基于人工智能时代企业人力资源管理工作模式的创新升级

■李宁宁 乳山市行政审批服务局

人工智能（Artificial Intelligence，AI）的发展道路颇为曲折起伏，历经了起步、反思、应用、低迷、稳步到如今的蓬勃发展各个阶段，人工智能技术已广泛应用于各个领域，迎来了爆发式的发展高潮。目前，人工智能的应用也让企业人力资源管理工作面临一些挑战。因此，作为人力资源的管理者，我们需要不断提高企业人力资源的管理水平，选择正确和适当的科技能力，不断提高人工智能的应用技术，加强对企业人力资源管理的把控，这样可以帮助我们明确人力资源管理的方向，提高企业人力资源管理水平。

一、相关理论概述

早在1956 年，人工智能就被人们所提及，而在2017年人工智能才逐渐兴起，这一年也被媒体称为“人工智能元年”。国外学者对人工智能领域的研究较早。Joy（2000）认为人工智能的发展是导致人类灭绝的强大潜在威胁，人工智能最终会取代人类。Frey 和 Berger（2016）通过对700 多个不同职位是否存在被人工智能所替代的风险的研究发现，美国有将近一半的工作职位将会被人工智能所取代。国内学者对人工智能领域的研究起步较晚，但是随着科学技术的高速发展，学者们开始聚焦于人工智能对企业人力资源管理的影响研究，并取得了较为丰富的成果。王君等（2017）研究了人工智能等新技术对就业的影响，认为人工智能的发展会造成一定的失业，但是对企业人力资源管理具有重要意义。赵磊等（2017）通过研究认为人工智能技术在许多方面为人类创造了新的机遇，但是在企业人力资源管理方面却对人员失业造成负面影响。周卓华（2020）指出人工智能对企业人力资源管理的消极影响包括企业缺乏复合型的管理人才、数据安全保护机制缺乏导致人工智能型企业人力资源管理转型困难以及未来机器取代人力将导致员工再就业问题等。覃丽雅（2021）提出人工智能不仅可以提升企业人力资源管理的效率和质量，还能提高信息管理水平，从而增强企业竞争力。

通过以上的文献分析得知，国内外学者对人工智能应用的作用褒贬不一，他们对人工智能将来是否会完全代替人工的问题意见不一。诚然，人工智能是一把双刃剑，人工智能对企业人力资源管理同样带来机遇与挑战两方面的影响，企业只有运用好人工智能这把双刃剑，才能实现现代化、高效率且高质量的人力资源管理。

二、人工智能在我国企业人力资源管理领域中的应用现状分析

1.员工招聘应用

人工智能在招聘工作中的应用，主要是充分利用人工智能产品提高企业人员招聘质量与效率，为企业的正常运转做好人才储备的工作。例如，猎聘网曾在2017 年8 月组织开展一场招聘人机大战。对战双方是5 名互联网领域资深HR、猎头和猎聘机器人。比赛的具体要求为：随机抽选某个职位，在3700 万份猎聘的存量简历中，看谁以最快速度筛选出和某个职位需求最匹配的简历。比赛开始后，猎聘机器人仅耗时0.015 秒便筛选出10 份简历，5名互联网领域资深HR、猎头则花费23 分钟筛选出10 份简历。本次简历筛选只看质量，并不比拼速度。虽然猎聘机器人最终以0.36 分的差距落败，但其惊人的速度及精准度也不得不令人惊叹。目前，猎聘网也在积极组织人手对猎聘机器人进行升级，相信在不久的将来，猎聘机器人定会成为猎聘网招聘员工的重要工具。

2.员工管理应用

员工管理是人力资源管理工作中的重要内容之一，虽然人力资源管理部门为了有效提升员工管理工作的效率，制定了各种员工管理措施，但实际上取得的效果非常有限。为了改变这一现状，人力资源管理部门可以通过将人工智能引入员工管理工作中的方式，提高员工满意度与员工管理的效率。大数据技术对人力资源管理中的各项数据进行收集、整理、数字化分析，能最大限度地把握人力资源现状，挖掘员工的潜在价值，不断地对人力资源各模块工作进行深入分析与改进，更加科学地对人力资源管理各模块工作进行决策。

3.员工培训应用

相关单位在开展员工培训工作时，必须紧跟社会发展的脚步，针对发展需求制定科学合理的员工培训机制，才能培养出符合相关单位日常运营管理需求的高素质应用型人才。现场培训方式虽具有一定成效，但不可避免地存在以下缺点：一是员工需放下手头工作参与培训；二是员工培训费用较高。为解决以上问题，部分单位开始将人工智能引入员工培训领域。如今人工智能在员工培训领域已得到应用，并取得一定成效，不但能够在线为员工提供相关信息咨询，同时也能够科学设计出多种培训场景，并结合不同单位员工的需求，为其量身打造沉浸式培训。该培训方式让员工在家即可以享受到各种各样的培训服务，既不需要脱岗培训，也能切实提升培训成效。

