络、机器学习等的模拟与计算，挖掘员工主动性、胜任力、责任心等因素与业务绩效之间的因果关系，生成预测模型；定制人力资源管理优先级事项——聚焦人力资源领域，定制与组织战略、组织发展相匹配的人力资源管理优先级事项，明确业务流程；再次评估或局部调整。

技术与员工：人机协作纵深化

科学技术的进步、传感器的升级以及机器学习的改进，让人机协作更具深度，更有温度。毋庸置疑，人力資源领域的未来趋势是人机协作的纵深化、全领域发展。

智能化技术赋能员工。劳动力数字化和人工智能技术的运用，将形成由人工智能、虚拟助理、沉浸式工作空间等共同组成的数字化工作场所，推动组织提升效率和生产力的同时，助推员工变被动为主动地发挥自身潜力，提升员工的能动性。例如，员工在数字化工作场所中使用多种云服务和应用程序实现跨时间、跨距离的即时合作，AI机器人辅助团队协作和替代完成许多重复性的工作，释放员工更多的自我价值，员工健康与工作体验得到升级，更易激发创造力。

人机协作在人力资源管理的全场景应用。伴随着人机协作领域的扩展，人工智能和数字化技术将在人才吸引、员工参与、人才培养、职业发展、员工关怀等多场景得到综合运用。例如使用专业聊天机器人吸引求职者，自然语言处理技术能帮助求职者深入了解组织特征，算法智能匹配求职者技能和组织需求，可以达到在职位申请前就锁定候选人的效果。员工进入组织后，在人工智能的帮助下，不必征询员工的反馈，组织就能做出适宜的薪酬决策。根据职位胜任技能、个体学习经历等为员工量身定制学习建议，为全体员工提供公平的职业发展机会，加速人才成长。绩效增强人工智能不仅能为员工提出优化的方案建议，而且能为管理者提供绩效管理决策依据，如何定义“好员工”在数字经济时代有了全新的答案。

案例：IBM的云生态与人力资源管理创新

产业数字化与疫情新常态背景下，企业人力资源管理应如何实现数字化战略转型？IBM作为全球领先的人工智能及商业服务提供商，给出了符合未来智慧型企业的解决方案——构建云生态以及运用技术赋能人力资源管理创新。

IBM的云生态

生态系统被IBM视为整体增长战略的重要部分。2021年初，IBM推出市场进入策略（Go-To-Market，GTM），围绕“为客户创造的价值+为合作伙伴创造的价值=IBM所获得的价值”核心准则，搭建起生态圈内全新的伙伴关系。为实现生态战略而打造的混合云平台，将力量聚焦到解决业务问题上来，为人力资源管理、业务流程升级、企业销售与市场运营等创造新的可能。

着眼于提高效率并改善员工体验，IBM早前设计和实施了云人力资源系统，运用人工智能实现业务云端化、流程自动化，将人才管理的全过程迁移到云，形成了“基于云的人力资源管理”新模式。云人力资源管理能够实现一键处理海量人才数据，员工各项绩效行为过程可视化，快速适配组织战略调整并做出及时反馈。实现这样的战略转型，有三个关键要素：组织、流程和工具。其中，“组织”是围绕云生态系统进行组织变革，构建组织的云环境。“流程”是传统手动和少量自动化转型为云使能和云原生管理流程，重新定义人力资源管理的核心流程、可扩展流程、服务流程。“工具”是实现云管理所需要的集成工具，如存储云等。云人力资源管理巧妙融合了企业现有的和未来的技术、人力，通过技术赋能带来价值增值，将人力资源管理融入到企业云生态系统当中，助力人力资源管理部门的数字化创新和颠覆性变革。

技术赋能人力资源管理创新

人才吸引与招募创新。在“应用AI更好地发现人才”理念下，IBM联合合作伙伴开发了系列“Watson Talent”产品，运用人工智能实现人才招募、人才吸引与人才管理。例如，运用智能技术分析企业职位招聘成功关键因素以挖掘合格候选人；算法自动匹配求职者技能与空缺职位；基于数字孪生技术打造虚拟教练，为员工职业成长提供个性化建议；以现有人才关键技能定义未来组织人才战略等。

