01
“AI算法裁员”屡出奇招
是降本增效还是暴力应用？
虽然对于使用AI算法裁员一事，谷歌立刻做出了否认，但在AI工具被广泛应用于企业管理的今天，对谷歌裁员方式提出质疑也无可厚非。有人力分析师和劳动力专家称，随着硅谷的命运发生转变，AI工具可能会被用来处理一些艰巨的任务。今年1月份，有一项针对300名美国公司人力资源主管的调查显示，98%认为软件和算法将帮助他们在今年做出裁员决定。
“AI算法裁员”？依据为何？
其实近几年，用AI算法裁员的案例一直存在，先是有俄罗斯在线支付服务公司Xsolla使用算法裁掉了150名员工，裁员理由是AI判断他们不敬业、效率低下，主要依据员工的“数字足迹”，也就是通过大数据分析出被裁员工存在不敬业或效率低下行为，确定了裁员名单。无独有偶，美国电商霸主亚马逊也曾被报道搭建了一套内部AI系统，追踪员工的工作效率，统计员工的“摸鱼时间”。若在通过算法认为“摸鱼”过长，则会生产解雇指令，直接开除。去年，meta的算法裁员也引起来诸多争议，据爆料，如果员工的电脑有超过8分钟的不活跃时间就将被自动判定为在“休息”，进而被计入到每天规定的休息时间之内，如果休息时间超额，就会被系统自动警告并列入绩效改进计划，而此种激进的做法也成了裁员的依据。
以算法衡量员工是否敬业，合不合理？
作为人类历史上的第三次革命，人工智能在今天被广泛运用于各领域，对企业来说，通过人工智能算法将日常管理、监督、考核等流程固化，主要目的还是降本增效。算法裁员也是这种不断“智能化升级”管理手段下衍生的产物，但仔细想来，这一手段背后隐藏着许多实际“偏差”：
首先，算法的“绝对性”让人无法信服。人工智能长期来一直面临AI模型的透明度和可解释性质疑，算法判定裁员的标准到底是如何运作的、可能连开发人员也不能很好地理解其具体细节，算法运行是对指令的绝对执行，抓取的数据是否存在误差，是否过于绝对，不解决这一系列问题，管理中就无法让人信服，进而可能带来算法歧视、算法安全等方面的质疑。
其次，算法裁员的“合法性”让人存疑。以算法决定裁员是否符合劳动保护条例？企业在实际运作中只是将算法作为裁员的参考，还是将裁员结果完全交由算法决定，两者存在明显区别。如果只是试图让算法“背锅”，拒绝人性化沟通，必然引起员工企业价值观和文化氛围的扭曲，如何维系企业良好运转本该具有的员工凝聚力、责任感、归属感，这不得不打上一个问号。
最后，算法裁员会模糊边界、抹杀个性。前面提到的Xsolla公司通过跟踪分析员工“数字足迹”来确定裁员，模糊了生活与工作的隐私边界。倘若员工知道自己在公司的任何内容都被追踪甚至作为裁员标准，他们的工作过程、工作内容被系统量化，而与目标导向、成果导向背道而驰，会变得更注重过程中的算法标准，而在实际工作中变得畏首畏尾、缺乏个性与创新。
算法作为现实场景的简化模型，在应用到具体的工作环境中时难免出现“不适配”的问题，但如果在实际应用中，将算法工具作为参考，帮助HR做出更科学的决策，这样即便将AI算法应用于裁员，也能更好地在技术应用与人性关怀中取得共存。
02
“算法HR”崛起
人力资源全面进入智能决策时代
对科技类公司裁员是否强行运用AI算法这一问题，业界存在着诸多的争论，但是不可否认的是AI算法已经在人力资源领域成为了重要的支撑。谷歌在早些年就已经充分意识到人力资源数据的重要性，所以加大技术投入，通过强大的“人事分析团队”来引导人力资源运营。对于HR，谷歌并未采用主观决策的方式，而是基于数据、事实和证据的决策。
进入2023年，随着ChatGPT的持续火爆，AI被重新推上了话题之巅，“算法HR”也被认为是未来AI在人力资源领域的现象级应用。
何为“算法HR”？
算法HR，是人工智能 (AI) 和机器学习 (ML) 算法在人力资源 (HR) 流程和功能中的应用。它涉及使用算法来自动化和优化人力资源管理的各个方面，包括人才招聘、员工敬业度、绩效管理和继任计划等，用大量的数据加上标准的AI逻辑应用，探究和预测人力管理中的问题，能够使管理者集中精力有效的把组织向前推进，而不是在无限重复中盲目决策。
借助算法HR，组织可以分析大量数据以深入了解其员工队伍并做出数据驱动的决策，从而提高生产力、减少员工流动率并提高整体组织绩效。通过使用算法来识别员工行为、绩效和满意度的模式和趋势，人力资源专业人员可以制定更有效的人力资源战略和干预措施。
“算法HR”分几个阶段？
现阶段，很多企业已经开始了算法HR的应用，但大部分还是在客观性数据的事实描述上，比如很多企业搭建的“人力分析仪表盘”或“管理驾驶舱”，都是对组织现状的总结呈现，而预测性分析、处方（决策）性分析才是算法HR分析价值的深层次体现，所以从价值体现上，算法HR可以被分为三个阶段（见下图）：
