IBM Watson Talent
人力资源中的 AI 业务案例
关于入门的见解和提示
Nigel Guenole 博士和 Sheri Feinzig 博士
人力资源中的 AI 业务案例
2
前言
人力资源正处于大规模颠覆的边缘。无处不在的移动和社交技术以及个性化重新定义了员工体验的
门槛。随着所有行业商业模式的颠覆 ， 人才获取游戏发生了变化 ， 随着技术变革对工作的影响 ，
对持续学习文化的需求从未如此迫切。
CHRO 站在所有这些需求的交叉点 ， 通常预算下降和持续的运营分心。
正是在这个合适的时刻，人工智能和自动化正变得适合人力资源行业。根据我的经验，它使我们能
够解决普遍的人才问题，例如了解我们的技能，防止不必要的员工流失，对员工热点做出快速反应
，将员工和外部候选人与职业机会相匹配 ，为管理者提供更好的薪资投资指导，通过机器人流程自
动化消除福利管理和薪资中的手动任务，并为员工创建一个不可抗拒的学习平台。
有了一些提高技能、道德的操作指南和健康的技术好奇心 ， 人力资源职能现在定位于真正推动战
略优势 ， 同时更好地支持我们依赖的劳动力 ， 将战略付诸行动。
这份报告讲述了什么是可能的以及如何实现这一目标的故事 ， 具体的例子展示了我们在 IBM
所做的事情 ， 以及帮助其他人踏上人力资源人工智能之旅的实用技巧。而且 ， 当我亲眼目
睹这些好处时 ， 我对未来的可能性再乐观不过了。
Diane Gherson
IBM 首席人力资源官
XVCXvMrMnOoPpRtQsPqPmN7N8QbRtRmMmOrNlOqQoPjMrQqObRpPyQxNsPoPMYoOtO
人力资源中的 AI 业务案例
3
Introduction
人工智能与战略洞察力相结合创造了新的商业机会, 并正在改变人力资源对组织竞争优势的贡献方
式。
本报告概述了人工智能在当今人力资源中提供价值的具体例子。它描述了 IBM 内部人力资源团队的
开创性工作，他们与 IBM 的客户服务专家一起为人力资源开发了真正出色的 AI 解决方案。所描述
的许多示例最初是为 IBM 内部员工使用而开发的，它们提供了如此重要的价值，以至于现在可以在
商业上提供。其中包括 IBM Watso 候选人助理、 IBM Watso 招聘、 IBM Watso 职业教练和您的学
习。
在过去的十年中 ， IBM 一直为与世界各地的客户合作进行最重要的转型而感到自豪。我们帮助
CHRO 客户及其团队进行人力资源重塑 ， 构建投资业务案例 ， 确保有意义的业务和员工成果 ，
并提供有关如何管理由数字和 AI 重塑驱动的变革的独特见解。
作为一家以人才为中心、以人工智能为动力的领先组织 ， 我们很高兴能站在这一旅程的最前沿。
蒂娜 · 马龙 - 帕特里奇
全球商业服务管理合伙人、全球领导者、人才与参与。 IBM
人力资源中的 AI 业务案例
4
Contents
ExecutiveSummary ...................................................................................05
AI 标志着 HR 技术步骤变更.......................................................................06
为什么使用 AIHR.......................................................................................07
HR 的月亮shot '....................................................................................08
如何使用 AIHR ..........................................................................................10
吸引 ： 增强候选人经验............................................................................................................11
招聘 ： 高效和有效招聘............................................................................................................12
参与: 增强动机 ..........................................................................................................................13
保留 ： 更智能的补偿规划 ........................................................................................................14
开发 ： 个性化学习...........................................................................................................................15
成长 ： 职业发展.......................................................................................................................17
服务 ： 面向 24 / 7 员工的 AI相互作用 .....................................................................................18
AI 的好处HR.........................................................................................20
返回investment .........................................................................................................................20
收益和结果指标.........................................................................................................................22
Time to结果...............................................................................................................................23
获得的五个步骤开始 ............................................................................24
步骤 1 ： 从企业开始case ................................................................................................................25
步骤 2 ： 决定是否购买或build .................................................................................................25
步骤 3 ： 确定你拥有的技能和需要 ..........................................................................................26
步骤 4 ： 实施MVP...................................................................................................................26
步骤 5 ： 推出企业明智 ............................................................................................................27
成功采用 AI 的技巧HR .........................................................................28
AI 和更广泛的社会注意事项 .................................................................29
AI 对工作...................................................................................................................................29
聊天机器人正在采取工作? ........................................................................................................29
