尽管存在内在的矛盾，但很明显，人工智能和机器学习在人力资本管理（HCM）的未来中起着主导作用。作为 家为各种行业的4000多名客户提供人工智能驱动HCM解决方案的软件公司的 席技术官，我有幸亲眼目睹了这种不断增长的影响，并思考这些技术将推动我们的发展。
近的进步已经消除了繁琐的工资任务，提高了员工生产力并简化了流程。但随着技术继续以惊人的速度发展，新兴系统正在寻求彻底改变组织制定招聘，解雇和薪酬决策的方式。
招聘合适的人才对组织成功至关重要，但招聘传统上是人力资源 具挑战性的方面之 ，尤其是对于高周转率的科技公司。随着失业率达到2000年以来的 低水平，即使是雇主选择也很难填补空缺职位。虽然空缺角色对组织生产力有不利影响，但雇用错误的人也会导致资源严重流失。幸运的是，各种人工智能（AI）工具正在帮助招聘人员做出更明智，更具战略性的招聘决策。
简化的效率，效力和采购
人工智能能够消耗和分析海量数据，操纵变量并发现模式，因此非常适合候选人采购流程。该技术不仅可以自动执行管理和其他低 别任务，例如取消不合格简历，安排面试和编辑候选人简介，还可以使用复杂的算法确定技能集，并从大量申请人中选择有前途的候选人。
人工智能筛选还可以针对每个角色或整体筛选候选人生成全面的评估，评估各种可量化的数据并将其与目标配置文件进行比较。这与许多传统的招聘努力形成鲜明对比，只有简历和个人联系才是优 考虑的。
例如，当招聘人员在筛选过程中主要依靠布尔搜索时，他们会立即受限于在简历描述中使用相同术语的候选人。然而，AI系统可以发现在传统放映过程中可能被忽视的候选人，他们的软技能和经验非常适合担任角色（即使他们的关键词没有）。
大多数求职者可能熟悉公司用来淘汰申请人的多项选择问卷，但新兴的AI能够做得更多。通过应用自然语言处理（NLP）和 进的机器学习算法，招聘人员可以向申请人提出开放式问题，并利用他们的反应编制综合的心理简介，以评估从 天移情和礼貌到关注细节和文化适应的 切。
渐进式组织还应该考虑进行逆向工程来发展“完美契合”概况。现代HCM解决方案提供了关于组织当前员工的丰富信息，这对于希望填补类似角色的招聘人员来说是 个金矿。可以精确定位和分析的算法，卓越绩效企业可以传递 有可能帮助这个“理想人选”成功的具体经验和技能。
当然，在进行这些分析时，重要的是考虑人的偏见并确保算法正在填补现有的技能差距， 而不会 导致缺乏多样性。
这份关于多样性的说明很重要。
在过去的几年里，许多有影响力的科技公司因缺乏多样性而成为头条新闻，引起了公众的严厉批评，偶尔甚至会产生法律后果。不幸的是，偏见 - 无论是有意还是无意 - 都是非常真实的，组织面临的风险超出了负面报道，损害了创新和收入。
AI也可以在这里帮助。有些系统会自行分析工作描述，以确保语言具有包容性和公平性。其他系统创建了 个“盲审”，隐藏关键字或识别信息，以减少无意识偏见的可能性。
后，考虑到2012年发现的 项小型研究表明， 超过60％的组织 在面试过程中使用视频，我对能够分析词汇选择，微表情和变调以挑选个性/真实性线索的AI发展感到兴奋大多数人会错过。
对于这些进步中的每 个，目标都不是取代招聘人员和那种重要的“直觉反应”，而是加快这个过程并使其更加智能化。通过自动化某些流程和优化其他流程，招聘人员有权优 考虑与 佳人选的衔接和招聘（而不是寻找他们）。
洞察力促进，支持，射击
旦你聘请了 好的人才，下 个重点就是发展和保留他们。
保留 员工始终是制造商面临的 大挑战之 ，特别是考虑替换单个员工可能 花费其年薪的 倍半。另 方面，坚持 个表现不佳的员工，尤其是那些抵制或抑制整体文化的员工，可能会产生短期和长期的后果。
更糟糕的是，管理人员和管理人员对于低绩效和高绩效人员并不总是显而易见的，这使得评估劳动力队伍变得 其困难。事实上，根据2017年的 项研究，我们公司与代代动力学中心进行了合作，只有47％的管理人员在作出薪酬或晋升决定时使用任何类型的数据。单凭这 统计数字令人难以置信，并真正推动智能软件的需求，以帮助管理者做出 聪明和 公平的人员决定。
人工智能使组织能够汇集各种数据源，例如绩效评 ，薪资增长和技能组合，以帮助制造商更好地了解员工并就个人发展计划到全公司继任计划等各个方面做出更明智的决策。
这些以数据为导向的业绩衡量标准很容易识别出 业绩，但他们也擅长预测未来的高绩效业绩。而这些预测能力并不仅限于性能。今天的AI工具也可以预测飞行风险和参与度。此外，规定性分析的发展使管理者能够采取具体行动来鼓励挣扎的员工，纠正消 情况或奖励员工超越或超越。
从招聘到退休
人工智能的指数式增长对人力资源有着令人难以置信的影响，其中许多在此时可能是难以想象的。但是现在，很明显这些技术可以在帮助HR领导人在员工生命周期的每 步做出 明智和战略性的人员配置决策方面发挥重要的支持作用。