组织|人工智能时代来临,HR面临前所未有的危机

2018 年 5 月 7 日 智慧云董事会 辛巍巍

            

导读

AI在这个时代已经成为无可争议的一个“风口”,甚至是一个“现象级”的网红名词。


但实际上,从它的技术概念被提出到今天,已经有62年的历史。和许多有争议的新兴技术一样,它经过了半个多世纪曲折、艰难的发展和螺旋式上升后,在突破了许多政治和经济层面的限制后,终于到了可以广泛应用的阶段。


但是,新的问题出现了,麦肯锡全球研究院近期在一份报告中预测:2030年全球将有近4亿人口的工作岗位被人工智能取代,其中1亿发生在中国。


这对于人力资源行业可以说是“三千年未有之大变局”。那么,人力资源将如何发展?HR又将如何来应对?



危机:咄咄逼“人”的AI时代


我们首先应该对AI的发展趋势有所了解。目前,科学界通常把AI的发展大致分为四个阶段:

兴起阶段(1956-1974)

初始应用阶段(1980-1990)

AI生态竞争阶段(2010-2060)

AI人格化阶段(2060至未来)

我们不幸将要面临和应对的就是后两个阶段。


在生态竞争阶段,AI技术逐步发展成熟,并开始大规模的商业化应用,深入到社会、经济的各个层面。


如同当年互联网对于传统行业的冲击一样,人工智能和行业、产业的结合也会有两种基本形态:

一是“AI+行业”,它催生、创造出许多新的行业;二是“行业+AI”,也就是AI成为传统行业的助推器或者颠覆者,引起行业的巨大变革。

未来的人力资源行业即是第二种形态:人力资源+AI。AI结合大数据给人力资源行业带来的变革,将远大于“互联网+”时代所带来的变革。


AI的人格化阶段是否真的会到来,我们现在还不能百分之百确定。我觉得这要取决于两个方面:


第一,我们的技术发展有没有可能使AI完全模拟人的情感,拥有健全的人格?


类复杂的情感、心理和人格,都是出生以来在不同的家庭、社会和文化环境的熏陶及培养下,经过漫长的时间形成的。


每一个人的情感和人格都是其过去所有经历和历史的总和,甚至也是人类集体的文明和意识的总和。从工业线上下来的机器人能不能够在这方面完全模拟人类,是个很大的问号。


第二,我们能不能接受机器人格化之后对于人类伦理和人文科学的巨大挑战?


也就是我们是否准备好了同机器平等相待,共享人权?


因为机器人格化的直接后果就是它们会挑战今天人类所有的社会契约,会要求重新制定与人类共处于世的一切准则,要求同等的权利和义务,这在今天还是不可想象的禁区。


但是如果真的到了那一天,我相信AI可以完全取代HR的工作,人类也许将面临在许多领域被AI替代的命运。


也是基于这样的危机感,美国的IEEE(最权威电气工程师协会)提出了AI发展三原则:

一是人权最高。

二是AI的发展应该服务于人类发展和自然环境的最大利益。

三是人工智能的研究应该被定义为一个社会技术系统。


但是,事情发展是否会如人所愿,我们拭目以待。


变局:五个方向和四种角色


如果我们做一下SWOT分析的话,会发现人工智能相比于人类优势非常明显。

人工智能首先在体力上完全超越人类。它可以24小时连续工作,不需要休假,不会请假,没有边际效率递减,甚至也不会犯错。

因为它不是人,没有拟人化的人格,所以不会像马斯洛需求层次理论那样,提出发展、晋升、加薪等一系列人才会提出的需求,对于雇主来说,这是人类无可比拟的优势。


同样,在智力和技术领域,人工智能的优势也非常突出。它可以替代任何标准化的、重复性的企业级工作会使HR的各个模块发生巨大的乃至颠覆性的变化,我们以下逐一分析:


(1)传统招聘受到彻底冲击

我们都知道招聘分为三个部分:简历筛选,初步面试和初步背景调查。在简历筛选方面,日本的猎头行业已经研发出一个叫Brilent的机器人,它能够做到在3.2秒内处理5500份简历,这是人类无论如何无法比拟的。


面试方面,五年前我就在海外体验过人机交互的面试场景,当时觉得非常新鲜和好奇。相信经过这些年的发展,技术上应该已接近成熟,将来由人工智能全面取代企业初等岗位或者大面积的面试,应该是水到渠成的事。