AI 创造更高的价值工作 .............................................................................................................29
AI 、多样性和偏置 ....................................................................................................................30
使用历史信息 ............................................................................................................................30
建立公平并确保透明度..............................................................................................................30
Acknowledgements ..............................................................................33
人力资源中的 AI 业务案例
5
执行摘要
IBM 的人力资源职能是最早采用人工智能 （ AI ） 技术的部门之一 ， 这意味着它拥有丰富的见解和经验可以分享 ， 以帮助其他人入门。在本报告中
， IBM Smarter Workforce Institute 总结了这些经验 ， 这些经验是通过采访负责将 AI 引入 IBM 人力资源职能的高级人力资源主管来收集的。
高管访谈显示 ， 人工智能在人力资源方面是有效的 ， 因为它有助于 ：
• 解决业务挑战
• 吸引和发展新技能
• 改善员工体验
• 提供分析决策支持
• 更有效地利用人力资源预算
IBM HR 的经验是，人工智能几乎可以应用于任何人力资源领域，包括候选人吸引、招聘、学习、薪酬、职业管理和人力资源支持。此报告包括整个
员工旅程的用例。在每个领域，我们都描述了 IBM 自实施 AI 以来所看到的一些好处。我们还涵盖了实践主题，例如如何入门，您需要的技能以及有
关公平和 AI 对工作的更广泛社会影响的重要问题。
人力资源中的 AI 业务案例
6
定义 AI
AI 已成功应用于视觉感知、自然语言处理、语音识别、语音到文本
转换、语言翻译、语调分析和
其他领域。
AI 标志着 HR 技术的逐步变化
人力资源部门曾经主要是行政职能。被称为人事部门，主要职责是文书
工作，人力资源部的工作重点是保持有关员工的记录。但是在过去的
30 年中，人力资源的观点已经发生了很大的变化。研究表明，组织管
理工人的方式对组织的表现有重要意义。1
今天 ， “战略人力资源 ” 一词用于指代为组织提供竞争优势的人力资源实
践。2战略人力资源运动已经看到人力资源的重点从行政管理实践转移到
高性能人力资源实践 ， 如团队合作和绩效管理 ， 专注于关键工作 ， 而
不是每一个工作和关键工人群体 ， 而不是每一个工人。3
直到最近 ， 技术的主要好处一直是提供效率增益; 它允许我们做我们一
直做的事情 ， 但更快 ， 更具成本效益。4例如 ， 以前的技术允许我们
招募
人们在互联网上的速度更快，但现在人工智能让我们更快地招募合适
的人，方法是评估角色的技能匹配，预测未来成功的可能性，并估计
填补任何给定角色的预期时间。这是 AI 改变情况的方式的一个例子
，以便技术使 HR 功能能够解决关键的业务挑战，建立在劳动力分析
的早期贡献之上。在以前的人力资源计划导致增量变化的地方，人工
智能为人力资源提供了指数级绩效改进的机会。
人力资源中的 AI 业务案例
7
“人工智能是一个加速器 — — 它使我们能够摄取各种数据 ， 并为决策者、员工或业务领导者提
供背景 ， 它使我们能够在当下提供正确的情报 ， 并实现大规模的个性化。 ”
— Tom Stachura ， IBM 人才解决方案和人员分析副总裁
为什么在 HR 中使用 AI
如今 ， AI 的功能正被用于增强业务运营和消费者解决方案。我们已经确
定了在 HR 中实施 AI 的五个主要原因 ：
• 解决紧迫的业务挑战
AI 使人力资源组织能够在不增加员工数量或成本的情况下大规模提
供新的见解和服务。可以通过深思熟虑的 AI 解决方案应用来解决持
续的挑战 ， 例如拥有人力资源来交付业务战略并相应地分配财务资
源。
• 吸引和发展新的技能
商业世界不断被颠覆。为了应对这种中断，企业需要更快地响应机
会，并以敏捷的方式工作，以保持领先于竞争对手。这意味着要找
到一种有效的方法来竞争在这种新的运营环境中进行创新所需的技
能。人工智能应用程序使人力资源部门能够与不断变化的市场需求
同步获取和发展员工技能。
• 改善员工体验
人们开始期望上班时会有一些不同的东西。他们想要个性化的体验
， 而不是标准的体验。他们希望从流程的开始到结束 ， 以适合他
们的方式量身定制并提供给他们。如今 ， 人们还可以从外部使用
Glassdoor 之类的网站来查看企业内部 ， 这极大地提高了员工体验
。
• 提供强有力的决策支持
变化的速度和信息生成的速度意味着当今的业务决策最好以分析的
方式做出。因为需要考虑的信息量很大 ，
人工智能可以用来理解它并提供建议。因此 ， 经理和员工需
要的信息就在他们需要的时候就在那里。人工智能还提供了机
会 ， 让员工的声音实时被听到和采取行动。
• 尽可能有效地使用人力资源预算
人工智能可以使 HR 通过其资金变得更有效率。人力资源支出可以
转移到更高的价值和更复杂的问题解决，而不会降低对拥有更多常
规人力资源查询的员工的服务水平。通过这种方式节省的人力资源
可以再投资于进一步的人工智能部署，提高人力资源解决业务挑战
的能力，不断发展战略技能，创造积极的工作经验，并为员工提供
出色的决策支持。
持续的挑战 ， 如拥有人力资源来实现
业务战略并相应地分配财务资源 ， 可
以通过深思熟虑的人工智能解决方案来
解决。
人力资源中的 AI 业务案例
8
HR 的 “月亮射击 ”
当你阅读这篇论文时，我们希望你能记住人工智能在人力资源中的应用的
“月球射击 ” 的想法。像约翰 · F · 总统一样肯尼迪 1961 年的目标似乎是
不可能的，即在 10 年内将一个人送上月球，而这种壮举的技术并不存在
，人工智能为以前难以想象的可能性打开了大门。例如，无人驾驶汽车的
潜在登月目标是零与事故相关的机动车死亡。人工智能在医疗保健中的应
用具有根除疾病的最终目标。人工智能在人力资源中的应用可能是什么
？ 人工智能在人力资源中的月球射击可能是员工完全控制自己的职业生
涯，因为人工智能帮助他们的技能以与技术发展相同的速度发展。换句话
说，“月亮 ” 可能是 AI 可以帮助工人在现有技能过时之前更新技能。不同
的组织可能会对 HR 中的 AI 有不同的月球镜头。你组织的 mooshot 是什
么 ？ 。
AI 为以前难以想象的可能性打开了大门。
研究方法
在这份报告中，IBM Smarter Worforce Istitte 对负责将 AI 引入
IBM 人力资源的最高级人力资源主管进行了 20 次 60 分钟的深入
结构化访谈。面试参与者包括人才获取，测试和选拔，学习和发
展，人才管理，薪酬和福利，绩效管理，敬业度和文化，员工和
劳动关系，计算机科学，分析，人力资源技术和一般人力资源方
面的专家。
面试主题包括 ：
• 人力资源中 AI 的目标和项目类型
• 资金 ， 时间表和收益
• 所需技能
• 对就业的影响
• 偏见、多样性和包容性
• 入门技巧
本文对采访回复进行了分析 ， 了解常见主题和关键见解 ， 并在全文中
进行了总结。
问问你自己 ： 如果他们 24 / 7 做什么
会更好 ？
What would be better if it were done
at scale? What would benefit from
greater consistency? What would be
possible if we leverered broad
expertise to see beyond our current
limits? These are good candidates
for AI.
Debora Bubb,
IBM 副总裁兼首席领导、学习与包容官
人力资源中的 AI 业务案例
10
AI 如何在 HR 中使用
在人力资源中部署 AI 可以在整个人才生命周期中进行 （ 参见图 1 ） 。在下一节中 ， 概述了人才生命周期中每
个点的 AI 用例示例。
图 1.在人力资源中部署 AI 可以贯穿整个人才生命周期
人力资源中的 AI 业务案例
11
“当我们试行人工智能以吸引候选人时 ， 我们看到在 IBM 申请工作的候选人大幅增加 ， 而且粘性更大。此外 ，
Net Promoter Score 反馈说人工智能很吸引人。人们觉得它回答了他们的问题 ， 是相关的和有用的。 ”
— Joanna Daly ， IBM Talent 副总裁
吸引:增强候选人经验
人工智能已经部署在人力资源中 ， 甚至在求职者申请工作之前就可以识
别出高质量的候选人。在人才生命周期的候选人吸引部分 ， 目标是尽可
能多地寻找具有特定职位所需技能的潜在候选人 ， 并鼓励他们在合适的
情况下申请职位。
AI 在候选人景点中的一个例子是使用专门的聊天机器人。在候选人景
点期间部署的聊天机器人为候选人提供了提问的机会
使用自然语言处理 (NLP) 进行解释和响应。这项技术允许潜在的申请