4.员工考核应用

员工绩效考核是企业人力资源管理工作中的主要内容之一，虽然相关单位针对员工采用的有效绩效考核方式有助于员工绩效考核结果有效性的提升，但是这种绩效考核方式需要耗费大量的人力、物力资源。为了有效解决这一问题，各单位应该加快人工智能在人力资源管理与员工绩效考核工作中应用的深度。例如，IBM 开发了Watson系统，专门用于员工的绩效考核。该系统不仅对员工过去的成功与失败行为进行考察，也会根据具体考察数据分析员工未来还有多少工作潜力可供挖掘。如若员工通过Watson 系统的绩效考核且成绩合格，Watson 系统就会认为其很有前途，员工方可获得升职加薪。据IBM 人力资源部公布的统计数据显示，与传统的绩效考核评估结果相比，Watson 对员工绩效考核评估的准确率已高达96%，在可接受范围之内。

三、人工智能时代人力资源管理工作模式的创新升级

目前，人力资源信息系统（HRIS）在有效、高效的人力资源管理（HRM）的决策过程中起着重要的战略作用。对于相关单位的人力资源决策，大多数研究者提出了专家系统或基于知识的系统。但是，基于知识的专家系统有其局限性。本文提出了一个智能人力资源信息系统（i-HRIS）框架，将智能决策支持系统（IDSS）与数据库中的知识发现（KDD）相结合，以改进结构化、半结构化和非结构化的人力资源决策过程。此外，所提出的人力资源智能决策支持系统利用一套人工智能工具（如基于知识的推理、机器学习等）来存储和处理信息。这些人工智能工具用于从过去的数据和经验中发现有用的信息或知识，以支持决策过程。同样，我们也尝试应用混合智能技术（如机器学习和基于知识的新知识提取和预测方法）来研究IDSS 在人力资源问题中的应用。总之，该框架由输入子系统、决策子系统和输出子系统组成，共有10 个人力资源应用模块。

1.数据挖掘与KDD

KDD 是智能数据处理中广泛使用的术语。KDD 描述了从数据仓库提取信息的整个过程。此外，数据挖掘是KDD 过程中的一个步骤，而实际的数据挖掘是KDD 过程中最具挑战性的一步。在人力资源管理中，人力资源决策依赖于知识、人的经验和判断等多种因素。这些因素可能是不准确、不一致、不公平和出乎意料的决定的原因。因此，可以使用数据挖掘技术进行推理。本研究注重数据挖掘技术，指出了与人力资源问题相关的模式。人力资源经理的匹配“针尖”问题非常关键。因此，确定合适的数据挖掘技术是非常重要的。许多研究提到将数据分类应用于不同的人力资源功能，预测员工更替；确定人力资源开发职能中的员工能力和职业规划；预测离职费的收取和人力资源薪酬职能中的人力资源成本；评估员工绩效人力资源管理职能。

2.决策支持系统

目前，某些单位的人力资源管理人员依靠决策支持系统（DSS）在最短的时间内做出最优的决策。在决策支持系统中，数据和模型被用来解决管理半结构化和非结构化问题。决策支持系统不监督决策，也不取代人的决策，但它支持用户并帮助他们做出更好、更一致的决策。此外，DSS 还包括基于知识的方法。适当设计的DSS 是一个基于软件的交互式系统，旨在帮助决策者。它从rawdata、文档、业务示例和个人知识的组合中收集有用的信息，以讨论和解决问题并得出确定的结果。它有一个强大的报告工具，包含特别的报告功能、预构建分析功能和多维分析功能。但是，DSS 在做出最好的决策方面有一些局限性。因此，决策支持系统在提供困难的半结构化解决方案方面具有复杂性。为了克服决策支持系统的不足，本文采用IDSS 作为辅助支持技术。IDSS 是一种集成人工智能技术的新型决策支持系统，是决策支持系统的基本功能模型和人工智能的知识推理技术的结合，能够解决复杂、不精确和结构不良的问题。DSS 还对人力资源管理中的不确定性或不完整数据使用人的判断和偏好，将IDSS 与其他DSS 区分开来。IDD 提高了决策的一致性、决策的时间性、对具体建议的强化解释和合理化，以及组织知识的正规化。IDSS 的效率取决于嵌入决策支持系统的所有人工智能技术。ANS、模糊逻辑、遗传算法和专家系统等人工智能技术在IDSS 中得到了广泛的应用，ANN 可以实现预测、分类和模式匹配等类脑功能。此外，深度置信网络（DBN）也是一种适用于决策建模的技术，DBN 是一种生成的图形模型，或者是一种深层神经网络，由多层潜在变量组成，各层之间有联系，但不在每一层的单元之间。

