生成式人工智能重塑人力新格局

文/王瑜

以ChatGPT 为代表的生成式人工智能重塑了各行业新格局，也点燃了市场对“生成式人工智能”的关注度，从而将人们的目光吸引到其背后的“大语言模型”（Large Language Models，简称LLMs）。自从以ChatGPT 为代表的LLMs 投入应用以来，类似“某行业将被颠覆”、“AI 将淘汰半数从业人员”的声音便不绝于耳。一个行业被AI 颠覆还是被AI 推动增长，需要结合这个行业当下的情况以及它在社会历史长河中的具体价值来判断。人力资源的改革和创新，是由每一个技术时代的到来被向前驱动的。一项新技术的出现一定会有新的应用场景，会给客户提供解决痛点的新方法，由此产生了新的商业模式。在新的商业模式下，组织一定会发生变化，对人的需求也一定会发生变化，进而对人力资源就会有更高的要求。

AIGC 边界

AIGC 是Artificial Intelligence Generative Content 的简称，指的是利用人工智能技术来生成内容。像AI 绘画、AI 写作等都属于AIGC 的应用分支。AIGC 可以在对话、故事、图像、视频和音乐制作等方面，打造新的数字内容生成与交互形式。在具体应用方面，语言处理是当前AIGC 最常见的应用，机器翻译、情感分析、命名实体识别、文本分类等都属于这一领域。ChatGPT 中的内容生成是另一典型应用，表现在按照用户要求进行文章、诗歌的创作，甚至根据要求直接生成计算机代码。

以ChatGPT 等为代表的AIGC 依赖于LLMs，LLMs 除了训练所需的巨量算力之外，技术界认为大量高质量的数据才是其取得成功的关键，通用领域的数据标注更具有经济性和实用性，这部分数据相对充足，但在垂直领域中高质量的数据并不充足，这也是ChatGPT 在通用领域中表现惊艳，但在回答具体某领域中的问题时，性能便出现下降的原因。回到具体技术上，与传统大数据技术中所使用的结构化数据相比，LLMs 处理语言这种非结构化数据时，解析语言使用的算力需求更大，消耗的时间也更长，这就是为什么在使用ChatGPT 时会感觉到“卡顿”；LLMs 想要识别对象也需要结合领域内高质量的数据对每个对象进行具体训练，因此其对图像的识别更多的是识别画面意境，难以直接在工作中识别员工情感；在ChatGPT的使用中，有时会明显感觉到其信息处理的“不确定性”，当指出其回答的问题后，它又会生成截然不同的答案，表现得没有“原则”，当被问及某些领域内的学者与著作时，它也常存在“编造”的现象。莱斯大学和斯坦福大学的研究发现，用AI 生成的内容训练AI，只会导致性能下降，研究人员对此给出了一种解释，叫作“模型自噬障碍”。

通过以上分析，AIGC 可以在功能性上替代部分从业者。其实在人类历史上，技术取代人工的事情已经多次发生了，并不稀奇。比如，大工业时代，机器替代了部分手工业者；现代农业时代，机器替代了部分农民。当代更不少见，比如，自动化立体仓库的出现会取代传统的仓库作业人员，自动化生产线会替代装配线上的工人……由此而言，AIGC 取代部分人工工作与之前的历史并无本质区别。以AI 作画为例，AIGC 替代人的基础在于，可以从历史的画作以及绘画技巧中汲取绘画的逻辑，从而利用算法来完成工作，其基础还是人工的逻辑，至于机器可否被人工训练成具备人类智能的模式，目前来看还是不容易的，很可能是与人类的相互补充。在AIGC 发展的背景下，人类与计算技术将重新分工。

传统人力被冲击

计算机技术在人力资源管理中早有应用，第一、二、三代人力资源系统分别出现于20 世纪60 年代、80 年代和90年代，主要围绕数据库的建设和企业管理中的海量数据，逐步升级的同时都存在一定的局限性。当前AI 在人力资源管理中主要集中在6 个维度，即基于机器学习的离职预测、基于数据库的候选人检索、工作岗位调度算法、人力资源情感分析、简历信息提取以及交互式员工自助服务。这些维度在互联网企业体现得较为明显。