人在实际申请之前了解更多关于组织的信息，这在一个工人在从事特
定工作之前对公司和品牌声誉进行广泛研究的时代是一种关键能力。
与基于关键字搜索的更传统的方法相比，它还可以实现更好的工作匹
配。
还可以使用技能匹配算法将角色与候选人简历中的技能相匹配 ， 并
根据分析提供建议。诸如此类的能力增加了将求职者转变为求职者的
机会。
i净发起人得分 （ NPS ） 是由 Fred Reichheld，Bai ＆ Compay 和 Satmetrix （ 和注册商标 ） 开发的忠诚度指标。它是由 Reichheld 在他 2003 年的《哈佛商业评论》文章《你需要成长的
一个数字》中介绍的。NPS 可以低至 - 100 （ 每个人都是推动者 ） 或高达 100 （ 每个人都是推动者 ） 。NPS 为正 (.， 高于零 ） 感觉很好，NPS 为 + 50 是极好的。
IBM 的 AI 候选人参与
IBM 的目标是创造一种有意义的体验，让求职者从第一次互动开始就参与其中，同时培养他们对与其技能相匹配的角色的适用性的共同理解。IBM 为
应对这一挑战而开发的 AI 解决方案称为 Watso Cadidate Assistat (WCA) 。WCA 改变了求职者与 IBM 打交道的方式。以前，在从在线工作委员会或
职业网站上了解到机会之后，候选人和雇主将在工作面试中首次见面。通过利用人工智能，候选人和雇主现在可以拥有。
通过聊天机器人进行实时交互 ， 从而为求职者提供更个性化的申请流程。申请人获得的更丰富的信息反过来又会导致求职者更适合角色。
这些聊天机器人在每次互动中都变得更聪明。视频也可以嵌入到流程中，以更真实地预览在组织中工作的感觉。在 IBM 实现这些功能的最终结果是
增加了高潜力候选人的流量。在一项将 WCA 与传统静态网站进行比较的试验研究中，WCA 从探索到应用的转化率为 36 ％，而传统静态网站为 12
％ 。净发起人得分。i与传统的申请途径相比 ， WCA 的 （ NPS ） 也更高 ， 从申请到面试的时间也大大减少了。正如 IBM 人力资源通信副总裁
Carrie Altieri 所说 ，“IBM 每天收到 7, 000 份简历 ， 在合理的时间内浮出水面合适的候选人就像大海捞针一样。自实施 WCA 以来 ， 我们大幅缩短
了招聘时间 ， NPS 翻了一番 ， 并大大改善了候选人与工作的匹配。 ”
人力资源中的 AI 业务案例
12
“总的来说 ， 这是一个关于数据为您提供指数学习机会和更好的决策能力的故事。在 IBM 的人才招聘中 ， 将 AI
纳入招聘和采购功能可以增强我们的招聘人员做出更好决策的能力 ， 从而推动更多的商业价值。 ”
— Amber Grewal ， IBM 全球人才收购副总裁
聘用:高效和有效的征聘
招聘人员的工作是时间压力和复杂的，通常必须同时填补许多职位。招
聘人员需要优先考虑他们负责的所有不同角色，同时，他们需要一种方
法来区分竞争同一角色的候选人。没有足够有效地应对这些挑战可能意
味着错误的角色被优先排序，即使正确的角色被优先排序，也可能为角
色选择错误的候选人。在此设置中，可以使用 AI 根据历史数据预测一份
工作申请需要多长时间才能完成，从而允许招聘人员根据需要重新确定
优先级。AI 还可以用于确定候选人的简历和工作申请之间的匹配，并使
其准确。
基于在工作申请过程中收集的关于候选人的信息来预测未来绩效。此外 ，
它可以帮助招聘人员编写更具包容性的工作描述 ， 更有效地过滤候选人
， 最大限度地减少无意识偏见在他们的过程和实践中的影响。
在招聘中部署 AI 可以更快 ， 更准
确地进行招聘 ， 并获得更好的候选
人和招聘人员体验。
IBM 的 AI 招聘
在像 IBM 这样的大型组织中，有效的招聘优先级要求仔细选择申请人。IBM 需要一种更好的方法来帮助招聘人员寻找空缺职位的最佳候选人
，并优先考虑最重要的申请。开发的解决方案 IBM Watso Recritmet （ IWR ） 使用 AI 来利用有关就业市场和招聘候选人的过去经验的信息
来预测填补和确定最有可能成功的候选人的时间。
通过帮助招聘人员对候选人的适合性进行优先级排序和排名，AI 腾出了时间来专注于招聘的核心 ： 建立和培养与候选人的关系。AI 从工作申请中
获取所需的技能，并根据简历中描述的技能生成匹配分数。该解决方案还可以基于传记数据生成预测分数 (， 无论他们是否带领过团队
） 在简历中。这些分数预测未来的工作表现。重要的是，IWR 监督招聘决策，以确保他们没有偏见。总之，在招聘功能中部署 AI 可以实现更快，
更准确的招聘，以及更好的候选人和招聘人员体验。
人力资源中的 AI 业务案例
13
“如果我们要手动阅读我们在参与度调查中得到的评论 ， 那么当我们完成时 ， 它将是我们下一次调查的时候了 ！
相反 ， 我们使用技术以一种可消费的方式总结反馈 ， 并导致建议的行动。 ”
— Sadat Shami ， IBM 人才开发、参与与社会分析总监
参与:增强动机
AI 支持经理效率的两个具体用途是经理人才警报和参与度分析。 AI 人才
警报是针对一线经理的有关其团队成员的通知。它们根据应用程序所拥
有的有关组织中每个团队成员和员工群体的一系列信息 ， 帮助经理做出
有关员工的决策。
AI 参与度分析是一种可以分析公司内部社交媒体内容的技术。这项技术
可以从年度调查和脉冲调查以及社交媒体聊天中分析非结构化内容。成千
上万的评论可以在几个小时内分析主题。出于数据隐私的原因，建议限制
在公司防火墙内侦听信息。
IBM 的 AI 经理警报
在 IBM，管理人员可以根据个人员工的需求量身定制警报。例如，如果某人在团队中工作了很长时间，具有某些技能，并且准备升职，则经理会收到
这些事实的警报。同样，经理会收到有关员工离职倾向更大的警报。当销售人员面临错过配额的风险时，可以建议采取早期干预措施，让人们重回正
轨。这些警报使管理者能够通过推荐 HR 希望看到的决策来做出与组织的人才管理方法一致的决策。
IBM 的 AI 聊天分析
在 IBM，聊天分析用于从公司防火墙内的社交媒体来源揭示前三个问题。这提供了针对特定领导者的个性化建议，以帮助提高其团队的参与度。例如
，如果员工因出色的工作而获得认可，IBM 可能会建议其经理通过与他人共享来扩大反馈。IBM 观察到，这些行为可以提高参与度。“参与 IBM ” 是
一个学习的 AI 应用程序 ； 领导者提供有关建议的反馈，系统将因此而改进。随着系统变得越来越好，管理者在管理和激励团队方面的效率也越来越
高。
人力资源中的 AI 业务案例
14
“如果薪酬决策仅基于一个或两个数据点 ， 例如任期和绩效 ， 则经理可以在没有分析支持的情况下做出决策。
但是经理应该考虑许多因素 ， 例如市场利率和学习倾向。有了更多的数据点 ， 就需要 AI 来避免低薪和多薪
。 ”
— Nickle LaMoreaux ， IBM 薪酬与福利副总裁
保留:更智能的薪酬规划
做出合理的薪酬决定需要仔细考虑广泛的因素。除绩效外，这些因素还包
括技能的市场价格，技能的需求程度以及是否更好地奖励基本工资或奖金
中的出色表现。要做出反映这一思路的最佳基本工资决策，你需要对员工
技能、这些技能的持续费率以及这些技能是否有深入的了解。
需求的增加或减少。需要考虑的数据点可能比一个人在没有分析支持的情
况下可以分析的更多。
基于人工智能的薪酬支持可以将数千小时的薪酬周期准备工作减少到几
个小时 ， 同时提供决策建议 ， 检查比以前考虑的变量更多。此外 ， 通
过专注于确定薪酬的技能 ， 人工智能的使用可以最大限度地减少薪酬过
程中存在偏见的机会。
IBM 支持 AI 的薪酬规划
在整个组织中准确做出复杂的薪酬决策是一项挑战，IBM 使用 AI 来解决这一挑战。IBM 设计了一种人工智能支持的决策支持工具，可帮助员工进行薪
酬规划，帮助管理人员避免对关键数据点的权重不足或权重过高。该应用程序在提出建议时审查了数十个数据点，将来自劳工统计局等来源的外部信息
与替代成本等因素的内部数据进行整合。该应用程序目前正在为成千上万的一线管理人员部署，以协助他们在重点地区成功进行早期试验后进行薪酬规
划。
重要的是 ， 在使用该工具时 ， 经理有机会覆盖有关任何给定员工的 AI 建议 ， 并且系统可以继续从经理的实际决策中学习。通常 ， 经理倾向于遵循
AI 提供的建议 ， 这有助于确保员工在 IBM 的薪水不会过高或过低。
还强调了基于 AI 的薪酬支持的透明度 ： 员工可以看到他们相对于市场的位置 ， 因为除了个人工资外 ， 还为拥有技能的工人提供了低和高范围的薪
酬。
人力资源中的 AI 业务案例
15
“有了人工智能 ， 我们就可以看到学习与敬业度之间的关系 ， 而无需询问员工的看法。如果经理参加经理培训 ， 他
们的员工会更敬业吗 ？ 我们有答案 ， 这给了我们关于培训效果的重要反馈。 ”
–Gordon Fuller ， IBM 副总裁兼首席学习官
开发:个性化学习
学习环境中的 AI 可以帮助加速个人层面的技能发展，并且可以优化
组织层面的学习。最有希望的领域之一是学习内容的 AI 标记。过去
，当学习者与学习管理系统进行交互时，他们发现的内容在很大程度
上取决于开发人员最初随培训上传的描述。这些描述称为元数据。通
过 AI 标记，上传到学习管理系统的图像和文档等资源通过 AI 技术丰
富了元数据，这有助于学习者找到培训内容并一次又一次地更有效地
使用它。
学习的基本组成部分包括 ：
• 开放学习平台 ：集成来自各种来源的员工和学习数据 ， 将所有相
关内容集中在一起 ， 以便从任何设备进行访问 - 允许学习随时随地
进行。
• 特定员工经验 ：提供针对工作角色、业务组、技能集和个人学习量
身定制的个性化学习建议
历史 - 鼓励员工持续发展和技能增长。
• 内容频道:组织学习内容以支持各种需求和兴趣 ， 从而简化浏览
和与业务计划保持一致的持续开发。
