企业正在努力招聘和留住人才，而人工智能工具有可能提供帮助。在招聘、开发和留住方面，人工智能可以帮助公司解决痛点。然而，这并不像即插即用那么简单——如果公司打算将人工智能纳入他们的人才管理流程，就需要考虑到严重的风险和缺陷。特别是，它们需要解决人工智能决策中的低信任度、偏见和伦理担忧以及法律风险。
一年多来，企业一直在努力留住人才。根据美国劳工统计局的数据，在2022年8月，有420万人自愿辞职。与此同时，有1010万个职位空缺。在“大辞职”和最近的“安静辞职”等趋势中，传统的赢得人才的方法在这个竞争激烈的市场中并不总是管用。
正在兴起的人才管理AI工具浪潮有可能帮助企业更快地找到更好的求职者，提供更有影响力的员工发展，并通过更有效的员工参与度来促进留任。但是，尽管人工智能可能使领导者能够通过提高流程的速度和效率来解决人才管理的痛点，但人工智能的实施也带来了一系列独特的挑战，值得重视。
在领导者采用这些工具之前，他们需要了解人工智能如何以及在哪里为他们的公司带来优势，以及如何预测和解决在实施人工智能的人才管理方面的核心挑战。
人才管理痛点与人工智能的应用
人才管理有三个主要阶段:吸引员工、发展员工和留住员工。人工智能可以帮助解决这些领域的痛点。
员工的吸引力
寻找和雇佣合适的员工可能是劳动密集型的，效率低下的，并且容易受到偏见的影响。企业招聘人员发布招聘启事，筛选简历，安排面试——这些过程可能会很耗时，并导致招聘时间增加的瓶颈，最终导致有前途的候选人流失。招聘启事中带有偏见的语言也会减少传统上边缘化群体的申请，包括女性和少数族裔，尽管人工筛选也可能充满隐性偏见。
此外，公司在为候选人匹配最初申请的职位之外的职位空缺时，往往有不一致的流程，导致候选人和寻找填补职位空缺的公司都浪费了机会。
人工智能可以帮助创建更准确的招聘信息，向潜在候选人进行适当的广告宣传，有效地筛选申请人，找出有前途的候选人，并提供试图检查人类偏见的流程。例如，Pymetrics平台在候选人评估工具中使用人工智能，衡量实际技能展示，从而减少筛选过程中的偏见。该平台还将“银牌得主”候选人重新定向到其他合适的工作机会，自动重新聘用有前途的求职者，为招聘人员节省了时间。
员工的发展
为员工提供持续的学习和发展机会是人才管理的一个关键方面。员工发展的一个关键痛点是激励员工并确保他们能够获得适当的机会。通常情况下，关于这些机会的信息很少，组织发现开发足够高质量的内容来满足员工的学习和成长需求是一项挑战。
人工智能可以提供实时解决方案来解决这些痛点。例如，EdApp是一个基于人工智能的学习管理系统，它根据绩效和参与度分析为员工提供个性化的学习建议，允许人力资源主管在几分钟内创建微型学习内容，并使他们能够跟踪学习者的进度，并根据分析洞察修改内容。
留住员工
最后，还有一个问题，就是如何确保你雇佣和培养的员工能够留下来。其中一个关键方面是员工敬业度，即员工对组织的承诺和与组织的联系。盖洛普(Gallup)最近的一项调查显示，只有32%的美国劳动力和21%的全球劳动力对工作有投入感。雇主通常很难提高员工的敬业度，因为很难获得准确的敬业度指标。他们还努力防止员工倦怠，促进健康。
各种人工智能工具可以帮助实时准确捕捉员工敬业度指标，并为促进福祉创造以员工为中心的解决方案。微软的Viva + Glint就是一个例子，这是一个员工体验平台，将情感分析与实际合作数据结合起来，以衡量员工的敬业度和幸福感。
在哪儿e人工智能工具可能出错——以及如何降低这种风险
然而，人工智能驱动的工具并不是万能的解决方案。事实上，AI可以根据不同的指标进行优化，并且只与它所优化的目标一样好。因此，为了充分利用人工智能的潜力进行人才管理，领导者需要考虑他们可能会遇到什么人工智能的采用和实施挑战。下面，我们将介绍主要挑战以及针对每个挑战的基于研究的缓解策略。
人工智能驱动的决策信任度低
人们可能不相信和接受人工智能驱动的决策——这种现象被称为算法厌恶。研究表明，人们经常不信任人工智能，因为他们不了解人工智能是如何工作的，它夺走了他们手中的决策控制权，他们认为算法决策是客观的和简化的。事实上，一项研究表明，尽管算法可以消除决策中的偏见，但员工认为基于算法的人力资源决策比人工决策更不公平。
缓解策略包括:
