-
Predictive Modeling
人工智能AI革命：重塑人力资源职能以取得成功
人工智能正在进一步推动人力资源技术的进步，从提高效率到增强员工体验，这绝非人为。了解人工智能如何重塑人力资源，以及人力资源如何将人工智能运用到工作中。
人工智能（AI）重塑了世界的格局，但机器人接管仍不是眼前的事情。相反,是人类正在利用AI的力量。从改善农业作物产量到提升医疗保健中的患者参与,各行各业正在以有益人类的方式运用AI。
同样的情况也发生在人力资源（HR）管理领域。人力资源从业者正在使用人工智能来帮助增强员工在工作场所的体验并提高人力资源流程的效率。更重要的是，人工智能表明它可以支持首席人力资源官办公室的下一步发展——与最高管理层合作，推动更具包容性和整体性的业务战略。
为未来的工作转变人力资源职能
根据“AI IQ：企业人工智能洞察报告”，这是Workday对全球1000名业务决策者的新调查，与AI增强的顶级HR相关任务包括招聘和申请人跟踪、业务分析和技能评估工具。此外，65％的受访者表示，他们现有的AI和机器学习（ML）部署已经改善了员工体验，这是HR的主要业务指标。
全面了解员工能力和人才管理
HR领导者必须拥有支持技能用于现今工作未来的技术：摆脱工作是通过结构化的工作角色和职责来完成的僵化观念，相反，将工作视为更流动的技能汇编，以便为业务不断变化的需求提供支持。
Workday的CHRO办公室产品的集团总经理David Somers表示：“随着组织加速并扩大其基于技能的人才战略，人工方式无法了解和管理他们的员工技能—现在和将来。” “没有AI和ML工具来帮助理解所有数据，就不可能理解，更不用说将员工的技能与业务需求相匹配了。”
AI和ML超越了识别和将员工的技能映射到不同的项目或角色，这是典型的技能管理方法。相反，通过AI和ML增强的技术帮助组织了解技能之间是如何相互关联的，以及它们是如何演变为其他相邻技能的，这是至关重要的见解，因为技能正在不断变化。例如，擅长Microsoft Excel的员工也可能具备数据分析、报告和其他Excel用于的任务的技能。 AI和ML有助于揭示组织中的技能深度，并获得基于技能的倡议所需的见解。
理解和改善工作场所文化和员工敬业度
员工敬业度曾经仅是HR部门的优先事项，现在已成为高管层的优先事项，推动了从生产力到创新等许多业务驱动因素。公司领导者希望了解员工如何看待雇主以及他们如何利用他们收集到的见解；反过来，人力资源领导者正在将这些见解带给最高管理层，并利用它们来创造一个更具吸引力的工作场所。
人工智能的预测能力正在帮助公司更深入地了解员工敬业度的挑战性方面之一：了解哪些员工可能更容易辞职。人力资源领导者可以利用这些见解来采取规范性行动，以帮助降低员工倦怠和自然流失的风险。
Somers分享了一个如何使用自然语言处理（一种ML技术）来帮助领导者理解员工情绪的例子。他解释说，组织正在使用Workday Peakon Employee Voice这种智能监听平台来帮助理解和确定离职风险。它具有一个利用AI和ML并使用在数据库中的数百万个调查数据点上训练的统计模型的离职预测功能。
Somers说：“该模型根据他们的回应和分数计算每个员工的离职风险。然后，它使用员工级别的离职风险来计算每个部门以及整个公司的平均离职风险。它还将每个部门的平均风险与公司的平均风险进行比较，以分配离职风险级别—例如，它可能揭示出市场部门的离职风险在您的组织的前10%。”
这些见解可以指导公司如何改善员工敬业度，例如增加福利或评估工作量。最终，重要的是要让人处于中心地位，这样他们才是最终的决策者。通过以人为中心的方法，人工智能和机器学习可以帮助人们提高工作效率和了解更多信息，使他们能够解决以前认为无法解决的问题。
自动化重复但动态的HR功能
自动化革命—无需人工干预就可以执行任务—在HR中的发生远早于大流行病。但是，应对前所未有的破坏加速了对数字创新的需求，因此，引发了AI采用的浪潮和HR中敏捷性和效率的下一次演变：智能自动化，这涉及读取数据并从该数据中进行预测。换句话说，智能自动化就是与机器学习配对的自动化。
这对于那些常规但动态的HR任务特别有帮助，例如调度和满足劳动力需求。例如，公司正在使用AI来匹配劳动力需求和工人的资格、技能、可用性、偏好等，以便为工人和业务优化时间表。这在雇佣一线工人的公司中尤其普遍，其中班次不断变化，经理需要在短时间内填补和调整。
Somers说：“通过AI自动映射工人的可用性和技能到开放的班次，提供工作人员调度的建议，公司可以确保他们不会过度和不足的调度，同时更好地控制劳动力成本和防止工人疲劳。”
HR在确保清洁数据以实现负责任的AI中的角色
虽然AI确实正在重塑HR的角色，但HR领导者必须与其他业务领导者一起成为实施AI的驱动者。
关于AI的关键是：其执行任务的能力，例如进行预测分析或生成新内容（生成性AI），取决于其AI基础模型的质量，而这只取决于提供给它的数据的质量。对数据治理的强烈承诺始于相信并实施HR数据在整个业务中都是相关的—这恰好与Workday人力资本管理（HCM）的基础相同。 Workday HCM建立在统一的数据模型和单一的安全模型上，可以读取多样化的数据集，以执行各种分析和报告用例。
Somers说：“因此，实施AI时的大‘警告’之一是要保持数据的清洁和连贯，以帮助确保准确性和质量控制。” “如果数据集不干净，HR和人员领导者可能会得出不准确的结果，这可能导致昂贵的错误。”
HR领导者是塑造未来工作场所的驱动者
在英国和美国等地进行的全球和国家级别的对AI的公众情绪调查揭示，越来越多的人正在设想一个AI的力量可以产生积极影响的未来。同时，这些调查也揭示了对AI的关注，特别是对是否有足够的监管。
对于每一个利用AI增加HR影响力的用例，重要的是要记住使这些努力成功的是什么：通过额外的见解和改进的效率来增强决策。这并不是要取代使HR专业人员如此有价值的东西：通过将业务中发生的事情与公司的目标和价值观联系起来，成为公司文化的管理者。
正如Somers所说：“最终，重要的是要将人类置于中心，使他们成为最终的决策者。以人为中心的方法，AI和ML可以帮助人们更加高效和更好地了解信息—使他们能够解决他们以前认为无法解决的问题。”
来自workday
Predictive Modeling
2023年08月04日
扫一扫 加微信
hrtechchina