通过在需要的时间和地点轻松提供学习，AI 有助于获得组织的战略技能
。AI 可用于以学习仪表板的形式创建组织在学习领域的整体情况。仪表
板可以显示在缩小业务中已确定的技能差距方面的进展。组织中特定个
人的学习历史甚至可以被认为是一个人学习倾向的指示。学习倾向变得
与一个人的当前技能一样重要，因为技能的保质期继续以快速的速度减
少。
IBM 基于 AI 的学习
在 IBM，人工智能在学习中的引入产生了令人印象深刻的结果。利用人工智能，IBM 开发了 Yor Learig，这是一个丰富、个性化的数字学习市场，每
个季度有 98% 的员工访问。IBMers 每年平均完成 60 小时的学习。IBM 员工可以导航到同龄人中最受欢迎的学习，注册有针对性的学习渠道，并探
索为公司最热门的角色做准备所需的技能和徽章。学习聊天机器人 24 / 7 回答问题。因此，IBM 的人工智能驱动的学习平台正在增加注册人数和课
程完成人数，从而加速战略技能的获取。
IBM 已经证明了员工的学习量与他们的整体参与度之间的统计联系。业务影响研究表明，学习与业务绩效之间存在直接关联，其他分析表明，学习的
可能性和意愿较高的人具有更好的整体绩效。更重要的是，IBM 学习产品的 Net Promoter 得分一直很高。随着技能的半衰期缩短，基于 AI 的学习确
保 IBM 的员工技能保持相关性。
人力资源中的 AI 业务案例
16
开发:实时技能推理
每个企业都需要知道人们拥有哪些技能，以及他们的技能水平。一种方
法是使用员工自我评估。然而，即使经理对自我评级进行了验证，也存
在很多对专业知识的过高评级和过低评级，因为经理很少有时间仔细审
核结果。手动评估过程也可能很快过时，通常被视为打勾的练习。现在
，人工智能可以通过抓取员工的内部数字存在来推断技能。数据可以来
自简历、销售信息和数字徽章等来源。
一旦生成了技能配置文件 ， 就可以让员工和经理对其进行验证。
基于 AI 的技能推断可以帮助组织找到组织中的 “隐藏宝石 ” ， 即拥有您
甚至不知道的技能的人。在总体上 ， 可以设计出企业拥有的技能与所需
技能的热图 ， 并且可以制定干预计划 ， 使企业能够快速关闭
技能差距。
基于 AI 的技能推理可以帮助组织
找到 “隐藏的宝石 ”
IBM 的 AI 技能推断
在过去的三年中 ， IBM 一直在内部磨练技能推理技术。这个过程现在介于
85 - 95% 准确。员工可以通过专业知识管理界面访问自己的技能档案。这种方法节省了以前花费在完成技能清单上的数千小时，并且信息不断刷新，
从而提供更准确，实时的技能见解。AI 技能推理技术的结果允许 IBM 监控与业务需求相关的技能，并查看其技能概况与竞争对手的比较。这使 IBM
能够确定有针对性的干预措施，以缩小技能差距。
人力资源中的 AI 业务案例
17
“我们已经迈出了新领域的第一步，在这个领域，人工智能有潜力帮助员工持续增长并提高他们的绩效。未来将会
看到一个巨大的进步，即值得信赖的、无所不在的人工智能教练工具会对每时每刻的表现提出富有同情心的建议
，而不仅仅是关于下一个最佳机会的建议。竞争工作机会最成功的人将是那些拥抱性能提升 AI 的人。. "
— Richard McColl ， IBM 全球业务服务副总裁兼合伙人 ， 人才技术实践负责人
成长:职业发展
职业指导是为员工创造更有意义的工作经验的有力方法 ， 可以为企业带
来更高的生产力和更强大的继任渠道。职业指导通常是高接触、时间密
集且昂贵的。这意味着教练通常是为表现不佳的人或高潜力的人保留的
组织准备投入大量的资金。然而 ， 为组织中的每个人带来这种水平的员
工职业发展机会 ， 很可能会通过提高员工的工作绩效来提高员工的积极
性和参与度 ， 以及组织本身。
IBM 的 AI 职业建议
IBM 希望为所有员工提供高质量的职业指导，无论其级别如何。开发的解决方案是个人顾问 Watso Career Coach (WCC)，它为整个 IBM 带来了职业
指导的好处。个人顾问是一个人工智能助手，与正在考虑未来机会的员工互动。它通过使用自然语言询问和回答问题并与历史信息集成来了解员工。
解决方案的第二个组成部分，工作机会匹配，允许员工上传简历或回答有关技能的问题，然后建议适合员工的角色。如果员工正在寻找更远的机会，
他们可以使用职业导航组件。职业导航员让员工计划他们想要的角色，并为他们的成长做好准备，提供发展建议，帮助他们建立所需的技能。AI 助
手还可以提供个性化的学习建议，帮助员工不断发展技能。
人力资源中的 AI 业务案例
18
“我们可以让任何人建立一个机器人。今天的技术非常易于使用。中小企业可以创建内容并训练机器人。 ”
— Jon Lester ， IBM 数字人力资源战略主管
服务:用于 24 / 7 员工互动的 AI
聊天机器人是一种理解自然语言并在类似人类的对话中与用户交互的应
用程序。聊天机器人可以说是 AI 技术 ， 对人力资源问题具有最广泛的
应用 ， 并且已经在人力资源的大多数领域进行了部署。
Chatbots 的设计成本低廉 ， 培训速度也很快。 Chatbot 的实施甚至可
以由非技术人力资源人员进行管理 ， 因为
易于使用的应用程序编程接口 （ API ） 。因此 ， 对于希望将 AI 构建到
其 HR 功能中的组织来说 ， 聊天机器人是一个自然的起点。如果您的
HR 流程会从员工那里产生很多问题 ， 则可以部署基于
关于人力资源流程的完善的常见问题 (FAQ) 列表。
聊天机器人是 AI 可以改善员工体验的完美例子 ， 因为它们可以在任何
时间 ， 白天或黑夜提供实时答案。聊天机器人还不断从反馈中学习 ，
并改进给出的答案。
让有通信经验的人参与聊天机器人的设计总是一个好主意。通信专家可
以帮助机器人的单词选择和语气 ， 以增加个性化。
聊天机器人的涅槃将是嵌入员工工作流程中的机器人 ， 有助于工作 ， 而
不仅仅是回答有关如何完成工作的问题。例如 ， 如果经理需要将员工转
移到新部门 ， 与机器人的交互将导致实际执行转移。这被称为 “对话人力
资源 ” ， 它扩展了
机器人。
AI 聊天机器人在 IBM HR 中的使用
IBM 在整个人力资源领域都有员工使用的聊天机器人。例如 ， 人力资源已经部署了聊天机器人来支持员工的福利注册决策 ， 并支持经理的薪酬计
划 ； 这两个领域都是具有指定时间段的区域 ， 其特点是使用率高 ， 需要快速响应用户问题。
在一年中的某些时候更忙的聊天机器人，如绩效管理、福利登记和薪酬规划聊天机器人，被认为是 “季节性机器人 ” 。IBM 也有一个机器人，每天 24
小时，每周 7 天，全年访问。一个例子是 IBM 流行的新雇佣聊天机器人。它是 IBM 最繁忙的聊天机器人之一，每天回答 700 个问题。新雇佣聊天机
器人特别有帮助，因为它们解决了不知道该向谁求助的挑战。
IBM 使用聊天机器人的目标是快速准确地向员工提供答案 ， 同时减少支持人力资源计划所需的工作量。节省的时间可以花在专家回答有关人力资源
问题的更复杂的问题和问题上。
重要的是不要使用 AI 来指导经理
的行动。您应该分享分析的结果
， 让他们仍然做出决定。
他们的知识
员工 ， 他们的同理心 ， 他们对团
队运作方式的了解对于做出最佳决
策至关重要。
艾米 · 赖特,
IBM 全球业务服务管理合作伙伴认知人才和绩效
人力资源中的 AI 业务案例
20
“在整个员工旅程中 ， 它是通过 NPS 衡量来推动正确的体验 ， 并通过 ROI 衡量来推动正确的业务成果。 ”
— — Anshul Sheopuri ， IBM 数据、 AI 和提供战略副总裁
AI 在 HR 中的好处
从本报告中描述的用例中可以看出 ， 人力资源中的 AI 具有显着组织利益
的潜力。
这是通过明确阐明与业务问题相关的预期结果 ， 仔细选择适当的指标来
衡量预期结果 ， 并定期跟踪结果以实现迭代改进来实现的。
投资回报
在 HR 中跟踪投资回报率 (ROI) 是企业的当务之急。人力资源从业者应该
从 AI 应用程序到 AI 将产生的结果以及业务中发生的相关 ROI 有一个直
接的视线。建立 AI 与其返回之间的预期连接应该在实现 AI 应用程序之
前发生。图 2 概述了一个思考如何检查 AI ROI 的框架。这个框架表明，
人工智能产生的结果应该与 HR 指标有明确的联系，反过来，HR 指标也
应该与财务指标有明确的联系。
让我们考虑一个组织由于其销售人员缺乏技术知识而努力关闭销售的例子
。在这里 ， 人工智能可能被提议作为一种针对个人需求进行个性化学习
的方法 ， 在
消耗品格式 (例如Procedre， 移动) 。个性化学习是 AI 产生的结果。学习
所涉及的人力资源指标是业务中销售人员的技能广度和深度。人工智能系
统应该跟踪谁完成了和没有完成他们的个性化学习，组织应该跟踪这些人
是否与成功的销售交易相关联。可以将美元价值放在产生的销售交易上，
并且可以在两组中检查两组之间相对于 AI 成本的收入差异 ： 完成基于
AI 的培训的人和没有完成的人。如果在实施 AI 系统之前估计了差异，则
收益是一个预测，应该构成业务案例的一部分。如果该图是在系统的实现
之后计算的实际值, 则该图表示对应用的 ROI 的检查。
It is impossible to show unequivocally that ROI observed is strictly
attributed to the application. But careful designs (e. g. pre and post
implementation comparents, use of control groups) can relate
converging lines of evidence pointing toward ROI.人的力量 ： 了解成功
的组织如何使用劳动力分析来提高业务绩效5， 或者白皮书 ，解码员工分
析6.
