《中国人力资源开发研究会:2023中国人力资源数智化发展白皮书(88页).pdf》由会员分享,可在线阅读,更多相关《中国人力资源开发研究会:2023中国人力资源数智化发展白皮书(88页).pdf(88页珍藏版)》请在三个皮匠报告上搜索。
1、1中国人力资源开发研究会智能分会China(HR)Intelligent ManagementAssociation CIMA中国人力资源开发研究会智能分会成立于 2020 年 12 月,作为中国人力资源开发研究会的分支机构,是一个全国性非赢利性社会团体,致力于成为一个研究和促进智能技术在人力资源开发与管理领域应用的生态平台,全方位推动中国人力资源开发与管理的智能化发展。分会的任务和主要工作内容:构建基于移动互联网技术的人力资源开发与管理智能化的在线应用生态平台。在人力资源智能化领域进行科学调研和数据分析,出具相关研究报告,并基于报告出具相关行业指数。开发和推广人力资源智能化研究与应用等有关专
2、业机构的相关业务,促进行业自律机制的建立,促进各种业务技术规范和服务标准的建立。组织评议、表彰和推广人力资源智能化发展的学术成果。促进人力资源智能化研究与应用相关人才的培养和职业发展。建立人力资源智能化学术成果、专业知识、实践案例分享平台。组织人力资源智能化专业交流活动,为相关机构和专业人员提供专业化交流。推动人力资源智能化学术研究和专业化的咨询服务。中国人力资源开发研究会智能分会数智化标准领导小组中国人力资源数智化标准领导小组的主要职责:定期发布中国人力资源数智化标准白皮书;定期发布中国人力资源数智化建设白皮书;研究并探索中国人力资源管理数智化发展、前沿技术、领先企业、领先实践、市场趋势等;
3、指导中国企业利用人工智能、大数据、大模型等技术进行数字化转型,重塑人力资源管理,引领企业的创新与数字经济变革;推动中国人力资源数智化的学术研究和标准研究;推动中国人力资源数智化和专业化的咨询服务;赋能整个行业生态不断良性循环迭代加速发展;推动企业运营管理和生态圈不断智能化发展。目录contents研究方法研究方法.1 1核心目标核心目标.2 2一、一、20232023 年中国人力资源数智化关键词年中国人力资源数智化关键词.3 31 技术六大关键词.32 HR 业务六大关键词.11二、中国企业数智化应用现状调研二、中国企业数智化应用现状调研.14141 调研企业的基本情况.142 人力资源数智化
4、所处阶段现状.173 各职能模块数智化所处阶段总览.184 人力资源管理系统产品的使用现状.205 人力资源系统数智化应用关注度.226 系统产品的使用现状和数智化关注的程度对比.237 数智化过程中遇到的困难.248 数智化过程中遇到的阻力.259 希望解决人力资源管理的哪些痛点.2610 人力资源数智化解决方案的企业需求分布.2811 人力资源大数据分析和智能化技术的应用情况.2912 企业在人力资源数智化运营中已开展的工作.3413 企业人力资源数智化团队规模.3514 企业人力资源数智化预算.37三、三、20242024 年中国人力资源数智化四大趋势年中国人力资源数智化四大趋势.393
5、91 无人值守的 HR 平台.392 从大屏展示到作战指挥中心.433 基于大模型的数字员工.454 从流程智能到决策智能.47四、中国人力资源管理数智化领先企业实践案例四、中国人力资源管理数智化领先企业实践案例.50501 无人值守的 HR用人工智能重塑人力资源管理实践.502 美的人力资源信息化数字化简史.563 关于 ESG 原则在 HR 数字化过程中的指导作用.614 信息化系统升级,从整合走向融合.715 当 AI 技术着力于“企业微观数智化”.741研究方法研究方法本报告主要采用市场调查、专家访谈、案例研究等方法,并经过中国人力资源开发研究会智能分会人力资源管理数智化标准委员会撰写
6、并审核。数据:以智能分会理事单位为基础,进行广泛市场调查和专家访谈,了解行业主要情况,获得相应数据 分析:基于所获取一手资料,结合统计学分析与数据可视化技术,对相关数据进行结论性洞察 趋势:基于相关数据结论和专家研判,对人力资源数智化领域的发展趋势进行解读 案例:以人力资源数智化领域的代表型企业为标杆,进行专项案例的延伸研究,树立数智化方向的全新标准本报告得到青贝克咨询数据研究中心(KDRC)的技术支持。青贝克咨询是专注于企业人力资源数智化转型的专业咨询机构。面向中国企业,提供全球顶级人力资源数智化转型解决方案,详情可咨询 。2核心目标核心目标 提升行业影响力提升行业影响力:建立中国人力资源数
7、智化行业模型、标准、指数,通过标准化组织的活动和影响力,扩大市场规模,吸引更多企业走进数智化。推动行业发展推动行业发展:指导中国企业利用人工智能与大数据技术进行数字化转型,重塑人力资源管理,引领企业的创新与数字经济变革,赋能整个行业生态不断良性循环迭代加速发展。培养数智化人才培养数智化人才:吸引一流企业数智化人才共创,沉淀行业知识,打造数智化人才认证、学习、交流、成长的平台。3一、一、2023 年中国人力资源数智化关键词年中国人力资源数智化关键词1 1 技术六大关键词技术六大关键词中国人力资源管理在过去 40 多年里历经了四个阶段的发展规划:人事管理阶段、人力资源管理阶段、战略人力资源管理阶段
8、和人力资本阶段;与各个阶段相匹配的,技术也从 IT 到 DT,从 BI 到 DI 到 AI 的演进,流程/系统从线上化、信息化逐步地走上了数字化、智能化的迭代路径。这其中,技术的演进是关键因素,不断推动人力资源管理向前发展。1 1人工智能人工智能:人工智能技术经过近 10 年的实践探索与实际应用,持续发热,在人力资源数字化领域中发挥着越来越重要的作用,它可以帮助企业重塑人力资源“入离升降调,选用育留管”流程,利用模型/算法对员工数据进行解析,以识别趋势、做出预测、辅助判断;提高管理效率和运营质量。常见的应用场景参考如下:对话机器人在人力资源领域常见的应用就是智能客服、访客接待机器人、培训机器人
9、等。语音识别在人力资源管理领域常见的应用就是共享服务中心的客服小秘、招聘小秘、培训助手、虚拟个人助理等。计算机视觉在人力资源管理领域主要的应用是人脸识别,包括无感考勤、刷脸考勤、刷脸办理入职、刷脸培训签到、刷脸缴纳各种费用等。自然语言处理在人力资源管理领域中常见的应用就是客服对话机器人、舆情分析、组织扫描(组织 CT、业绩诊断系统)、人才扫描(人才 CT、人才识别与推荐)等。基于人工智能的深度学习技术可以使企业的人才发展分析和辅助决策变成现实。4用户画像在人力资源管理领域中的应用就是人才画像。基于大数据分析,可以将用户画像的结果用于描述用户的特征,分析用户的喜好。同时,用户画像的结果还可以用于
10、企业关键人才的选、用、育、留等环节,如进行精准培训,分析外部市场的薪酬水平,进行人才刻画分析,优化人才招募、配置、选拔、推荐等。推荐阅读当 HR 遇见 AI一书,用人工智能重新定义人力资源管理,人民邮电出版社,王崇良 黄秋钧著。大数据大数据:数据、模型、算法、算力是机器学习的四大核心要素,算法通过在数据上进行运算产生模型,算力是通过对数据进行处理,实现目标结果输出的计算能力。我们可以利用大数据技术和思维方法去解决人力资源领域“小”数据的问题与诉求。人力资源数据同企业其他经营管理数据一样,也是宝贵的无形资产,通过建立模型与算法可以总结过去、诊断现状、预测未来,理解员工需求、做好服务,为管理提供分
11、析判断、预测洞察,能够在组织、人才、文化、运营层面进行效率的提升,有效提高人力资源精细化管理水平,支撑企业战略目标分解和落地。常见的应用场景参考如下:人才供需规划预测:人才供需规划通常可采取的方式有趋势预测法、成本控制法等。趋势预测法是根据历年的招聘情况(招聘总量、地域分布、业务单元分布、层级分布、组织发展形态、晋升速度、管理幅度、离职率等)进行综合分析给出一定比例增长幅度的线性预测,体现的是企业用工总量的平稳、还是爆发式发展。成本控制法是根据企业人工成本总预算倒推招聘数量,人工成本包含工资、五险一金、商业保险、奖金、调薪、福利费用、培训费用等,从总预算分摊到各事业部各个部门预算,再倒推到各个
12、部门、各个层级能招多少人,从而预估出总招聘量。当然这二种方式各有利弊,也可以结合使用,即双控模式:既控制人头,又控制成本。目前更精准的方式是通过大数据挖掘技术,实时分析,月度 review,季度调整,通过组织结构、人员配比、人力成本、升降调转、绩效、离职5等相关内部信息的加工处理与建模分析,同时结合外部社交数据的综合多维度分析,模拟仿真可能发生的各种变化情景,对其合理性与风险进行评估,给出人才供需分析报告,供管理层科学决策使用,避免“拍脑袋”式决策。人才识别和选拔:求职信息与岗位信息自动匹配、智能评估、双向推荐,对候选人的简历、社交媒体数据、在线行为等合规数据进行综合分析,可以更准确地评估候选
13、人的能力、兴趣和潜力,提高招聘匹配度和效率。通过大数据算法,对相关指标实现量化、标签化,然后对指标进行综合加权匹配,通过训练、验证、调优,实现求职信息与岗位信息的智能评估与自动匹配,向用人单位自动筛选精确的求职者简历,提升招聘效率与产出;也可以向求职者推荐合适的岗位信息,达到用人单位主动吸引人才的目的,实现双赢。另外,智能匹配算法可以非监督学习功能,根据输入信息变化、搜索历史、地域热度、人才贮备等变化,可以自我调整修正指标,从而自动匹配更加智能化。招聘运营效率提升:大数据分析在招聘渠道、招聘进展(漏斗分析)、招聘来源(人才雷达地图)等方面都可以发挥很大作用,满足基本要求:多(招人数量多)快(进
14、人效率高)好(人才质量优)省(花费成本低),并向组织效能转化。通过准确的甄选评测工具、正确的操作流程、合适的面试官、适当的技术,将最优秀人才招募进来。员工培训和发展:通过对员工的学习需求、绩效表现、能力水平、工作行为等数据进行建模与综合分析,结合学习地图,可以制定千人千面的课程推荐和个人发展计划,提高员工的职业发展水平和绩效。个性化推荐课程有了用户的若干个行为偏好特征标签,就可以对应于课程标签进行个性化推荐了。但实际操作过程中,用户可能不买账,认为有些课程并不是他想要的。这就还需要根据用户的学习风格以及学习习惯进行不断机器学习调优,并最终达到用户想看6到的时候我们已经推送到位。绩效预测:通过收
15、集对员工平时积累的工作表现、能力提升、工作行为、态度、团队协作等多方面的数据,进行模型搭建以及综合分析,可以更智能、更准确地评估、预测员工的绩效表现,为升降、调薪、调配等管理动作提供科学参考依据。职业发展规划:通过提取高绩效、高潜力人才的显著特征,得到不同序列的人才画像:将候选人与之匹配,得到匹配指数,从而协助HR 快速找到最优秀的人才;也可以通过评估人的适岗性,把合适的人放在合适的位置上;结合学习地图,匹配学习课程。这就需要平时要建立用户标签体系,通过当前员工岗位、职级、职责、绩效、代码产量、晋升速度、薪资涨幅程度、360 度评估、技能水平等打上标签,与员工下一步职业规划的岗位所需的能力标准
16、以及技能要求进行匹配,形成岗位匹配度、能力匹配度、技能匹配度等员工发展相关标签,同时结合市场热点岗位分析,综合为员工提供职业发展评估和建议。薪酬与福利:新时代基本工资、奖金等对员工的激励效果在逐步减弱,而股票、福利、内部创业等新形式则受员工关注。如何建立价值创造、价值评估、价值输出的一个公平的薪酬评价体系,是努力的方向。通过对员工薪资、调薪、奖惩、福利、绩效表现等细项数据的分析,对标业界市场薪酬水平,可以更准确地了解员工满意度和流失率,及时调整管理策略,提高员工的工作积极性和忠诚度。员工关系管理:通过对员工沟通、交流、项目协作等合规数据日志的分析,通过模型与算法,可以更准确地了解员工之间的合作
17、情况和团队氛围,及时发现和解决潜在风险问题,促进员工关系的和谐发展。离职预测实现路径主要是根据加薪时间、晋升时间、在岗时间、考勤状况、参会记录等 100+人力资源指标,加外部舆情分析,根据过去发生的已离职情况推导出指标的离职指数,根据离职指7数,利用回归算法等大数据模型预测未来。数据包括了内部数据和外部数据。虚拟现实虚拟现实:虚拟现实技术广泛应用在招聘、培训等领域,帮助企业实现更加高效、精准的人力资源管理,提高员工的参与度和满意度。常见的应用场景参考如下:虚拟面试:利用虚拟现实技术可以进行虚拟面试,求职候选人可以在虚拟环境中与面试官进行实时互动,更深入地详细了解公司的文化、工作环境和岗位要求,
18、为求职候选人提供更真实的面试体验,提升雇主品牌。虚拟入职:通过创建虚拟现实场景,让候选人远程模拟参观公司的办公环境、工厂环境或实验室,提前感受与了解上海品茶和工作环境。这种方式节省时间和成本,大大提高候选人加入公司的可能性。员工培训:虚拟现实可以带来了更深层次的沉浸感,学习者可以沉浸在体验中,帮助员工更有效地学习和掌握各种技能。模拟各种工作场景,对求职者的技能和适应能力进行测试,以便更准确地评估其能力。通过虚拟现实技术,可以模拟各种培训场景,如风险处理、紧急情况处理、销售技巧培训等,让员工在安全的虚拟环境中进行实战演练,提高技能水平以及应急能力。员工敬业度:虚拟现实能够以动态的方式与他人互动,
19、可以应用于项目团队合作,改善员工敬业度。RPARPA:RPA 在人力资源领域的应用场景非常广泛,可以帮助企业实现人力资源流程的自动化和智能化,减轻 HR 的工作负担,提高运营效率。常见的应用场景参考如:招聘流程自动化:快速分发招聘信息,筛选应聘简历,通知应聘人复试,减少手动操作,提高人才招聘率。RPA 可以根据设定的规则自动筛选简历,将符合要求的简历发送给 HR,大大节省 HR 浏览和8筛选简历的时间。此外,RPA 还可以自动发送面试通知,提高招聘效率。入职流程自动化:新员工入职涉及到许多数据处理任务,包括个人信息录入、合同生成、工号分配、邮箱和 IT 系统账号开通等。RPA可以自动完成这些任
20、务,快速准确地完成新员工入职流程。薪资和福利处理:每月的工资和福利处理是一项繁琐且耗时的任务。RPA 可以自动收集员工的工时、出勤和其他相关数据,计算工资和福利,并生成工资单。这不仅可以减少错误,还可以确保员工按时收到工资。考勤管理:RPA 可以自动收集员工的考勤数据,包括打卡时间、请假、加班等信息,并进行处理和分析。这可以大大减轻 HR 的工作负担,并提高考勤管理的准确性。离职流程自动化:员工离职时,需要进行一系列的数据处理任务,如结算工资、办理离职证明、关闭相关账号等。RPA 可以自动完成这些任务,确保离职流程顺利进行。人力资源数据分析:RPA 可以自动收集和分析人力资源数据,如员工满意度
21、、招聘周期、人员流动率等,为管理层提供决策支持。员工绩效管理:RPA 可以帮助 HR 自动收集员工的绩效数据,进行计算和分析,生成绩效报告。这可以提高绩效管理的效率和准确性。人才分析人才分析(PeoplePeople AnalyticsAnalytics):人才分析可以利用大数据和人工智能技术,对人才需求和候选人特征进行深度分析,帮助企业实现更加精准、个性化的人力资源管理,提高人力资源的利用效率和管理水平。常见的应用场景参考如下:人才盘点:通过对企业现有员工的能力、绩效、职业发展需求等多方面数据进行综合分析,人才分析技术可以帮助企业全面了解员工的现状,识别出高潜人才,为企业制定更合理的人才规划
