浅谈人工智能在人力资源领域的应用趋势

人工智能从根本上而言属于计算机语言的一种，也是通过一定的编程算法同生活实际需要相联系，构成符合人类需要的技术。较为普遍的如扫地机器人、语音识别、图像识别等技术，更多技术仍然处于待开发阶段，未来的日子里无人驾驶汽车、无人超市、机器人外科手术等将逐渐广泛应用于生活当中，智能化的技术将对我们的生活产生翻天覆地的变化。而人力资源和人工结合的最为密切，人工智能技术在此领域未来也有望有所作为。

1  人工智能技术概况

1.1  人工智能技术概念

人工智能技术顾名思义指的是人们运用计算机语言为机器设置一定的条件和算法使得机器具有类似于人脑的思考能力，可以进行生产工作、判断决策、智能回复等。人工智能的应用使得一些单纯依靠劳动力的产业成本从长远来看大大降低，解放了部分人类的双手，而用机器操作。人工智能能够完成部分人类不愿意做或者人力无法完成的工作，或者以更高的效率和速度完成某些工作。即使在工作效率上人工智能有很好的效果，可归根结底人工智能仍然是人类设计出来的产物，是为人类服务并提供方便的。根据科学家普遍的说法，人工智能超过人类思维是不可能的。    

1.2  人工智能在机器中的应用

人类对于某些情况的下意识判断是基于之前的经验，或者说是本能的反应。而在人工智能领域，对机器进行长期反复的学习训练，不断的导入数据传出数据，分析每一次数据的变化和人类构想的最终反应，使之达成一致，会发现在反复训练后，机器“思维惯性”所产生的数据在向人类构想的反应靠拢并逐步接近。当调节机器数据的参数，机器仿佛具有思考力一般能做出和人类相似的应激反应，科学家利用这一点将机器应用于工厂等需要长期反复操作的工作中。

1.3  人工智能和人力

人工智能的反应速度是依靠计算机的运行速度和算法的调试，很大程度上而言人工智能的“工作能力”是快于正常人类思维的。人类创造出计算机语言，运用计算机语言更好的为人类服务，但并不意味着人工智能能够代替一切人力劳动，只是更好地辅助人类完成工作。一类工作是需要大量人力反复操作的，另一类是需要进行大量数据搜集的。这两种工作有人工智能胜任能够节省大量的时间和金钱。而另一部分程序繁多，需要面对复杂情况随机做出反应的工作是必须由人力完成的。

2  人工智能研究范畴

2.1  图像识别

在现实生活中会出现这样的生活场景，比如通过扫描一本书的索引号而获得书本信息、扫描一个图片搜索到所有相似的图像、扫描一个二维码获得动态影像等。这些技术都引入了人工智能领域的图像识别技术，即通过扫描某一实体图像帮助人类搜集到部分信息或者将图像信息进行综合比较。新的图像进入机器的系统内，机器会根据之前获得过的所有信息对现有未知的图像进行各方面的分析，将图像分解为色块，比较每一色块内部的线条构成、颜色色系、明亮调节等。由于计算机语言运行速度十分快，所有的分析结果会在几秒内呈现出来，这就是人工智能的优势所在。

而分析比较的过程应用的就是最为流行的knn临近算法。此种算法相当于将机器接收到新的图像放入一个二维坐标系中，坐标系由上亿的图像采集点构成，由之前获得的所有图像叠加而成[3]。新的图像呈现在最顶层，通过机器的高速运算和以下的叠加层进行纵向对比，最终排除掉差异性大的数据，保留某些程度上相近的图像。当然在此过程中可以人为的设定筛选条件或者改变参数，对比出颜色相似度高或者形状吻合度高的图像，帮助人类完成工作的图像分析工作。

2.2  数据搜集和分析

在当今时代，数据的重要性不言而喻。掌握了数据相当于拿到了一定的筹码，从简单的人类购物习惯数据到企业综合决策数据，整个世界由重要性不等的数据构成。而数据对于一个企业而言是极为重要的，企业可以通过一系列表征的数据判断行业未来的发展前景，做出公司的战略规划，也可以通过数据对重要的方案进行决策。由此产生了很多专门做数据分析处理的公司，数据成为了可以交易的实体。