人力资源中的 AI 业务案例
21
财务指标
在 IBM 展示 AI 投资回报
在 IBM，所有在 HR 中构建 AI 应用程序的建议都需要商业案例。一旦 AI 应用程序在业务中运行，就会有一个严格的季度管理系统来跟踪 HR，财务
和 NPS 指标。还跟踪了特定于特定 AI 应用程序的指标。凭借其吸引人的 AI 应用程序，IBM 已经看到申请工作的候选人大幅增加。IBM 的招聘 AI
应用程序提供了高效和有效地处理增加的数量的能力，并带来了更快的招聘时间以及更高质量的候选人。总体而言，仅在 2017 年的 HR 中，IBM 就
因 AI 而节省了 亿美元。
图 2.构建 AI 业务案例的框架
例如 ， 影响收入
HR 指标
例如 ， 技能广度和深度
Note:业务案例不需要很复杂 ， 你的目标应该是让人工智能应用程序产生预期结果 ， 进而影响人力资源指标 ， 进而影响财务指标。
AI 产生的结果
例如 ， 个性化学习
人力资源中的 AI 业务案例
22
收益和结果指标
图 3 提供了所讨论的每个 AI 应用程序的预期收益和结果指标的示例。寻找近期和长期指标的组合 ， 以便您可以快速评估并根据需要进行正确的过程。
图 3.人力资源中 AI 应用的预期收益和成果
人工智能在 HR 中的应用 预期收益的例子 成果衡量标准的例子
增强候选人体验 • 更多信息预租用通信
• 更好地匹配求职者的角色
• 候选转化率
• 新的雇佣生产力
高效和有效的征聘 • 更好地确定工作申请的优先次序
• 加快雇用时间
• 对不同候选人的准确评估
• 确定最有资格的候选人
• 技能短缺或空缺未填补
• 填补未平仓头寸的平均时间
• 少数和多数候选人的选择比例
• 新的雇佣生产力
增强动机 • 为员工提供更好的经理支持
• 改善员工体验
• 保留员工
• 参与度或体验调查得分
更智能的薪酬规划 • 提高员工的薪酬透明度
• 根据业务战略优化薪酬预算
• 薪酬满意度调查得分
• 工资过高或工资过低的工人人数
个性化学习 • 加速员工技能获取
• 使员工技能与业务战略更好地保持一致
• 增强学习体验
• 当前和所需技能组合之间的匹配 ， 技能差距的闭
合
• 员工生产力
• 课程注册和完成率
所有人的职业发展 • 员工驱动的职业生涯管理
• 员工对机会的明确性
• 职业满意度调查得分
• 内部作业申请和调动的数量
24 / 7 / 365 员工支持 • 通过更快、更准确地回答问题 ， 让员工了解更多信息
， 提高工作效率
• 减少支持中心工作人员的数量
• 进程违规或异常的数量
• 人工成本
人力资源中的 AI 业务案例
23
时间结果
结果的时间表取决于两个因素 ， 购买或建造的决定以及正在进行的 AI 项
目的性质。
无论您是购买还是建造
如果您购买现成的 AI 解决方案，您可以期望在前三到六个月内看到
ROI 方面的结果。更复杂的解决方案通常会从最小可行产品 （ MVP
） 开始，这是可以构建的对用户有意义的第一个也是最小的可交付成
果，并测试企业所做的假设。然后可以快速增强这些功能，为业务带
来更多价值。有了今天可用的 API，即使是复杂的项目也可以在不到
一年的时间内实现回报。重要的是，在快速的时间框架内取得成果需
要改变心态。设计思维和敏捷工作方法将有助于快速构建原型，并在
短时间内迭代改进版本。
AI 项目的性质
如果您正在使用 AI 来改善招聘 ， 您可能会很快看到一些好处 ， 例如更
快的招聘时间。但是 ， 其他预期的好处 ， 例如更高的性能 ， 将需要更
长的时间才能出现。保留解决方案也需要时间来显示价值 ， 因为您需要
等待员工是否以您期望的方式离开。
还有其他领域 ， 您可以在短短六个月内看到结果。例如 ， 聊天机器人
可以非常快速地构建和部署。 IBM 的绩效管理聊天机器人在不到四周的
时间内构建和部署。
有了今天可用的 API ， 即使是复杂的
项目也可以在不到一年的时间内实现
回报。
人力资源中的 AI 业务案例
24
2
确定您拥有和
需要的技能
决定购买
或建造
4
在企业范围内
推出
1
从商业案例
开始
3
实施 MVP
5
“想想你的职责范围内的过程或解决方案带来了最大的挑战。你最需要帮助的是什么 ， 从人工智能的角度来看 ，
什么能让你做得更好 ？ 然后看看你能负担得起你想要实现的目标。 ”
— Robert Gibby ， IBM 人才收购首席人才科学家
开始的五个步骤
IBM 在人力资源中的 AI 部署经验使我们能够获得见解 ， 这些见解可以支持任何组织在自己的 AI 采用旅程中进行。这些最好可以总结为开始的五个步骤
， 如图 4 所示。
图 4.在 HR 中开始使用 AI 的五个步骤
人力资源中的 AI 业务案例
25
步骤 1:从商业案例开始
公司需要从了解他们试图用 AI 解决的业务问题开始。问题应该是一个
可以通过改进的洞察力、信息和数据来解决的问题。询问需要解决此问
题并将在损益报告中承诺的人是谁，而不是人力资源。例如，招聘对你
的管理团队来说可能是一个大问题，因为他们知道自己正在成长，需要
继续成长。如果企业负担不起增加人力资源人员来满足这一需求，那么
你就有一个明显的业务问题，每个人都可以团结起来。
AI 应用程序。
创建业务案例将帮助您思考所需的结构，并确保您专注于正确的问题。
一旦你有了这个重点, 你就可以问你需要什么技能和投资来解决问题, 你
就可以建立一个商业案例。请记住，虽然许多组织习惯于在职能能力方
面考虑人力资源解决方案，但人力资源专业人士和领导者将需要翻转他
们的思维。相反，他们应该考虑经理、员工和候选人在工作中做出的决
定，以及如果他们有更好的洞察力，他们如何做出更好的决定。这种方
法可能需要来自多个 HR 子功能的输入。
商业案例应指定最小可行产品 （ MVP ） 以及您将如何与赞助商合作来
定义 MVP 。从这一点开始，我们的目标是快速测试可行性，即使是小规
模的。试点可能涉及一个业务部门，一个国家，一个实践或所有三个的组
合。在 IBM，原型通常是由开发人员、设计师和内容专家组成的跨职能团
队快速构建的。企业应该与。
他们拥有的数据并改进 ， 而不是等待完美的数据。然后与 “朋友和家人 ”
分享以获得反馈 ， 并快速迭代。同样重要的是要意识到 ， 不需要等待
HR 技术转型项目完成后才能在 HR 中启动 AI 项目。这样做不必要地延
迟了早期开始的人可以获得的收益和节省。
Step 2:决定购买还是建造
组织需要思考的一个问题是 ， 他们是否会为 HR 构建自己的 AI 应用
程序或购买现成的 AI 应用程序。除非您的
组织在 AI 方面拥有丰富的经验，通常最好利用已经开发解决方案的公司
的努力。如果你决定构建自己的解决方案，一个很好的开始方法是从员
工那里征求想法。IBM 在认知构建竞赛中采用了这种方法。员工被要求
为人工智能应用提出想法，并选择最好的 (通过员工众包) 并资助。上面
描述的 Watso Career Coach 是由此过程产生的 AI 应用程序的示例。这
种方法成功的一个重要因素是将应用程序的用户带入设计过程。
重要的是，无论您是购买还是构建，在云中部署 AI 功能都是最好的方
法。迁移到云端迫使你思考你拥有的数据和你需要的数据，以及如何
缩小这两种观点之间的差距。云人力资源系统对于人力资源中成功的
AI 也很重要，因为最强大的基于云的 AI 应用程序共享来自传统上不
同的系统的数据。
人力资源中的 AI 业务案例
26
“您始终需要主题专家 ， 了解产品是什么 ， 您需要完成什么的人 - 他们需要擅长自己的工作。但是现在 ， 您还需
要设计师 ， 专注于体验的人 ， 以及从中小企业的角度来看的答案。 ”