22、和配置策9略提供数据支持。人才发展:通过对员工的学习需求、学习能力和职业发展目标等多方面数据进行综合分析,人才分析技术可以为企业制定个性化的培训和发展计划提供数据支持,提高员工的职业发展水平和综合素质。人才激励:通过对员工的工作满意度、薪酬和福利需求等多方面数据进行综合分析,人才分析技术可以帮助企业制定更加合理的薪酬和福利政策,提高员工的满意度和忠诚度。人才流失预测:通过对员工的工作满意度、职业发展需求等多方面数据进行综合分析,人才分析技术可以预测员工流失的可能性,为企业提供针对性的防范措施,减少人才流失对企业的影响。招聘优化:通过对招聘数据、候选人特征、面试表现等多方面数据进行综合分析,人才
23、分析技术可以帮助企业更准确地评估候选人的能力和潜力,提高招聘的准确性和效率。生成式人工智能生成式人工智能:AIGC 是生成式人工智能的缩写,它利用人工智能技术来生成全新的、真实的、有用的数据,例如文本、图像、音频和视频等。AIGC是继专家生产内容(PGC)、用户生产内容(UGC)、AI 辅助生成内容(AIUGC)之后的新型内容创作方式。生成式是一个应用场景或应用形态,比如歌曲生成文本是一种应用形态。大模型是一种概念,例如人岗匹配是一个 AI 模型,离职预测是一个 AI 模型,绩效预测是一个 AI 模型,每个都是单独的模型;大模型是用所有人力资源里的这种训练数据构建一个统一的训练任务,各模块都共
24、享一个 AI 模型,其中的参数可能巨大,一般是 10 亿级别以上的,可以支持多个不同的任务,可以去做离职预测、绩效、选拔等等。ChatGPT 被称为世界模型,包括人力资源数据、财务数据、经济学数据、物理学数据等等,几乎把全世界能够用到的数据都涵盖在内,此时只需要用一部分的人力资源知识去引导ChatGPT,激发 TA 的这种能力,就可以解决人力资源的相关问题。世界模型或大模型,需要给他输入人力资源的智慧,首先他拥有全部的历史训练数据,输10入人力资源智慧只是为了让他更具有人力资源知识,就是预训练一个神经网络模型,具备 SFT(Supervised Fine-Tuning)技术,即强化学习。例如从
25、小学到高中都是通识教育,而上大学就分科了,其实大学的知识,小时候都有接触,但现在分科是为了强化这部分知识,通过专门的学科去再学习。因此,通过强化学习人力资源知识,让人工智能达到专家的水平。AIGC 在人力资源领域的应用场景可能会带来许多颠覆性的变革,具体包括以下几个方面:招聘和筛选:利用 AIGC 技术,可以进行岗位描述,任何岗位只要简单描述下岗位名称,就能很容易生成非常专业的岗位描述。也可以快速生成对外发布广告使用的招聘文案。利用自然语言处理(NLP)技术,可以对求职者的简历进行自动解析,并将简历信息进行结构化处理;然后通过机器学习算法,可以分析这些结构化的简历信息与职位要求的匹配程度,从而
26、快速筛选出合适的候选人,提高招聘效率和准确性,减少招聘成本和时间。绩效预测:利用自然语言处理技术,可以自动提取员工的工作表现和成果,并对其进行量化评估,提高绩效评估的客观性和准确性,减少主观因素的影响;机器学习算法可以分析员工的表现和绩效之间的关系,从而预测员工未来的表现和绩效。利用 AIGC,可以设计不同部门都有什么考核 KPI 指标。培训和发展:利用 AIGC 帮我们生成某个主题课程的大纲,利用这个大纲再去设计课程就会容易得多。利用机器学习技术,预测员工的职业发展方向和需要的培训课程,提高员工绩效和发展计划的个性化程度和准确性。人力资源数据分析:AIGC 可以辅助生成程序,进行数据合并、拆
27、分等处理工作;处理完数据,还能进行数据分析。利用自然语言处理技术和机器学习技术,对大量的人力资源数据进行分析,提取有价值的信息,提高人力资源数据的分析能力,为决策提供更准确的支持等。112 2 HRHR 业务六大关键词业务六大关键词2023 年是三年疫情之后的第一年,本应复苏的大环境变得更加复杂,不确定性增多,给人力资源管理工作也带来了新的挑战,既要做好本职工作,又要协助业务应对各种不确定性与风险。回顾 2023 年,如下的关键词值得大家复盘,把握住确定性,防控好不确定性/风险,积极应对未来更大的挑战。这些关键词包括:1 1数据驱动决策数据驱动决策:百度人力资源部在 2014 年率先研究大数据
28、在人力资源领域的应用,第一个模型是机器选择并推荐人选作为 360 度评估中的peer,并在当年成功应用落地;后续几年不断探索与实践,逐步形成了一系列的智产品(智留辞、智组织、智文化、智选才、智绩效等),辅助管理判断与决策。经过近 10 年的发展与影响,业界也逐步认可百度的人力资源大数据应用标杆作用,纷纷建立自己的模型与应用,已然成为一种趋势。通过数据分析工具对员工数据进行分析和挖掘,以更好地理解员工的行为和需求,了解人才市场动态和行业趋势,为企业提供更准确的人力资源相关决策支持已渐成风尚,数据驱动决策逐渐成为主导。可以参考熊辉教授、祝恒书博士主导的“百度人才智库”。推荐阅读人力资源大数据应用实
29、践一书,清华大学出版社,王爱敏 王崇良 黄秋钧,2017 年。数智化转型:数智化转型:人力资源数智化转型主要转变的是人力资源的管理方式(组织、人才、文化),通过应用最新数字化技术(人工智能、大数据、区块链、云计算、物联网等),重塑人力资源管理的业务流程(入离升降调、选用育留管),将人力资源管理全生命周期的过程数字化、自动化、智能化(比如无感考勤、机器人自动审批、大模型助力智能机器人客服、语音调取自助服务等),从而提升人力资源管理效率、优化人才使用效果、打造敏捷组织,实现人力资源的动态运营,提升企业整体绩效。同时,人力资源数智化转型也是企业数智化转型的一部分,随着人工智能、大数据等技术的不断应用
30、与迭代,人力资源同企业其他职能(研发、生产、营销、财务等)携手转型已成为企业快12速致胜的必然趋势。员工体验员工体验:员工体验是近几年谈论一直经久不衰的话题,尤其疫情过后,随着员工需求和期望的不断提高,员工体验更是成为人力资源管理的重心之一。运用数字化技术,重塑业务流程,并在“入职、在职、离职”全生命周期各个阶段中的关键时刻,提供千人千面的个性化服务:比如流程类(10 分钟极速入职、目标设定提醒、课程学习提醒、个税机器人申报等)、关怀类(7x24小时客服、证明自助领取、精准推送生日、周年祝福等)、消息类(发送入职指南、事项待办等)、预警类(离职预测、团队氛围、调薪边界等),通过关注员工在工作、
31、生活、学习、发展中的点点滴滴,主动创造并唤醒“意料之外”的惊喜,提升员工体验,从而间接地提高员工满意度和忠诚度,数据表明,这是正相关因素。敏捷绩效:敏捷绩效:绩效管理是企业价值输出的导向,进入移动互联网时代后,OKR、人单合一、阿米巴、合弄制等纷纷流行,许多企业放弃了强制分布和末位淘汰,纷纷开始转向敏捷绩效,员工与主管可以随时随地通过移动 App 修改/确认目标、反馈意见,当然也可以征求其他专家或项目经理的反馈意见,而且绩效的产出结果不与晋升、调薪直接挂钩。这种方式极大地增强了员工与主管的沟通效果,可以帮助员工及时调整个人发展路径,实现快速成长。当然,有些东西是不可量化的,如工作激情与创新动力
32、等,这就需要 HR 从业者平时多关注与收集员工的工作状况、代码生产情况、行为表现、团队合作情况、沟通交流情况等,利用大数据、NLP、机器学习技术建模,开展定量与定性的综合分析,明确哪些因素可以最大化地提高员工的业绩,从而达到提升组织效能的目的。人工智能也可以预测绩效,通过历史数据和实时数据来预测员工的业绩,为绩效管理回顾性和前瞻性的分析;通过员工的历史绩效数据,可以确定构成组织中高绩效或低绩效的个人特征,这样的分析可以针对部门、个人和团队绩效。智能薪酬:智能薪酬:在人力资源数据分析中占比最大的模块就是薪酬,HR 在处理薪酬模块的数据时,要先进行工资数据分析(如计算方法、构成分析、工资13支出、
33、预算分析),再做薪酬政策的数据分析,比如人力投入分析、人工成本分析、人均效能分析、人员激励分析、外部对标与竞品分析、薪酬政策数据分析、预算分析等;利用大数据和人工智能技术,实现这些薪酬活动的自动化和智能化,比如智慧算薪、智能定薪、薪酬模拟器、监控预警平台(工资总额接近或超过预算警戒线、工资月度变动异常预警、激励过度分析预警)等,提高薪酬管理的运营效率与准确性。智能人才发展与培训智能人才发展与培训:人才发展的核心是以人才盘点为基础,做好人才选拔和人才培养。人才盘点的工作非常繁杂,需要看组织、岗位、人岗匹配,人工智能可以根据员工绩效、能力、潜力的评估结果迅速提供企业需要的高潜人才分布(九宫格或 1
34、6 宫格),从而确保企业清楚需要招聘哪些的人才,需要保留哪些人才,需要培养哪些人才,需要淘汰哪些人员。在人才培养方面,企业也可以使用人工智能技术培养员工,根据员工的岗位、能力、技能、个人发展计划(IDP)等数据的整理与学习地图智能匹配,推荐个性化的学习课程。在人才培养的过程中,试用期转正评估、晋升答辩、轮岗评测、年度总结述职等工作,都可以利用人工智能技术来完成,不仅节省了管理者大量时间,更重要的是,人工智能能够更客观更公平地给出评估结果。利用人工智能,基于人力资源知识图谱构建员工标签库,建立人才画像体系,通过人才发现、人才识别、团队分析和发展路径等功能,协助企业管理者和 HR 从业者有效发现核
35、心人才。人工智能将改变培训模式,通过人工智能技术,不仅能够为员工提供沉浸式的培训体验,还能够结合员工兴趣爱好及潜能,进行个性化课程推荐,形成员工定制化学习地图,对员工进行 360洞察,为员工在企业中的学习发展提供导航。更有趣的是,通过人工智能技术能够将培训游戏化、盲盒设计来增强课程的吸引力,提升学习的兴趣。培训的个性化、碎片化、社交化、场景化、游戏化将会是未来的主流趋势,只有运用人工智能技术才能发挥更大优势,实现降本增效。基于 AI 和知识图谱的技术,整合企业内外部的学习资源,加快知识的智能化沉淀,优化知识领域的个性化推荐,为企业的人才技能培养提供智能化方案。14二、中国企业数智化应用现状调研
36、二、中国企业数智化应用现状调研1 1 调研企业的基本情况调研企业的基本情况1.11.1 调研企业所在的行业领域调研企业所在的行业领域参与本次调研的企业从所属行业领域来看,主要分布在制造业、IT/互联网/科技、高校/科研院所、房地产/建筑/物业、服务业等,其中,制造业占比最高,达到了 21.12%,其次 是 IT/互联网/科技,占比 18.63%。高校/科研院所达到了 11.18%,房地产/建筑/物业约占 10.56%;其他行业共占约 38.51%。与 2021 年调研数据对比图如下:1.21.2 调研企业的性质调研企业的性质参与本次调研的企业按性质来划分,民营企业占到了绝大多数,为 49.69
37、%(同 2021 年相仿),国有企业的比例 31.06%(比 2021 年高 10pp);外资企业占比约 9.32%。151.31.3 调研企业的规模调研企业的规模参与本次调研的企业按规模来划分,超过万人规模的企业占比 24.84%,说明大型企业不光注重内生,也开始关注外部影响;其次是 100-500 人规模的企业占比约 21.12%,1000-5000 人规模的企业占比约 18.01%。161.41.4 调研人的职务调研人的职务参与本次调研人的职务来划分,从事 HR 工作的人占比最高,约占 46.58%,企业管理者次之,约占 25.47%,专家/教授占比也不少,约 10.56%;乙方(人力资
38、源服务商)占比约 9.94%。1.51.5 调研人的从业年限调研人的从业年限参与本次调研人的从业年限来划分,超过 10 年工作时长的最高,约占50.91%,5-10 年工作时长的次之,约占 24.84%。172 2 人力资源数智化所处阶段现状人力资源数智化所处阶段现状按照“四化模型”,人力资源数字化建设可以分成四个阶段:线上化、信息化、数字化、智慧化:线上化阶段线上化阶段:主要是把线下作业流程“搬”到线上,比如企业在这个阶段可以通过引入外部商用套件(有条件的也可以自研),实现员工信息、薪酬福利、考勤等基础数据的电子化管理,这一步提高了工作效率,减少了手工操作和数据错误。信息化阶段信息化阶段:在
39、“入离升降调、选用育留管”线上化的基础上,打通拉通各个业务模块进行协同管理,实现业务间的信息共享和端到端流程协同;这一步有助于提高企业整体的人力资源管理效率。数字化阶段数字化阶段:企业开始利用大数据、人工智能等技术,对数据进一步挖掘,借助建模与算法,预警预测,为企业提供更准确、更全面的决策支持。例如,通过对员工绩效数据的分析,发现员工的潜在能力和提升空间,从而制定更有针对性的培训计划。这一步关注企业效能以及员工体验。智慧化阶段智慧化阶段:人力资源管理具备了灵敏感知功能、自适应学习能力、预测判断功能,并能给出行动建议的能力。这意味着人力资源管理系统能够实时感知组织内外部环境的变化,自动学习和适应
40、新的情况,预测未来的趋势,并为管理者提供决策支持。这一阶段强调与组织战略和业务目标的紧密结合,通过数据驱动和业务迭代不断提升人力资源管理的价值和影响力。它致力于构建生态型组织,促进企业的多条曲线良性发展,为企业创造更大的价值。调研发现,中国企业管理对于数智化的应用已经开始,约 70%的企业已经开始了数智化进程,并开始形成趋势,具体情况如下:多数企业(约 49.69%)已处在“开始探索应用”阶段,开始部分场景的应用探索;比前年上升 13%;说明数智化应用在不断发展,前景看好。已有约 9.32%的企业开始全模块系统“全面落地”;比前年上升 1%。18 约 14.29%的企业开始部分模块推广应用阶段
41、;比前年下降 10%.约 18.63%的企业处于了解但尚未开始后应用阶段;比前年下降 2%只有约 10.81%的企业尚处于不了解阶段;比前年下降 2%。3 3 各职能模块数智化所处阶段总览各职能模块数智化所处阶段总览人力资源数智化是企业运营管理数智化的一部分,企业内部各职能模块数智化的应用场景已经非常广泛,利用 AI、大数据等技术重塑企业内部流程价值链,提高企业的运营效率、降低成本并增强竞争力,已在各行各业如火如荼开展,比如,智能制造:利用物联网、大数据和人工智能技术,进行工厂设计和规划,实现工厂布局、生产线规划、设备安装调试等的数字化和智能化。通过引入自适应控制、智能感知、自主决策等功能的制
42、造装备,如数控机床、机器人等,实现制造过程的自动化和智能化。营销数智化:通过大数据分析了解客户的购买行为和偏好,制定更加有针对性的销售策略;利用人工智能和机器学习技术,构建智能销售系统,实现自动化销售流程和个性化的客户服务,提高销售效率和客户满意度。财务数智化:通过大数据分析和人工智能技术,预测未来的市场需求和财务状况,为企业的战略决策提供有力支持;利用智能化的财务报表生成和分析工具,实现财务数据的自动化处理和分析,实时监控财务状况和经营成果,及时发现和解决财务风险问题,提高财务决策的准确性和19效率。研发数智化:通过大数据和人工智能技术,分析市场需求和产品趋势,为研发项目提供更加精准的方向;
43、利用虚拟现实(VR)、增强现实(AR)等技术,构建数字化研发平台,提高产品设计和开发的效率和质量、创新能力等等。调研发现调研发现:在企业内部管理的十三大模块上,各个模块都有不同的企业在数智化应用上进行了有效探索,比如,财务管理:约有 40.4%的企业在这个领域里开始了数智化应用,比前年提升了 12.7%;人力资源:约有 37.9%的企业在这个领域里开始了数智化应用,比前年提升了 3.4%;战略管理:约有 27.3%的企业在这个领域里开始了数智化应用,比前年提升了 6.8%;行政管理:约34.8%,比前年提升了 17.2%;供应链管理:约 30.4%,比前年提升了 5.4%;质量管理:约 31.
