做人才评鉴的不少，融入人工智能的你可能还没见过
算法推动社会进步，但数据秒杀一切算法。未来的人才评鉴一定会往更加系统化、全面化、多样化、数据驱动的方向发展。
本文是2017年7月推送的第51篇干货，计3443字。您今年累计阅读了10.44本《卓有成效的管理者》。
本文根据本刊记者孙思对中国银联支付学院综合教研室高级主管季承的采访整理而成。
来源 | 《培训》杂志
领导者有两个核心职能：一是知人和用人，二是做决策。但是“千军易得，一将难求”，企业中尤其如此。与难得相比，难知是人才的另一特征。正因为人才难得且难知，所以才产生了人才评鉴的需求。
中国银联支付学院综合教研室高级主管季承认为，企业仅仅依靠招聘挖人，不仅数量上无法满足需求，成本之高也难以承受。所以，企业才需要从内部发掘、培养“好苗子”，进而产生了内部人才评鉴的需求。
就个体来说，人才评鉴也有促进自我认知，助力个人能力发展的价值。而要做好人才评鉴，不能为了评鉴而评鉴，人力资源工作者一定要跳出专业深井，探析大数据时代下的评鉴之道。
做组织部不做宣传部
人才评鉴不难，但是经常与应用脱节
企业在实践人才评鉴的过程中，最显著的问题是，企业目前存在人才评鉴与应用脱节的现象。
人才评鉴的技术本身并不难掌握，但是这项工作的前提是——企业要有足够的空间对评价的结果进行应用。
要么企业正处于蒸蒸日上、高速发展的阶段，或正在开拓全新的领域，能够提供足够的岗位；要么有良好的绩效管理系统，有能者上、庸者下的保障机制和内部管理氛围。否则，人才评鉴的结果往往无法应用，人才发展部门也就从“组织部”变成了“宣传部”。
其次，企业做人才评鉴的“初心”是否正确，也是需要反复斟酌的。
一些企业存在这样的现象，评鉴目标并不是为了去选拔人才，而是为某些个人的提拔寻求依据，这是不合理的。
最后，“只见树木不见森林”也是一个常见问题。
目前的评鉴工具主要用于个人，但是能人的叠加并不意味着效能的提升——企业需要的是一群能“抱团打天下”的人，发挥出“1+1＞2”的作用，目前市场上只有贝尔宾（Belbin）等少数几种工具可以实现对团队匹配度的测评。
未来的评鉴必然基于大数据的算法
有一句话叫做“算法推动社会进步，但数据秒杀一切算法。”在转型变革的大环境下，企业在人才评鉴方面的探索与尝试也越来越多。未来的人才评鉴，必然会基于大数据的算法。
未来，或许还会有大量基于情境化、引入VR、AR等技术的实境模拟测评，这种评鉴的可信度会更高。例如，要对员工进行一次绩效反馈或是和竞争对手进行一次商业谈判，或许通过一个头盔就可以实现。通过手势表现员工的肢体语言或情绪，通过传感器了解其各项数值的波动和变化，将生理指标引入评鉴这样的评价会变得非常系统和全面。
总体来说，人才评鉴一定会往更加系统化、全面化、多样化、数据驱动的方向发展。就像中国银联支付学院院长付伟所说，未来学习一定是由大数据驱动的，是基于学习者个人的，我认为，未来的评鉴一定也是数据驱动的。
安装企业内部的人才探测雷达
评鉴中心：企业内部的知人雷达
评鉴中心是信度和效度都非常高的工具组合，有点像是企业内部的雷达。企业在用人方面，最大的挑战在于人员的任用必须获得认同。如果没有评鉴中心，表示认同的方式大概就是“用人拍脑袋，做事拍胸脯，出事拍屁股（走人）”。而评鉴中心可以为决策者提供非常好的依据，促使其系统、全面地看待一个人，为决策提供帮助。
评鉴中心（Assessment Center，AC）或发展中心（Development Center，DC），可以将人才战略与企业发展战略结合起来，而人才发展战略又是服务于企业战略的。因而，评鉴中心可以非常好地定义哪些是企业发展所需的核心人才，人才缺口有多大，以及为了弥补这样的缺口，应该挑选什么样的人才作为候选人，可以设计怎样的培训以识别人才的短板与长板，并有针对性地做出改善与提升，发挥其最大潜力。一言以蔽之，有AC或DC的企业，在人才应用、人才战略支撑企业战略等方面，占据较大的优势。
评鉴中心信效度高的最大关键在于它的全面性和科学性。从我的经验看，它可以从四个维度进行人才识别和评鉴：专业和组织知识、能力、个性特质、关键经历。
专业和组织知识
指的是专业知识和管理技能，这部分可以做很多有趣的设计。比如，当时在房地产公司，我们设计了“大家来找茬”，拍一些建筑设计方面存在问题的素材，在规定时间内让受评者圈出问题点，并做具体说明。
能力测评
可利用很多信效度较高的测评方法，如关键事件法、结构化行为面试等。
个性特质