数字化绩效管理创新。I B M对其绩效管理方式的变革，主要体现在采用“Checkpoint”新绩效管理系统，在绩效考核维度和反馈频率上做出改变。五项新的绩效考核维度包括可衡量的业务成果、对客户成功的影响、创新、个人对他人的责任及技能。反馈频率为部门经理每月至少一次征求员工意见，年度内进行至少四次考核目标的讨论，保持团队的敏捷和可持续。

薪酬福利管理创新。IBM在薪酬福利上的创新主要有三种。一是AI赋能，技术付薪。明确技能付薪（pay-for-skill）的薪酬策略，基于外部市场供给量和内部機器学习算法，将员工技能区分为高、中、低的市场稀缺度，并将其运用于绩效评估、薪酬定价等方面，为高稀缺技能人才保留提供决策建议。二是薪酬透明化。IBM不仅公开岗位薪酬区间，帮助员工了解对应职责的市场薪酬水平，而且提供基于AI算法的智能薪酬专家，为薪酬管理提供更多数据支持。三是提供个性化福利方案。员工自主决定福利形式，人工智能帮助员工选择福利的优先级。

企业文化与领导力创新。在企业文化塑造上，IBM鼓励持续反馈的企业文化，专门开发ACE（Appreciation，Coaching，Evaluation赞赏，教练，评估）应用程序，营造让每位员工都能被倾听、勇敢表达真实想法的环境。在领导力创新上，IBM认为领导者在不确定情境下需要承担更多赋能责任，激发员工分析和解决问题的能力，提高团队信任和凝聚力。

数字化人力资源管理中的风险分析

数字经济下生态系统内部要素的非线性关系既是快速跃迁的动力，也是灾变产生的动因。作为数字化转型与开放式创新的伴生品，风险是人力资源管理数字化战略转型过程中必须深入思考的重要问题。人力资源管理者需要意识到算法管理与劳动控制、隐私侵犯、歧视偏差等现实问题，寻求风险化解与防范策略（见图3）。

工作场所的“数字牢笼”

数字化技术在工作场所全面使用，员工各项工作活动都将转化为数据被观察、记录、管理和评估。例如员工作息时间、工作过程等都以数字化形式记录和评估，这可能将员工置于被数字包裹的牢笼当中，形成工作场所的“数字牢笼”。与此同时，智能工具的应用也为实时跟踪记录员工活动轨迹提供了强大的技术支撑，加剧了管理者对员工在工作场所的过度监控风险。例如，部分企业在卫生间安装厕所计时器，监控员工是否在工作时间偷懒。数字技术带来了过度控制，员工在工作场所的各项工作或休息行为受到算法系统的严格监管，容易导致人力资源管理实践的伦理失范。

员工信息的“隐私侵入”

“全天候持久联结”（C o n s t a n t connectivity）将成为在线协同工具和音视频传输等技术广泛应用的潜在风险。在线办公、远程协作以及其他基于数字信息平台的工作模式，使得“工作—生活”边界被打破。工作与生活在时间与空间上的交叠，意味着员工的生活信息也将被存储为员工数据，这就加剧了算法过度侵入的风险。

数据时代的“数据黑盒”显示出数据开放与隐私保护的悖论。与传统技术相比，数字智能技术需要规模化、大范围的数据进行预测分析，但是强大的数据收集、分析能力也为不规范使用员工各项数据提供了便利，可能出现个人信息的泄露、篡改以及信息买卖等不正当行为，对员工隐私造成侵犯。例如，部分企业将员工信息随意加工与传播，使人才信息成为商业买卖过程中的商品，不仅违背了伦理道德，也对员工造成困扰。

算法驱动的“歧视偏差”