- Drew Valentine ， IBM 人与文化和 IBM 系统副总裁
Step 3:确定您拥有和需要的技能
在 HR 中实施 AI 所需的技能可以分为开发所需的技能和实施所需的技
能。如果您与供应商合作 ， 而不是开发自己的 AI 应用程序 ， 那么只
需要实施技能。
发展:首先考虑发展技能。要在您自己的组织中为 HR 开发 AI，您通常
需要一个多学科团队。该团队的关键技能包括 ： 对市场和业务问题有
了解的人; 开发和工程技能; 了解 AI，数据以及使用哪些 API 的技术架
构师; 人力资源领域专业知识; 最后，了解如何从用户体验角度展示技术
的设计负责人。这些是在 HR 中设计和开发 AI 应用程序的核心角色，
它们是 IBM 为开发 AI HR 应用程序的任何团队提供的技能。
实施:在实施和确保采用方面，需要一套不同的技能。这往往是一个不太
技术的技能。不需要人工智能专业知识，但需要一种分析方法。还需要
良好的假设形成技能，以及提出问题的经验，例如数据来自何处，谁训
练了 AI 应用程序，他们的动机是什么，以及以预期的方式使用数据是否
合适。换句话说，实施者，以及理想情况下的最终用户，需要受过技术
教育的消费者。如果你正在使用人工智能向员工提供人力资源成果，你
需要问这些问题，以了解系统是否经过适当的培训。那些负责确保采用
的人需要知道的不仅仅是如何打开人工智能应用程序。还建议是技术好
奇心，了解如何的愿望。
技术的工作原理以及如何有效地使用它。具有这种好奇心的 HR 从业
者可以为下一代 AI HR 应用程序提供想法。
无论你是购买还是建造，使用人工智能的人力资源从业者都需要对业务
有更多的了解。在过去，他们在功能上被孤立的地方，他们现在需要全
面审视员工，因为人工智能应用程序通常在不同的功能领域工作 (例如。
Procedre， 福利可以换取报酬，海外工作现在可以与职业发展相结合) 。
Step 4:实施 MVP
IBM 有时指的是 “自筹资金 ” 模式。自筹资金指的是这样的想法，即
业务案例预计收入增加或预计成本节省，以覆盖与项目相关的成本。
一旦实现了这些目标，AI 项目就会自行付费。换句话说，企业今天为
明年或第二年的储蓄进行投资，因此第一步需要一些毅力和勇气。如
果商业案例不强大，你就不会继续。这种方法需要有人在一开始就投
资第一笔美元，但这是在明确预期商业案例中概述的回报的情况下完
成的。这种方法还需要一位人力资源领导者对结果将得到交付充满信
心，并且该人将需要强大的影响力技能来为业务辩护。随着时间的推
移，如果储蓄或收入的增加持续下去，通常会有更多的资金可用资金
。IBM 通常将这笔资金再投资于 AI 应用程序的进一步开发。
您部署 MVP 的速度越快 ， 您就能越快交付下一个改进的迭代。理想情
况下 ， 所有项目 ， 无论复杂性如何 ， 都会像这样 ， 并在 6 到 12 个月
内显示出好处。这些时间表假设您有资源、专注的工作和可用的数据。如
果您很难拥有
人力资源中的 AI 业务案例
27
“AI 技能的市场是竞争激烈的 ， 因此公司在寻找人才时需要打开管道。您不需要这些类型的角色的学位。我们的许
多员工正在通过训练营或其他行业课程学习这些技能。 ”
- Kelli Jordan ， IBM 新领计划人才负责人
这些元素中的任何一个 ， 你的时间线都可以被进一步推出。例如 ， 虽然
聊天机器人很容易到位 ， 但如果没有界面背后的内容来回答员工的问题
， 它们是无效的。
步骤 5:在整个企业范围内推出
如果 MVP 推出成功，则扩展到企业是下一步。要检查 MVP 是否显示出足
够的成功以保证进一步扩展，请使用我们在上一节中讨论的 ROI 方法。每
当 IBM 想要启动或将项目推进到下一个开发阶段时，比如从概念验证到扩
展，都需要一个业务案例。商业案例必须有负责交付项目的人员的适当赞
助水平。商业案例需要与收入增加或成本节省挂钩，而不是软结果。
将 AI 解决方案扩展到整个组织可能具有挑战性。关键是转向新的更快的
工作方式 ， 例如设计思维和敏捷工作。
这些方法确保人力资源、业务部门领导和员工共同创建人工智能解决方
案 ， 这提高了广泛采用的可能性。设计思维是一个基于三个原则解决
问题的框架: 以用户为中心的结果、赋予不同团队权力和重塑。敏捷是
一种工作方法 ， 涉及
自我指导的团队 ， 他们在整个项目交付过程中反复工作 ， 以释放
创新 ， 保持问责制并提高速度。
应该注意的是 ， 尽管这些步骤可以以线性方式进行 ， 但可能会进行一
些迭代。例如 ， 您可能最初选择构建自己的技术 ， 但是在评估所需的
技能之后 ， 您可能会确定从值得信赖的合作伙伴那里购买产品是更好的
选择。
IBM 如何获得资金的示例
IBM 在 HR 中实施 AI 的初始业务案例和相关资金始于业务线的 HR 从业者 ， 而不是企业 HR 。这是因为在业务线 ， HR 合作伙伴可以应对业务
挑战。
IBM 为 AI 获得资金的一个例子涉及决定资助哪些想法。每年 8 月 / 9 月，IBM 的 CHRO 和她的直接报告都会努力找出最有希望的想法。这将导致某
些解决方案的日落，增强其他解决方案，并构建新的解决方案。提案由 CHRO 审查和签署。然后，CHRO 的团队与业务部门合作，根据业务案例中
的预测获得资金。这可能涉及到业务领域，也可能涉及到融资。每年，人们都会提出自己的想法。他们谈论他们将建立的产品和服务，他们将产生的
成本，他们将需要的种子资金，以及他们将在明年交付什么。
重要的是要明确硬成本节约 （ 例如 ， 提高劳动生产率 ） ， 软节约 （ 例如 ， 减少预期减员 ） 和收入增加之间的区别。 IBM 的目标是保持总体预
算不变 ， 并将节省的资金再投资以增长其 AI 功能及其带来的好处。
人力资源中的 AI 业务案例
28
在 HR 中成功采用 AI 的技巧
IBM 在部署 AI 方面吸取了许多经验教训 ， 受访者讲述了许多可能对从业
者有所帮助的经验教训。这里分享了一些主要的经验教训。
• 不要等到你有完美的解决方案
最好是发布一个最小可行的产品 ， 并与您的员工一起定位它。
当 IBM 发布绩效管理聊天机器人时 ， 人们知道它已经准备好了
， 但并不完美 ， 并被鼓励提出挑战机器人的问题。这使 IBM 能
够快速部署 AI 解决方案 ， 同时使聊天机器人能够改进。
• 为人们提供 AI
人工智能系统的设计者有管理责任，以确保人工智能赋予工人权
力。设计师应该记住，当他们的决策自主权被增强而不是被取代
时，人们会感到最有能力。当经理可以选择在不被视为最佳的情
况下覆盖 AI 建议时，AI 被认为是最有利的。IBM 鼓励管理者适当
地覆盖 AI 建议。
• 确保透明度
为了让经理们对使用人工智能推荐感到满意，重要的是要清楚和透
明地说明为什么要提出人工智能推荐。这应包括向管理人员和员工
明确建议的目标是什么，使用了哪些数据来提出建议，哪些变量对
建议的影响最大，以及确定建议所依据的所有变量以及建议的预期
准确性。
• 考虑语言和文化
人工智能需要背景，反映在部署人工智能的不同地区的数据中，
以学习和提出适当的建议。在跨国组织运营的一个地区设计的人
工智能解决方案可能需要在部署到另一个地区之前进行完全重新
培训 - 即使这两个地区都使用相同的语言。这既涉及模型的开发
和培训，也涉及 AI 解决方案最终用户的体验。
• 设计每个应用程序与其他应用程序在心中
在开发 AI 解决方案时，最好全面了解最终目标。例如，这将避免大
量未连接的聊天机器人解决相关问题，而不是利用公共基础设施和
数据。这样做越来越重要，因为应用程序通常不位于传统的孤立 HR
子域中。例如，前面讨论的补偿示例需要来自补偿和学习的信息，
以及其他 HR 功能。
