當(dāng)然，這是一項(xiàng)高風(fēng)險(xiǎn)，高回報(bào)的工作。
從本質(zhì)上講，人工智能和機(jī)器學(xué)習(xí)只不過(guò)是工具罷了。它們就像其他的任何工具一樣，有利有弊。如果使用者不能夠明智地使用或配置，它們甚至可能會(huì)破壞你的工作流程或企業(yè)文化。尤其對(duì)于人力資源從業(yè)人員來(lái)講，這是一個(gè)巨大的風(fēng)險(xiǎn)，因?yàn)橄啾扔诩夹g(shù)專業(yè)人士而言，他們往往對(duì)這些工具的深層機(jī)制不太熟悉。
那么，作為一名想要把工作干好的人力資源專家，應(yīng)該怎樣做呢？
首先，明確你正在解決的問(wèn)題。也就是說(shuō)，真正理解所要解決的問(wèn)題。在發(fā)現(xiàn)問(wèn)題并對(duì)問(wèn)題進(jìn)行正確評(píng)估之后，問(wèn)問(wèn)自己是否真的需要使用此項(xiàng)技術(shù)。如果不使用此項(xiàng)技術(shù)，工作進(jìn)程是否會(huì)因此而拖后腿？應(yīng)用此技術(shù)是否會(huì)使問(wèn)題變得更簡(jiǎn)單，從而使你有時(shí)間解決其他問(wèn)題呢？或者你是否可以利用現(xiàn)有技術(shù)或不同的方法從事你所做的工作？
如果判定確實(shí)需要使用這種新穎的人工智能技術(shù)，那么你就必須了解人工智能的優(yōu)勢(shì)和劣勢(shì)。除了可以在谷歌上快速搜索瀏覽相關(guān)信息之外，還是有必要進(jìn)行更加深入的了解。深入挖掘你所在專業(yè)的人脈并且充分利用公司里其他人的專業(yè)知識(shí)，并邀請(qǐng)他們參與評(píng)審你正在考慮使用的工具。
在正確利用的情況下，人工智能可以節(jié)省你大量的時(shí)間和精力，從而將人力資源工作從運(yùn)營(yíng)職能轉(zhuǎn)變?yōu)閼?zhàn)略職能。
選擇合適的工具以解決相應(yīng)的問(wèn)題。
并不能將所有的問(wèn)題一刀切。而且算法也不一定適用于所有問(wèn)題，所以必須確保人工智能適于解決你所遇到的問(wèn)題。
算法不太適用于以下情況如下：
生成少量數(shù)據(jù)的問(wèn)題，或者數(shù)據(jù)無(wú)法反映真實(shí)世界的結(jié)果或行為。
處于極端邊緣情況的問(wèn)題，或者底層數(shù)據(jù)集存在嚴(yán)重偏差（但接下來(lái)有方法可以解決這一問(wèn)題）。
需要價(jià)值判斷的問(wèn)題（在這個(gè)例子中，既考慮人性化且包含算法，則可以產(chǎn)生最優(yōu)解決方案）。
從積極方面來(lái)說(shuō)，算法可以很好地解決這樣的問(wèn)題：
問(wèn)題中有重要數(shù)據(jù)，且數(shù)據(jù)與你所感興趣的行為和結(jié)果直接相關(guān)。
涉及你所搜索模式的這些問(wèn)題是可以預(yù)測(cè)的（或至少長(zhǎng)期來(lái)看是一致的）。
請(qǐng)記住，人工智能并不總是夠能提升你的工作能力，所以僅僅使用自動(dòng)化流程工具可能無(wú)法得到理想的結(jié)果。如果你正試圖改變員工行為，那就使用一些能夠幫助員工學(xué)習(xí)的工具。研究表明，在解決基于行為的問(wèn)題時(shí)，及時(shí)、具體、可執(zhí)行且基于工具的反饋是非常有效的。
例如，Texito平臺(tái)會(huì)在你寫招聘信息的時(shí)候提供反饋，提出美化內(nèi)容的方法，從而使招聘信息更加吸引求職者。Joonko分析工作場(chǎng)所生產(chǎn)力的活躍度以及協(xié)作工具，尋找無(wú)意識(shí)偏見的證據(jù)，然后向員工建議糾正措施。
算法也是人的智力成果。
人工智能的設(shè)計(jì)與其說(shuō)是一門科學(xué)，不如說(shuō)是一門藝術(shù)。發(fā)明者可能會(huì)在不經(jīng)意間將自己的偏見融入到技術(shù)中，正如谷歌所熟知的那樣，在一項(xiàng)新興的面部識(shí)別技術(shù)中，深色皮膚的人被識(shí)別為大猩猩。
在做功課時(shí)，同時(shí)利用人工智能工具進(jìn)行購(gòu)物。弄明白這些模型是如何開發(fā)出來(lái)的，以及這些開發(fā)選項(xiàng)的意義所在。思考這樣的問(wèn)題：
采取了何種數(shù)據(jù)集以訓(xùn)練算法？此種數(shù)據(jù)中可能存在哪些偏差？模型是如何對(duì)此修正的？
舉例來(lái)說(shuō)，就如Joonko所指出的那樣，如果某種算法讀取數(shù)據(jù)，數(shù)據(jù)顯示女性更有可能被分配到低優(yōu)先級(jí)的任務(wù)中，那么它可能會(huì)“理解”，女性并不勝任更高優(yōu)先級(jí)的工作。
隨著時(shí)間的推移，模型是如何演變的？偏差問(wèn)題又是如何解決的呢？底線是什么？
人工智能和機(jī)器學(xué)習(xí)有可能從根本上改變?nèi)肆Y源職能，并且提升對(duì)人資專員所帶來(lái)的積極影響。但應(yīng)用人工智能或機(jī)器學(xué)習(xí)并不會(huì)使得組織自身進(jìn)行持續(xù)改變。如果你使用人工智能以加速正在發(fā)生的積極變化，那么你可以通過(guò)正在運(yùn)行的其他戰(zhàn)略項(xiàng)目來(lái)強(qiáng)化基于技術(shù)的改變。
機(jī)器人不會(huì)取代我們，它們只會(huì)讓我們變好。