44、7%,比前年提升了 12.1%;产品研发:约 31.1%,比前年提升了 2.8%;生产制造:约 37.3%,比前年提升了 13%;市场营销:约 32.9%,比前年提升了 8.5%;客户管理:约 35.4%,比前年提升了 12.1%;商务管理:约 30.4%,比前年提升了 6.1%;办公自动化:约 37.3%,比前年提升了 8.3%;运营管理:约 35.4%,比前年提升了 11.7%。其中,涉及“人力资源”管理模块的调研数据发现,企业的人力资源管理进入数智化阶段、处于信息化阶段的占比总和已超过四分之三,线上化阶段的占比已不足四分之一,详细描述如下:约有 37.9%的企业人力资源领域里开始了智能化
45、应用,比前年提升了3.4%,说明人力资源智能化已开始深入民心、稳步增长。约有 39.1%的企业仍处在人力资源管理信息化阶段,业务要求他们急需迈入下一个阶段(数字化、智能化阶段),有迫切诉求。同时,约有 23%的企业在人力资源管理数字化程度上非常落后,分别处于线下作业或线上化初始阶段,大多数为小微传统企业。20调研数据表明,2023 年中国企业在数智化方面的发展呈现出整体稳步提高的特点,随着中国企业不断加快数字化转型的步伐,数智化已经成为企业发展的必然趋势。越来越多的企业开始重视数智化应用建设,通过大数据、人工智能等技术进行业务模式创新、产品创新和服务创新,打造差异化竞争优势,推动业务创新,提升
46、数智化应用水平。头部企业已经通过大数据、人工智能等技术进行业务模式创新、产品创新和服务创新,打造差异化竞争优势,并开始享受数智化带来的红利。同时还应看到,中国企业的基础设施建设仍需要持续完善,需要不断加大在云计算、大数据、人工智能等方面的投入,提升数据处理能力、网络传输能力等方面的技术水平,为企业数智化应用提供更好的基础设施支撑。4 4 人力资源管理系统产品的使用现状人力资源管理系统产品的使用现状人力资源管理系统涵盖了“入离升降调、选用育留管”的方方面面,从产品角度可以分为 CoreHR 系统(组织、岗位、人事管理)、薪酬管理系统、考勤系统、外包系统、招聘系统、办公系统、入职系统、离职系统、异
47、动系统、培训系统、绩效系统、人才发展相关系统、组织发展相关系统、人效管理相关系统、调研系统、组织效能相关系统、文化氛围相关系统、决策支持系统等等。21这些系统或模块之间相互配合、打通拉通,才能实现人力资源数字化管理的目标,比如,流程端到端衔接与协同、数据互通与共享、统一入口与界面、智能分析与指挥作战中心、预警与预测、数字人自助服务等。通过这些配合方式,企业可以实现全面的人力资源数字化管理,提高管理效率和工作质量,为企业的长远发展提供有力支持。通过对人力资源管理系统产品使用现状的调研,在基础核心模块上,各家企业使用程度上一直比较稳定,在流程自动化产品方面应用程度也还不错,在决策智能化产品方面应用
48、程度虽然较低,但呈现明显上升趋势。详细情况描述如下:有三大模块使用程度显著高于其他模块,分别是:人事管理系统(约69.6%,比前年提升了 1.6%)、考勤系统(约 57.1%,比前年下降了 8.9%)、薪酬管理系统(约 51.6%,比前年下降了 8.4%),这仍然是人力资源管理系统的基础核心构成部分。同时,培训管理系统(约 44.1%,比前年下降了 1.9%)、智能招聘系统(约 42.2%,比前年下降了 7.8%)、绩效管理系统(约 39.8%,比前年下降了 2.2%),仍然维持规模效应,比例有所降低说明数字化转型过程中带来的波动不可避免,但变革趋势不可阻挡。22 流程自动化相关的产品,应用程
49、度相对较高,比如,人才发展管理系统(约 28%,比前年提升了 1%)。决策智能化相关的系统产品,应用程度虽然较低,但均有提升。比如,组织发展(约 14.3%,比前年提升了 5.3%)、人效管理(约 13.7%,比前年提升了 2.2%)、敬业度洞察(约 13%,比前年提升了 2%)、团队效能(约12.4%,比前年提升了 5.4%)、文化氛围(约 12.4%,比前年提升了 5.4%)、离职预测(约 10.6,比前年提升了 2.4%)。说明这里需求旺盛,机会多多。5 5 人力资源系统数智化应用关注度人力资源系统数智化应用关注度通过对人力资源系统数智化应用关注度调研发现,各个模块受到的关注程度远超过
50、60%(除了劳务外包约 59.6%),说明受访的各家企业不仅关注人力资源数字化转型,还希望各模块均衡发展,都不想在未来竞争中落伍。人力资源系统的主要产品数智化应用均受到广泛的关注,其中招聘和员工服务平台模块的关注度尤为突出。其余各模块应用齐头并进,不相上下,均衡发展,趋势明显上升,各个领域机会明显,突破需要创新。236 6 系统产品的使用现状和数智化关注的程度对比系统产品的使用现状和数智化关注的程度对比通过调研发现,互联网公司进行人工智能在人力资源领域的应用实践层面上仍然走在前面,但同时也发现,头部民营企业也纷纷购买智能化软件或引入大咖建立团队投入资源进行智能化自研,以期在人才供应链管理智能化
51、上取得竞争优势。不少外企也进行了很多场景化探索;众多传统企业对数智化的期望与渴望程度非常高。具体发现如下:企业对智能招聘和员工服务平台的关注程度,远高于核心系统产品及其他人力资源模块的关注度。这说明这两个模块是必需品,人才入口(招聘)仍然是热点,同时员工更加关注体验提升;人事管理/考勤系统,技术的实现与企业的期望仍然比较接近,说明这两年市场上的考勤系统产品数智化程度跟用户的期望比较相符,用户容易接受,同时也说明创新空间不大了,当然无感考勤是个亮点。培训管理/薪酬管理系统距企业对数智化的关注度距离拉大,说明甲乙方的创新优化空间都很大,仍有众多机会可以尝试;绩效系统是近年来用户期望较高的,通过人工
52、智能来实现自动化绩效评估、实时反馈与调整、个性化评估与建议、预测与决策支持,可见这块市24场潜力还有很大空间可挖;流程自动化相关的系统向流程智能化的迭代已成趋势;自动审批、数字人客服已形成可推广模式;人力资源管理决策支持系统的需求很旺盛,标准产品尚处在初期阶段,除了头部企业有了探索与应用实践之外,大多数企业尚需跨越式发展,这块充满无限的市场机遇。7 7 数智化过程中遇到的困难数智化过程中遇到的困难人力资源数智化过程中可能遇到各种各样的困难,主要包括以下几个方面:业务流程 owner 职责与角色划分不清、数据基础薄弱、数据质量不高、历史数据沉淀不足、缺乏数字化专业人才、技术储备不足、领导重视程度
53、和认识程度不够等,企业需要针对这些困难采取相应的措施,才能确保人力资源数智化的顺利进行。通过调研发现,人力资源数智化的路途中沟沟坎坎不少,困难就是机遇,数据治理将存在潜在机遇,急需开拓。调研结果详情描述如下:数智化过程中遇到的最大困难仍然是数据本身问题(例如数据基础薄弱、缺乏大数据平台、数据管理碎片化、数据积累时间较短、数据质量差、25缺乏数智化专业人才),调研中数据基础薄弱占约 59.6%,比前年提升了7.2%,历史数据的清理占约 46.6%,比前年提升了 4.6%;企业对人力资源管理数智化转型认知有所提升(认知不足比前年下降了4.8%),仍然普遍缺乏数智化技能背景的专业人才(与前年占比持平
54、);企业内部仍然存在部门壁垒,难以打通数智化链条的占约 32.3%,比前年下降了 2.7%,略有好转;企业不知道如何推进数智化工作的占约 29.2%,比前年提升了 0.2%;即使知道但难以将分析结果落地的企业占约 21.7%,比前年下降了 7.3%;这说明人力资源数智化实施仍有市场可挖。数智化对于人力资源管理产出效果不显著的占约 24.2%,比前年下降了1.8%。人力资源不能自嗨,要联动人、财、物、事,推动运营管理智能化,方能对 CXO 们产生价值。8 8 数智化过程中遇到的阻力数智化过程中遇到的阻力根据本次数据调研发现,人力资源数智化的阻力来源情况汇总如下:最大阻力来自于数智化与业务无法有效
55、结合,占比 40.99%,比前年反而上升了 9.23%。这说明数智化已经进入了深水区,大家不再跟风,在深度思考数智化到底能给企业带来哪些增值以及投入产出比。对内部 HR 的启发是:专业是敲门砖,懂业务并给业务带来价值才是出路。对外部供应商而言,这就是机会。阻力还来自于企业高管们(CEO、CHO、CIO)对人力资源管理数智化转型认知水平不足且不统一:比如,战略目标含糊不清占比约 35%,比前年上升了 5%;人力团队对数智化理解存在偏差占比约 34.16%,比前年下降了 0.8%;公司顶层缺少重视度占比约 32.3%,比前年下降了 1.7%;转型责任主体不明确占比约 29.2%,比前年下降了 5.
56、2%。CXO 们对数智化转型的认知不统一是最大阻力,无法确保轮船往一个方向行驶。26 数智化的基础建设不充分,无法支持上层应用:比如没有合适的数智化平台占比约 26.7%,比前年下降了 5.3%;仍然存在数据孤岛/部门壁垒现象,造成数据积累不够:比如企业各环节各部门缺少数据积累占比高达 29.2%,比前年下降了 3.8%;数智化应用对与业务的直接效果不明朗,缺乏业务验证闭环。为了克服人力资源数智化过程中遇到的阻力并顺利推进实施,企业可以采取以下措施:数字化转型是一把手工程,要强化组织领导与顶层设计;通过内部培训、研讨会、分享会等方式,向管理者/员工普及人力资源数智化的概念、意义和价值,提升全员
57、认知与意识;建立跨部门的协作机制,形成工作合力,共同推进数智化的实施;积极引进和培养具备数据科学和人力资源管理知识的专业人才,构建数智化人才团队;进行数据治理,确保可靠性、准确性、安全性。搭建适合的数智化工具与技术平台,并持续改进与优化。9 9 希望解决人力资源管理的哪些痛点希望解决人力资源管理的哪些痛点如何解决人力资源管理的核心痛点呢?一句话,利用人工智能技术重塑业务流程,通过 BI、DI、AI,打通系统,拉通数据,建立数仓,依托模型与算法,建立起智慧 HR 平台,形成智系列产品+慧系列产品,提升 HR 的专业度,联动人27财物事,驱动业务增值。传统的数据挖掘把获得的知识用于人的决策支持而没
58、有自动的上升到智慧的层面。现在大数据、云计算和人工智能的结合的目标是不仅要使知识发现的过程自动化,而且还要从知识层面飞跃到智慧层面,例如 AlphaGo 学习了人类的棋谱之后会生成人类之前没有实现过的下棋方法。传统数据挖掘和未来智能化应用之间的差别类似于地图导航应用和人工智能自动驾驶汽车之间的差别:地图导航会收集汽车的位置数据、路况数据和地图数据进而计算出可供选择的路线,但是采用什么样的路线和如何驾驶是由驾驶员决定的,地图导航应用的作用就是决策支持;自动驾驶汽车在获得目的地数据之后不仅要计算出路线而且还需要控制汽车的行驶,更重要的是要根据行驶过程发生的各种情况作出判断和决策。因此,相比于传统的
59、数据挖掘,这是范式上的全面升级。调研数据发现,人力资源希望数智化能解决的痛点如下:人才培养与发展(约占 68.3%,比前年上升了 9.3%);人才的招聘(约占 67.1%,比前年上升了 5.1%);人效评估(约占 55.9%,比前年下降了 1.1%);人力规划(约占 52.8%,比前年下降了 6.2%);人才画像(约占 52.8%,比前年下降了 2.2%);组织创新(约占 44.1%,比前年上升了 1.1%);敬业度洞察(约占 41%,与前年持平)已成为突出痛点;28 企业领导力(约占 32.9%,比前年下降了 0.1%);组织稳定性(约占 31.7%,比前年下降了 0.3%);组织文化(约占
60、 31.1%,比前年上升了 1.1%);组织战略(约占 28%,比前年下降了 14%)紧随其后,也逐步成为企业转型与发展的拦路虎。1010 人力资源数智化解决方案的企业需求分布人力资源数智化解决方案的企业需求分布前沿技术正在快速向前演变,企业也在以前所未有的速度加快步伐迎接全新技术,通过数字化手段进行业务转型。我们人力资源管理正在面临前所未有的压力,组织边界、岗位边界、人员职责正变得模糊与不确定性,对人力资源数字化提出了更高的要求,利用最新技术、结合管理实践,重新定义数字化的人力资源管理,是当前所有人力资源从业者的必修课。通过调研发现,从数智化场景工具(约占 59%,比前年提升了 6%)、数智
61、化咨询(约占 55.3%,比前年提升了 6.3%)到数智化系统产品(约占 55.3%,比前年提升了 9.3%)和数智化培训(约占 47.8%,比前年下降了 8.2%),均存在旺盛的企业需求;因此,无论是甲方企业选择自主研发,还是乙方企业重塑产品、协助甲方建设,市场想象空间都十分巨大。实施方法可以参考四化模型,以及后29面的案例。1111 人力资源大数据分析和智能化技术的应用情况人力资源大数据分析和智能化技术的应用情况2021 年版白皮书发布了人力资源数智化各个阶段典型应用总览,今天依然适用,具有指导意义。在人力资源管理数字化发展过程中,经历了数据库、BI、DI、AI 的不断迭代,从技术层面保障
62、了推动人力资源智能化向前进的步伐。人力资源数智化发展的各个阶段代表性技术不同,从数据存储框架,软件架构到数据挖掘和机器学习算法的不断发展。其中,数字化的信息存储可以帮助人力资源信息的高效管理和利用;统计报表技术可以实现和集成多种人力资源管理所需的功能,提高管理效率;数据挖掘算法和机器学习算法则可以智能化的分析、诊断、预测人力资源管理中的众多复杂场景,帮助人力资源团队做出更好的决策。各阶段典型技术目前主要包括以下的发展与实践,1)数据库相关技术主要包含关系型和非关系型数据库,数据库查询优化,数据库存储优化,数据库结构优化等等,这些技术可以将人才数据存储持久化,实现高效信息检索和高并发数据查询,支
63、撑数字化人才系统的上层建设;2)BI 相关统计报表技术主要包含数据仓库的构建,可视化报表技术,自助式 BI,移动 BI,云 BI 等等,这些技术可以对人力资源的效能进行分析,对员工培训,员工关系,招聘配置等方面进行自动化分析,有利于人力资源的高效管理;3)DI 相关大数据分析和挖掘技术主要包含分布式数据处理,海量数据的关联规则学习,大规模网络计算,复杂文本数30据挖掘等技术,可以对复杂的招聘市场进行智能化洞察分析,构建人力资源图谱,定量分析企业竞争力,协助进行企业内部组织诊断;4)AI 相关机器学习技术则主要包含深度学习,强化学习,AutoML,可解释学习等技术,多样的机器学习方法可以实现传统
64、方法难以完成的工作,例如智能人岗匹配,智能技能定价,个性化知识推荐,离职原因的数据分析等等。各阶段技术相互协作,共同实现人力资源的数智化。数据分析在实际应用中的一大挑战是如何收集到分析所需的数据。这个问题本质上是如何把数据转化为有效的信息,最终转化为智慧。造成这个问题的主要原因是 75%的人力资源部门在实际操作中并没有使用人力资源理论提供的矩阵,没有对历史数据进行收集、进行规范的定义与监控。没有这些基础工作的完成,无法一蹴而就的进行数据分析。人力资源数智化从智能化方向上来讲,就是要实现两个智能:流程智能与决策智能。其中流程的智能化一是实现端到端的流程自动化、智能化,二是协助人力资源管理的数据记
65、录,处理和分析的过程,方便人力资源团队更高效便捷的使用人力资源数据。主要技术包含 OCR 图像识别,语音识别,文本解析,计算机视觉等等。其中 OCR 技术可以协助智能报销,语音识别可以协助智能会议记录,文本解析可以实现自动化简历解析,而计算机视觉可以协助刷脸考勤等便携身份验证功能。这些都可以提高人力管理的效率和员工工作的效率,将人力资源团队从繁杂的事务中解脱出来,进行更具重要性和创造力的事情,提高工作热情、敬业度、满意度。31决策智能化则是协助人力资源管理团队做出更好的决策,从数据的角度发现和分析问题,并提供定量的参考。主要技术包含自然语言处理,知识图谱,深度学习,组织网络分析等等,其中自然语
