AI轉型如何與人資相輔相成

人

2024年4月30日下午 1:53

人資小百科

隨著企業對AI整合的推進，能完善運用AI的企業將獲得更大的競爭優勢。對於人資來說，若熟悉演算法的特性和應用方向，將為組織發展做出更多貢獻。以下將針對人資功能轉變、AI特性與潛在人資應用、未來挑戰與建議進行論述。

#人資功能演進 : 從專注當下到規劃長期策略

由於新科技應用已成為組織變革的重點組成，加上商用AI技術趨於成熟，若人資要從被動的人事行政轉變成企業發展的策略夥伴，熟稔AI運用和對「員工面向」的研究能力為其中關鍵。人資應思考如何收集適當的數據以供分析和預測，並優化現有的招募、訓練和留才方式，將AI與各個人資職能結合。因此，熟悉AI並反思當前人資角色能夠做出的改變成為當務之急。

#導入AI對人資影響

儘管AI技術對於一般工作者來說可能過於複雜，但可簡單理解成數據、演算法與模型三大項目，當收集到充足的訓練數據，就能讓演算法分析這些特定資料，經過反覆最佳化後求出該問題的解方模型。例如讓AI讀取獵頭偏好的履歷資訊，經由演算法分析後得出那些應徵者更適合該職位。AI技術的導入讓決策不再只能靠經驗和直覺，而是可根據數據分析、解決、和預測問題。

✔️ 業務自動化

AI能夠處理較低層級的重複性工作，從而提高業務效率。像是常見的員工問題可以交由語音AI回答，而當員工想要申請休假許可時，人資不需要親自查閱目前休假情況，而是交由AI先行判斷。研究也發現，採納AI工具的招募行政流程比一般招募效率高出19%（Harris Interactive & Eightfold.AI, 2018）。由於AI的工作分擔，使得人力資源部門能夠專注於面試規劃、候選人評估、文化適配度等高層次面向。

✔️ 整合跨平台資訊並分析

隨著人資功能豐富化，企業可能已建置招募、員工學習、績效等多個數位管理平台，然而若不同平台間沒有事先整合，或是想將人資數據與企業財務、產品業務等報表合併分析，相較單純仰賴人力整理資訊與解讀報表，AI能更有效率地得出資料洞見。

✔️ 預測問題並提供決策建議

一個完善的AI系統能夠隨時追蹤與分析人才資料庫，以瞭解組織目前的技能概況 ( skill landscape ) ，進而找到減緩組織敏捷與成長障礙的方法，並預測未來技能需求。這樣的系統能夠提供有資料依據的決策，協助進行策略性的勞動力規劃。

#人資領域的AI應用 : 讓招募、訓練與留才舉措更完善

當人資辨識並收集到關鍵資訊後，便可交由AI進行資料解讀。例如過去特定職位的技能條件須仰賴人力定期更新，如今可透過演算法分析工作角色( Job Role )、條件( Job Description )以及所需能力 (Job Ability )的未來走向，這讓人資更容易規劃清晰的招募與訓練發展方案。

📌 招募面

在招募過程中，無論是一開始的人選搜尋，還是後續的履歷篩選和面試舉辦，AI都能夠顯著加快流程效率。根據Harris Interactive的調查，採納AI後，應徵者篩選效率提高了13%。AI工具能夠從人才資料庫中進行人選技能程度評分，從而找到合適的人選，面試遴選採用AI也有機會降低人為偏見。

📌 訓練面

相較過去的統一課程編排，AI能根據績效和技能數據輕鬆找到員工缺少的重要技能，並根據個人化需求制定課程。在面臨快速變化的產業環境下，AI的協助能夠降低員工的學習成本，進而對建立持續學習和適應力的企業文化起到推動作用。

📌 留才面

大部分人資工作者可能都想像AI是冷酷無情的，但實際上它有機會強化人際關係，如即時回應員工的心理需求，提供更加個人化的支持和關懷。AI助理可快速回答職場新進者的問題，如主要聯絡人、學習建議、公司福利資訊，幫助員工快速適應新工作環境，進而改善入職感受。當AI從數據中發現某些員工的生產力下降、感到疲倦，或是缺乏歸屬感時，便能通知人資部門，以利制定相應的員工參與度和獎勵政策。

📌 決策面

如前所述，AI擅長整合大量資訊並找出解決問題的方法。當人資長和高階人資主管需要應對不同的組織挑戰，如長期人力資本規劃、升遷制度變革時，AI能夠有效解讀大量資訊，從而提高決策完善度。