如上图所示，描述性分析描述了不同因素之间的关系和历史数据所包含的模式，是一切分析的基础，大部分企业目前都停留在这一层应用；预测性分析运用统计、建模和数据挖掘等技巧，根据现有数据和历史数据对未来进行预测，通过概率的影响，提高雇佣、培训和选拔正确员工的概率；处方性分析则通过分析复杂的数据来预测结果，提供决策选项并展示商业影响。
03
用友BIP的“算法HR”，多点开花
智能人才发现
智能人才发现是指使用机器学习、自然语言处理和数据分析等先进技术，为特定工作或任务识别和选择最有前途和最合适的候选人的过程。这种方法使用各种数据源，包括简历、职位描述、绩效贡献、任职信息、能力特征和在线评估等，来评估特定岗位最佳人选。
用友BIP人力云人才发现，内置NLP技术，基于人才标签、员工信息、模糊性搜索以及智能联想等方式，逐步训练、学习和形成企业自身的大语言模型，通过搜索结果可以进行二次筛选，人才全景画像展示、关键特征标签展示、人才横向对比分析等清晰展现，精准定位企业内部人才。不过，用友BIP人才发现的目标不止于此，随着未来技术不断创新，也许会成长为“Talent GPT”，作为未来企业管理者和人才管理部门的入口，连接企业数智化平台，探寻每一位数字员工。
组织网络分析（ONA）
企业组织宛如一个庞大的机器在运转，如果出了问题，企业管理人员往往很难在短时间内察觉，这些问题隐藏在组织的方方面面，相互独立发生，却彼此影响，“千里之提，溃于蚁穴”，如果不能及时发现，会对企业发展造成严重的后果。AI应用之下，由智能算法赋能的数字化系统构成了整个组织的神经网络，所有的组织成员作为网络下的一个节点，每一个节点时时刻刻都在发生着活动，而这些活动所产生的动态数据都会及时的传入到“AI大脑”，通过ONA就能迅速理清组织活动间的联系，分析出潜在问题，从而给出决策建议。
以用友BIP人力云组织网络分析（ONA）为例，打破传统物理上的组织概念，通过团队间协作紧密度分析找到团队间真实的协作关系，为打造高效扁平化团队做数据支撑，指导组织高效调整，实现组织效率最大化。通过分析员工影响力大小，找到组织中隐藏的“影响者”，在团队效率最大化的同时，他们还能突破部门的限制将不同员工聚集到一起，从而提高团队的后备力量储备。
员工离职预测
科学的离职预测可以改变以往决策的模糊性，从定性或主观分析进阶为量化、客观的分析，让决策者清晰看到员工的离职风险、流失成本，促使管理者采取合理措施针对性解决问题。通过离职预测分析，企业能够提前准确识别高离职风险员工，支持HR与管理者在员工绩效管理、人才培养、梯队建设、选拔调配、组织氛围、关键人才留用中以更有效的时机、更妥善的策略来开展工作。
用友BIP人力云离职预测是既可以支持对在职员工进行离职风险概率预测，又能对员工进行属性值调整从而探索该员工留用的最佳方案；结合九宫格分析，协助业务对核心员工进行必要的留用，从而降低核心员工流失给组织带来的损失；也可以满足企业在招聘一个岗位员工时，通过对该员工进行虚拟画像，探索出一个适合该岗位的招聘方案，从而降低企业新员工流失率。
“流程挖掘+RPA”的智能应用
流程挖掘融合了数据挖掘、机器学习、过程建模与分析等大数据算法，通过对全量业务数据的可视化，实现流程自动多维度分析、支持流程持续改善。随着数字化转型的加快和AI、云计算等技术的成熟，由各类新兴技术集成的超级自动化平台将成企业数字化转型的主流方案，而“RPA+流程挖掘”的结合是最明显的趋势之一。
用友作为全球领先的企业云服务与软件提供商，一直在探索使用机器人流程自动化 (RPA) 来帮助客户自动化处理日常和重复性任务，并提高效率和生产力。目前在招聘、录用、共享等场景中均有了较好的应用，比如在员工入职场景中，嵌入RPA智能应用，打通从录用通知、信息采集、信息验证、问题答疑、入职办理、电子签约等全流程，实现招聘录用全自动。用友也将持续探索“流程挖掘+RPA”技术在行业中的深化应用，更好的服务企业数智化转型。
04
“算法HR”全球领先应用
许多大型企业越来越注重使用算法HR来优化他们的人力资源流程和功能，谷歌、IBM、亚马逊、沃尔玛、万豪国际等企业纷纷在招聘、绩效管理、员工发展、员工保留等方面使用AI算法。
谷歌——实事求是，纠正自以为是的“大聪明”
以谷歌为例，在其人力资源部有一句名言：“谷歌的HR决策从来都不是来自哪个最佳实践，一定只会来自内部数据的分析”。作为算法HR的领航者，谷歌专门搭建了一直专业的“懂商业、有方法、会算法”的多背景复合团队，被称为“人力数据实验室”，该团队使用通过收集并分析有关员工行为、绩效和敬业度的广泛数据，以确定可用于改善员工体验的模式和见解。