66、言处理可以实现智能人岗匹配,知识图谱相关技术可以结合深度学习算法对员工的离职和绩效进行预测,组织网络分析可以定量的进行领导力评估。这些智能化决策是在人力资源数智化之前难以实现在的,现在基于这些技术人力资源的数智化可以提高决策的效率和准确性,并提供定量的分析支持。调研数据表明,这两年采用大数据技术与 AI 技术用于人力资源领域的企业比例显著提升,比如:使用 Hadoop/Spark 等大数据 ETL 技术的比例比两年前提升了约 6%;使用预测建模等数据挖掘技术的比例比两年前提升了约 6%;使用机器学习/图像/语音/NLP 等人工智能技术的比例比两年前提升了约 2%;使用基础统计学技术的比例比两年
67、前提升了约 8%。这说明企业内部已经开始高度重视并醒悟,这里是市场的热点,路虽难走但前景广阔。32自从百度 2014 年开始人力资源大数据应用首次尝鲜以来,到今天整整十年,今天的调研数据表明:已有约 31.68%的企业已经开始使用大数据 约 39.13%的企业处于起步阶段这说明尽管大数据技术趋于成熟,但在人力资源领域的全面应用仍有很长的路要走,也正说明大数据产品仍需要时间来证明它的价值与作用。这里缺少爆品。很明显,人工智能与大数据分析将在未来几年持续积极塑造新一代人力资源管理领域。数据分析按照层次的划分可以分为描述性分析、相关性分析、预测性分析、处方式分析,分析的深度、广度、难度是层层递进的。
68、举个大数据应用在组织与人才动态调配上的案例:人才智能调配是指从组织的战略发展目标与任务出发,识别和把握人才群体结构的变化规律,建立一个较为理想的人才群体结构,发挥整体效能。随着技术的发展,可以利用人工智能与大数据技术,对当前人才整体结构和布局进行更加智能全面的分析,针对组织配置的不合理性与失调的地方进行调整,形成一个多维的最佳组合,以提高团队的整体效率。33有一种简便的方法可以快速诊断组织配置的合理性,通过管理幅度和管理层级来调配组织规模,使其符合业务发展的要求。管理幅度指一个人直接管理的下属人员数量。管理层级指组织纵向划分的管理层次的数量;管理层级与组织规模成正比,组织规模越大,包括的成员越
69、多,则层级就越多。在组织规模相对稳定的前提下,管理层级与管理幅度成反比:主管直接管理的下属越多,管理层级就越少;相反,管理幅度越小,管理层级就会越多。大数据分析研究表明,管理幅度为 7 到 12 人之间是最科学的组织架构,无论是管理者还是下属,工作效率与组织效能都是最大化的。在被管理对象数量(全体员工)相对稳定的情况下,管理幅度越宽,需要设置的管理层级就越少;反之,管理幅度越窄,需要设置的管理层级就越多。假设每层管理幅度都是 8 人的话,一个 3 万人左右的企业,管理层级至多需要 6 层就足够了(即从最底层员工到CEO 之间的层级);将近 30 万人的企业,7 层架构也足矣支撑,保障了组织运营
70、的基本效率。当直接管理的下属人数超过某个限度时,就必须增加一个管理层级,通过委派工作给下一级主管人员而减轻上层主管人员的负担。如此下去,就形成了有层次的组织结构。山东省济南某家企业的“人才有价”平台,只要将“人脸”对准评估系统摄像头并刷身份证,或扫一扫微信程序码填写相关信息,便可以得到测评者自身身价。该平台采用人脸识别技术,采用“四 CAI”(才、彩、采、财)人才评价标准,通过数据采信和大数据算法,采用 400 多项指标、数千个要素,对人才的当前价值、潜在价值和未来价值进行综合预判,并将人的综合信用以“身价”形式呈现,给出身价、金融价值和岗位价值报告。在未来几年,随着组织通过基于数据洞察的人员
71、决策实现业务价值的增加,“数据智能”在人力资本管理中的应用可能性也越来越多。目前在新技术的应用方面,人工智能、大数据技术大多在各个模块内实现“点状”、“线状”发展,场景化则是由“点、线”向“面、体”迭代的重要步骤。如果人工智能技术在选、用、育、留、管等各个方面均能发挥作用,将会连成一个完整的“面”“体”,就能更好地做出动态反馈并快速赋能业务或整个行34业生态。从战场飞回来的战斗机上留存的弹孔都是不致命的,真正致命的弹孔根本不会出现这些战斗机上。打造数字化的智慧 HR 平台,就是要解决“真正致命的弹孔”导致的问题,更加预测性、前置化、智能化地满足合规要求、管理诉求、效率效能的期望。现在仅仅只是一
72、个好的开始,未来更值得期待。1212 企业在人力资源数智化运营中已开展的工作企业在人力资源数智化运营中已开展的工作大数据分析与人工智能在深入人力资源数智化的运营管理过程中时,组织行为和人力资源的根本目标在于支撑技术创新,其中新技术环境下人才管理是核心环节。据调查,全国范围内,超过 75%的企业已开展人力资源管理数智化运营活动,其中对人力资源管理流程进行数智化转型的执行程度最高,占比约 69.6%,比前年提升了 8.8%。人力资源管理流程的数智化使得企业免去了自下而上、层层审批的繁琐管理动作,简化了办公流程,使得员工拥有更智能的办公环境,提高员工工作满意度与组织承诺,有助于员工将更多的时间与精力
73、花在主动为企业创造更多价值上,进而有助于企业的长期发展。人力资源管理决策数智化的执行已达到约 27.95%,比前年提升了约 8%,具备后发优势。基于数据驱动的智能结果实现管理决策数智化是企业进行人力资源数智化发展的必经之路,企业可以利用人工智能构建无组织边界的平台,打通平台上各方的数据资源,通过资源汇聚与持续创新,不断为企业提供深度科学的管理洞察,持续优化管理决策,进而提高企业的核心竞争力。目前管理决策的数智化已经实现了人基于机器结果进行判断并做出管理动作的过程,在这个复杂的过程中,企业必然会面临许多问题与挑战,如人机协作与人机共生的问题,人对机器以及机器产生结果的信任问题,数据驱动的结果的可
74、解释性问题等。解决以上问题的过程中,企业也可以实现更好的更加人性化的人力资源管理数智化,创建更健康的企业环境。35通过建立一套完整的人力资源管理信息系统,对内外部运营数据、舆情、对标数据的搜集、处理以及大数据技术智能分析,为企业管理者和决策者提供管理驾驶舱、用户画像,让数据说话,建立事前有预测、事中有监控、事后有分析的决策新机制,从而让管理者能更快更容易地做出更好的“选用育留”的决策,助力业务更大发展。人力资源数智化运营的有效开展需要制定数智化战略、进行数据整合与治理、建立数智化平台、利用大数据和人工智能技术、培养员工数字化素养、建立数智化安全保障体系以及持续改进和优化等方面进行;这些措施有助
75、于提升企业的管理效率和竞争力,推动企业的数智化转型和创新发展。1313 企业人力资源数智化团队规模企业人力资源数智化团队规模据调查显示,目前已成立的人力资源数智化团队主要以企业内部自建团队自主研发为主,依托于外部乙方企业的比例较低,其核心目标是基于 AI 等智能技术及数字化应用帮助人力资源管理决策充分数据化、精准化,为企业的人力资源管理数智化转型提供技术和智力支持,推动企业管理模式向着决策数据化、管理赋能化、过程数智化、组织敏捷化发展。但是,据统计数据显示,目前的人力资源数智化团队尚处于发展雏形阶段,有约 45.34%的企业尚未建立独立团队,整体上人力资源数智化团队严重缺乏。36然而,人力资源
76、管理的数智化转型势在必行,在复杂多变的环境下,企业为了高效地应对新常态,必须自身具备战略敏捷性和资源重组性,而这种能力必将需要人力资源管理突破传统的组织结构,通过构建“数智化”新生态来实现跨越和革新。人力资源数智化团队的规模一般会根据企业规模和业务需求,可以有不同的配置和规模,但总的来说,一个完善的人力资源数智化团队应该具备全面的能力和专业的人才,能够为企业提供高效的人力资源管理解决方案。一个完整的人力资源数智化团队理想状态应该包括以下角色:架构师:负责制定和实施人力资源数智化战略、规划、架构,需要具备数字化思维、战略规划能力、架构设计能力、项目管理与落地能力。产品经理:负责人力资源数智化产品
77、的设计和实施,需要具备需求提炼、产品设计、项目管理、沟通能力。算法工程师:负责搭建人力资源模型并用算法开发实现,需要具备统计学、人工智能、大数据知识。技术开发人员:负责人力资源数智化产品的开发、迭代和维护,需要具备软件开发和数据库管理知识,前端、后端开发与测试工程师又不同的37要求。用户体验设计师:负责人力资源数智化产品的用户体验设计,需要具备设计美学和用户研究知识。数据开发工程师:负责数据整合、处理和分析,需要具备数据挖掘和数据分析能力。数据分析师:负责对人力资源数据进行分析和解读,提供数据洞察和建议,需要具备统计学和数据分析知识。产品运营经理:负责产品的运营推广与运维,与客户沟通和协调,解
78、决客户问题,需要具备客户服务和沟通能力。1 14 4 企业人力资源数智化预算企业人力资源数智化预算人力资源数智化预算是一个复杂的过程,受到多种内、外因素的制约。企业需要综合考虑各种因素,制定适合的人力资源数智化预算计划,并采取有效的措施来保障预算的实施和管理。常见的制约因素比如:外部环境因素:包括经济环境、政策法规、市场变化等因素会对企业的人力资源需求和预算产生直接或间接的影响;内部因素:企业内部的因素如企业的战略目标、业务发展计划、组织结构、人员现状等都会直接影响到人力资源预算的制定和实施;技术因素:人力资源数智化预算需要依靠先进的技术和工具来支持,技术的成熟度和普及度、技术更新速度、技术成
79、本等因素都会影响人力资源数智化预算的实施和效果;人才因素:人力资源数智化预算需要具备相关技能和素质的人才来实施和管理。组织文化因素:文化的开放性和创新性、组织的协同性和执行力等都会影响数智化预算的实施效果。绝大部分企业在人力资源数智化方面的预算不高,约 27.33%的企业投入小于 50 万,投入50-100万的企业约有14.29%;投入100-500万的企业约有 14.91%;投入 500 万以上的企业仅有约 9.32%。总体来说,约 80%企业在人力资源数智化建设方面还是都有投入的,取决于业务发展不同阶段。3839三、三、2024 年中国人力资源数智化四大趋势年中国人力资源数智化四大趋势1
80、1 无人值守的无人值守的 HRHR 平台平台智能化的尽头应该是什么?这是一个不断发展和演变的主题,将随着技术的进步和企业需求的变化而不断变化。未来智能化将继续在各个领域发挥重要作用,但如何更好地平衡人类的利益和人工智能的发展,将是智能化发展面临的重要课题。从技术上来说,智能化的尽头可能是实现真正的人工智能,即具有人类级别的智能,甚至超越人类的智能;在实践层面来讲,智能化的尽头可能是实现智能化与人类社会的深度融合,使人工智能成为人类生活和工作的一部分,实现人机协同、共创共生的发展模式。这意味着智能化将更加注重实际应用和解决实际问题,而不仅仅是理论上的突破。同时,智能化的发展也将更加关注人类的利益
81、和福祉,努力实现科技向善的价值目标。这还有很长的路要走,机遇无限。人力资源智能化的尽头是什么?是智慧 HR,是 HR 智能体,是无人值守的HR 平台。我们回顾一下过去人力资源信息化的发展历程发现,四化模型已成为业界共识与实施指南:【1.0 线上化】以“数清人、发对薪、算总包”为目标来解决人力资源基础服务和公司管理要求,把人力资源核心系统与基础流程从线下搬到线上。40【2.0 信息化】在全面线上化的基础上,以提升人力资源运营效率为目标,打通拉通“入离升降调、选用预留管”,解决合规性,生产与存储数据,开始初步数据治理。【3.0 数字化】以提升组织效能、员工体验为目标,通过 AI 重塑人力资源业务流
82、程,通过大数据技术挖掘与分析数据价值,建成人才大屏,打造人才供应链,办公移动化自动化,为管理判断提供决策支持。【4.0 智慧化】打造智慧 HR 平台,建立人才智库,为组织、人才、文化提供预警预测功能,链接人、财、物、事的数据,建立生态运营平台,为企业持续健康发展赋能。智慧化阶段的目标是实现企业发展过程中持续的人才供应,人才管理与组织能力已经成为企业的核心竞争优势,此阶段的关键词是“生态”。通常来讲,处于此阶段的企业已基本具备三条曲线的业务发展路径:第一条曲线是企业成熟业务,确保现金流;第二条曲线是企业发展中业务(即成长业务),产品或服务具备随时升级的潜力;第三条曲线是未来业务,探索未来趋势,使
83、企业处于抢跑位置。智慧 HR 平台就是要确保跑在这三条曲线业务上的组织/人才/文化相关流程和系统敏捷迭代并良性发展。如果说线上化、信息化、数字化分别解决的是“点、线、面”的问题,那么随着大数据与人工智能的深入应用,智慧 HR 考虑的则是智能“体”的问题,它可以使“入离升降调、选用育留管”的各个环节具备灵敏感知能力、自适应学习能力和预测判断能力,同时将各场景下的管理实践通过“神经网络”触达并输送41到大脑中枢,结合管理实践给出行动建议,最终形成智库。业务生产数据,数据驱动业务,不断迭代循环上升发展。本阶段的特征是网状组织,目的是建立生态型组织,并可持续地支持企业多条曲线良性循环发展。无人值守的
84、HR 平台将会成为一个热点,首先要建成智慧 HR 平台,在此基础上少人化、无人化操作。这是一种新型的人力资源管理模式,它利用先进的技术和工具,如人工智能、大数据、大模型等,实现人力资源管理的自动化和智能化。具体来说,无人值守的 HR 具备以下特点:能感知:能够收集、处理和分析大量的人力资源数据,通过智能终端设备,了解员工的需求和期望,以及组织的需求和目标。会思考:能够运用人工智能技术对数据进行挖掘和分析,通过模型与算法,提供智能化的决策建议。自控制:能够自动控制和智能化地调整管理流程,提高管理效率和质量。可判断:能够参照 DIKW(金字塔模型)根据数据和信息进行判断和预测,为组织提供有价值的数
85、据支持。从实践的角度来看,无人值守的 HR 也可以从两个方面来理解:一方面,无人值守的 HR 能够实现精细化管理,根据每个人的不同属性,为其提供整体的人力资源管理。另一方面,无人值守的 HR 能够随时随地、无时无刻提供人力资源服务。参考自动驾驶的分类标准,将无人值守的 HR 平台从自动化操作层面分成L1L5 五级:42 L1-样本级:主要实现关键流程线上化,满足基本需求,以统计报表为主,简单辅助决策级,决策最终需靠人判断;常见场景有基础分析报表、员工档案、自助中心等。L2-主业务级:重点关注人才厚度与人才密度,积累沉淀数据,形成档案,点状智能应用,打样跑通。此段位属于信息化运营、中等辅助决策级
86、,常见场景有多维分析报表、人效分析、人才画像与推荐、对话机器人客服、游戏化学习等。L3-融合级:重点关注人才效能,利用人工智能解决复杂场景问题,任用谁、培养谁、激励谁、淘汰谁。此段位属于数字化运营、半自动决策,典型场景有无感考勤、数字员工、智能人才推荐、人才扫描与诊断、离职预测、员工预测性维护、课程推荐、智能关怀等。L4-智能级:重点关注组织效能与员工体验,利用人工智能解决组织效能问题,谁是领军人物、承重墙、关键节点。此段位属于智慧化运营、全自动决策,典型场景有绩效预测、人才技能定价、组织扫描、管理风险预测、舆情监测、智慧决策等。L5-生态级:重点关注创新与复制能力,利用人工智能支持生态化,厂
