关于AI，人力资源专业人士最关心的10个问题
大多数人力资源专业人士（75%）乐观地认为，随着人工智能在未来五年的不断发展，人类的智慧将在工作场所会变得越来越重要。但是，围绕人工智能的未来及其直接应用的焦虑或困惑，继续阻碍着许多人充分利用人工智能给人力资源工作带来的好处。
为了解决其中的一些问题，我们询问了来自世界各地的人力资源代表，他们会向专家询问有关人工智能及其与工作的相关性的问题。以下是BambooHR人工智能主管Alan Whitaker从他们的回答中整理出的10个问题。
大多数人力资源专业人士最关心的10个关于AI的问题：
1. 人工智能如何帮助简化或自动化人力资源的各个方面？
人力资源技术一直在寻求简化或减轻负担，这就是我们所说的，我们的使命是让人们自由地完成更伟大的工作。整合人工智能的技术是这一目标的延续。
根据人力资源管理协会（SHRM）最近的一份报告，人工智能对人力资源业务支持排名靠前的领域是：招聘（64%）、学习和发展（43%）以及绩效管理（25%）。
但就人工智能如何让你的生活变得更轻松而言，将人工智能的类别概念化为交通工具是有帮助的：自行车、汽车或飞机。我们最近分享了一篇一页纸的文章，其中包含了更多的细节，但我将给出一个快速概述：
自行车：通用人工智能软件ChatGPT、Midjourney或Office Copilots。
汽车：专用的人工智能软件，用于不同软件供应商的各种角色，如人力资源、销售或支持。
飞机：内部定制的人工智能解决方案。
GoHRO观点：虽然作者在此用了日常交通工具作为类比，值得商榷。在目前AI在人力资源的应用场景中所作出的贡献，并没有如自行车、汽车和飞机的差距那么大，需要AI科技行业的进一步贡献和发展。
在此需要注意：“副驾驶（copilots），不是自动驾驶（autopilots）。”你要进入一种心态，将人工智能作为你的副驾驶或思想伙伴来工作——你不只是交出控制权，然后去兜风。你可以用它来进行头脑风暴、研究，并在创作内容时提高工作效率。
飞机燃料很贵，而且你需要有飞行员执照，虽然第三类方式将是大多数人力资源团队最少见的选择，但人力资源团队的每个人都应该有驾照。你应该对人工智能有足够的了解，这样你就可以与合作伙伴一起选择正确的技术，以高效和相关的方式使用人工智能。
自行车更实惠，更平易近人。可以说，每个人都可以骑现成的自行车。同样，每个人都可以开始尝试人工智能，做一些真正有针对性的事情，比如生成面试问题或职位描述。大部分开源通用AI软件都可以免费使用。
记住！！：“副驾驶，而不是自动驾驶。”你想要进入一种心态，将人工智能作为你的副驾驶或思想伙伴来工作——你不只是交出控制权，然后去兜风。你用它来集思广益，研究，并在你创建内容时提高你的工作效率。
这些都是一般的人工智能工具可以帮助你做的事情，这对小团队来说尤其有用。人力资源团队如果没有大型组织那样的资源，可能需要高昂的成本来购买或构建专门的人工智能解决方案。
2. 人际沟通与协调会是至关重要的人力资源职能。考虑到人类互动的复杂性，人工智能真的会让人力资源职位过时吗？
在这个对话的背景下，我想说的是：人工智能是一个非常多面的领域，已经出现了几十年。像ChatGPT和midjourney一样，生成式人工智能是主要飞跃式的应用程序，大多数人都有过亲身体验，但这只是一个方面。我们可以通过多种方式使用人工智能，当你谈到人际沟通和协调时，这就变得有趣了。
人工智能可以用来建立一个对话界面，但我们还没有达到像一个高情商的个人，可以理解上下文的细微差别，对所有的事情都用人类的思维方式理解。
“大语言模型（LLM）很强大，但他们不能做所有的评估，正如他们做不了真正的情感评估。”
生成式AI（Gen AI）和大语言模型（LLM）实际上只是训练将单词串在一起，并且它们能够创建令人惊讶的有用组合。他们很强大，但他们不能做所有的评估——他们不能做任何真正的情感评估。