培养算法素养:减少算法厌恶的一个方法是帮助用户学习如何与AI工具交互。例如，使用人工智能工具进行决策的人才管理领导者应该接受统计培训，这可以使他们对解读算法建议感到自信。
提供决策控制的机会:研究表明，当人们对最终决策有一定的控制时，即使是最小的控制，他们对算法决策的反感也会减少。此外，人们更愿意在更客观的领域相信人工智能驱动的决策。因此，仔细决定哪些类型的人才管理决策应该由人工智能提供信息，以及确定人力资源专业人员如何通过与人工智能驱动的建议合作创建解决方案，对于增强对人工智能的信任至关重要。
人工智能偏见和伦理影响
虽然人工智能可以减少决策中的偏见，但它并非完全没有偏见。人工智能系统通常使用现有的数据集进行训练，这些数据集可能反映了历史偏见。除了臭名昭著的亚马逊人工智能工具让女性求职者处于不利地位之外，人工智能领域存在偏见的其他例子还包括，针对85%女性的超市收银员职位的搜索算法，以及针对75%黑人的出租车公司职位的搜索算法。鉴于人工智能容易受到偏见的影响，在人才管理中应用人工智能可能会产生违反组织道德规范和价值观的结果，最终损害员工的敬业度、士气和生产力。
缓解策略包括:
创建识别和解决人工智能偏见的内部流程:为了系统地减轻人工智能技术的偏见，重要的是创建基于组织如何定义算法结果的公平性的内部流程，以及设置组织内人工智能决策的透明度和可解释性的标准。领导人还应谨慎制定不考虑公平的公平标准，特别是对弱势群体而言。为了解决这个问题，领导者可以考虑在算法中加入性别和种族等变量，并主动为不同群体设置不同的标准，以消除已有的偏见。
建立多样化的团队来设计AI系统:研究表明，更多样化的工程团队创造出更少偏见的AI。通过在其人才管理职能的人工智能设计和实施过程中培养多样性，组织可以从不同的角度来最小化人工智能偏见。
侵犯员工隐私
企业已经部署了人工智能技术来实时跟踪员工。如果执行不当，这些工具会严重侵犯员工隐私，导致员工压力增加，更快地精疲力竭，心理健康恶化，并降低代理感。报告显示，Covid-19大流行推动雇主对这些跟踪技术的采用大幅增加，超过50%的大雇主目前使用人工智能工具进行跟踪。
缓解策略包括:
公开跟踪技术的目的和用途:高德纳研究公司(Gartner Research)揭示，在过去十年中，对某些形式的雇主跟踪感到满意的员工比例有所上升。当雇主解释跟踪的原因时，接受度的提高要高得多，当组织领导人透明地讨论使用这些工具的原因时，接受度会从30%提高到50%。
让跟踪具有信息性，而不是评估性:也许与直觉相反，最近的研究发现，员工更愿意接受完全由人工智能进行的跟踪，而不需要任何人力参与。这项研究表明，技术跟踪可以让员工获得关于自己行为的信息反馈，而不必担心负面评价。如果使用跟踪工具主要是为了监控，而不是向员工提供有关其行为的信息，就会侵犯隐私，降低员工的内在动机。因此，领导者的关键考虑应该是跟踪是否可以提高员工的信息结果，而不引起评估担忧。
潜在的法律风险
根据美国律师协会的说法，即使人工智能系统实施了无意的雇佣歧视，雇主也可能要承担责任。此外，管理雇主和雇员与人工智能相关的权利和责任的州、国家和国际法律也在不断演变。
缓解策略包括:
理解当前监管AI使用的法律框架:虽然美国目前的AI监管方法仍处于早期阶段，但主要重点是实现AI的问责、透明度和公平性。《国家人工智能倡议法案》(现已成为法律)和《2022年算法问责法案》(待定)是两个国家层面的框架，旨在规范组织中人工智能的使用。但各州目前处于制定人工智能法规的前沿，因此，领导人必须跟上不断变化的法规，尤其是在多地经营业务时。
建立积极的风险管理计划:在敏感人事决策中使用人工智能的更广泛的政策格局仍在演变中。但是，希望采用人工智能工具来驱动人才管理价值的组织应该积极监测尚未通过的立法，并创建积极的风险管理实践，例如在模型开发过程的各个阶段设计具有适当控制的人工智能系统。
。
考虑到优秀的人才管理在保持竞争力方面发挥的作用，特别是在大辞职的情况下，领导者应该积极考虑针对人才管理痛点的AI工具如何推动影响。要获得这些工具所能带来的全部价值，还需要克服一些重大的实现挑战。鉴于这些挑战，领导者应该明智地评估人工智能工具。它们可以让管理人才更容易、更公平，但这并不像即插即用那样简单——如果领导者想从这些工具中获得最大收益，他们需要记住这一点。