87、家、供应商、客户、员工协同与共生。此段位属于生态化运营、全方位决策,典型场景有组织神经网络、业人一体化、智慧 HR 平台等。从 L1 到 L5,主要有两套打法,一是“直拳”,按照点、线、面、体逐步推进实施;二是“组合拳”,三步并作两步跑;取决于资源投入情况。当然,随着43全球化的发展,数智化转型进入深水区,加上数据合规性和个人信息保护法越来越严格,5A 架构(业务架构、应用架构、数据架构、技术架构、安全架构)也会有不同变化,会导致 L1 到 L5 的实施要适应业务的变化,需要不同的打法。从 HR 事务办理在线化,迭代到档案在线(数据盘活),再到到人才管理(数智结合),然后从组织管理(数据决策)
88、,进化到赋能型组织、网状组织,支持生态化、协同与共生,最终实现 HR 少人化、无人化智能运营(机器决策)。无人值守的 HR 平台就是一个智能体,是一种高效、智能的管理模式,它能够提高人力资源管理的效率和准确性,降低人工成本和人为误差,极大地提升员工的满意度、敬业度、员工体验。2 2 从大屏展示到作战指挥中心从大屏展示到作战指挥中心传统的人才大屏或仪表盘通常是一个大型的、高清晰度的显示屏,用于展示人力资源相关的数据和信息,这些信息可能包括员工基本信息(数量、分布、职级、年龄、司龄)、员工异动、员工绩效、人效分析、成本分析、招聘/培训数据等等。人才大屏通常采用图形和图表的形式展示数据,以便更直观地
89、呈现信息和趋势;大屏的设计简洁明了,易于理解和操作。大部分企业都已通过商用套件/工具或者自研实现了数据大屏、人才大屏或仪表盘,可以多端显示(PC 端、移动端、PAD、大显示屏)。大多数数据大屏/人才大屏都是静态的,单向的。但这不够,面对日益复杂多变的竞争环境,企业要求大屏要能互动,要能事件预警,要能处理应急,要能指挥作战。随着大数据技术、人工智能、大模型的深入应用,大屏的发展趋势是不仅仅能静态展示数据,还能成为业务作业中心,智能化大屏实现的首要条件是数据全量全要素的实时连接,主要实施路径有:第一步先有数字大屏,能展示、能预警;第二步能互动、能判断;第三步能决策、能处理。智能人力资源大屏的自动化
90、管理功能主要体现在以下几个方面:自动化招聘流程:智能 HR 系统可以通过自动化流程管理招聘的全过程,包括职位发布、简历筛选、面试安排等环节。系统可以根据设定的条件和要求,自动筛选合适的候选人,并生成面试日程表,大大节省了人力资源部门的时间和精44力,提高了招聘效率。智能化员工信息管理:智能 HR 系统可以对员工的基本信息、合同信息、薪资福利等数据进行集中管理。系统可以自动提醒人力资源部门关于员工合同到期、薪资调整等重要事项,减少了人为疏漏的可能性。此外,系统还可以生成各种报表和统计数据,帮助企业更好地了解员工情况。智能化绩效评估:智能 HR 系统可以根据企业设定的绩效评估指标,自动化地评估员工
91、的工作表现。系统可以根据员工的工作数据和绩效指标,生成绩效报告和排名,帮助企业更好地了解员工的工作能力和贡献度,从而进行合理的激励和奖惩。智能化培训管理:智能 HR 系统可以根据企业的培训需求和员工的能力水平,自动化地安排培训计划和课程安排。系统可以根据员工的培训记录和学习情况,生成培训报告和评估报告,帮助企业更好地了解员工的培训需求和提升空间。数据分析和预测:智能 HR 系统可以通过对员工数据的分析和挖掘,帮助企业了解员工的流动情况、离职原因等。系统可以根据历史数据和趋势分析,预测员工的离职概率和留存概率,帮助企业制定相应的人力资源策略。智能人力资源作战指挥大屏是智慧 HR 平台的一部分,是
92、一种集成化、智能化的人力资源管理平台,它以大屏为中心,整合了各种数据、信息和功能模块,为企业的人力资源管理提供全面的支持。以下是智能人力资源作战指挥大屏的一些特点:大屏设计:智能人力资源作战指挥大屏通常采用高清、大尺寸的显示屏,45能够展示丰富的人力资源数据和信息。大屏的设计简洁、直观,便于用户快速获取信息和做出决策。数据可视化:通过数据可视化的方式,智能大屏能够将复杂的人力资源数据以图形、图表等形式展示出来,帮助用户更好地理解数据和趋势。实时更新:智能大屏能够实时采集和更新人力资源数据,确保用户获取的数据是最新、最准确的。多维度分析:智能大屏不仅展示整体的人力资源状况,还能够从多个维度对数据
93、进行深入的分析,如员工绩效、人才结构、招聘情况等。智能预测:基于人工智能和大数据技术,智能大屏能够根据历史数据和趋势,对未来的人力资源状况进行预测,帮助企业提前做好规划和准备。整合多种功能模块:除了展示数据外,智能人力资源作战指挥大屏还可以整合多种功能模块,如招聘管理、绩效评估、培训管理等。用户可以通过大屏快速访问这些模块,进行相应的操作和管理。安全可靠:智能大屏具备高度的安全性和可靠性,能够保护企业的人力资源数据不被泄露或损坏。可定制化:根据企业的不同需求和特点,智能人力资源作战指挥大屏可以进行定制化的开发,满足企业的个性化需求。智能作战指挥大屏的出现,为企业的人力资源管理带来了新的机遇和挑
94、战。通过智能化的管理判断和决策支持,企业能够更好地优化人力资源配置、提升运营效率、提高组织效能,从而在激烈的市场竞争中获得决定性优势。3 3 基于大模型的数字员工基于大模型的数字员工“数字员工”又称数字化劳动力,是用人工智能、虚拟现实等技术武装起来的面向职业场景的机器人,以数字化技术赋予“活力”的第四种企业用工模式。近年来,以大模型为代表的生成式人工智能得到了快速发展,大模型面向复杂场景的适应能力持续增强,逐步成为赋能产业发展的核心利器,数字员工相关产业也因而迎来了新的发展机遇。基于大模型的数字员工将在提高数字员工的创建效率、降低数字员工的使用门槛、扩大数字员工的应用场景等方面得到能力跃迁。4
95、6如果采用简单公式表述,数字员工=(AI+RPA+VR)*职业,基于大模型的数字员工=AI 大模型*(RPA+VR)*职业。数字员工应用场景比较广泛,在财务层面,数字员工可以实现自动处理发票、报销审核、对账等标准化工作;在办公层面,数字员工可以自动发送邮件、待办消息、预警等工作;在制造层面,数字员工让生产线上的实体机器人自动开展流水化作业,比如三一长沙的 18 号厂房里,通过机器人全自动化作业,每 45 分钟可以下线一台泵车,成为引领行业智能制造的新灯塔。数字员工在人力资源领域可以总结为三大应用场景:问询类、流程类、决策类三大应用。问询类问询类:数字员工基于大模型与人力资源大数据进行学习,通过
96、聊天对话形式,回答用户问题和诉求,例如智能客服机器人,实现“机器人辅助人工”加“机器人智能回复”等应答模式,“数字员工”不需要休息,可以 7x24小时不间断提供咨询服务;“数字员工”可以提供统一的标准化服务,不带有情绪化,保障服务的准确性;“数字员工”在回答问题的过程中,可以收集合规的有效的数据,有助于构建更加全面的用户画像,实现“千人千面”的个性化服务,改善员工体验;“数字员工”可以替代人工客服,节省人力成本。“数字员工”可以通过模型更新、算法升级等技术手段,实现迭代升级,提供更加精准的咨询服务。流程流程类类:“数字员工”基于人工智能、RPA、大数据、大模型等技术,自动处理有明确规则的事务,
97、例如流程智能审批、考勤打假、定向预警等;比如,有些公司命名数字员工为“数字战警”,数字战警主要负责基于公司层面的管理规则,自动对符合规则的流程进行审批,对不符合规则的行为进行处罚。以请假为例,一般员工请假需要上级审批,现在只要提交给数字战警,只要请假理由符合规定,就可以自动审批,然后数字战警会发给员工的上级领导告知员工的请假情况。对于有清晰门槛要求的晋升提报,可以让数字战警先进行一轮审批;对于有明确基本规则的人事岗位异动,也可以交由数字战警预先判断。数字战警还以企业管理者的身份直接对员工进行工作任务下发及督办、惩罚、警告、表扬等,形成闭环。数字47战警可以完整看到公司各类单据的完成情况,并把一
98、些数据推送给管理者以提醒其组织、业务存在的问题。决策决策类类:人工智能通过打造知识图谱,运用深度学习、大模型等技术,为数字员工提供决策能力,实现运营管理智能化;数字员工基于标签库,训练推荐等算法模型,根据业务需求进行推荐和匹配,实现干部智能推荐等应用。数字员工提供的数据和行为记录也为 HRBP 提供更好的个性化管理的依据。以晋升考核为例,通常情况下公司每年会有两个晋升季,以前流程是通过 HRBP 与业务上级沟通,梳理部门人员的情况,推荐晋升人员。现在通过数字员工进行晋升人员推送,基于部门现有人员在现绩效数据、历史绩效数据、任职当前职位时间以及目前薪酬与当前薪酬框架的差距,向管理者推荐是否提报晋
99、升。数字员工也会直接生成若干报表,可以基于推荐的分数,总结一个推荐模型,当 HRBP 拿到这些数据时,就可以直接和业务部门沟通了。数字员工还可以帮助 HRBP 进行人才盘点,基于绝对数据做相对明确的盘点,公司通过多维度数据对人才进行明确的盘点,例如绩效水平、管理行为测评数据、360 反馈数据以及各种学习类数据等。以往通过人工收集不同维度的评价报告,现在通过机器进行多维度的数据抓取,系统自动生成相应模板的意见和报告。目前的作用是提升工作的效率,判断意见和数据不再基于人的经验,而是将判断规则的标准化沉淀。随着技术的不断进步,数字员工在人力资源领域的应用场景还将继续扩大;未来,我们可以期待数字员工在
100、更多方面发挥更大的作用,为企业带来更高效、更智能的人力资源管理体验。4 4 从流程智能到决策智能从流程智能到决策智能从流程智能到决策智能的演进,仍然是人力资源数字化这几年发展的重要方向,是人力资源部门不断适应和驱动企业数字化转型的重要体现,通过这一转变,人力资源部门不仅提升了自身的专业能力和效率,更成为企业运营管理战略决策中不可或缺的一部分。1流程智能流程智能是基石是基石:通过人工智能、RPA、大数据、大模型等技术重塑与48优化人力资源业务流程(入离升降调、选用育留管),消除断点,打通端到端,实现核心业务场景全量全要素覆盖,应用系统在互联互通基础上实现流程的自动化、智能化。2数据治理是关键数据
101、治理是关键:在流程自动化的基础上,需要采集、清理、加工、整合来自不同来源的数据,如绩效、培训记录、招聘数据等、以及财务、经营汇总数据(销售额、利润)等。通过数据集成与分析,可以洞察员工行为、绩效趋势、人才流动、人效等情况,为决策提供更全面的信息支持。通过定期数据清洗、验证和校准等措施,可以提高数据质量。从BI(商务智能)、到 DI(数据智能)、再到 AI(人工智能),数据治理是个长期优化迭代的过程。3模型与算法是模型与算法是迈向决策智能的迈向决策智能的核心核心:为了实现决策智能,需要利用人工智能、机器学习等就技术,搭建预测模型,通过算法(算法反映的是HR 的思想)帮助 HR 分析复杂的数据模式
102、,预测员工流失、绩效改进等方面的情况,并为制定策略提供科学依据。4智能决策支持系统智能决策支持系统是目标是目标:无论是智慧 HR 平台,还是指挥作战中心,背后基础是依靠决策支持系统,将分析预测模型、实时数据监控和预警等功能整合在一起,为HR决策者提供一个全面的信息平台和决策工具,通过实时监控关键指标和数据,HR 部门可以在问题出现之前采取行动。例如,人才地图分布在哪里?如何排兵布阵?我们所需的关键人才在哪里?哪些员工最有潜力?哪些人才是组织中的承重墙?哪些是将才?哪些是帅才?这可以帮助 HR 更快地做出理性的决策,提高决策质量和效率。下图是一个人力资源数智化产品架构的案例示意图:1 个入口:通
103、过 Web端、移动端,连接用户(决策层、经理、员工、HR)实现互动。2 个智能中台能力:流程智能(AI 重塑流程、打通系统)、决策智能(数据治理+模型算法),实现核心业务场景智能。X 个智能应用:X 是容器,不断地将选用育留中成熟的场景自动化、智能化、产品化,组合封装,打造智能化的人才供应链和提升组织49能力。从流程智能到决策智能的演进是 HR 领域发展的重要趋势。通过实现流程自动化、数据集成和分析以及利用高级分析模型和实时数据监控等功能,HR 部门可以提高工作效率、洞察员工行为和绩效趋势,并为制定科学决策提供有力支持。然而,在这一过程中也需要注意数据质量、技术集成和安全性以及员工接受度和培训
104、等方面的问题。展望未来,随着技术的不断进步和应用场景的不断拓展,HR 领域的决策智能将有望实现更广泛的应用和更深入的发展。50四、中国人力资源管理数智化领先企业实践案例四、中国人力资源管理数智化领先企业实践案例1 1 无人值守的无人值守的 HRHR用人工智能重塑人力资源管理实践用人工智能重塑人力资源管理实践王崇良 三一集团副总经理 人力资源 CIO谢庚曦 三一集团 HR 资深产品经理近年来,人工智能的浪潮掀起了一波又一波,逐渐深入我们的工作与生活。三一集团(以下简称三一)以装备制造业为主,近几年加速数字化转型,将核心业务全部转移线上,打造智能制造的灯塔工厂,在数字化、国际化、电动化层面一直与时
105、俱进,不断突破与创新。三一在数字化转型的过程中引入人工智能,探索新趋势下的人力资源数字化管理,以打造无人值守的 HR 平台为目标,让人力资源管理更便捷、反应更敏捷,让员工获得更好的体验,让人才释放潜力做更多具有创造性的事情。什么是什么是“无人值守无人值守”概念阐释概念阐释随着数字化进程的推进和深化,如何利用数字化技术提供更好的员工体验?如何保障人才供应链源源不断?如何实现组织效能最大化?如何将数字化应用由点成线,由线及面,最终连成体?这一系列的思考和探索引领大家在“无人值守”的旅程中持续前进。“无人值守”的概念可以从两个方面理解无微不至和无处不在。“无微不至”是指实现真正的精细化管理,根据每个
106、人的不同属性,为其提供整体的人力资源管理;“无处不在”是指能随时随地、无时无刻提供人力资源服务。实践方向实践方向为了不给业务增添负担,让无人值守的 HR 平台在日常工作和流程中顺利且有效地完成人力资源活动,“无人值守”定义了能感知、会思考、自控制和可判断四个方向。能感知:搭建智能终端设备iSany,感知用户,让计算机拥有“视觉”和“听觉”。会思考:搭建深度学习算法平台HR 算法平台,构建用户画像。自控制:构建 HR 微服务架构,重塑流程,实现流程端到端打通,并加强自动化控制。可判断:搭建人才智库,通过数据辅助管理者做出判断,让决策更加智能。51 分级标准分级标准在实现智能化的过程中,三一提出了
107、人力资源智能化分级标准,参考自动驾驶 L1 到 L5的级别划分了智能化的五个级别(如图 1)。图 1 智能化分级标准“无人值守无人值守”的应用场景的应用场景 总览总览在人力资源管理中,AI 目前主要用于招聘甄选、人才发展、学习培训和 SSC 四个模块。招聘甄选:当前技术应用成熟的场景是“AI 文本聊天机器人”,企业未来关注的场景是“AI 视频面试”,这也侧面反映出,企业期望实现从“劣汰”到“择优”的技术跨越;在 AI 项目的准备过程中,数据准备是难度最大且必须跨越的难关,具体表现为在招聘过程中如何积累企业方(业务人员和 HR)与候选人互动过程的数据;在已实践 AI 技术应用的企业中,通常呈现“
108、快速投放、大规模实施、更迭优化”的状态;初代 AI 产品投放后,不断优化算法模型的过程中,HR 需要提升训练 AI 的能力。人才发展:AI 可负责多维度人才报告整合与生成,系统数据自主抓取,生成相应模板的意见和报告;将绩效薪酬等历史数据提供给管理者,帮助其做出相对客观的决策(人才档案);提炼出人工审核的考量标准,通过系统自动给出是否需要重新定级、重新考核、晋升调薪等意见;筛选出需要绩效辅导、绩效优化措施的员工;针对管理者沟通技巧的提升,在模拟工作场景中进行对话练习,拓展强化其与下属沟通的能力和辅导能力。学习培训:AI 能根据学习行为记录推荐符合学员自身特点的课程,读取学习历史数据,分析其是否适
