越來越多的人力資源工具應(yīng)用機(jī)器學(xué)習(xí)以及人工智能系統(tǒng)，其應(yīng)用于工作場(chǎng)所以解決“員工問題”。隨著組織架構(gòu)的持續(xù)變革以及權(quán)力的逐漸下放，能夠有效利用此類技術(shù)的組織機(jī)構(gòu)才可以脫穎而出。
當(dāng)然，這是一項(xiàng)高風(fēng)險(xiǎn)，高回報(bào)的工作。
從本質(zhì)上講，人工智能和機(jī)器學(xué)習(xí)只不過是工具罷了。它們就像其他的任何工具一樣，有利有弊。如果使用者不能夠明智地使用或配置，它們甚至可能會(huì)破壞你的工作流程或企業(yè)文化。尤其對(duì)于人力資源從業(yè)人員來講，這是一個(gè)巨大的風(fēng)險(xiǎn)，因?yàn)橄啾扔诩夹g(shù)專業(yè)人士而言，他們往往對(duì)這些工具的深層機(jī)制不太熟悉。
那么，作為一名想要把工作干好的人力資源專家，應(yīng)該怎樣做呢？
首先，明確你正在解決的問題。也就是說，真正理解所要解決的問題。在發(fā)現(xiàn)問題并對(duì)問題進(jìn)行正確評(píng)估之后，問問自己是否真的需要使用此項(xiàng)技術(shù)。如果不使用此項(xiàng)技術(shù)，工作進(jìn)程是否會(huì)因此而拖后腿？應(yīng)用此技術(shù)是否會(huì)使問題變得更簡(jiǎn)單，從而使你有時(shí)間解決其他問題呢？或者你是否可以利用現(xiàn)有技術(shù)或不同的方法從事你所做的工作？
如果判定確實(shí)需要使用這種新穎的人工智能技術(shù)，那么你就必須了解人工智能的優(yōu)勢(shì)和劣勢(shì)。除了可以在谷歌上快速搜索瀏覽相關(guān)信息之外，還是有必要進(jìn)行更加深入的了解。深入挖掘你所在專業(yè)的人脈并且充分利用公司里其他人的專業(yè)知識(shí)，并邀請(qǐng)他們參與評(píng)審你正在考慮使用的工具。
在正確利用的情況下，人工智能可以節(jié)省你大量的時(shí)間和精力，從而將人力資源工作從運(yùn)營(yíng)職能轉(zhuǎn)變?yōu)閼?zhàn)略職能。
選擇合適的工具以解決相應(yīng)的問題。
并不能將所有的問題一刀切。而且算法也不一定適用于所有問題，所以必須確保人工智能適于解決你所遇到的問題。
算法不太適用于以下情況如下：
生成少量數(shù)據(jù)的問題，或者數(shù)據(jù)無法反映真實(shí)世界的結(jié)果或行為。
處于極端邊緣情況的問題，或者底層數(shù)據(jù)集存在嚴(yán)重偏差（但接下來有方法可以解決這一問題）。
需要價(jià)值判斷的問題（在這個(gè)例子中，既考慮人性化且包含算法，則可以產(chǎn)生最優(yōu)解決方案）。
從積極方面來說，算法可以很好地解決這樣的問題：
問題中有重要數(shù)據(jù)，且數(shù)據(jù)與你所感興趣的行為和結(jié)果直接相關(guān)。
涉及你所搜索模式的這些問題是可以預(yù)測(cè)的（或至少長(zhǎng)期來看是一致的）。
請(qǐng)記住，人工智能并不總是夠能提升你的工作能力，所以僅僅使用自動(dòng)化流程工具可能無法得到理想的結(jié)果。如果你正試圖改變員工行為，那就使用一些能夠幫助員工學(xué)習(xí)的工具。研究表明，在解決基于行為的問題時(shí)，及時(shí)、具體、可執(zhí)行且基于工具的反饋是非常有效的。
例如，Texito平臺(tái)會(huì)在你寫招聘信息的時(shí)候提供反饋，提出美化內(nèi)容的方法，從而使招聘信息更加吸引求職者。Joonko分析工作場(chǎng)所生產(chǎn)力的活躍度以及協(xié)作工具，尋找無意識(shí)偏見的證據(jù)，然后向員工建議糾正措施。
算法也是人的智力成果。
人工智能的設(shè)計(jì)與其說是一門科學(xué)，不如說是一門藝術(shù)。發(fā)明者可能會(huì)在不經(jīng)意間將自己的偏見融入到技術(shù)中，正如谷歌所熟知的那樣，在一項(xiàng)新興的面部識(shí)別技術(shù)中，深色皮膚的人被識(shí)別為大猩猩。
在做功課時(shí)，同時(shí)利用人工智能工具進(jìn)行購(gòu)物。弄明白這些模型是如何開發(fā)出來的，以及這些開發(fā)選項(xiàng)的意義所在。思考這樣的問題：
采取了何種數(shù)據(jù)集以訓(xùn)練算法？此種數(shù)據(jù)中可能存在哪些偏差？模型是如何對(duì)此修正的？
舉例來說，就如Joonko所指出的那樣，如果某種算法讀取數(shù)據(jù)，數(shù)據(jù)顯示女性更有可能被分配到低優(yōu)先級(jí)的任務(wù)中，那么它可能會(huì)“理解”，女性并不勝任更高優(yōu)先級(jí)的工作。
隨著時(shí)間的推移，模型是如何演變的？偏差問題又是如何解決的呢？底線是什么？
人工智能和機(jī)器學(xué)習(xí)有可能從根本上改變?nèi)肆Y源職能，并且提升對(duì)人資專員所帶來的積極影響。但應(yīng)用人工智能或機(jī)器學(xué)習(xí)并不會(huì)使得組織自身進(jìn)行持續(xù)改變。如果你使用人工智能以加速正在發(fā)生的積極變化，那么你可以通過正在運(yùn)行的其他戰(zhàn)略項(xiàng)目來強(qiáng)化基于技術(shù)的改變。
機(jī)器人不會(huì)取代我們，它們只會(huì)讓我們變好。
作者簡(jiǎn)介：Aubrey Blanche是位于Atlassian的多元化和包容性機(jī)構(gòu)全球負(fù)責(zé)人。她在工作中嚴(yán)格基于實(shí)證社會(huì)科學(xué)，并為外部多元化報(bào)告開發(fā)了一種新的團(tuán)隊(duì)水平范式。她同時(shí)也是SheStarts的顧問、Sycamore的聯(lián)合創(chuàng)始人。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