当经理可以选择覆盖 AI 建议时 ，
AI 被认为是最有利的。
人力资源中的 AI 业务案例
29
“我相信人工智能正在推动不同类型的工作 ， 以及更具吸引力的工作和职业 ， 包括人力资源职能。
— Obed Louissaint ， IBM Watson 认知解决方案与研究人力资源副总裁
AI 和更广泛的社会考虑
如果要实现 AI 的承诺 ， 同时减轻潜在风险 ， 则需要以道德上合理的方
式开发 AI 系统。因此 ， IBM 通过涉及 AI 和道德的政策流来补充其在 AI
技术开发方面的工作 ， 涵盖五个领域 ： 问责制 ， 价值一致性 ， 可解
释性 ， 公平性和用户数据权利7。在人力资源方面 ， 确保人工智能应用
程序以道德的方式开发 ， 确保我们的应用程序与更广泛的社会价值和目
标相一致。我们在本节中讨论了其中的一些社会影响。
AI 对工作的净影响
专家们对 AI 对总体工作数量的净影响做出了各种预测。重要的是要透明
，因为没有人确切知道 AI 对工作数量的最终影响。不可能做出可能准确
的预测。然而，每个人都有信心的是，一些角色将消失，一些角色将被创
建，几乎所有角色都将因 AI 而改变。这不是技术第一次取代工作。回顾
过去，例如，为了保护农场工人的角色，不应该开发农业技术是不可想象
的。今天在 HR 中使用 AI 也是如此。在短期内，我们不会看到很多人力
资源工作消失，这些工作还没有因为人工智能之前的技术而消失 (例如。
Procedre， 互联网) 。风险最大的工作是非常交易性的工作，例如在招聘
中询问预筛选问题的人。
聊天机器人正在接受工作吗 ？
考虑人们可能认为最有可能取代工作的 AI 应用程序，聊天机器人。IBM
实际上看到的是，聊天机器人正在解决基本问题，这是例行公事，允许
人力资源专业人士解决更复杂的人力资源问题。事实上，在部署聊天机
器人的过程中已经创造了就业机会。这些工作与设计和培训机器人有关
。对于大多数工作。
责任正在改变而不是消失。工作的组成部分正在消失。正在消失的零件是
可以自动化的死记硬背的常规零件。工作中越来越重要的部分是分析思维
、战略制定和推动变革。关键问题是工作方式将如何改变，哪些角色将经
历大量变化，哪些角色将经历很少变化，以及所有这些变化将以多快的速
度发生 - 短期或中期 ？ 这些问题的答案可以帮助提供工人需要重新掌握
技能的信息 ，为了在人力资源中出现的更引人注目的角色中建立职业道
路。
AI 创造更高价值的工作
由于 AI ， HR 中正在创造许多更高价值的工作。新的人才科学家角色集
成了采购、工业组织心理学和人工智能来分析数据、识别顶尖人才、利用
增强的决策支持和预测成功 — — 所有这些都是以吸引候选人的方式。换
句话说 ， 他们将数据科学与采购艺术结合起来 ， 并不断以更高的可预测
性推动成功的招聘结果。 IBM 的另一个新角色被称为人才影响者构成了
下一代数字和社交关系招聘人员 ， 他们拥有与领域和行业相关的个人品
牌。他们使用受候选人欢迎的尖端平台来吸引顶尖人才。
IBM 的人力资源部门现在配备了数据科学家，该公司的整个团队专注于
情绪分析，并听取内部社交媒体的意见，以衡量商业情绪。在 AI 在 HR
中实施之前，这是闻所未闻的。设计师和用户体验专家在 HR 中也变得
越来越普遍。具有 AI 技能的学习科学家与神经科学家一起工作，重新构
想 IBM 的学习内容和体验。简而言之，随着人机伙伴关系的普及程度不
断提高，HR 现在可以提供更有吸引力的职业。
人力资源中的 AI 业务案例
30
AI 、多样性和偏见
如果我们小心设计，人工智能有很大的潜力来帮助解决偏见。开发
这些系统的公司和部署这些系统的组织有责任意识到潜在的偏见，
并积极努力解决其存在。人工智能没有什么能神奇地减少偏见。人
工智能技术可以用来减少偏见，或者，如果我们不小心，可以加强
它。在 IBM，人工智能在许多领域显示出减少偏见的希望。例如，
前面描述的候选人吸引力和招聘人工智能解决方案，通过推荐他们
不知道自己有资格的工作，在候选人中创造了一种心态转变。这是
因为这些应用程序专注于推荐和招聘系统中的技能。如果你有一个
角色所需的技能，这些应用程序会告诉你这个角色，无论你的性别
或种族。以这种方式构建应用程序需要内容领域专家和机器学习团
队之间的密切合作 - 有效的 AI 需要两种技能。在创建 AI 应用程序时
，思想的多样性对于构建尽可能没有偏见的应用程序至关重要。
使用历史信息
迄今为止，IBM 增加多样性的方法中的一个关键因素是非常谨慎地使用
有关顶级员工特征的历史信息。这些表现最好的人有一长串的特征，但
只有其中一些与他们的表现如何有关。如果你专注于与绩效无关的高性
能特征，你不仅会做出更差的决定，而且人工智能会产生损害多样性的
不利影响。这是因为偏差被学习、重新应用、放大和系统性。例如，如
果你表现最好的都是男性，而你因此选择了更多的男性，你很可能会有
一个歧视性的招聘制度。你专注于一个。
您的高绩效人员的属性 - 性别 - 但这不是与绩效相关的属性。没有理
论上的理由认为性别应该是工作绩效的预测因子 ， 这种观点得到了
IBM 分析的支持。
在 IBM 编写应用程序的人努力工作 ， 以确保应用程序对与未来工作绩
效无关的方面视而不见。人工智能还可以通过分析经理的决策来帮助消
除偏见。 IBM 可以显示与预期的偏差 ， 并从统计上显示差异的原因。
建立公平并确保透明度
人工智能不太可能解决与偏见有关的所有问题。人工智能技术只是增
强了一个人的能力，这些能力可以用于好坏。这需要反映在我们对 AI
应用程序的思考方式上，从其设计的基础上。AI 解决方案需要并且可
以通过设计公平和公正。在你的人工智能系统中建立公平，并在你使
用人工智能 (谁的数据，信息的用途等) 时完全透明。) 将确保你站在
技术好与坏的鸿沟的右边。
开发这些系统的公司和部署这些系统的
组织有责任意识到潜在的偏见 ， 并积极
努力解决其存在。
人力资源中的 AI 业务案例
31
在 IBM 增加多样性和包容性的多管齐下的方法
吸引和雇用不同的候选人到 IBM 是当务之急 ， 需要技术和培训的结合。除了确保 AI 工具不会加强或引入偏见外 ， IBM 还将 AI 注入到招聘过程中
， 以确保人才渠道保持多样性和包容性。这包括让女性和不同种族在算法的创建中发挥同等作用。
• 吸引力 -在招聘过程开始时 ， IBM 使用本土的 AI 和机器学习工具来帮助制定没有性别偏见的职位描述。
• 采购 -在采购阶段 ， IBM AI 工具会主动从与关键成功概况相匹配的人才渠道中寻找和寻找申请人 ， 展示招聘人员可能错过的候选人 ， 从而消
除搜索过程中可能引入无意识偏见的任何步骤。
• 筛选在筛选候选人时 ， IBM 使用一套包容性的人工智能算法 ， 通过迫使性别、种族、族裔、年龄等群体特征在筛选过程中不可见 ， 确保招
聘人员在推荐工作时不偏不倚。
• 面试 -在招聘经理和候选人之间的现场面试中 ， IBM 允许 AI 工具 “监听 ” 有助于预测候选人表现的指标。然后 ， AI 工具向面试官提供问题建
议 ， 以减少面试过程中无意识偏见的机会。
除了这些技术增强之外 ， IBM 还通过要求招聘经理拥有多元化的面试官小组来刷新面试流程。该组织还在探索在筛选过程中使用匿名简历。所有这
些工作都得到了无意识偏见培训计划的补充。
人工智能可以帮助我们更好地告知
人们的判断 ， 并从系统中消除偏
见。我们有责任做到这一点。我们
正在处理人们及其个人数据和他们
的生活。我们有责任永远使用人工
智能。
Tanya Moore,
IBM 职业与技能总监
人力资源中的 AI 业务案例
33
Acknowledgements