而原始的数据的收集整理过程就是由人工智能完成。比如购物软件可以通过用户的浏览记录、购物习惯、关注的物品通过算法得出用户的年龄区间，职业类型。社交软件可以通过用户的使用频率、关注的话题、浏览速度等推荐可能认识的好友。像一些大平台的广告推送、话题引入、广告植入都是根据用户的使用情况对信息进行筛选，呈现出用户可能最近感兴趣的或者有意向关注的信息。人工智能将大量信息通过算法进行筛选过后，保留部分契合度高的信息，提高用户的使用舒适度，扩大受众范围。

2.3  语言处理

人工智能在语言处理方面也取得了不少的成就，语言不再是不同国家人们表达想法的屏障。通过语言转换器甚至可以初步达到面对面以不同语言顺畅交流。之前人们总苦恼于不能和语言习惯不通的人交流，如今地区方言、语言体系已经不再是考虑的困难因素。

人工智能将不同地域或者国家的语言通过算法进行分析后，将语言体系构建过程中的语言素材、语法、长篇段落、语言习惯等以数据的形式保留在机器中。在现实应用中只需要快速的读取语言即可，当然要做到准确的读取，前提是对人工智能算法做以反复的数据实验，才能达到最终符合人类要求的效果。

3  人工智能在人力资源领域的应用形式

3.1  人力资源系统的构建

现在企业普遍采用的人力资源信息系统就是记录企业员工基本信息，将员工的工作技能、工作奖惩、学术背景等记录到数据信息库。在每年企业进行对外招聘时，往往需要HR凭借个人经验基于一定的数据分析企业当前的运营现状和员工职位的匹配度，不可否认HR具有相当的专业知识。但在面对复杂的数据统计时，人工的分析总会存在一定的误差，做出的规划和判断的准确度和企业实际情况有所偏差，这也是现代企业需要解决的问题之一。

人力系统的构建即对企业未来所需要的人力资源数量和岗位进行预估，合理判断企业岗位供求关系，以便进行相应人才的招聘。这一项工作从本质上而言是对表征数据的统计，通过收集分析各部门人员配置情况、项目完成进度、工作实效性等，对人力资源进行判断。而所有的一切都可以通过人工智能的大数据分析来完成，完全可以制定出和实际复合性最高、准确性最高的人力资源系统。

3.2  选拔人才

人力资源选拔人才的重中之重就是人才和岗位的匹配度问题，即选拔合适的人才在恰当的岗位上工作。传统企业的招聘过程就是先通过简历筛选，然后在面试时对人才的专业背景、工作经历、个人综合素养进行判断，再结合HR对于所需岗位职能的了解来判断是否录用该面试者。而这一系列过程存在太多不稳定因素，一方面HR和面试者的沟通就是双方互相判断的过程，HR会根据自己的个人经历和该面试者的自身情况询问相关问题，存在一种情况比如该面试者和HR为校友关系，可能这一潜在因素会对面试结果产生一定的影响。从另一个角度来说HR的主要职责还是在于招聘过程，对于企业所需要岗位的了解度可能不够深刻，毕竟没有从事相关领域的工作，对岗位职责的叙述和该岗位需要怎样类型的人才可能认识的并不是十分深刻，这对于面试结果也会有所影响。

基于此类情况，人工智能的开发和引入显得尤为重要。人工智能可以通过收集某一工作岗位的工作时长、工作内容、工作地点等多种信息，对岗位职责有一个很清晰的判断，然后将应聘者同等的信息输入到系统中即可以准确的得出该人才是否符合公司空缺岗位的需求。并且在面试环节人工智能可以捕捉到面试者所有的表象信息，能够根据肢体和表情语言判断面试者语言的真实性也可以根据面试者的回答，进行相关提问，再结合数据系统中的信息储备做出回应。比如面试者在应聘计算机软件开发的某职位，智能机器人可以向面试者提问过往的工作经历，并能提出专业性极强的学术问题。这往往是人力资源在招聘时无法做到的。

3.3  留用人才

当对企业招聘到充足的人才后，企业应该将重心放置在留用人才的方式上。现代企业尤其像媒体广告行业、房地产行业人员的流动性极强，离职率和跳槽率频频增加，事实上较高的离岗率是不利于企业的健康发展的，当企业花费时间和金钱培养出能够独当一面的人才时，人员却出现流失情况，而再进行招聘和培养需要一定的时间周期。