为了实现数据驱动决策，谷歌专门开发了数据决策模型（Analytics Value Chain），包含以下六个步骤：
1、看法（Opinion）：明确定义需要解决的问题，也是需求的开端，涉及确定决策的目的和目标，并以可以用数据解决的方式来构建问题；
2、数据（Data）：定义问题后，下一步就是收集相关数据。这可能涉及从内部来源（例如数据库或分析工具）或外部来源（例如调查或市场研究）收集数据；
3、衡量（Metrics）：收集数据后，需要清理和转换数据、运行统计分析或使用机器学习算法来发现模式和见解，包含衡量具体的指标、比例等；
4、分析（Analysis）：处理完数据后，下一步就是分析数据并确定关键见解和趋势，涉及使用数据可视化工具来创建图表和图形，或使用统计方法来识别相关性和因果关系；
5、洞见（Insight）：根据分析过程中发现的见解和趋势，选择特定的行动方案、确定选项的优先级或选择要执行的策略；
6、行动（Action）：最后一步是实施决策并监控其影响，涉及制定行动计划、跟踪进度以及根据新数据或反馈根据需要进行调整。
基于数据决策模型，谷歌形成了具有独具特色的十大管理模式：氧气项目、HRM实验室、人才保留公式、人才预测模型、人才数据多样性管理、高效招聘公式、优秀人才绝对值、环境设计法、提升学习机制、用数据影响员工观念。
其中氧气项目目标是确定谷歌高效管理人员的关键特征，通过研究分析大量的内部数据，鉴别出卓越领导者的八大特性，员工们会每年两次地根据这八大特性，对其上司的表现进行评价，并利用这些信息改善公司内部的领导力发展和培训。
IBM——现代人才队伍的搭建离不开AI算法的助力
IBM 以在人力资源管理 (HRM) 中使用算法和数据分析而闻名。从IBM Watson Talent到IBM Garage，都是通过分析和AI的预测能力，来重新定义现代企业人力资源管理。以下是 IBM 如何人力资源中使用算法的几个示例：
招聘和选拔：IBM 使用算法来分析简历和工作申请，以确定给定角色的最佳候选人。这些算法可以根据特定关键词、资格和经验筛选简历，甚至可以预测候选人成功胜任该职位的可能性。
绩效管理：IBM 使用算法来监控员工绩效并确定需要改进的领域。这些算法可以分析绩效数据，例如销售指标或客户满意度得分，并提供对个人和团队绩效的洞察。
继任计划：IBM 使用算法来确定公司内关键角色的潜在继任者。这些算法可以分析员工数据，例如技能、经验和绩效，以确定可能准备好承担新角色和责任的个人。
预测分析：IBM 使用预测分析来识别有离开公司风险的员工。这些算法可以分析员工敬业度分数、绩效指标和其他因素等数据，以识别可能面临离职风险的员工，从而使管理人员能够采取积极措施来留住这些员工。
员工敬业度：IBM 使用算法来分析员工调查数据，以确定有助于员工敬业度的因素。这些算法可以识别数据中的趋势和模式，使管理人员能够采取行动来提高员工敬业度。
总体而言，IBM 使用算法和数据分析来改进HRM实践，帮助公司做出更明智的人力资源决策，通过使用算法分析为招聘、培训和职业发展实践等提供有价值的见解，最终帮助公司建立更有效和高效的人力资源流程。
05
“算法HR”：
释放无限潜能，也需要人性光环
随着越来越多的组织寻求在其人力资源流程中利用算法HR的优势，未来几年算法HR的发展趋势显露，且智能化场景应用会持续加深。除了在招聘、绩效管理、员工保留等场景中的描述性、预测性分析外，我们可以更多在处方性分析场景中不断探索，比如：
组织架构的智能化调整：当企业业务不断发生变化时，可以根据市场规模、业务难点、客户画像、战略目标、竞品参照、管理层级等各方因子，由算法自动给出新的组织架构调整建议；
劳动力智能规划：通过分析劳动力数据，用算法帮助组织预测未来的劳动力需求并制定计划以确保他们拥有合适的人才来满足；
识别技能差距：用算法抓取绩效、外部、签单等数据，帮助组织识别其劳动力中的技能差距，并制定培训和发展计划来弥补；
……
随着ChatGPT的横空出世，将生成式AI带向了前所未有的高度，如果将这种AI技术与人力资源场景相结合，我们有理由相信人力资源领域的智能化变革将会令人慨叹。随着技术的不断发展，对组织而言，在用新技术不断提升运营效率使其利益最大化的同时，也需要实时关注算法背后潜藏的风险，“唯算法论”可能会引发对公平性和员工体验的担忧，只有将技术应用和人性关怀相结合，才能真正享受“算法红利”。