作者要感谢以下内容对本报告的宝贵贡献 ：
• Carrie Altieri ， IBM 人力资源通信副总裁
• Elyse Anchel ， IBM 人力资源人才和学习技术总监
• Debora Bubb ， IBM 副总裁兼首席领导、学习与包容官
• Joanna Daly ， IBM Talent 副总裁
• Gordon Fuller ， IBM 副总裁兼首席学习官
• Diane Gherson ， IBM 首席人力资源官
• Robert Gibby ， IBM 人才招聘首席人才科学家
• Amber Grewal ， IBM 全球人才收购副总裁
• Kelli Jordan ， IBM 新领举措人才负责人
• Nickle LaMoreaux ， IBM 薪酬与福利副总裁
• Jon Lester ， IBM 数字人力资源战略主管
• Obed Louissaint ， IBM Watson 认知解决方案与研究人力资源副总裁
• Tina Marron - Partridge ， 全球商业服务管理合伙人 ， 全球领导者人才与参与。 IBM
• Richard McColl ， IBM 全球业务服务副总裁兼合伙人 ， 人才技术实践负责人
• Tanya Moore ， IBM 职业与技能总监
• Louise Raisbeck ， IBM 智慧劳动力研究所主编
• Nicholas Santaniello ， IBM 数字营销策略师
• Sadat Shami ， IBM 人才开发、参与与社会分析总监
• Anshul Sheopuri ， IBM 人员分析和认知产品总监
• Tom Stachura ， IBM 人才解决方案和人员分析副总裁
• Drew Valentine ， IBM 人与文化和 IBM 系统副总裁
• Alan Wild ， IBM 员工和劳资关系副总裁
• Amy Wright ， IBM 全球业务服务认知人才和绩效管理合伙人
• 张海燕 ， IBM 智慧劳动力研究所首席研究员
34
人力资源中的 AI 业务案例
IBM 智慧劳动力研究所
IBM Smarter Worforce Istitte 提供严谨、全球性的创新研究，涵盖广泛
的劳动力主题。该研究所的经验丰富的研究人员团队运用深度和广度的
内容和分析专业知识来生成报告，白皮书和见解，以促进对工作和组织
的集体理解。本文是 IBM 持续承诺的一部分，即提供高度可信、领先
的研究成果，帮助组织通过员工实现价值。要了解有关 IBM Smarter
Worforce Istitte 的更多信息，请访问 ibm 。biz / 研究所。
IBM 如何提供帮助
IBM 是一家认知解决方案和云平台公司 ， 利用创新 ， 数据和专业知识
的力量来改善业务和社会。通过将行为科学 ， 人工智能和专家咨询结
合在一起 ， IBM 可以帮助公司吸引 ， 雇用和培养发展业务所需的人才
。有关更多信息 ， 请访问 ibm. com / talent - management
关于作者
Nigel Guenole 博士是 IBM 智慧劳动力研究所的执行顾问和伦敦大学
Goldsmiths 管理高级讲师。他以在劳动力分析，统计建模和心理测量方
面的工作而闻名。奈杰尔的工作已出现在领先的科学期刊，包括工业组织
心理学 ： 科学与实践的观点和定量心理学与测量的前沿，以及大众媒体
。奈杰尔也是这本书的合著者。人的力量 ： 了解成功的组织如何使用劳
动力分析来提高业务绩效（ 皮尔森 ， 2017 年 ） 。
Sheri Feinzig 博士是 IBM 人才管理咨询和智慧劳动力研究所的主任，在
人力资源研究、组织变革管理和业务转型方面拥有超过 20 年的经验。
Sheri 将她的分析和方法专业知识应用于许多基于研究的项目，涉及员工
保留，员工经验和敬业度，工作设计和组织文化等主题。
Sheri 曾多次在国家和国际会议上发表演讲 ， 并与他人共同撰写了许多
手稿 ， 出版物和技术报告。 Sheri 也是该书的合著者人的力量 ： 了解
成功的组织如何使用劳动力分析来提高业务绩效（ 皮尔森 ， 2017 年 ）
。了解有关 IBM 人力资源产
品中的 AI 的更多信息
人力资源中的 AI 业务案例
35
参考文献
1 Combs, J., Liu, Y., Hall, A., & Ketchen, D. (2006). How much
do high - performance work practices matter? A meta -
analysis of their effects on organizational performance.
Personnel Psychology, 59 (3), 501 - 528.
2 Ployhart, R. E., & Hale Jr, D. (2014) 。战略和竞争优势的迷人
心理微观基础。组织心理学和组织行为年度评论 ， 1 (1) ， 145
- 172 。
3 Cappelli, P., & Keller, J. R. (2014). 人才管理: 概念方法和实践
挑战. 组织心理学和组织行为年度回顾, 1 (1), 305 - 331.
4 Lewis, R. E., & Heckman, R. J. (2006). Talent
management: A critical review. Human Resource
Management Review, 16 (2), 139 - 154.
5 Guenole, N., Ferrar, J., & Feinzig, S. L. (2017). The Power of
People: Learn How Successful Organizations use Workforce
Analytics to improve business performance. Pearson FT Press.
6 Guenole, N. & Feinzig, S. L. (2017). Decoding Workforce
Analytics: A simple guide to research design and analysis. IBM
Smarter Workforce Institute. Accessed at: http: / / ibm. biz /
decode _ HRanalystics.
7 IBM （ 2018 ） 。值得信赖的商业 AI 。访问网址 ：
https: / / www. ibm. c om / watson / ai - ethics /
81019981 - USEN - 00
© 版权所有 IBM Corporation 2018
IBM Corporation New
Orchard Road
Armonk, NY 10504
2018 年 11 月在美国生产
IBM ， IBM 徽标 ， ibm. com 和 Kenexa 是国际商业机器公司的商标 ， 在全球许多司法管
辖区注册。
其他产品和服务名称可能是 IBM 或其他公司的商标。 IBM 商标的当前列表可在
www. ibm. com / legal / copytrade. shtml 的 “版权和商标信息 ” 网站上找到。
本文档是自发布之日起的最新版本 ， IBM 可能随时更改。并非所有产品都可在
IBM 运营的每个国家 / 地区使用。
本文档中的信息按 “原样 ” 提供 ， 无任何明示或暗示的担保 ， 包括对适销性、
特定用途的适用性以及以下任何担保或条件的任何担保
非侵权。 IBM 产品根据提供它们所依据的协议的条款和条件进行担保。
请回收