人工智能基于此种情况，可以建立模型对企业员工有意向离职的概率进行预测，为企业打预防针，避免出现人才流失岗位长时间空缺无人胜任的情况。员工选择离职无非处于以下情况的考虑：办公环境、岗位晋升空间、福利薪金、家庭因素、个人身体状况、部门工作满意度、工作压力、企业文化、外部市场机会等。人工智能可以将所有影响企业人员离职的因素进行权重排列，建立相应的评判模型，对企业员工的离职倾向进行预测，帮助企业减少人员流失所带来的业务损失。

3.4  培养人才

当企业招聘到优秀的员工进入公司后，定然需要制定一系列的培养方案对人才进行进一步岗位培训。传统意义上的培训是有一定工作经验的企业员工以教授的方式呈现，这种方式不符合现代年轻人的思维方式。普遍看来，年轻人的思维跳跃性很大，渴望有自己施展拳脚的空间，对于过来人所谓的经验相信度不高。因此企业可以通过引入人工智能对人才进行培训，机器人可以向人才模拟工作中可能出现的问题，考验人才面对突发状况的反应力；也可以以问答的形式向人才灌输专业知识，最后可以通过考试对人才培训期间的收获进行综合评价，最终判断该人才是否具备胜任岗位的能力。

人工智能培养训练人才的途径多样且高效快速，在之后的工作中定期进行专业度测试或者模拟考验等，能通过历史数据对员工的能力得出客观的判断，这是人工培训所不能做到的。

3.5  智能服务机器人

在企业中有一类工作需要耗费人力大量的时间，并需要人力拥有相当多的信息储备，即就是员工咨询。不同部门之间的沟通和传递信息往往提高了一定的人力成本，还会出现信息传递错误的问题。智能服务机器人的诞生将为员工提供完整的部门介绍和准确的信息传递服务，能够二十四小时不间断地为不同部门员工提供咨询服务，大大提高了企业办公的效率节省了沟通的时间成本。

4  人工智能在人力资源领域应用的未来趋势

4.1  人力资源信息的收集处理

信息愈发成为企业的核心要素，人力资源信息也是极为重要的一项。未来利用多维度的网络信息，人工智能可以对网络上所有的人才信息进行收集，并按照企业的要求进行分类整理，进而筛选出和企业岗位需求匹配度高的人才。由于现今的网络仍存在这样那样的问题，很多信息的透明度还有待提高，再加上不同招聘网站利益的冲突性使得网络上出现重复简历的概率大大提升。想要真正做到基于互联网的一体化进行人力资源信息收集需要各方长时间的努力。

4.2  提供高匹配度的岗位选择

未来人工智能技术愈来发达，人类对机器人的掌控愈发精准时，人工智能才会真正走进我们生活的各个方面。随着网络信息的公开和企业制度的完善，企业对于岗位职能需求有明确的筛选标准，人工智能也对人才收集工作专业性提高，将促进企业通过人工智能筛选出符合职能需求的人才，岗位和人才之间真正建立起桥梁匹配度将大大提高。

4.3  构建人性化的福利制度

现代企业的福利制度往往存在制度化不够的特点，尤其是根据绩效对员工能力进行判断时，一个项目的实施往往是一个团队努力的结果，但如何对团队中的每一位员工贡献做相应评价？如果不能做到准确评估，付出多少获得一样的奖金报酬将如何提高员工积极性？因此企业的福利制度仍然存在一定的漏洞，不能精确的对员工贡献做以评价。在未来人工智能可以通过实时的监测将每一位员工的贡献量化为具体数字指标，从而避免此类状况的发生。

5  结语

人工智能与人力资源的结合已经在探索过程中，不再是遥不可及的梦想，只是技术结合和社会适应需要一定的时间，而暂时没有办法具体谈及其广泛应用的时间，但在未来一切都将成为可能。人工智能技术将对薪酬制定、人才选拔、绩效考核等各方面产生潜移默化的影响，应用的深度也将不断扩展。

本文来源：《企业科技与发展》：http://www.zzqklm.com/w/kj/21223.html