109、合参加相应课程,若未具备足够知识,则推荐“前导课程”;帮助销售人员在无需拆解产品的情况下,更深入、清晰、可视化地理解产品性能地内在原理,进而更明确地52向客户推荐产品;更贴近工作实质场景地模拟,适用于危险操作类工种,降低事故发生的概率;节省实际操作练习中的材料,增加实操中的准确性;增加趣味性与互动性,从而提升体验和学习效率。SSC:AI 可支持业务场景多样化、移动办公、服务线上化以及智能考勤;通过考勤数据进行深度分析与研究,了解工作状态与行为模式;满足个性化的排班需求;提升排班“精益”程度,减少劳动力的浪费;提升工时统计精准性和效率。具体实践具体实践2022 年,三一人力资源总部推出了“无感考
110、勤”项目,通过引入员工车辆信息或者面部信息以实现无接触打卡。比如,需要开车上班的员工,在开车进入停车场的瞬间就会被识别,从而自动打卡成功;不开车的员工则是在通过闸机时被识别面部从而自动打卡。此外,三一还设置了其它工作场景的无接触打卡,比如打开工作 APP、电脑开机等,都视为完成打卡。“无感考勤”项目很好地避免了员工因为一时疏忽忘记打卡的情况出现,也就不存在“补卡”的麻烦了,既提升员工的工作体验,同时也让员工能够更好地将注意力投入工作中。图 2 图像识别应用在无感考勤在员工入职层面,三一人力资源总部开发了一个入职小程序,可以将员工的身份证、银行卡等相关信息通过 OCR 录入。信息录入之后不仅是为
111、了存档,也是为了精准地向员工传达关怀,比如有员工身份证快到期了系统会提醒员工,员工生日时系统会推送生日祝福、发放生日礼金,等等。53图 3 OCR 应用在入职办理OCR 是图像识别的一种,那么处理的流程就和大多数图像算法是一致的,即预处理图像检测图像识别。以自然环境下的文字识别为例,OCR 算法的工作流程大致如下图:图 4 OCR 算法工作流程示例为了更好地处理人力资源事务和完成人力资源管理决策,三一人力资源总部搭建了智能运营框架(如图 5),分别有两大主体,一方面通过智能网络协同推进 HR 事务办理,另一方面通过数据智能中台助力 HR 管理决策,并且两大主体互联互通,还有统一的用户界面,能为
112、员工提供更好的体验,同时也能更好地辅助 HR 完成决策。54图 5 智能运营框架此外,三一人力资源总部在制定推荐算法时总结出了一个算法模型框架(如图 6),需要经历四个阶段,共八个步骤,最终形成完整的算法模型。比如,公司如果要想通过内训师推荐算法得出合适人选,那么按照此算法模型框架去操作时就可以按照这样的流程来进行:首先便要明确选择内训师这一目标和规划,然后全方位收集数据,比如目标人物是否经常参加演讲比赛,对培训的积极性如何,参加相关活动的意愿如何,等等。将所有相关数据收集完整之后进行整合分析,随后根据数据整合结果逐步搭建算法模型,最后不断迭代和完善,得出高准确性的内训师推荐算法模型并投入使用
113、。图 6 算法模型框架八步法三一人力资源总部制定了五年规划逐步将 AI 应用于人力资源管理实践中,并开始取得了一些成果,未来也希望通过 AI 更多地解决复杂场景下的问题,让人力资源管理变得更灵活、更敏捷(例子见图 7)。55图 7 AI 应用场景图思考与展望思考与展望人工智能的浪潮已经掀起,将会发展得越来越成熟,对于企业和个人而言都将会有不同程度的影响,也会带来更多的发展机遇。在这样的现实背景下,未来的组织、人才、工作环境和技术如何发展,作为企业又当如何应对,都是需要积极思考的问题。大部分企业应该从三个方面顺应时代发展做出改变:第一,在企业内部采用协作性更强、敏捷性更高的工作流程,连接各个部门
114、和职能;第二,与日益发挥关键作用的外部合作伙伴开展合作,实现企业的核心目标;第三,参与更广泛的生态系统,发挥真正的平台经济效益,并且与希望或需要利用所有平台优势以实现目标的企业开展合作。562 2 美的人力资源信息化数字化简史美的人力资源信息化数字化简史伍名跃伍名跃 资深数字化转型专家,前美的资深数字化转型专家,前美的 HRMSHRMS 负责人负责人离开人力资源信息化、数字化战线多年了,大家也没有完全忘记我,时常有朋友在做HR 系统选型时,会先问问我的意见或让我推荐 HR 厂商。看到很多企业的人力资源信息化、数字化刚刚进入美的八至十年前的阶段,加上同行老友的劝说,决定对美的人力资源信息化、数字
115、化的历程做个回顾,希望能够对大家有参考价值。美的人力资源信息化、数字化的历程大概可以分为四个阶段,分别是:基础事务支撑、专业体系运作支撑、人才与员工服务、全球一体化支撑。基础事务支撑基础事务支撑(2005(2005 年以前年以前)这一阶段,美的人力资源主要做的基于业务经营需要的人事(员工关系、员工入离职、劳动合同签订等)、工资发放、社保购买之类的基础事务性工作。什么职群职种、职级职等、薪酬带宽、薪酬预算、绩效管理等体系和标准都还是没有影的事。系统则是由美的信息科技公司(赛意的前身)开发的两个系统,一个是人事系统,一个是工资系统。两个系统都是 C/S 架构,需要客户端下载安装。2000 年美的营
116、收过百亿,2002 年突破 150 亿,集团人力资源部意识到,公司业务发展较快,人力资源管理水平已经不能满足业务发展和应对复杂管理的需要了。能够有这个意识,仍然得益于美的人才引进与培养机制。尽管那个时期,中国民营企业普遍人力资源管理水平都不太高,专业性不太强,但美的集团人力资源部已经有人大第一届人力资源管理专业的毕业生在这里工作了六七年。集团人力资源部在 2003 年年底确定推动人力资源管理提升项目,准备选择咨询公司+IT实施公司组合的合作伙伴,在那个时候就有管理标准要通过 IT 落地固化的意识,也算是比较超前的吧?经过多轮角力,最后在 2004 年 10 月份与中标的“双信”团队正式启动管理
117、咨询+IT 落地的人力资源管理提升项目。参与这个项目的团队是比较豪华的,美的集团参与项目的主力后来基本都成了高管,即使是当时才毕业一两年的小姑娘,后来都成了上市公司的 HRD。57“双信”团队的主力也不差,咨询公司中有宝洁背景的博士、重点大学的 MBA 毕业生,非常专业,后来这些人有的创业,有的成了大企业高管。合作的软件实施公司也不乏北大、清华的高材生,项目组成员有的成了企业 CIO,有的在互联网大厂发展得很不错。经过一年的努力,承载着咨询成果落地使命的新的 HR 系统于 2005 年 11 月份正式在试点单位上线使用。通过这一项目,将美的集团的组织、职位、薪酬、绩效体系建立起来了,形成了集团
118、级标准,奠定了美的集团人力资源专业化发展的基础。专业体系运作专业体系运作(2005-2012)(2005-2012)自 2005 年 11 月试点单位上线之后,再用了半年时间推广,新的 HR 系统覆盖到全国各地的生产基地。自此,美的集团人力资源管理全面进入专业体系运作阶段。不过这里有一个插曲,由于“双信”团队中的软件公司发生业务调整,支持不力,在2007 年换掉了原来的系统。这一次没有涉及业务管理的变化,主要是系统和长期合作伙伴的选择问题。对比的是国内软件厂商与国外的 oracle ebs hcm、Peoplesoft hcm。oracle ebs 的匹配度和用户体验确实比较差,Peoples
119、oft 还是不错的,但当时已经被oracle 收购,有传闻 oracle 会用 ebs HCM 整合 peoplesoft,所以也不敢用,最终仍然选择了国内的软件厂商合作。当然,还有另外一个因素,美的在快速发展过程中,专业体系运作支撑上,除了组织、职位、薪酬等相对比较标准外,绩效管理、人才管理等还是有非常多的个性化需求的,而当时的套装软件人才比较稀缺,不好找,而且贵。这一次系统切换比较顺利,主要是因为上一次人力资源管理提升项目中形成了比较完善的组织、职位、薪酬相关的标准,无形中打好了主数据的基础。同时,新旧系统切换时,数据迁移及初始化整理得比较彻底,所以这一次切换的时候,数据可以完整地迁移到新
120、系统。因此,给大家一个建议,一定要重视初期的核心人事系统的基础数据标准建立,这个基础打好了,未来其他的绩效、招聘、培训等系统建设的时候,才不会乱。2009 年之后,重点围绕着绩效管理下功夫,先是干部责任制考核,接着是全面矩阵式考核,也开始使用招聘系统,自此校园招聘、社会招聘全面线上化。2011 年启动了 HR-BI 项目,在招标之前,已经将指标体系梳理得很清晰,RFP 写得很详细。将人力资源分析体系归为内部劳动力市场、人力资本管理、人力资源运营管理、信息与知识管理四大类别。58这个项目是跟当时的四大之一的咨询公司合作的,咨询公司反馈,这是他们做 BI 业务以来,见到的最详细的 RFP,从来没有
121、哪个客户在项目开始之前能有这么体系的思维。HR-BI 系统于 2012 正式上线,到现在大部分的分析主题和指标体系都还在使用,只是后来换了自研的大数据平台,做了技术上切换,并且基于业务发展的需要,更新了部分分析主题和指标。人才与员工服务人才与员工服务(2012-2017)(2012-2017)如果说前面两个阶段,都是基于第三方软件+定制开发为主,是比较传统的软件工具支撑管理需要的阶段。这第三个阶段可以说是受互联网、移动互联网影响比较大,逐步走向自研为主的阶段。大家都知道,这一阶段美的实施 632 变革,但人力资源系统一直是集团统一的,从“一个美的,一个体系,一个标准”的角度,人力资源一直都是符
122、合的。所以,在“632”的阶段的流程梳理对人力资源体系影响较小,主数据也主要是与财务的标准和口径统一。基于对人才的越来越重视,在专业上,重点实施了人才管理系统,以支持美的“航系列”的人才分层培养与人才梯队建设。同时实施了在线学习系统,叫“美课”。在 2014 年以后,重点是在员工服务上面做了较多的移动互联网应用,员工体验得到非常大的改善。基于美信的员工自助服务是美信推出来得到普遍认可的第一个应用场景,特别是一个“美的人生”小应用对大家的触动很大。当时方洪波非常认可这种体验的改变,忍不住在朋友圈分享自己的“美的人生”。59除了这个针对全员的员工自助服务应用之外,基于全员参与精益生产改善、一线管理
123、透明化、生产工人绩效管理支撑的诉求,还做了一个专门针对车间员工的移动应用,叫“美+”。通过美+,一线员工可以对一线管理提出反馈意见,由专门团队负责跟进解决,信息直达事业部总经理和集团人力资源部,整个处理过程是透明的,确保形成闭环。员工反馈意见是可以匿名的,有厂长级别的管理人员因为给反馈意见的施加压力而被撤职。要让一线管理透明化,必须从上到下有决心才行,不然没有员工敢说真话。员工针对车间现场提出的小改善意见,被采纳了会有积分,积分是可以兑换礼品。这也算是让看得见炮火的人有发声的渠道。在美+中,还实现了跟一线工人工资直接挂钩的绩效管理,美的叫“葡萄图”绩效管理,不同颜色的葡萄代表的当天的绩效表现,
124、员工可以根据这个计算自己当天可以得到多少工资。60之后,在 2016 年,又推出了弹性福利平台“美福”。在这里就不展开叙述和呈现了。全球一体化支撑全球一体化支撑(2017(2017 以后以后)自 2017 年开始,美的集团人力资源启动了新一轮 HR 业务转型及数字化转型,基于以员工为中心的理念全面重新梳理 HR 业务流程、机制,并从 0-1 自研建设 HR 数字化产品,提升员工、管理者体验及 HR 工作效率。我认为对于大多数企业而言,远没有到这个发展阶段,没有必要开展自研,但可以考虑借鉴以员工为中心的业务流程、机制及数字化工具的全面优化完善,提升员工体验、HR 工作效率及专业能力。对于学华为、
125、美的等标杆的小伙伴们抛几个观点,希望对大家有所启发:标杆学习是以他人之“史”,照亮自己的过程。学习标杆是为了看清自己,成就自己,而不是成为学习的对象。无论是学华为,还是学美的,都要从其发展历史中审视自己,自己现在的发展阶段,放到华为、美的的发展历史中,是在哪一个阶段?他们在这个阶段所面临的环境跟现在有什么不一样?他们面临的哪些问题跟我现在面临的一致,哪些是不一致的?他们的哪些举措我们可以借鉴,哪些则需要根据当前的环境差异做出调整?比如说:美的做移动化,是通过自研实现的,因为美的走在前面,当时还没有好的移动应用产品,自研的投入是巨大的,这就是做先进的代价。你现在做移动化,就没有必要自研搞个类似“
126、美信”这样的东西了,现在这方面成熟的产品不少了,效果都还不错,你再去搞自研,就是浪费,而且并不先进了。学习之后,还是要形成自己的思考和沉淀。比如:做 HR-BI 之前,我们外出考察交流了一圈,发现大多数企业尽管用了 BI 的软件,但仍然是当作传统报表在用。这不是我想要的BI,于是我自己买书看,上网找资料,整理了一套自己的方法和模板,与人力资源部门的同事一起外出封闭讨论三天,得出的分析主题和指标体系。613 3 关于关于 ESGESG 原则在原则在 HRHR 数字化过程中的指导作用数字化过程中的指导作用常晓东常晓东 施耐德电气大中华区施耐德电气大中华区 HRHR 数字化部负责人数字化部负责人近年
127、来,随着我国 ESG(环境、社会、企业治理及道德)信息披露的体系逐步完善,央企控股上市公司 ESG 专项报告编制研究项目的启动,国家积极推动更多的上市央企披露ESG 专项报告,制定了 2023 年实现相关专项报告披露“全覆盖”的目标。根据中财大绿色金融研究院统计(图 1),截至 2023 年 6 月底,450 家已在 A 股上市的中央国有企业中共有347 家披露了 2022 年度社会责任报告、可持续发展报告以及 ESG 报告,披露率高达 80.70%,显著高于全部 A 股上市公司 33.2%的整体披露率。ESG 报告成了与财务报告同等重要的上市公司需要定期披露的义务。图 1 A 股央企上市公司
128、 20202023ESG 报告披露情况施耐德电气集团在 ESG 方面起步较早,自 2014 年起,就成立了人力资源与企业社会责任委员会专门负责ESG事务。因此在集团内ESG原则早已贯彻融入到了日常管理的方方面面,包括 HR 和 IT 战略,都把 ESG 原则放在很重要的位置。在 HR 数字化的旅程中,施耐德电气也自觉的把 ESG 原则充分落地,对 HR 数字化建设起到和指导和支撑的作用。施耐德电气施耐德电气 ESGESG 实践实践施耐德电气制定了可量化的绩效指标,依托两个相辅相成的工具,即施耐德电气可持续发展影响指数(SSI)和新发布的施耐德电气可持续发展基本要素指数(SSE),以便跟踪622
129、021-2025 年需履行的以下六项承诺的进展:积极应对气候变化积极应对气候变化:基于碳承诺,持续投资并开发创新解决方案,以实现短期和长期的脱碳目标。高效利用资源高效利用资源:充分利用数字化技术,以负责任的方式守护我们赖以生存的家园。坚持诚实守信坚持诚实守信:确保我们自己及身边所有人遵守高水平的社会、治理和道德标准。创造平等机会创造平等机会:重视所有员工的价值并提供包容的环境,以激发他们的最大潜能。跨越代际跨越代际,释放潜能释放潜能:促进每一代人不断学习、提升技能、实现个人发展,助下一代开创未来。赋能本地发展赋能本地发展:因地制宜提出本地目标,赋能个人和合作伙伴为可持续发展贡献力量。并对 20
130、30 年和 2050 年做出了郑重承诺:到 2030 年公司运营层面实现净零碳排放 承诺到 2030 年在我们的业务运营中高效利用资源,实现生物多样性零净损失 到 2030 年,为 1 亿人提供绿色电力服务 到 2050 年在供应链层面实现净零碳排放SSI 将六项长期承诺转化为具有高度变革性和创新力的计划,这些计划采取季度跟踪和公布方式,且每年进行审核。为了灌输可持续发展文化,SSI 绩效纳入集团高管的短期激励计划中。SSE 工具旨在使长期计划保持高水平的参与度和透明度。加拿大媒体和研究公司企业爵士(Corporate Knights)将施耐德电气评为“全球最佳可持续发展公司”。在 MSCI
