人力资源管理中的大多数“硬科学”都集中在数据上。我们要求员工参与各种测评、查看员工的绩效评分和平均绩点（这是非常主观的）；我们要求进行大量调研、反馈，并得出大量数据来做出决定。然后将业务结果（销售额、利润、市场份额）与各种人员指标相关联，并认为自己似乎“找到了正确答案”。对于招聘和选拔，我们会考虑候选人经验、与工作相关的测试以及面试官的意见和分数。从理论上讲，如果我们获得足够的此类数据，我们就可以更好地进行招聘决策。当我们考虑晋升谁、降职谁以及谁应该进入公司的最高层时，也可以此类数据为依据。晋升的整个前提是基于晋升能力、潜力或当前工作绩效这些相比较的旧观念。这种方法听起来像是定量的，但其实充满了偏见。在大多数情况下，我们还是基于“判断”下定论，热衷于从各种评估、观察等输入中“推断”出谁具有高潜力。 比如，人力资源的两个最常见的部分职位发布和职位描述，都是由招聘经理或HR担任。他们通常基于其对工作的看法、公司标准以及一些HR招聘知识和技能来是实现。但是，这些“主观性”的判断并不能真正科学的判断谁会被录用，我认为“成功的标准”还有很多，包括候选人的信念、学习能力以及与企业文化的契合度等等因素。因此，我们仍需要获得大量数据（比如对比查看高绩效人员的行为数据），以提高晋升的科学性。但是，如果你真的想对你的员工的技能、经验和对不同工作的适应性进行大数据分析，就要处理堆积如山的各类数据，其中大部分编码在员工简介、工作成果、公司信息、领导力和大量沟通与评估中，当然还有绩效评估、业务成果等等。这些数据的收集、管理也给HR带来了不小的挑战。换句话说，“人”是世界上最复杂的“混合数据”问题之一。现如今，事情似乎在发生转机，特别是ChatGPT的问世，让HR们有了新的工作方式。下面，我将介绍一下生成式AI 和大型语言模型将如何为HR提供帮助。生成式AI、大型语言模型如何为HR提供帮助？ 鉴于我们所处的复杂的业务环境，生成式 AI 和大型语言模型如何提供帮助？虽然现在还处于早期阶段，但让我冒昧地提出一个想法，即人工智能的这一新分支有可能彻底重塑人力资源的工作量。在这种颠覆性的变化中，我们将看到新的平台、新的供应商和新的公司运营方式。对于那些还不知道生成式人工智能和大型语言模型是什么的人，让我简单地说一下，这些人工智能系统可以索引、分类和聚类数十亿个“标记”，其中包括单词、短语、数字，甚至代码，找到你可以查询的模式和预测。通过英语语言界面（以及其他语言），他们可以进行分析、总结和预测。让我快速谈谈我们在过去几个月中发现的一些案例：
1/ 为职位描述、能力指南、学习大纲以及入职和过渡工具创建内容
我一直认为岗位描述的最佳方式是观察人们在做什么。如果你真的观察、捕捉和分析一下该岗位员工几个月的工作，就可以根据实际工作写出职位描述。生成式 AI 也可以做到这一点。您可以使用生成式 AI 来了解您公司的销售业务，并分析您的销售组织中的所有工作经历、销售工具和各种销售材料，再根据真实角色编写切合实际的职位要求。如果你想知道如何培训销售人员，你可以问它“告诉我表现最好的人和表现不佳的人是怎样的。” 它会告诉你你可能不知道的东西。然后你可以要求生成式 AI 机器“阅读我们所有的销售和产品培训”并“给我一个需要学习和了解的内容的大纲”。然后它可以为您构建测试、在线学习指南，并最终成为您公司的“销售教练”。然后你可以问它“谁是我们按总收入和总利润衡量的顶级客户”，如果它可以访问财务数据，它也可以回答这个问题。因此，它不仅可以帮助您改进和重写所有职位JD，还可以帮助您定义成功标准，帮助评估谁表现良好以及原因是什么，然后构建一套销售培训材料。我敢肯定它不会是完美的，但是在很短的时间内你会学到你不知道的很多东西，而且我也不会惊讶于此类应用程序会在未来的一年之内如雨后春笋般涌现。
2/ 用于创建招聘的技能模型、经验模型和候选人资料库
第二个，也可能是最大的改进领域——招聘。众所周知，为一份工作寻找、评估和选择合适的人是多么困难。现在每个人都在热衷于“基于技能的招聘”。但这到底意味着什么？这是否意味着这个人已经通过了某种工具或编程语言的测试？还是已经对此类测试“熟能生巧”？或者这是否意味着他们在一家非常擅长这方面的公司工作，所以他们可能在那里学到了很多东西？这太复杂了。假设您可以抓取数百万员工的资料，然后查看“他们所做的工作”（即扫描 Github、撰写的文章、法律摘要等），然后判断此人在这份工作中的表现如何？这几乎不可能手动完成，但生成式 AI 可以做到这一点，甚至可以做更多。假设它查看此人的简介和工作经历，然后将其与其他候选人进行比较。它可能会告诉您哪个受过高等教育，哪个文字能力更强，以及其他哪些个人特征不同。与我们合作的第二代人才情报供应商之一现在就有一个工具，它可以通过扫描、分析和深入理解，向您对比“公司 A 的领导力概况”与“公司 B 的领导力概况”。通过对比这两家公司的领导者的不同经历、语言、教育和资历进行竞争分析或招聘的确是一个不错的办法。 L&D 供应商已经使用 ChatGPT 从现有内容构建课程计划、学习目标和技能评估。以及招聘人员也可以利用它找出企业中的“斜杠”人才，助力企业内部人才的流动，将拥有多元技能的人才放在具有一定工作挑战的岗位上。顺便说一下，通过调整这些模型还可以消除性别偏见、年龄偏见、种族偏见等。因此，它们不仅可能更有用，而且实际上也可能更安全。
3/ 分析和改进薪酬、薪资基准和奖励
人力资源的第三个巨大挑战是薪酬与福利。这是一个非常棘手的难题，通过我们的研究发现，有超过 95% 的公司已经存在薪酬公平问题。随着通货膨胀率上升和薪资根据需求不断变化，人力资源部门也在努力跟上变化的脚步。而生成式 AI 可以快速进行薪资基准测试，评估数百万空缺职位的薪酬水平，并分析外部劳动力市场数据，以帮助了解有竞争力的薪酬、激励和其他福利计划。大多数公司都试图通过聘请昂贵的顾问来做到这一点，而现在来看，这些顾问应该很快就会配备AI 工具，然后您就可以自己使用这些工具。我知道今天至少有五家供应商倾向于此，并且可能会更好地做出所有这些决策。但薪酬公平问题在技术面前仍有挑战。虽然一些 AI 供应商开始关注这一问题，但我们从研究中了解到，大多数公司的工资总额的 5-15%属于“不公平薪酬”范畴。我认识一些软件工程师，他们赚了 50 万美元或更多，根据他们的市场薪水或与他人的竞争，他们的薪水远远高得多。只是因为他们在合适的时间进入了一家热门公司。几个月后，他们的收入比同龄人便高出 1.5-2 倍。而现在很多AI供应商都还未尝试解决这些问题。