事实上，早在2024年3月，欧洲议会就通过了一项人工智能法案，禁止雇主使用人工智能来解读人们的情绪。更具体地说，该法案禁止“工作场所和学校的情感识别”和“操纵人类行为或利用人类弱点的人工智能”。
这将是一个有趣的观点并值得持续讨论，因为虽然我可以理解这些类型的法规试图阻止人性的黑暗面，我可以看到它是如何感觉像老大哥，监视你并测量你的情绪，我也想知道人工智能是否可以作为一种辅助技术帮助神经分化，当涉及到感知情绪时，识别一个人何时可能感到不安，等等。
关键是你如何运用它，这使得这个问题成为人力资源专业人士领导的完美场所。
即使你使用的是人工智能工具，它可以进行一些对话，并在人际调解方面获取一些信息，人力资源部门也总是有机会参与战略决策——通过对实际情况的正确评估，再制定合理的进一步规划。
以员工反馈为例，员工可能会表达他们喜欢或不喜欢的东西，这可能具有情感品质，但如果我们使用人工智能来围绕这些喜欢和不喜欢的东西合成反馈主题，这是否违反了欧洲法律？
我不这么认为，因为这不是明确的情感分析。员工向公司提供反馈，使用人工智能进行分类，我们不是在偷偷摸摸，也不是试图解读员工的情绪状态。
同样，我们有充分的理由对关于围绕人工智能的采购工具和员工决策之间的度量作出明确的规定。如果一项技术可以过滤掉对某个受保护阶层有害的结果，那就太糟糕了。因此，人类的监督仍然是必要和不可替代的。
“人工智能时代，人类的监督仍然是必不可少和不可替代的！”
3. 人工智能全自动流程工具令人力资源从业人员感到担忧，我们能否阻止人工智能将来完全取代人类从事人力资源工作？
“如果你可以很好的驾驭人工智能工具，它一定无法取代你的工作。”
人工智能不会取代你的工作，如果你能够很好的驾驭它。这里面有一些健康的焦虑。是的，一些事情会被改变，但唯一的目标是帮助企业和个人作出更好的人力资源智能定位和优化流程。
那些能够熟练地应用人工智能的人将会拔尖，反之则可能落后。这只是公司和员工提高生产力和创造一些竞争力的又一种方式。
同样，我一直认为最好的结果来自于人与技术的合作，看到人力资源在今天与人工智能的合作中发挥出乐观的作用，这是令人鼓舞的。例如，在人力资源管理协会（SHRM）的报告中，四分之一的人力资源代表担心人工智能会导致他们组织的工作岗位被取代，但在实践中，正在使用人工智能的公司人力资源专业人士表示，人工智能正在改变现有的工作岗位，而这些岗位被完全取代的可能性则要小16倍。
4. 为什么我需要人工智能？它能提供什么我不能提供的？如果它能提供我所提供的东西，我为什么还要用它呢？这样只会把我的工作搞砸，不是吗？
像所有的工具和技术一样，人工智能改变了工作方式的可能性。在最好的情况下，技术的进步使我们更容易用同样或更少劳动去完成更多的事情。就像——叉车之于搬运工人。
因此，更加理想的情况是，利用技术来帮助我们处理一些更繁琐的工作任务，而使我们能够去做更有意义的事情。
技术的目标是通过适当的自动化，让我们达到更高的工作效率和更优的工作成果。再说一遍，我们需要的是副驾驶，而不是自动驾驶。人与机器的结合会使机器变得强大，反之亦然，两者缺一不可。两者都有不同的优点和缺点，但结合起来，这些缺点可以在放大优点的同时得到弥补。对我来说，这也意味着人力资源部门的工作会变得越来越重要。
5. 人工智能合乎道德吗？
这有点像在问，“网络道德吗？”这取决于如何使用它。人工智能有很好的使用方式，也有很多不道德的使用方式。我们可以问自己，“这个特定的模型受过道德训练吗？”它是否以一种公平的方式获取信息，并给予作者奖励？”这些都是法律体系目前正在努力解决的问题。
所以这是训练它的道德规范，然后它有可能反映源资料带来的偏见。完全依赖人工智能的输出而脱离人类评估和规范才是不道德的。你可能会因为不道德地使用它而陷入麻烦，但AI本身并不存在道德问题。我们可以一分为二地看待这个问题。