131、ESG评级中连续十三年保持 AAA 级。作为一家可持续影响力企业,施耐德电气不断提升自身在 ESG 各方面意义深远的影响力,包括员工、供应链合作伙伴、客户、当地社区以及地方和全球机构等。通过将可持续发展和社会影响融入业务的各个方面,为所有利益相关方创造长期价值,并推动盈利增长。ESGESG 对对 HRHR 数字化战略的影响数字化战略的影响ESG 的 14 个细分领域对企业的 HR 战略和 IT 战略分别都有一些重要影响,具体如下图,并综合起来对 HRIT 战略提出了五个方面的要求:绿色低碳 安全合规 数据质量63 多元平等包容(DEI)精益敏捷图 2 ESG 对 HRIT 战略的影响下面具体展
132、开阐述这五方面的细节。绿色低碳绿色低碳最近几年企业在数字化项目建设中贯彻绿色低碳的原则越来越得到重视。这既是 ESG对全球气候环境保护的要求,也是企业降本增效的有效手段。具体来讲,需要贯彻以下要点:避免公司内部的重复开发。从节省成本的角度,要严格避免不同部门重复采购和重复建设类似的数字化系统,不但能节省资金,也可以降低系统上线后日常运营的碳排放。尽量采用 SaaS 来替代本地部署(On Premise)SaaS 模式在越来越多的领域得到普及,其中一个原因就是 SaaS 模式比传统的本地部署更集约,租用现成的 SaaS 系统可以使企业节省自建开发和运维队的成本,降低自建服务器资源空置率,并且 S
133、aaS 企业也更容易实现软件架构和硬件资源的及时升级换代,跟踪最新的低碳技术确保日常运营的能耗保持最低水平。尽量采用云部署来替代本地部署。企业自主开发的系统也有必要从传统的本地部署改为更集约的私有云部署,云厂家更有实力确保平台架构和硬件设备及时跟上最新的标准,确保通过低碳技术保持低能耗。尽量采用成熟框架而不是从零开发。现在 IT 市场上有很多优秀的开源或闭源的技术框架,企业即使要自建系统也没必要自己写每一行代码,完全可以站在巨人的肩膀上,利用先进框架来提高开发效率,64节约开发和维护成本。内部开发尽量提高代码复用率。企业在自建系统时,要确保开发团队能够尽量提高代码复用率,在各个项目开发中积累可
134、复用的组件,从而逐步把开发效率向“大厂”的水平看齐。技术过时的旧系统择机退休或迁移新平台。大型企业一般多年来都建设了依托各个时代主流技术的各类系统,有些已经老旧过时,运维和改造成本居高不下,IT 领域将此类系统称为“技术债”,既然是债,确实不是想还就立即能还掉,但是一直拖下去只会越来越被动,有机会时一定要当即立断,下线老旧系统,用新技术平台来取代。本地部署系统要监控使用情况和负载,及时维护和优化 在 SaaS 为主的潮流下,企业仍然会有部分系统暂时保持本地部署模式,但这类系统的运维也要学习 SaaS 厂家的最佳实践,持续监控系统的使用率和负载,及时进行资源优化,确保保持较低的资源空置率。数据及
135、文件存储减少冗余,及时删除临时数据和文件降低空间占用。在日常运维中,要注意尽量减少冗余的数据存储,删除不必要的临时文件,这是绿色低碳的存储管理好习惯。分享文件采用可同时编辑的云盘方式。同一个文件尽量保持最少的副本,不要每个使用者都复制一份,最好采用云上共享方式,这是绿色低碳的版本管理好习惯。对用户请求只提供最小所需响应。在用户需要查看某类信息时,仅展现该部分信息,不要强迫用户看大而全的页面,既可以降低网络交通量,也可以给用户更好的体验。上述提到的过时的老旧架构,主要指老旧的部署架构和老旧的技术架构,对于部署架构,这些年已经发展了三代,从传统自建单体服务器到虚拟机再到容器化部署,具体如下图:65
136、图 3 三代部署架构对于技术架构,这些年来发展了四代,从传统的单体架构到 SOA,再到微服务和最新的组装式架构,具体如下图所示:图 4 四代技术架构最后介绍一下如何量化的计算数字化系统消耗的碳量。国际公认的计算公式为:软件碳指标 SCI=(E*I+M)per R其中:E=软件消耗的能量 千瓦(kWh)I=每千瓦能量消耗的二氧化碳当量M=制造运行软件的硬件所消耗的碳R=per user 或 per device根据 AWS 的研究:上云可减少 78%的能耗,云计算大约每千次访问消耗碳量为:0.023 TCO2e(吨二氧化碳当量)。在施耐德电气,把系统能耗标准分为以下几个级别:A 级:按需运行 B
137、 级:容器化部署 C 级:SaaS66 D 级:IaaS D+级:私有云部署 E 级:本地部署(甲类开发商)F 级:本地部署-虚拟机(乙类开发商/自开发)F+级:本地部署-服务器(乙类开发商/自开发)安全合规安全合规企业运营的安全合规,是企业承担社会责任的具体体现。针对数字化系统的安全合规,施耐德电气采用严格的审核流程。图 5 安全合规审核流程具体要审核以下几方面:漏洞扫描。模拟黑客攻击,找出系统的安全漏洞并整改后再测试。个人数据保护及数据出境。这两年随着我国的个人数据保护法规和限制数据出境的相关法规出台,HR 数字化系统必须确保符合这些法律条文,否则会给企业造成严重的法律风险。因此在采购和部
138、署各类 HR 系统时必须从处理个人信息总量是否大于十万、处理敏感个人信息总量是否大于一万、是否面向外部数据主体、是否跨境提供个人信息等四个方面进行评估,并根据具体情况采取如下部分或全部整改措施:向个人信息主体进行告知并就跨境事宜获得个人信息主体的单独同意、为个人信息主体提供便捷的注销和撤回途径、与数据接收的第三方订立法律文件明确约定数据安全保护责任义务、建立泄密响应处置流程和兜底机制、个人信息去标识化或数据本地化存储等。67 权限管控。要求提供标准的基于角色的按模块、按数据行访问权限管理机制。访问控制。一般要求 SSO 单点登录,外部用户注册则需要提供短信、图片验证码等机制。数据加密。薪酬、持
139、股计划、继任计划、个人敏感信息等要采取加密存储措施。第三方安全认证。要求供应商提供 ISO27001、SOC2 TYPE2 等国际标准的有效安全认证。WAF 互联网应用防火墙。对于 SaaS 厂商,必须要求配备互联网应用防火墙,确保其云产品有业界标准的安全保障。灾备及高可用。条件允许的情况下,对访问量大的系统要提供高可用机制和灾备恢复机制。另外要特别注意所谓个人敏感信息不一定与大家日常的理解一致,按照我国法规,如下信息都属于个人敏感信息:身份数据(姓名,证件照,员工号,电子邮箱地址,出生日期和出生地)。个人生活信息(家庭状态,子女数,生活方式)。流量数据(设备 ID,IP 地址,登录,密码,时
140、间戳信息)。经济和财务数据(收入,财务状况)。位置信息(GPS/GSM 数据)。基因数据。健康相关数据。工会会籍。揭示种族或民族血统的数据。解释政治观点的数据。揭示宗教或哲学信仰的数据。68 用于唯一识别自然人的生物识别数据。与刑事定罪和犯罪有关的或与安全措施有关的数据。社保号码。数据质量数据质量确保及时准确的在系统中记录员工相关的信息才能为员工提供高质量的 HR 服务。因此HR 的数据质量至关重要,也是公司整体数据治理的重要组成部分。在施耐德电气采用以下流程来管理 HR 数据质量:图 6 数据质量管理流程 第 1 步:收集各 HR 系统中的数据字段 第 2 步:整理元数据字典 第 3 步:确
141、定关键数据和数据质量规则 第 4 步:监控数据质量 第 5 步:生成数据质量报表 第 6 步:解决数据质量问题前三步是属于质量规划阶段,一般做好后不会轻易修改。日常主要通过后三步的逐月循环不断提高和保障数据质量。其中数据质量报表要包括以下三方面的质量问题:数据完整性问题 数据时效性问题 数据准确性问题69多元平等包容多元平等包容 DEIDEI要在 HR 数字化系统中体现多元平等包容的理念,一方面要通过数据仪表盘引导 HR 同事关注 DEI 方面的数据指标,另一方面也要设计一些功能模块更以人为本的给员工提供服务。前者比如:各代际员工占比统计图、应届毕业生入职情况统计图、男女薪酬差异统计图、年轻员
142、工离职情况统计图、女性员工离职情况统计图、志愿者服务天数统计图、近退休员工统计图等。后者的例子有:内部开放人才市场模块(给员工提供职业发展机会)、安全和商业道德在线培训模块、数字化技能在线培训模块、职业后期员工的职业发展计划模块、女性专用调薪模块等。精益敏捷精益敏捷精益的目标是:消除浪费,顺畅且高质量地交付真正的价值。其核心是持续改进、低成本快速试错。敏捷的目标是:更快地交付价值,更灵活的应对变化。其核心是迭代和持续交付。作为提高 HR 治理水平的有效措施,精益敏捷方法越来越多的在 HR 部门等到采用。在施耐德电气已经在 SSC 组织结构上有所体现,各个临时的敏捷项目小组在精益敏捷教练的指导下
143、执行项目:图 7 SSC 组织示例在 SSC 的日常数字化项目中,贯彻落实了精益敏捷的方法闭环:70图 8 精益敏捷的项目方法总结总结ESG 原则从公司总体战略层面对 HR 数字化路线图起到了指导作用,我们应该在数字化项目策划执行中贯彻 ESG 原则,这不但能为公司总体战略贡献一份努力,而且也对项目本身的降本增效用正面作用。作为 HR 数字化项目的项目经理或产品经理,有必要了解和掌握 ESG原则,并自觉的指导项目活动。这将是未来几年 HR 数字化的一个新的热点。714 4 信息化系统升级,从整合走向融合信息化系统升级,从整合走向融合高朝辉高朝辉 西门子(中国)有限公司西门子(中国)有限公司 人
144、力资源应用系统运营经理人力资源应用系统运营经理德国西门子股份公司创立于 1847 年,是全球电子电气工程领域的领先企业。西门子自1872 年进入中国,140 余年来以创新的技术、卓越的解决方案和产品坚持不懈地对中国的发展提供全面支持,并以出众的品质和令人信赖的可靠性、领先的技术成就、不懈的创新追求,确立了在中国市场的领先地位。2020 年(2019 年 10 月 1 日至 2020 年 9 月 30 日),西门子在中国的总营收达到 73 亿欧元,拥有超过 3 万名员工,设立了 20 个研发中心、77 家运营企业。西门子(中国)有限公司通过人力资源共享服务支持所有在华业务单元的信息系统建设、运营
145、管理和创新。人力资源从信息化到数字化建设历程:2005 年,西门子人力资源信息系统的结构相对简单,主要应用 SAP 系统中 HR OM 和 HRPayroll 模块进行组织管理和薪资计算。另外,西门子(中国)通过本地系统 HRDW 实现绩效管理流程、入职流程、离职流程、内部调转流程线上操作。2007 年,西门子在人力资源管理上进行了战略调整,通过统一使用 SAP 系统,实现亚太地区人力资源标准化管理。根据业务需要,西门子(中国)内部开发了本地系统,员工能够通过该系统提交加班申请、休假申请,经理可以进行在线审批。审批流程结束后,Nexus系统中的数据会同步到 SAP 系统中,进行薪资计算。在 S
146、AP 完成算薪后,信息数据又会从后台流转到 Nexus 系统,员工能够在前端查看每月的工资单。同年,西门子收购了美国 PLM(产品生命周期管理)公司 UGS,这为西门子的数字化进程打下扎实的根基。PLM 能集成与产品相关的人力资源、流程、应用系统和信息,是企业信息化、数字化的数据基础。2008 年,西门子成立了人力资源共享服务中心,希望通过人力资源信息系统,实现自动化管理。因此,西门子内部 HRIT 项目团队开发设计了一个较完整系统DOE 系统,将原先在本地系统 HRDW 中实现的入、离、调、转的流程在 DOE 系统上重新实现。试用后,通过外部服务供应商专业化地开发 DOE 系统并由其进行后台
147、运维。目前,西门子人力资源共享服务中心的服务体系设置为“3+1 式”,其中 3 包括第一层员工热线,热线中心主要集中在北京;第二层为区域性服务中心,分布在各个城市,例如北上广等大城市下属还分细分多个小服务点,其中主要面对西门子中国本部员工,而西门子下属工厂的员工服务,西门子主要通过 on-site 服务团队提供相应的服务;第三层为后台运营中心,分别在北京和苏州,其涵盖职责为更加集中化的 HR 工作。此外,+1 为员工自助服务。722011 年,西门子在全球范围内推广使用 4Success 云平台,西门子 4Success 是 SuccessFactors 全球最大的私有云平台。该平台在 201
148、1 年以项目的形式在西门子(中国)推广上线,主要实现招聘、绩效管理模块,实现招聘流程和绩效管理流程全球统一。2013 年,西门子全球总部建立了西门子全球人员的组织架构模型,各个国家的员工登入平台后,可以看到西门子整体的框架,包括人员结构、汇报关系。推行该项目,各国西门子的总部需要维护各国的数据,因此,西门子(中国)的 HRIT 团队在 SAP 上设定新的字段要求,并建设了一套新的维护规则和逻辑。另外,西门子在全球范围内推广在线培训系统,提出了一套培训解决方案。2015 年,西门子在中国已有 20 多家工厂,部分工厂内部已使用考勤系统,部分工厂尚未搭建,主要以手工操作,统计员工考勤信息。手工统计
149、考勤数据一方面工作量巨大,另外很难避免“人情班”的情况出现。西门子(中国)收到工厂考勤自动化的需求后,对市场上的考勤解决方案做了细致的评估。经审批后,引入了劳动力管理服务供应商 Kronos 的考勤解决方案。2016 年,西门子人力资源信息化建设最大的项目是上线了 SAP HANA。从用户角度,该项目实施后,系统的性能显著提高,系统运维的速度明显加快。另外,西门子(中国)在本地人力资源系统上增加了一个功能智能机器人。智能机器人以一问一答的模式,解答员工提出的问题。近年来,随着西门子对于人力资源数据的敏感性增强,包括招聘、保险、员工福利等数据,西门子专门采购了部分本土软件,比如招聘采用的本土软件
150、图谱等,用于提升数据安全和软件能力。西门子共享服务中心的考核主要划分为四个维度实施,包括财务指标(例如利润率等)、运营和流程指标(例如人员服务数量)、顾客服务指标(例如员工满意度)、员工服务(例如离职率)。此外,西门子为了共享服务中心的制度改革,在数字化方面做了很多创新突破,例如Dash 数据分析报告,将人力资源业务中的离职率指标、到岗率指标等综合分析,给管理者提供决策辅助。虽然西门子对人力资源智能化建设的发展还不够深入,目前所采用的感知设备主要应用在简历分析、简历匹配、门禁系统、人脸识别等功能,但西门子在数据流程方面有较深的梳理,包括打通流程界面的壁垒、研发一体机操作平台、手机端实现人机交互
151、等。针对西门子下属工厂的管理差异,工厂员工的薪资核对算法也不尽相同,各工厂通过流程申请服务,共享服务中心根据流程单进行相应的服务。在人才培训方面,西门子强调 own your career(你的职业你做主)文化,公司会在人力资源共享服务中心提供职业生涯规划的课程,也会由 HR 提供课程建议、个人长处测评等工具,以鼓励员工主动地规划、掌握、开拓自己的职业生涯。同时,西门子与北大光华管理学院一起合作开展了 EMBA 项目,针对智能制造的高管来做联合培训,以及与教育部签订了新一轮的教育合作备忘录,在中德合作框架下为中国工业转型升级培养新的人才。73在数字化进阶过程中,西门子人力资源共享服务中心搭建了