这与工作岗位相关，例如价值观特别黑白分明的人，就有可能不太适合做公关工作。
关键经历
岗位的关键经历，避免在遇到关键事件时因为缺乏关键经历而造成的束手无策。
四个维度共设计有十多项测试，为了防止因为个人主观原因造成的偏差，每一项测试会安排多人参与评鉴并合议。再加上受评者的平时绩效、上级评价等，相当于给受评者拍了X光，做了全面剖析。所以，评鉴中心的全面是源于其工具的科学性、决策的合理性，相应的，成本也很高。
做评鉴中心要注重积累
面对企业构建评鉴中心的高成本、高难度，关键在于做好积累。评鉴中心对于企业来说很高大上，成本高、效果好，但是构建难度非常大。前提是有专业的人、工具，有支持的老板，同时内部认同专业、认同科学，能够接受评鉴结果。
对于企业来说，要构建评鉴中心，首先要评估有没有具备做评鉴中心的前提条件。如果相关条件没有完全具备，也可以用互联网思维，小步快跑迭代开发。
例如，可以通过梳理和沉淀业务信息，将隐形知识的显性化。同时将管理案例沉淀下来。既可以用在具体工作当中，成为企业的智力资本，当有朝一日企业要构建评鉴中心时，这些材料又可以作为测评的绝佳工具。
这就是做好积累，不断积累人才发展、知识管理、企业发展等形成的数据，形成数据库。等到时机成熟的那天，就“忽如一夜春风来，千树万树梨花开”了。
如果真的急需做评鉴中心，就依据企业规模，决定是内部构建还是借力外部。如果企业规模大，也可以请外部机构先做支持，然后一点一点本土化。
人工智能 人才评鉴的绝佳助手
银联支付学院对新技术一直秉持着开放接纳的态度，我个人也对新技术和新工具抱有很大的兴趣，它们在给日常工作和组织运行带来助力的同时，也能促使我们跳出自身的岗位和专业深井，以更全面的眼光看待这个世界。
新技术带来的有趣发现
在接触人工智能以后，我们发现，经过设计，自然语义处理（NLP）技术可以很好地用于案例的定量分析，大大提升案例分析的效率，成为测评工作绝佳的助手。
于是，我们尝试用人工智能分析了某部门辅导人项目产出的800多个案例，结果获得了三点有趣的发现：
一是分析结果显示，与常模相比，这批新员工的创新能力很强，但抗挫折能力偏弱，这与大家对90后的判断基本吻合。这也代表着，未来人工智能可以用于对群体特质的判断，为企业选拔培养人才提供依据；
二是这些员工在主动积极、结果导向、沟通协调、快速学习四项指标上表现出色，而这四点恰好是在八周时间中反复学习的，这证明了培训能有效提升能力，将能力的正态分布向右推动——对技术部门的后续访谈也验证了这一点；
三是AI对于案例品质的评价，与HR专家基本一致，但成本却要低得多。
现在，我们正考虑将人工智能技术合理地运用到具体的培训项目中。比如，在项目伊始，让每个参与者提交若干成功和失败的管理案例，通过智能分析和数据比对，就能大概知道每个人的强弱项，然后通过智能算法推送学习内容，实现一定程度上的按需学习。
在可见的将来，人工智会消灭很多工作岗位。未来，工作只属于少数人。我看过一个很有意思的研究，社会上一共有五级的工作：
第一级是做决策；
第二级是解决弹性的问题，如看病；
第三级是不易规范的体力劳动，比如说快递；
第四级是可以被规范的体力劳动，如流水线工作；
第五级是可以被规范的脑力劳动，如记账。
基本上，从第三级到第五级的工作都会被取代，第二级则会被部分取代。
对于人才评鉴或人力资源工作者来说，绩效、薪酬、劳动关系、培训等相当一部分工作属于三至五级。为避免被淘汰、被取代，或许有这样几条策略。
离，躲开那些可能会被取代的工作。
即使有些工作现在躲不开，也可以通过自学去寻找结合点，找到新的方法跟思路。就著名的麦肯锡“表姐”芭芭拉·明托，在做表格、写文章的同时，写出了《金字塔思维》，实现了自我价值。
钻，持续钻研，成为真正的大牛。
机器再怎么牛，在某些方面永远不可能超过人。成为真正的大牛，为少数群体提供高端服务，这部分的难度和挑战也相对较大。
迎，拥抱变化，迎接挑战，做新生事物的专家。
合，就是找结合点，创造美第奇效应。
当在不同的领域都有所涉猎时，这种结合可能会产生新的想法或成果。例如你在测评和人工智能方面都很厉害，那么就可以做测评中最懂人工智能的人，或是人工智能专业领域最会做测评的人。
无论是离、钻、迎、合，前提都在于变。主动应对变化，主动做出选择，才不会被选择，或是被淘汰。
来，聊聊你对本文的看法吧~~
本文来源于《培训》杂志，文章仅代表作者个人观点，不代表“培训杂志”立场。
投稿请联系：editor@trainingmag.com.cn。