3.智能子系统：HR 智能化

HRIS Input Subsystem 由事务处理子系统（TPS）和人力资源智能子系统组成。输入子系统部分将与人力资源相关的数据输入操作数据库，还包括将输入数据转换为强制存储格式的软件或其他外部数据库，将公司的日常活动（数据）收集到数据库中。它将数据转换成准确的信息，为管理人员提供有用的信息。例如，TPS 更新员工数据，如姓名、出生日期、性别、地址、电话、紧急联系人信息、电子邮件地址、部门代码、工作状态（全职、兼职或合同）、薪资、职位、员工历史记录和福利信息。TPS将使用Internet、Intranet、Extra net 和其他网络收集来自内部和环境的数据，用于在线事务处理。子系统是一个接口，它收集与利益相关者、政府、供应商、金融机构、劳动力相关的人力资源数据。一个典型的IDSS 包括五个主要组件：suchas 数据库系统、基于知识的系统、模型库系统、推理机和用户界面。在决策过程中，所提出的IDSS 包含四个主要组件，即KDD、Model Management Subsystem、KBS 和Advisory Subsystem。KDD 可以从旧的数据和决策中提取知识，用于从现有的数据库系统中确定可能的模式和规则，以开发HRProbt 问题的预测模型。数据库管理子系统包括存储与决策支持系统所规划的问题相关的数据库，并对数据库进行管理。它将与组织的Data Warehouse、Hadoop Distributed File System（HDFS）和/ 或数据集连接。在知识管理子系统中，知识是通过不同的工具和技术从现有数据库中提取出来的，包括大数据挖掘、OLAP 和AI 技术。由于所有的知识都与业务操作无关，所以这些工具和技术确实过滤了不必要的和无关的知识。本文利用传统的人工智能技术和混合人工智能技术，结合机器学习和推理技术，找到了可能的模式和规则，并建立了HRV 问题的预测模型。此外，遗传算法和ANS 是机器学习中较为流行的技术。

4.模型管理

该模型由三个部分组成：输入子系统、决策子系统和输出子系统。在决策子系统中，我们建议在HRIDSS 中使用机器学习方法来解决HRSS 问题。因此，不确定和不完全的数据可以转化为有用的知识。我们还发现，研究人员一致认为混合固有技术是支持非结构化渗透决策过程的最佳方法。信息系统的失败往往与对“软”管理实践（如文化变革、组织发展和用户参与）缺乏关注有关。

案例研究的结果表明，人力资源在成功实施信息系统方面有一个关键但被忽视的潜在作用，特别是在变革管理过程中。以往的实证研究表明，群体成员之间的差异可能对决策过程产生积极和消极的影响。由于直接模型无法解释如此复杂的后果，最近的工作已经开始提出更复杂的模型，包括中介变量和调节变量。一般来说，假设成员之间的差异对群体决策的益处程度取决于单位的某些条件，特别是其管理。通过文献回顾，我们发现人力资源管理系统可以成为其中的调节者之一。利用结构模型的估计值，我们讨论了在人力资源政策定义中的某些选择，如何帮助组织改进不同群体的决策过程。作为对这一事实的推论，我们建议将混合技术（如基于知识的系统和机器学习方法）与HRIDSS 集成在这个HRIS 模型中。模型管理子系统存储财务、统计、管理科学等相关模型及现有仿真模型。这些模型可应用于决策过程，通过应用这些模型将存储在数据库中的数据转化为信息/知识。

在模型分析过程中，在使用预测模型之前必须对模型进行评估和检验。KBS 包括一套事实和规则。在改进的模型中，该组件将包含有关关联规则、模式以及任何相关事实和规则的信息。因此，人力资源领域的专家将评估和解释这些指标和模式。咨询子系统在决策过程中提供迭代支持，应用KDD，知识工程师从专家和法规文件中获取知识。认知是由推理机推断出来的。该组件有一个监视代理，用于查看需要寻址的非结构化决策的标识。因此，它将通过提供建议的活动路径来启动迭代决策一决策过程。如果需要，该组件将指示KBS 更新现有知识。决策人员使用用户接口与系统进行通信。同时，该组件有解释的功能，以显示任何决定或建议的论点。

四、结语

从以往的文献中可以看出不同类型的人工技术被应用于人力资源领域的问题，如选拔和招聘、绩效评估、人才管理，以及未来的人力资源管理。但是，我们没有发现人力资源领域的研究之间有任何逻辑联系。Udani 提出了基于人工智能的专家系统，作为人力资源信息系统的一个模块。但是，没有提供任何全面的模式来实现这一专家系统。本文提出了一种基于人工智能的HRIS 系统，该系统具有IDSS 决策支持、知识抽取KDD、知识库建模和模型库等基本特征，对解决复杂、结构不良的HRIS 具有一定的推理能力。