在背景调查方面,现在阿里巴巴的芝麻信用正在建立每个人在金融领域的信用档案,一些招聘第三方公司也在建立个人的职场信用档案。不久的将来,当人工智能和这些公司的信用大数据连接的时候,企业可以非常迅速地做初步的背景调查,大大降低用工分析成本。


总之,从招聘环节我们可以断言的是,人工智能的介入将极大地减少HR的劳动强度,极大提升招聘效率。但是,这也意味着,企业可能将不再需要初级的HR岗位。


(2)人力资源共享中心将消失

之所以说人力资源共享中心,是因为现在薪酬中的pay roll(工资支出)和员工关系中的“入离职”等职能已经被划分到了人力资源共享中心。而人力资源共享中心一定会被人工智能完全替代。


以我所在的公司GTA(英国格里菲旅游集团)为例,我们的人力资源共享中心放在印度,印度中心不可能熟悉和了解全球每个国家的薪酬制度和用工政策。


所以,我们针对每个国家都有详细的多达40页的SLA(服务协议),它会定义人力资源共享中心里发生的所有任务,从每一个步骤输入信息是什么、输出信息是什么、需要怎样的支持信息,输出人是谁、需要的响应时间是多久等,这些都被完整地数据化记录在SLA系统当中。


这些信息符合编码的条件,可以被程序员编码后运行,但是它非常地机械。当一个员工向人力资源共享中心递交信息的时候,如果输入的信息和印度员工了解的信息有任何不一致的地方,它就无法灵活处理,拒绝执行任务。


实际上,因为没有弹性和灵活度,现在很多跨国公司的国际人力资源共享中心,都不能很好地进行属地化管理而人工智能可以很好地解决这些问题。


所以,只要成本效益分析被证明是可行的,这样的人力资源共享中心完全可以被人工智能所替代。


替代之后,它还可以帮助HR进一步做专家中心的工作,它可以做更多的大数据分析——(破折号)人工智能对人力资源的另一个优势就是数据上的。


2010年,每个HR都被要求具备数据分析的能力。那么,有人工智能之后,这句话会变成:要具备用数据分析做决策的能力。


也就是将数据分析的工作完全交给人工智能处理,HR只需基于其提供的数据分析做薪酬、招聘或者组织发展的决策即可。如此,三支柱中的COE(专家中心)和SSE(共享中心)都会失去存在的必要。


(3)培训实现个性化和因材施教

有的专家担心AI会成为培训的终结者,这种担忧有一定道理。但我认为,在机器人格化之前,AI还不能完全替代人的培训。因为澄清培训需求,明确组织问题,问题是否能够用培训解决,这些仍然属于HR根据组织当中的复杂数据进行复杂决策的职能。


AI在培训中可以做什么呢?

它的长处是提供培训解决方案。


我有一个案例:

我的公司以前花很多钱给员工做“e-leaning”项目学习英语。结果我们发现,50%的员工对它的使用频率少于50%,另有20%的员工根本没有使用过。


这样的培训对公司来讲是一笔损失而不是投资。


那么,为什么e-leaning不能吸引员工呢?

很重要的原因是它没有因材施教,它是一对多的解决方案,没有实现个性化,但这一点恰是AI可以解决的瓶颈,也就是提供个性化的解决方案,实时互动、实时验证学习成果等。

当AI做到这一点时,相信培训的效果会大幅提升。


(4)人才评估更为迅速、客观和精准

在人才保留方面,AI将在高潜人才的评估、选拔、验真和校准中发挥重要作用。虽然目前一些第三方人才评价中心能够部分实现人才的在线化、标准化测评,但对于高潜人才,很大程度上仍然要通过线下应用场景的设置,测试其应对行为和结果。


AI则可以把线下场景的测试完全搬到线上,实现人工智能和高潜人才在不同应用场景中的实时互动,并且观察他的行为,给出准确、客观的参考依据。


另外,今天的人才校准,很多时候是拍脑袋决定的。各部门的老大坐在一起,经过一番纵横捭阖和唇枪舌战之后,确定出哪些是高潜人才,哪些需要重点培养。


实际上,它更多是基于主观判断而缺乏客观标准。


但基于大数据的人工智能系统,可以建立包括高潜人才在内所有人的信息数据库,通过比对某个人的行为、能力同某个关键岗位的胜任力数值的匹配度,从而迅速识别高潜人才,并校准其真正价值。