#AI應用的潛在挑戰

✒️ 決策資料完整性＆演算法偏頗

有效的AI決策需要充分的資料支持，導致企業的數位化程度對於資料收集的難易程度有著重要的影響。資料的正確性也會影響演算法的結果，舉例來說，若想分析過去十年技能需求的變化，但只有近五年的歷史資料，可能會導致分析的不完整性。

理想上演算法的運作不應該受到人為偏見的影響，但如果演算法的基準本身帶有隱性偏見，或者在分析過程中將某些正面特質歸因於無實際因果關係的因素，那麼偏見結果仍然可能會產生。例如，亞馬遜在2018年的AI招聘系統就因為過去獲聘者多半是男性，導致將女性認定為負面因素，進而產生了性別歧視的問題。

⚙️ 可能解方 : 針對資料和AI的解讀能力

人資在應用AI進行招聘等事務時，應特別注意資料正確性和演算法稽核，以避免產生錯誤的結論和隱性偏見。舉例來說，人資應確保訓練資料具有多樣和代表性，並且排除演算法設計中可能存在的偏見因素。由此可知，對資料和AI的解讀能力已經成為未來人資領域的必要條件之一。

✒️ 隱私與法規監管

由於AI訓練資料涉及企業與員工的眾多敏感資訊，若企業無法保障資料安全性，不但減損員工權益，也可能會有法律訴訟問題。另外為了維護工作者權益，2021年紐約市通過144號地方法，要求使用AI技術的招聘須定期進行演算法稽查，確保企業使用的演算法不含種族與性別偏見等。若企業在使用AI時無法滿足資料治理和法規要求，除了會遭受罰鍰，也可能提高經營成本而損及競爭力。

🔈台灣法規現況 : AI仍處於初期推動階段

根據行政院的〈臺灣AI行動計畫 2.0〉，目前政府部會主要將建立AI發展資源視為優先要務，其中包括人才培訓、AI軟硬體產業、資料治理與法制、運算資源確保等方面。然而，與人資最關聯的勞動部僅列有「研析AI對社會衝擊及因應準備」的廣泛目標，尚未頒布演算法稽核相關的監管法令。然而隨著未來AI應用的成熟，可預期相關的勞動監管法將會出現，因此人資也應關注法規發展的動向。

✒️ 能投入資源有限，如何將錢花在刀口上?

人資在進行AI轉型時可能因為市面上五花八門的AI工具感到目不暇給，或是對於自行研發和委外的選擇猶豫不決。由於每家企業的特性和資源分配不同，因此盲目跟著「浪潮」走的結果或許不如預期。

⚙️ 可能解方 : 熟悉部門業務組成和特性

AI轉型並不意味著將所有工作都交由演算法處理，而是在根據優先順序排序和篩選業務特質後，將目前資源挹注到該功能區塊。例如，在招募時的履歷篩選需要處理大量資料且具有高度重複性，採用AI輔助的性價比就非常高。若要達成上述目標，人資部門需要熟悉各種職能特性，才能讓AI轉型針對問題的根本性加以解決。

📍小結 : 擁抱AI是維持企業競爭力的必要手段

大部分企業都認同AI轉型是不可避免的趨勢，然而對AI特性的熟悉程度、數位化現況、職能架構分析和預算額度都會影響人資部門的轉型效益。除了雇用KPMG等轉型顧問的方式，訓練員工的人機協作能力同樣重要。當員工了解到AI的使用益處，以及直接面對AI和日常業務結合可能遇到的挑戰，才能對AI轉型提出第一手的建議。

人資可以透過教育訓練培養人才的AI運用能力，包括線上課程、實作工作坊以及AI專案實作。同時，建立相應的激勵制度也很重要，例如設立AI實用化的KPI目標。當員工在時限內完成一定比例的工作業務AI化，即可獲得表揚，進而提升員工對AI工具的接受度。

儘管AI應用會取代許多人資既有的業務，但是涉及高度人際互動、策略發想與制定等方面仍然需要人資負責，因為即便AI是解決問題的高材生，在情感判定、創造力等領域還是遠不足人類本身。在這波轉型浪潮中，人資工作者不需要擔心被AI取代，而是應該思考如何善用該新興技術來提升職能成效，讓企業取得更好的競爭立足點。

撰寫者 : 陳侑均

參考文章 :

圖源 : freepik

文章標籤

# AI # 競爭力