中国的人力资源管理与西方目标一致，但方式略有不同，美国的成功企业如Walmart、Google、Mary kay，虽然企业类型完全不同，但它们都通过人性化地组织公司来将员工放在更高的位置，在北美大多数企业都有详尽的调查，力求从员工的主管和同行那里掌握员工的工作表现。我国的企业如华为和拼多多，它们在坚持“以员工为本”的基础上，通过完全不同的切入点保证人力效率。华为在企业认同的基础上，通过员工激励和高强度的培训建立了一种科学而高效的储备高新技术人才的体系，拼多多则是通过以高薪酬为核心的激励机制，辅以竞业协议、高强度的工作监督体制来保证员工工作效率。

AIGC 不同于以往“判别式AI”，它能够“学习”样本的规律，并且“生成”与样本具有同样性质的结果，它也因此存储了大量人类已有的知识与技能，衍生出了一定的理解推理能力。人力资源从业者在AI 辅助和行业变革之间还有一道需要依靠自身专业来跨越的障碍，即以员工发展为导向，在提炼业务核心要素的基础上增强对岗位需求认识和人才的鉴别，培养目标精准定位、资源综合调度和多维矛盾化解的能力。

传统的招聘体现在围绕业务进行工作岗位分析，优化招聘途径、简历筛选、组织笔试与面试等工作。而引入AI 技术后，AI 生成招聘JD，自动发布到招聘平台，自动筛选符合关键词的简历，后台系统背调核实，打造AI 智能招聘系统。当然，可能部分高层或特殊技能岗位还是需要人工，但中基层的很多岗位的招聘都已经完全由AI 来完成了。

传统的培训分为内训、外训和拓展培训，针对新老员工的不同，具体又可以分为入职前培训、在岗培训和专项技能培训等一系列内容。而基于AI 推荐算法，结合员工数据和内容标签，数据平台可以为员工推荐个性化的课程内容。随着员工的浏览记录、项目经历、绩效表现、社交足迹等数据的不断更新，数据平台会持续优化推荐效果，还可以对员工的培训表现进行智能分析，辅助个性化人才发展计划制定，并构建企业内部员工标签库，最大化挖掘人才价值，打造优质的人才供应链体系。

传统员工关系的工作重点在于开拓企业上下级、平级之间的员工沟通渠道，保障劳动权益。在等级森严的管理体制之下，上下级之间几乎没有有效的问题反馈与沟通渠道，员工的不满无法触及管理者。而AI 员工服务虚拟助手，对问询有求必应，并实时完成相关问题的解决。调研机构Forrester 表示，72%的人力资源决策者相信，未来员工体验将成为影响企业实现关键业务目标能力的最重要因素之一，员工服务是贯穿员工“入-转-调-离”全生命周期的概念，利用AI 机器人帮助员工解惑答疑、AIGC提升日常办公便捷性是改善员工体验的重要手段之一。当员工有疑问或办事需求时，用语音或文字输入问题，虚拟助手能够快速帮助员工解决，系统通过算法分析员工所发送的问题以及留言内容，不断迭代更新答案库，更全面地解决员工的问题，满足员工的需求。

举个例子，新员工入职时，想要了解公司的薪酬福利，输入“薪酬”便可唤醒虚拟助手，当虚拟助手接收到指令后，系统会调取配置好的话术，层层引导，为员工解惑；员工输入操作指令便可快速唤醒各种企业服务，如报销流程，输入关键词后轻松跳转到目标页面，一键上传相关文档票据，即时完成报销流程。

当然，关于AIGC 在企业中的应用，其实是一个战略级的话题。德勤今年年初发布了一个报告，叫“未来人力资源”。其中提到，每一次技术变革，人力资源都会站在风口浪尖上，并且人力资源的作用总是极其强大的。从宏观层面来讲，技术的变化就是时代下的巨浪，作为一个HR 一定要关注技术，把思维提前，认识到技术的重要性。AI 在人力资源领域的应用逐渐深入，也许随着未来技术的发展，AI 将完全取代HR，但现阶段，我们应该清楚地认识到，AI 只是赋能和辅助。无论是企业运行还是人才培养，都需要拥抱新技术，形成“人机共驾”的新范式。还是那句话，改变是缓慢的，但会在一瞬间完成。