6. 当涉及到人工智能时，你如何处理员工隐私和数据安全？
对于这个问题，我们可以谈谈如何确保你不使用你的数据来训练模型。而对于一些供应商来说，这是默认选项。有些时候，您可能需要明确地选择退出，并说：“嘿，不要将我的数据用于培训。”意识到这一点是信息隐私和安全的重要组成部分。
另一件需要考虑的事情是，你是否信任那些同意不使用你数据的组织？例如，如果有人能够证明私人数据已经泄露到OpenAI，那对他们来说可能是一件灾难性的事情。
正在建立大语言模型的公司应该非常小心，并适应这些需求，但每个组织都必须决定他们信任谁。
你可以与这些类型的模型供应商签订数据保护协议和其他东西，以合法地保证隐私，但你信任供应商吗？他们的声誉如何？数据通路是否安全？这都需要在采购前作出正确的评估。
这些问题与现有的关于人力资源数据和人力资源信息的隐私和安全问题并没有什么不同（指HRIS，人力资源系统）。您不希望在一个不可靠的地方存储敏感的HR数据，当您将数据传递给这些模型时也是如此。它安全吗？你可以根据人工智能供应商的具体情况来解决这个问题。
我很喜欢Jay Alammar在企业级人工智能平台coherence说的一句话。他说：“不要把这些大型语言模型看作是独立的思想。把它们想象成智能系统的一个组成部分。”是的，人工智能只是一个组成部分，你需要在所有这些地方流动数据以传递价值。我们需要确保我们的数据保护到位，就像我们对待云计算或任何外包数据库服务一样。
7. 人工智能是如何“学习”的？它能自我核查吗？我们应该在多大程度上相信人工智能的产出？
人工智能和大型语言模型，它们通过从广泛可靠的，受道德约束的来源或公共资源中获取资源来学习或训练。就像过去常用的互联网副本——快照。从这一点出发LLM通过数学训练来预测序列中的下一个单词。
然后我们可以进入更传统的机器学习，在那里在人类的监督下进行细化训练。人工智能的无监督学习是关于发现潜在模式并暴露它们，但有监督学习情况下，你有一堆数据，每一行都是一个例子。您有不同的字段和属性，以及您指定为真值集的分类或结果。你提供具有特定属性和相应分类的示例，然后根据这些示例进行训练。
人工智能能自我核查事实吗？是也不是。新一代人工智能和大语言模型并不是默认事实基础。
它们游走在不同的词汇之间，通过把这些词串在一起的方式往往会汇聚成一个正确或好的答案。新一代人工智能没有传统的推理或固有的准确性，但是，如果它只是智能系统的一个组成部分，你可以让这个系统的另一部分做一些事实核查工作。
举个例子，事实核查部分可以是人类对输出的评级——赞，表示答案有帮助或正确，或者大拇指朝下，表示答案没有帮助，人类输入就是权威。可能会有自动的度量标准来标记事物以供人工审查。
我们想让人类参与其中。再说一次，这是人和机器的合作。对我们来说，评估产品的质量和真实性很重要。这又回到了“副驾驶，而不是自动驾驶”的想法。
8. 小型人力资源团队使用人工智能的最有影响力的方式是什么？
我之前提到的内容仍然是回答这个问题的一个很好的开始，但我也想指出人力资源在保护员工和公司免受人工智能欺诈方面可以发挥的领导作用。
今年早些时候，香港的一名财务人员被诱骗通过Zoom参加了AI虚拟其同事和高管的视频会议，被骗走了2亿港元（合2560万美元）。这是一种高级的犯罪，当然也是一个极端的利息。你不能像过去那样对新事物只流于表面，人工智能知识正变得越来越重要。
通过接受人工智能和需要注意的事项方面的培训，并与公司的安全部门合作，人力资源部门可以利用他们的人际关系专业知识和内部通信流程，确保公司的每个人都是安全的和受保护的。
我们正处于信息零信任的时期。特别是在这个生成空间中，我们需要习惯性地问自己，“这些信息、图像或视频从哪里来？”证书是什么？过程是怎样的？”对于人力资源来说，这将是一件能够产生巨大影响的事情。
9. 人工智能最适合哪些任务？又有哪些任务不适合使用人工智能？