(5)员工关系工作成本降低

AI将来在员工关系和激励方面也会有广泛的应用,并且可能会大幅降低成本。


我举个例子,我们都知道EAP:员工心理援助项目,但是市场上真正使用EAP的公司并不多,主要原因是它价格不菲。


如果一家公司想对全体员工实现7×24小时的心理援助辅导,那将是一笔巨大的投入。但如果把EAP和人工智能结合起来,情况会大为不同。


百度前首席科学家吴文达离开百度之后回美国创办了一家AI公司,已经针对初级心理援助设计出一款机器人。该机器人可以7×24小时工作,拥有共情技术,可以开启一个艰难的对话,也可以进行技巧化的心理突破,实现对员工实时的心理援助。


目前,它已经市场化了,包月套餐是39美元,也就相当于我国三大运营商一两个月的手机流量套餐费用。所以,AI的介入,会让员工关系管理、劳动关系管理、绩效激励管理、企业文化管理等工作变得更为广泛、普及和有效,而且成本不会太高。


(6)AI并非万能

虽然以上五个方面在AI的介入下将发生确定无疑的变化,但至少在生态竞争阶段,在其没有人格化之前,AI仍然不是万能的。人力资源模块中需要运用情感、智慧,需要运用高级思维处理复杂情况的一些领域,仍然离不开人的主导。


比如跨文化管理。以我的公司为例,我们会招聘很多来自各个国家的外籍员工,他们很多人是第一次到中国来。如何管理好他们,就遇到很多跨文化的难题。如果你问我AI能不能解决这些现实问题,我认为还不可能。在机器人格化之前,它无法识别文化的冲突、冲撞以及人内心的困惑。


仅以办理中国工作签证为例,很多外籍员工觉得难度大、不适应,引发许多心理上的困惑、焦虑、失望。


我们为此配备了专门的属地化陪伴团队,比如说入职办理有一个导师,入职之后如何快速适应当地的团队,我们也会有一对一的辅导。其他如入职后的生活问题,包括怎么找当地的住宿、找当地的国际组织等,都会有相应的指导。并且我们也会邀请外籍员工按月度分享他们母国的文化,以增加中国雇员对外籍员工不同文化行为、文化心态的了解。


我相信,这些事情,AI一定是无法完全替代的。这是将来我们相对于AI的比较优势较为集中的领域。


此外,领导力发展方向,AI在人格化之前,也不太可能起到多大作用,这一方向仍然是需要HR发挥人类综合优势的高级领域。

图1  AI变革时代HR的四种角色


综合以上分析,我们可以总结出在人力资源的AI变革时代中HR的四种角色:战略伙伴、变革推动者、管理专家和员工激励者。


如图1所示,在这个新的时代,从纵轴上看,HR的任务会从日常操作转向关注未来及战略,而在管理内容的横轴上则会从过程走向人员,也就是转向个性化和多元化的管理。


那么,在变革的过程中,这四个角色的出现会不会意味着HR传统的一些角色消亡呢?


我认为不会,但重大的变化会导致比重的调整,组织里的专家角色会从管理流程走向管理体验和管理关系。


管理体验可能就是从招聘任务解放出来之后去聚焦雇主品牌的可持续化发展;管理关系也可能要从过去把人作为标准的劳动力进行用工处理,以及劳动争议处理,转化为管理员工的忠诚度和满意度,这是巨大的变化。


进化:HR的提升之路


“生存还是死亡”,这对于面临AI大举侵袭并将被不断挤占生存空间的HR来说,应该成为一个新时代的元问题。


那么,在人机时代,HR的优势究竟在哪里?

