生成式人工智能重塑人力新格局

文/王瑜

以ChatGPT 為代表的生成式人工智能重塑了各行業新格局，也點燃了市場對“生成式人工智能”的關注度，從而將人們的目光吸引到其背后的“大語言模型”（Large Language Models，簡稱LLMs）。自從以ChatGPT 為代表的LLMs 投入應用以來，類似“某行業將被顛覆”、“AI 將淘汰半數從業人員”的聲音便不絕于耳。一個行業被AI 顛覆還是被AI 推動增長，需要結合這個行業當下的情況以及它在社會歷史長河中的具體價值來判斷。人力資源的改革和創新，是由每一個技術時代的到來被向前驅動的。一項新技術的出現一定會有新的應用場景，會給客戶提供解決痛點的新方法，由此產生了新的商業模式。在新的商業模式下，組織一定會發生變化，對人的需求也一定會發生變化，進而對人力資源就會有更高的要求。

AIGC 邊界

AIGC 是Artificial Intelligence Generative Content 的簡稱，指的是利用人工智能技術來生成內容。像AI 繪畫、AI 寫作等都屬于AIGC 的應用分支。AIGC 可以在對話、故事、圖像、視頻和音樂制作等方面，打造新的數字內容生成與交互形式。在具體應用方面，語言處理是當前AIGC 最常見的應用，機器翻譯、情感分析、命名實體識別、文本分類等都屬于這一領域。ChatGPT 中的內容生成是另一典型應用，表現在按照用戶要求進行文章、詩歌的創作，甚至根據要求直接生成計算機代碼。

以ChatGPT 等為代表的AIGC 依賴于LLMs，LLMs 除了訓練所需的巨量算力之外，技術界認為大量高質量的數據才是其取得成功的關鍵，通用領域的數據標注更具有經濟性和實用性，這部分數據相對充足，但在垂直領域中高質量的數據并不充足，這也是ChatGPT 在通用領域中表現驚艷，但在回答具體某領域中的問題時，性能便出現下降的原因?；氐骄唧w技術上，與傳統大數據技術中所使用的結構化數據相比，LLMs 處理語言這種非結構化數據時，解析語言使用的算力需求更大，消耗的時間也更長，這就是為什么在使用ChatGPT 時會感覺到“卡頓”；LLMs 想要識別對象也需要結合領域內高質量的數據對每個對象進行具體訓練，因此其對圖像的識別更多的是識別畫面意境，難以直接在工作中識別員工情感；在ChatGPT的使用中，有時會明顯感覺到其信息處理的“不確定性”，當指出其回答的問題后，它又會生成截然不同的答案，表現得沒有“原則”，當被問及某些領域內的學者與著作時，它也常存在“編造”的現象。萊斯大學和斯坦福大學的研究發現，用AI 生成的內容訓練AI，只會導致性能下降，研究人員對此給出了一種解釋，叫作“模型自噬障礙”。

通過以上分析，AIGC 可以在功能性上替代部分從業者。其實在人類歷史上，技術取代人工的事情已經多次發生了，并不稀奇。比如，大工業時代，機器替代了部分手工業者；現代農業時代，機器替代了部分農民。當代更不少見，比如，自動化立體倉庫的出現會取代傳統的倉庫作業人員，自動化生產線會替代裝配線上的工人……由此而言，AIGC 取代部分人工工作與之前的歷史并無本質區別。以AI 作畫為例，AIGC 替代人的基礎在于，可以從歷史的畫作以及繪畫技巧中汲取繪畫的邏輯，從而利用算法來完成工作，其基礎還是人工的邏輯，至于機器可否被人工訓練成具備人類智能的模式，目前來看還是不容易的，很可能是與人類的相互補充。在AIGC 發展的背景下，人類與計算技術將重新分工。

傳統人力被沖擊

計算機技術在人力資源管理中早有應用，第一、二、三代人力資源系統分別出現于20 世紀60 年代、80 年代和90年代，主要圍繞數據庫的建設和企業管理中的海量數據，逐步升級的同時都存在一定的局限性。當前AI 在人力資源管理中主要集中在6 個維度，即基于機器學習的離職預測、基于數據庫的候選人檢索、工作崗位調度算法、人力資源情感分析、簡歷信息提取以及交互式員工自助服務。這些維度在互聯網企業體現得較為明顯。