人力资源管理实践当中，通过算法或程序限制招聘条件和任职资格等，在无形当中造成了不公正、不合理的“歧视”现象。算法和数字智能相较于传统技术更能隐藏和遮蔽管理者的真实意图，实现表面看起来的“无偏见”。这将导致算法驱动的“歧视”更为普遍且难以被发现，为人力资源管理实践带来负面效应。此外，由于用以进行机器学习的数据可能是有偏误的，基于“幸存者偏差”形成的建模测算得到的结果可能也是有偏误的。这将强化和放大人才管理过程中的偏见，使得通过机器学习和大数据分析得到的结论在快速变化的环境当中失效甚至起到反作用。例如算法引导下，员工陷入到“信息茧房”当中，基于这些数据产生的新的分析预测又将加剧管理偏差。

风险化解的防范策略

明确数据确权与授权

数字经济时代的鲜明特征是所有权和使用权的分离。在数据治理与规制过程中，首先需要对数据权进行确权。可依据国家已制定的《数据安全法》等法律法规，明确工作场所产生的员工绩效数据、休息数据、培训数据、职业生涯数据等的权属问题。通过正当程序，厘清哪些数据归属于员工个人，哪些数据归属于公司，哪些数据由企业和员工共同所有，建立工作场景数据归属体系。

其次，基于数据权属规范，建立员工自主数据授权机制，给予员工数据使用的自主决定权，充分尊重员工对数据的所有权、使用权。为防范工作场所的“数字牢笼”效应，可以在算法端口接入数据权属和数据使用规范，明确相关数据协议，防范算法对于劳动的过度控制和对员工过度监控。

强化人力资源管理伦理建设

人力资源管理伦理是指招聘、培训、薪酬等人力资源管理实践当中的职业操守和团队意识，作为一种社会意识形态影响人的行为。由于人力资源部门掌握所有员工工作、个人隐私以及组织商业秘密等信息，这就对人力资源管理伦理提出了更高的要求。

第一，建立人力资源隐私保护伦理体系，对于关键性员工隐私信息进行加密保护，对于重要信息应在数据确权授权机制规范下进行授权和使用，充分尊重员工数据所有权和授权意愿。第二，加强组织和行业自律，探索建立数据使用的标准、准则和自律制度，加强人力资源管理部门人员对于员工信息的自我约束。第三，倡导遵规守纪的人力资源伦理理念，形成自觉遵守社会公德、商业道德和职业道德的良好氛围。

加强算法干预与纠偏

由于数据本身质量不高或者人为程序操纵，人工智能算法得到的预测结论可能是有偏误的，因此，需要建立健全算法的干预机制和纠偏机制。

第一，增强算法规则的透明性。企业在人力资源管理实践中，应通过正当、合法程序，保障员工在算法制定过程中的发言权，使得算法规则的设立符合生态圈内利益相关者的真实需求。算法透明可以从问责性和知情权两个维度予以建构。问责性是对算法操纵者进行追责，知情权是保障算法监督主体（员工、第三方等）知道、了解算法并能够提出合理质疑。第二，建立算法评估机制，定期验证算法模型，持续检视算法在人力资源“选育用留”人才管理过程中的可靠性与公正性。一旦发现算法偏误应及时纠正，以最大程度减少可能存在的歧视风险和管理偏差，促进实现“算法正义”。

结语

数字经济时代下人力资源数字化战略转型是必然的、不可逆转的趋势。转型应当以战略为核心，以实现与企业数字化战略同频和为组织绩效带来数字变革增量为目标，适应更加灵活的雇佣关系，AI辅助的管理决策以及人机互动与协作新局面。“组织—人—机”交互的新型人力资源管理生态中，数字化战略转型既是降本增效机遇，也面临着各项风险与挑战。因此，需要注意数字技术在工作场所的过度控制，对于员工隐私的侵犯以及算法歧视相关问题，采取针对员工、管理者和算法的风险防范措施，推动数据商业价值与信息保护实现动态均衡，让人工智能真正为人力资源管理赋能。