对人工智能来说，做出单方面的雇佣决定显然是一个糟糕的用例。在副驾驶的意义上，你可能会从人工智能中得到一些贡献，但你要小心，不要在没有人类监督的情况下过度依赖它。这不仅仅是因为人工智能会让你误入歧途，还需要考虑法律和合规问题。
以纽约市的招聘法为例，该法律要求企业评估他们使用的任何人工智能技术，以确保它不会对受保护阶层不利。在人力资源环境中做出了许多非常有影响力的决定，人力资源部门需要评估和证明人工智能输入所做出的任何决定。
在最近的一次人力资源管理协会会议上，人力资源管理协会首席执行官约翰尼·泰勒（Johnny C. Taylor,Jr.）谈到：“是的，人工智能可能存在偏见，但人类也存在偏见。也许我们可以一起弥补彼此的不足。”
例如，通过“藏头简历”，我们可以避免自己固有的偏见，同时帮助人工智能做到同样的事情。我们不应该毫无疑问地相信人工智能，但也不要盲目地相信自己。相互制衡才是最适用的。
10. 人力资源专业人士今天可以做些什么来影响人工智能在这一领域的发展方向？
人力资源在帮助组织和个人驾驭这种新技术方面处于独特的地位。但要做到这一点，他们今天可以做的一件事就是学习它，并单独进行实验。然后，与他们的组织进行对话，找出如何为人们创造安全的学习和实验环境。以决定哪些地方可以应用或测试这些环境，哪些地方则不应该使用。
这可能看起来像一个“黑客马拉松式”的活动，或者某种学习活动，人们解决一个问题，然后去实验和使用这些工具。这是刺激学习和实验成果的一种方式。
人力资源参与的另一部分将是制定和管理人工智能政策。人力资源部门可以在很多方面发挥主导作用。
写在最后
关于新兴技术的一些想法
新技术一波接一波地出现，公众的反应总是五花八门——兴奋、担忧、愤怒。
19世纪初，提花织机问世时，人们非常反对。它夺走了纺织业的工作，但它也使人们更容易获得更实惠的面料，随着这种激增，最终创造了更多的就业机会，尽管这些工作看起来与新技术出现之前不同。
当然，还有计算机革命，它也有趣地与提花织机的发明联系在一起。你有互联网和云计算。（当然，互联网的一部分进化成果也包括大型语言模型。）
但我觉得人工智能比我经历过的任何其他浪潮都要大。也许只是因为我正处于其中，但我最近参加了人力资源管理协会的人工智能+人力资源项目会议，其中一位演讲者的分享引起了我的共鸣。
Cassie Kozyrkov， Data Scientific的首席执行官，前谷歌的首席决策科学家，谈到了我们是如何习惯了无法自动化的东西，但很多东西现在都摆在桌面上。
这就是这里正在发生的革命。所有这些以前软件无法自动化的事情——其中许多现在可以通过使用生成式人工智能的系统来访问和运行。
我们不能总是预测新技术的连锁反应。
以美国在线即时通讯（AOL Instant Messenger）为例，它为之后所有社交媒体和通讯应用的直接通讯功能设定了模板。而最初这只是一个不起眼的项目，开发人员几乎要被解雇。
新事物总是会遇到阻力，因为很难预测其影响，因为很容易做最坏的打算。但是，让我们的生活更美好的伟大技术有一种坚持下去的方式。我鼓励你继续教育自己和你的团队关于人工智能的知识，并在这场最新的技术革命继续成形的时候尽可能地接近前沿。
关于作者：Alan Whitaker
BambooHR 人工智能主管
在2020年加入BambooHR担任人工智能主管之前，Alan创立了几家专注于人工智能、行为科学、数据可视化和数字营销的初创公司。他还曾担任500强公司Affiliated Computer Services的首席技术官，拥有杨百翰大学计算机科学学士学位。Alan致力于创造有灵魂的技术，这与BambooHR提供用心的人力资源软件的雄心壮志非常一致。
关于BambooHR
BambooHR®使人力资源专业人员能够通过易于使用的人力资源工具在其组织中产生改变游戏规则的影响，这些工具都可以在一个屡获殊荣的平台中协同工作。
来源：BambooHR