中國的人力資源管理與西方目標一致，但方式略有不同，美國的成功企業如Walmart、Google、Mary kay，雖然企業類型完全不同，但它們都通過人性化地組織公司來將員工放在更高的位置，在北美大多數企業都有詳盡的調查，力求從員工的主管和同行那里掌握員工的工作表現。我國的企業如華為和拼多多，它們在堅持“以員工為本”的基礎上，通過完全不同的切入點保證人力效率。華為在企業認同的基礎上，通過員工激勵和高強度的培訓建立了一種科學而高效的儲備高新技術人才的體系，拼多多則是通過以高薪酬為核心的激勵機制，輔以競業協議、高強度的工作監督體制來保證員工工作效率。

AIGC 不同于以往“判別式AI”，它能夠“學習”樣本的規律，并且“生成”與樣本具有同樣性質的結果，它也因此存儲了大量人類已有的知識與技能，衍生出了一定的理解推理能力。人力資源從業者在AI 輔助和行業變革之間還有一道需要依靠自身專業來跨越的障礙，即以員工發展為導向，在提煉業務核心要素的基礎上增強對崗位需求認識和人才的鑒別，培養目標精準定位、資源綜合調度和多維矛盾化解的能力。

傳統的招聘體現在圍繞業務進行工作崗位分析，優化招聘途徑、簡歷篩選、組織筆試與面試等工作。而引入AI 技術后，AI 生成招聘JD，自動發布到招聘平臺，自動篩選符合關鍵詞的簡歷，后臺系統背調核實，打造AI 智能招聘系統。當然，可能部分高層或特殊技能崗位還是需要人工，但中基層的很多崗位的招聘都已經完全由AI 來完成了。

傳統的培訓分為內訓、外訓和拓展培訓，針對新老員工的不同，具體又可以分為入職前培訓、在崗培訓和專項技能培訓等一系列內容。而基于AI 推薦算法，結合員工數據和內容標簽，數據平臺可以為員工推薦個性化的課程內容。隨著員工的瀏覽記錄、項目經歷、績效表現、社交足跡等數據的不斷更新，數據平臺會持續優化推薦效果，還可以對員工的培訓表現進行智能分析，輔助個性化人才發展計劃制定，并構建企業內部員工標簽庫，最大化挖掘人才價值，打造優質的人才供應鏈體系。

傳統員工關系的工作重點在于開拓企業上下級、平級之間的員工溝通渠道，保障勞動權益。在等級森嚴的管理體制之下，上下級之間幾乎沒有有效的問題反饋與溝通渠道，員工的不滿無法觸及管理者。而AI 員工服務虛擬助手，對問詢有求必應，并實時完成相關問題的解決。調研機構Forrester 表示，72%的人力資源決策者相信，未來員工體驗將成為影響企業實現關鍵業務目標能力的最重要因素之一，員工服務是貫穿員工“入-轉-調-離”全生命周期的概念，利用AI 機器人幫助員工解惑答疑、AIGC提升日常辦公便捷性是改善員工體驗的重要手段之一。當員工有疑問或辦事需求時，用語音或文字輸入問題，虛擬助手能夠快速幫助員工解決，系統通過算法分析員工所發送的問題以及留言內容，不斷迭代更新答案庫，更全面地解決員工的問題，滿足員工的需求。

舉個例子，新員工入職時，想要了解公司的薪酬福利，輸入“薪酬”便可喚醒虛擬助手，當虛擬助手接收到指令后，系統會調取配置好的話術，層層引導，為員工解惑；員工輸入操作指令便可快速喚醒各種企業服務，如報銷流程，輸入關鍵詞后輕松跳轉到目標頁面，一鍵上傳相關文檔票據，即時完成報銷流程。

當然，關于AIGC 在企業中的應用，其實是一個戰略級的話題。德勤今年年初發布了一個報告，叫“未來人力資源”。其中提到，每一次技術變革，人力資源都會站在風口浪尖上，并且人力資源的作用總是極其強大的。從宏觀層面來講，技術的變化就是時代下的巨浪，作為一個HR 一定要關注技術，把思維提前，認識到技術的重要性。AI 在人力資源領域的應用逐漸深入，也許隨著未來技術的發展，AI 將完全取代HR，但現階段，我們應該清楚地認識到，AI 只是賦能和輔助。無論是企業運行還是人才培養，都需要擁抱新技術，形成“人機共駕”的新范式。還是那句話，改變是緩慢的，但會在一瞬間完成。