我们不防用职业生涯规划中常用的能力兴趣矩阵分析一下,如图2所示。

图2  能力兴趣矩阵


能力加上兴趣,定义的就是优势。如果用这个矩阵来分析HR各职能岗位的情况,最劣势的就是Q3,高能力但是低兴趣的区域,通常对应的是人力资源共享中心,因此这也是最早会被人工智能取代的区域;关键优势区域在Q2,高兴趣、高能力,通常对应的是专家中心。未来的专家中心,仍然可以持续利用大数据带来的数据和分析优势深度学习、不停地认知迭代,执行关键决策。


对于HR个人来说,最重要的是应关注Q1发展机会。未来的发展机会来自哪里?一定是来自HR职能之外的不同能力的叠加,能够叠加的能力越多,被取代的机会就越小。


有许多和HR工作相关联的领域,比如法律、市场营销、数据分析等,如果HR有意识地往这些方面深掘,扩展一下技术、能力、知识,叠加起来就会成为新的优势,获得新的发展机会。


当然,我认为还有三种人才是AI无法替代的。


第一种是全能管家

他们主要是在初创型的企业和企业生命周期的初级阶段淬炼出来的。除了经验、人格、性格等非智能因素,人工智能完成全模块的工作将非常昂贵,仅从效费比的角度,也不可能用其取代全能管家。


第二种是资深专家

他们通常处于企业发展的成长期和高峰期,也会出现在COE专家中心,他们由于掌握行业前沿的专长和知识、技能,并有自己的独特优势领域,因此难以被AI取代。


第三种是企业家

也就是在业务部门有过丰富的实践经验,转型到HR管理岗位的人群,如阿里巴巴的政委体系,这些人才也是AI在一定时期内无法替代的人。


如果我们把这三种人才的共性提炼出来,就会发现,他们普遍具有三种核心竞争能力:丰富的实践能力、优秀的情感能力和深度学习思考的能力。


因此,如果一个HR想要在AI时代不被淘汰,并且有能力将AI变成工具而不是被迫成为对手,就需要在以上这些方面有意识地实践、提升,实现自身的进化。



 来源 | 公众号:  CHO首席人才官

 图片来源 | 网络

 编辑 | 智慧云


智慧云董事会,定位于"高成长企业的外部董事会",为高成长企业的企业家和高管提升领导力,并用群策群力的方法解决战略问题,核心产品是为企业家定制的私人董事会,以及为企业高管定制的群策群力工作坊,致力于提升企业家领导力,助力企业高速成长。

   

登录查看更多
0

相关内容

人工智能杂志AI(Artificial Intelligence)是目前公认的发表该领域最新研究成果的主要国际论坛。该期刊欢迎有关AI广泛方面的论文,这些论文构成了整个领域的进步,也欢迎介绍人工智能应用的论文,但重点应该放在新的和新颖的人工智能方法如何提高应用领域的性能,而不是介绍传统人工智能方法的另一个应用。关于应用的论文应该描述一个原则性的解决方案,强调其新颖性,并对正在开发的人工智能技术进行深入的评估。 官网地址:http://dblp.uni-trier.de/db/journals/ai/
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
专知会员服务
124+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
华为和其“公关危机”下的5G发布会
1号机器人网
7+阅读 · 2019年1月27日
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
深度|拥抱人工智能报告:中国未来就业的挑战与应对
机器人大讲堂
6+阅读 · 2018年9月24日
李开复为何说年底人工智能泡沫要破?
数据猿
4+阅读 · 2018年2月5日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
人工智能时代的量化投资策略
七月在线实验室
8+阅读 · 2017年12月19日
中央再批人工智能伪创新,90%以上AI都不靠谱
THU数据派
7+阅读 · 2017年12月6日
人工智能与医疗,正成为人工智能时代重头戏
机器之能
6+阅读 · 2017年7月10日
How to Fine-Tune BERT for Text Classification?
Arxiv
13+阅读 · 2019年5月14日
Arxiv
22+阅读 · 2018年8月30日
VIP会员
相关VIP内容
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
专知会员服务
124+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
相关资讯
华为和其“公关危机”下的5G发布会
1号机器人网
7+阅读 · 2019年1月27日
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
深度|拥抱人工智能报告:中国未来就业的挑战与应对
机器人大讲堂
6+阅读 · 2018年9月24日
李开复为何说年底人工智能泡沫要破?
数据猿
4+阅读 · 2018年2月5日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
人工智能时代的量化投资策略
七月在线实验室
8+阅读 · 2017年12月19日
中央再批人工智能伪创新,90%以上AI都不靠谱
THU数据派
7+阅读 · 2017年12月6日
人工智能与医疗,正成为人工智能时代重头戏
机器之能
6+阅读 · 2017年7月10日
Top
微信扫码咨询专知VIP会员