152、包括产品管理、系统管理、人员管理、客户管理、培训管理等各方面的共享服务管理体系,以共享服务价值驱动集团业务发展。借助本地人事流程系统,整个人事流程得以清晰展示,执行状态一目了然,不同步骤不同角色权限控制。西门子的数据管理采用“卷”管理的方式,兼顾数据的效率与采集,以法律边界筑牢数据信息安全。尤其内部数据信息安全管理是企业信息化建设的核心内容,针对数据保密性、数据完整性、数据可用性三个维度来定义平台及数据安全等级及生成对应的安全保护措施,从关键风险评估、制定分级预案措施、确认措施可行性、实施安全措施、数据安全状态监控及定期检查的规范流程上给予把控。745 5 当当 AIAI 技术着力于技术着力于
153、“企业微观数智化企业微观数智化”变革智力密集型生产工具,匹配变革智力密集型生产工具,匹配 AIAI 浪潮下的生产力要求浪潮下的生产力要求作者简介 刘长江刘长江 OmegaOmega:历任百度 HRIS 顾问,高德 HRIS 负责人,阿里巴巴招聘信息化产品经理,腾讯招聘效率与体验产品经理,Bello 智能副总裁。长期活跃在互联网一线大厂的数智化领域,积累了 14 年+的前沿经验。擅长通过技术变革与产品变革的方式,正面突破企业遇到的业务难题。倡导通过构建数智化效率产品,实际提升一线工作效率和体验,以沉淀真实的过程数据,从而实现可量化的降本增效,切实有效地推动企业数智化进程。基于笔者在 AI 领域和
154、企业数字化领域多年的经验,对 AI 浪潮兴起之下的数智化领域有些粗浅的见解,撰文于此,供大家参考:目前世界范围内的“大环境”问题,比较好的突破口还是技术革命引发的生产力革命。抛开无人机、AI 引入战争重构战争形式这种宏观话题不谈,笔者尝试从企业运营管理的数智化技术引入,举例论证技术革命带来生产力巨大提升的例子,从而一窥 AI 为智力密集型工作带来大幅生产力提升的路径。路径路径 1 1:通过 AI 的引入,让业务流“自动化”成为可能案例 1:腾讯招聘“一键安排面试”能力的构建不为人知的是,早在 2020 年,腾讯的招聘面试安排,就有 60%都是由机器人自动完成的了。另外,这里所说的“机器人自动完
155、成”就是字面上的意思:当人类的招聘经理在系统上通过点击发出一条指令:“为候选人刘长江安排面试”之后,所有的操作,包括“跟面试官确定面试时间”“跟候选人联系,确定面试时间”“撮合双方时间”“定会议室”“自动生成远程视频面试链接”“book 面试官日历”“给候选人发出邮件/短信邀约”“给候选人进行访客预约”“面试前温馨提醒候选人”“引导候选人去到面试的会议室”“候选人面试完成后自动发送问卷”等一系列操作,均由系统(大家如果有印象,这个机器人叫“小约”)自动完成。75也就是说,上面这幅图中几乎所有的工作,都是由系统自动完成的。大家可以通过这幅对比图,直观地看到系统通过“集成”和“智能化”两个维度生产
156、力的引入,为日常招聘工作带来的革命性的变化。当时做过一个测算,就是仅通过这一项功能,为腾讯带来的人力成本节省,每年就有近3000 万人民币之多。而较为长远的候选人体验提升、误差率下降、人才竞争中的优势提升,以及与之对应抢夺到优秀人才之后对业务带来的巨大潜在价值,就无从核算了。也正是因为此类功能的大量出现,我们后来发现,招聘经理的工作内容需要重构了,不仅仅是简单的“处理招聘琐事”“负责招聘流程”的人,更应该成为深入业务,回答“在当前的业务阶段,应该花 xx 钱从 xx 地方招聘到 xx 人”“为什么”这样的角色。这样一来,同样是花一个 HC 雇佣的招聘经理,就不再只是负责低价值工作,从工作的深度
157、来讲,可以为企业提供更大的价值。76需要注意的是,上图中绝大部分功能,早在 2017 年,就已经在腾讯实现了,后续增加机器人实现了其中的和面试官候选人沟通时间地点的功能。但当时为什么只能做到替代 60%人工呢?因为候选人或者面试官要改时间这样的复杂场景,通过机械式的多轮对话,其用户体验会很糟糕,所以我决定凡是此类问题一律转到人工处理。那么结合当前火热的大模型技术,对不同格式的语言理解能力大幅上升,剩余 40%,也大有持续突破的可能。即:业务流自动化=基础功能高度集成化+AI(智能化),在这个场景中,AI 主要起到了“识别意图”的作用,然后将意图准确转化为命令,触发系统中已经高度集成化的各项功能
158、,最终实现业务流自动化。笔者在这里想表达的,并不是说大模型一出现,才有了这个功能,或者说大模型出现后,能基于它构建一个彻底颠覆掉原来功能的产品。九层之台,起于累土。产品的构建也好,生产力的提升也好,都不是一蹴而就的过程,需要在前面的基座之上不断迭代打磨。AI 不是神话,它只是技术提升的一种路径,有了它之后,让之前某些难以覆盖的问题得到了很好的解答而已,如果我们选取的杠杆点足够巧妙,可以让原本 50%,60%,90%的功能突破临界点,达到 100%,从需要耗费人力,到人类完全不需要关注这个业务节点,彻底释放生产力用于其他领域。路径路径 2 2:通过 AI 的引入及可视化技术的应用,为智力密集型工
159、作执行“熵减”因为本刊的读者均为高水准专业人士,故此处不再花费过多篇幅介绍“熵”以及“熵减”的背景知识。但必须特地指出一点,本文中的“熵减”主要研究的是如何减少工作者内在精神状态的混乱度,以及其减少路径,与华为语境中的“熵减”概念是有差异的。自然,与之对应的“熵增”,即工作者内在精神状态混乱度的增加,将会极大削弱智力密集型工作者的工作效能和实际产出。相信在各大企业从事智力密集型工作的读者们都有类似感觉,随着职级的增长,或者外部环境压力加大后,大家的亚健康状态也与日俱增。其表现形式诸如“疲惫”、“做什么事情都提不起兴致”、“焦虑不安”、“讨厌接到电话或者IM 消息”、“不想跟人说话,只想自己呆着
160、”、“对什么事情都不满意”、“麻木”甚至“感到痛苦”。因为工作的关系,之前从微观的角度对其做过研究。所以借这个机会,把研究的情况跟大家做个分享,请大家不吝指正。下面,先通过 3 组图说明智力密集型工作者内在的精神状态是如何“熵增”的,即是怎样一个过程使其越来越混乱:第 1 幅图,如下:77图 1假设你是一位招聘经理,给你 1 周,让你单线程地完成一件极其简单的任务(简历开源),完成有奖。前提是根据你的个人能力,大概 3 天就能很好地完成。我相信大部分人都不会感觉到焦虑。“单线程”,“能力充足”,“时间充足”,“大概率成功”,“完成后有即时激励”。这一系列的前提条件提供了一个极其轻松而有序的条件
161、以支持目标的达成。那么接下来,追加条件:这个任务存在一些特殊情况,一但发生了,整个工作就得重新开始,对应上图中出现尖叫表情的几条路径。有一些人的焦虑感就开始产生了,但远远还达不到“熵”的地步,因为毕竟“能力充足”,“时间充足”,“大概率成功”,“完成后有即时激励”,做好规划,甚至提前做好 ABCDE 多个预案,完成任务也是戳戳有余的事情。单线程,多分支任务,对我们的大脑来说,并不是太困难。那么,咱们接着看第 2 幅图:图 2781条件再次追加:以这个案例中所举“简历开源”来说,在某一个渠道直接完成任务的可能性是很低的。所以需要在多个渠道执行重复的动作,那就表示第 1 点中我们预设的“单线程”这
162、个条件不存在了。而现实生活中,工作给我们提出的要求往往都是“多线程”的。这就意味着我们的一份精力要能同时记住你在多个渠道的工作任务,并且要在一天的多个时间,重复去执行类似的动作,以真正完成“简历开源”这一个最终任务。从这一步开始,任务变得难了,人也更累了,多线程,多分支的任务确实让“熵”在慢慢增加,但其实内心的精神状态也还远称不上“混乱”,因为无论多苦多累,其单个任务目标是确定的,只是需要付出更多的代价来达成这个目标而已。这里,我相信绝大部分招聘经理也是能较为轻松地完成工作的。虽然大部分人的大脑喜爱单线程,但我们处理多分支,多线程的能力其实还蛮强的。第 3 组图:图 379图 4图 52在更加
163、现实的工作场景中,企业雇佣一位招聘经理,恐怕也不仅仅只让你负责一个岗位的招聘,你需要对接数个不同的部门,数个不同的岗位,数位不同的面试官,以及每个岗位上的数位不同的候选人这就意味着你需要把图 2 中的所有复杂操作在每个岗位上都重复操作一遍(如图 4,图5 中所示过程),虽然任务完成的时间有先有后,总时长得到了增加,但是整个任务的工作80量变得极其庞大,在之前的单线程基础上形成了数轮几何级增长,同时还有这么多并发任务带来的海量临时记忆要求。看到这里,相信很多读者已经能感受到迎面而来的压迫感了,但大家不要小看我们大脑的潜力,即使是如此窒息的工作,我们平时也悄无声息地就把它做完了,不是吗?如果有做过
164、招聘的读者可以回想一下自己的日常工作过程,看看是否如我所说。只是在之前没有人把这些工作具象化成这种图像给大家看到而已。其实,直到此处,都还没有到达我所认为的“混乱”的临界点。不开玩笑的说,我们人类才是最精密且廉价的“人工智能”。3真正让工作者的精神到达混乱状态的是:在以上的工作中,它们并不是按照顺序,依次发生的而是乱序、带着不可预知内容地随机发生的。4是整个事务已经脱离了掌控,最终不是我们人类在推动着工作向前走,而是我们被无数重要或不重要的“步骤”或者“事务”推动着向前走。当原有的,连续的工作进程被打乱,纷乱而碎片化的工作会带来极大的时间浪费和心力耗费。纷乱使之前我们在大脑中里建立的临时记忆被
165、不断清空,每次重拾工作都需要重新回忆之前做过的一切和思路;碎片化让我们难以积聚足够的时间和思考以突破一些困难的问题,工作中的“卡壳”现象便频繁发生。5强大一些的职场人,还能保持着目标不散,于纷乱的事务中捋清脉络,抵达目的地;经验少一些的,就只能每天被事情逼着上下班,完全失去对工作的掌控,要么最终拼尽时间和身体健康强行达成目标,要么就只能面临绩效不合格的窘境。这种情况不仅仅发生在我所举例的招聘领域,各类智力密集型岗位,都有出现的风险。综上,智力密集型工作者的精神状态出现混乱的核心原因,是事务的乱序,不受掌控,智力密集型工作者的精神状态出现混乱的核心原因,是事务的乱序,不受掌控以及碎片化,打乱了整
166、个工作流的运作,从而产生混乱和随之而来的一系列连锁反应,让以及碎片化,打乱了整个工作流的运作,从而产生混乱和随之而来的一系列连锁反应,让大脑疲于应对大脑疲于应对。但笔者想强调的是,导致导致“熵增熵增”的根源,却是现代化的智力密集型工作分工模式,的根源,却是现代化的智力密集型工作分工模式,对工作者提出了很高的要求(包括工作量,工作复杂度,分支事务量等),但却没有配套对工作者提出了很高的要求(包括工作量,工作复杂度,分支事务量等),但却没有配套的生产工具为之提供对等的生产力的生产工具为之提供对等的生产力,导致工作量几何数增长,最终工作者失去任何冗余精力应对随机、突发、乱序情况的产生,从而引发“熵增
167、”及最终的混乱。因此,与之对应的破题思路也就很简单了:鉴于我们对事务的乱序、随机、突发是没有任何掌控力的,从它们身上着手,需要重新构建对应的规则或者数字化产品,成本太高。那不如先从那不如先从“提供对等的生产工具提供对等的生产工具”和和“提高对整个工作流的掌控力提高对整个工作流的掌控力”着手着手。具体方法很多,但篇幅所限,此处,笔者就选取 2 个具备代表性的做个案例。案例 1:智能招聘系统中的“一键搜全网”功能利用数字化和 AI 工具,直接作用于简历开源过程中繁琐的“重复步骤”,通过“在一个网站输入搜索条件,在多个网站自动搜索并自动查重”等功能,将“需要在 n 个网站执行m 个操作”降维成“仅需
168、在 1 个网站执行 m-3 个操作”,大幅减少任务执行成本,为工作者节省下宝贵的时间精力用于执行更加复杂的任务。81流程对比图如下:因为具体的产品思路和构建过程,就不在此处过多描述了,感兴趣的读者可以线下再深度交流。我想补充说明的是,这种搜索能够真正提升效率的关键,是对搜索者意图的识别足够精准,同时,能将意图分解为足够准确的关键字,并利用这些关键字成功实现在多个异构网站的搜索,并为搜索者拿回结果。传统搜索引擎的精准度大家都清楚,而大模型的出现,为这个古老的功能带来了极其确定的,新的可能性。这就是我所谓的技术杠杆效应,带来临界点的突破。案例案例 3 3:腾讯招聘“check now”能力的构建通
169、过可视化的产品思路,构建实际作用于“流程执行”的任务管理工具“check now”(中文名“切克闹”),可以将“任务推着人走”逆转为“人提前掌控大盘,推着工作走”这个产品与 AI 并不是那么相关,但鉴于业界并没有同类产品,我认为其产品思路可以给大家一些参考价值,故分享于此。这个产品的起源,是我在对腾讯招聘系统进行重构时,发现招聘经理们其实都更喜欢用excel 去自己管理自己手中的事务,而不是依赖于系统图形化的界面或者 BI 现成的看板。在与大家深度讨论之后发现,现有功能仅仅是对“结果”和“关键节点”的呈现和管理(传82统流程化思路),却缺少了对实际工作中微观事务流,以及对“异常”的管理功能。而
170、这些,才是构成招聘经理日常细碎工作的主体。即“系统只关注宏观,却并未照顾到微观”。于是,笔者当即在白板上画出大家常用的 excel 表格,并就这表格与招聘经理们讨论其每一个行、列的作用,形成了这个产品的草图。后续又交由下属团队和研发部门数次打磨。最终,这功能应运而生,其核心使命,就是管理微观事务中的“异常”。故名:check now。见下图,其横轴为面试流程中的各个步骤,纵轴为候选人;绿色标记为正常流程,红色标记为异常流程。点击异常流程后,在弹出的卡片中可以直接处理异常,例如“一键拉群”或者“跳转系统”等等,异常可以由多个维度自定义,常用的是时间。例如,某位候选人在复试阶段呆了2 周了,还没有
171、进入到下一轮面试或者被淘汰,这是需要面试官去正视并处理的。招聘经理此时就可以直接一键拉起企业微信群,进行问询处理。又如,某位候选人在接到 offer 之后3 天了,还没有回应,招聘经理可以一键呼出电话了解原因并催促候选人尽快接受 offer这样,当招聘经理在被各路面试官、候选人、领导催着满天跑之前,每天上班第一件事情先把这些可能发生的异常捋一遍,直接实现从被动到主动的角色变换,即:“在被打扰之在被打扰之前,先集中处理掉打扰自己的异常因素前,先集中处理掉打扰自己的异常因素”,从而很大程度上避免工作的乱序和碎片化。究其根本,异常并不是被我们直接消除了,而是提前被我们集中起来处理掉了异常并不是被我们
172、直接消除了,而是提前被我们集中起来处理掉了。而提供这种能集中处理异常的生产工具,就是“Check now”。我认为,当系统演进到一定阶段之后,都应该要从原有的“宏观管控思路”切换到“微观生产力提升思路”,毕竟,当系统永远只是一个跑流程单据的工具,生产力就永远无法通过系统,注入到实际的生产过程中,更遑论“为组织提效”。可以看到,在应对新时代对我们提出的新挑战之时,单纯的信息化,已经变得较为无力;83而单纯地认为 AI 可以解决一切,又过于乐观,缺乏连通神话与现实的路径。但仔细分析一些新出现的管理现象背后的原因,并从微观层面上对其进行拆解,却能引出庞大的场景,以及极具价值的数智化机会点。除了以上的
173、两条路径,三个案例之外,笔者已经接触,甚至已经实现的案例还有很多,我相信将其扩展到人力资源管理的其他领域,也能发现巨大的、未经发掘的宝藏。这也是为何笔者将标题命名为:当 AI 技术着力于“企业微观数智化”,个人认为,最终这一波 AI 浪潮带来的生产力进步,必须要有效地作用于实际生产过程(微观事务)才能真正产生价值,而如果要作用于生产过程,对业务流的微观分析就成为了必要条件。单纯的仰望星空太过宏大,也非笔者能力范围内能做的事情,但对微观场景的深度分析,以及连接一连串微观场景构建起激动人心的产品,却是笔者擅长的领域。如果大家对这个领域的话题有希望交流的点,欢迎通过协会与我联系。笔力有限,真理无穷。愿笔者的分享,能给大家带来一点小小的启发,其中谬误之处,还请大家海涵,不吝指正。84