数字化时代，中国人要有自己的AI自信！（万字长文）_风闻

编者按：近期，中国人力资源开发研究会智能分会举办了第三期《数智化管理五人谈》，主题围绕“智能化建设进程中的核心路径和技术探索”展开讨论，会议嘉宾为中国人力资源开发研究会副会长兼智能分会会长刘辉，中国人民大学教授、华夏基石董事长彭剑锋，中国人力资源开发研究会常务副秘书长李直和百度人才智库主任祝恒书，主持人为企业文化专家，资深媒体人李蔚。以下为第三期节目的部分内容，更多精彩内容请继续关注青贝克智慧工场。

**刘辉：**大家好，今天是第三期数智化管理五人谈，第一期的主题关于数智化，第二期关于智能化，第三期主要分享下智能化的技术或路径。今天的嘉宾是中国智能化顶级专家祝恒书，他在百度负责智能人才中心，同时还在国际知名期刊《自然·通讯》杂志发表关于人力资源和计算机相关的数据科学类学术文章，这在中国学术领域是划时代的。

目前，在中国数智化领域有两位双雄出现，一位是专注于数字化领域的王崇良，一位就是专注于智能化领域的祝恒书。所以，希望今天朱恒书带着企业实践和学术方法参加我们第三期数智化管理五人谈，热烈欢迎。

**李蔚：**欢迎祝恒书。第三期主题是《人力资源智能化建设进程中的核心路径和技术探索》，其中，第一个是智能化；第二个是核心路径；第三个是技术探索。

今天我们将主题拆开来讲，首先来看智能化建设都会经历哪些关键阶段？

**祝恒书：**非常感谢。谈到智能化，特别是人力资源智能化，各企业对于智能化本身的定义都不一样，而且在实际操作层面也都是不同的层面和不同的阶段。

我认为智能化其实目前分为三大阶段：一是BI（Business Intelligence，商业智能），二是DI（Data Intelligence，数据智能），三是AI（Artificial Intelligence，人工智能）。

第一阶段是BI阶段。很多人把智能化和BI划等号，其实在我读博士期间Data Mining for Business Intelligence（商业数据挖掘）是非常火的研究课题，包括像CTR预估模型、计算广告等，但与人力资源专家交流过后，BI的定义就相对狭义一些，人力资源领域可能更多把BI当成数据库报表的功能。

多情况下，企业必定会经历BI的阶段，因为很多企业刚刚完成从线上化到信息化的转型，正急切需要把人力资源管理的数据进行现代化的管理，有了数据下一步就会通过数据库技术进行BI报表的呈现，做所谓的可视化仪表盘或数据统计分析，对于企业来说其实这已经是智能化了，尤其与过去相比，与其靠人工盘点人头，不如通过可视化的仪表盘查看，所以这是企业肯定都要经历的第一个阶段。

第二阶段是DI阶段。当企业的数据积累到一定量时，很多公司就开始提出人力资源大数据的概念，而HR大数据就真正有了数据的价值，那么BI和DI最大区别是什么？

我认为主要是发挥了一种对数据科学的作用。多数情况下，用数据发掘的技术做数据向导的人工智能技术，比如当企业有统计结果以后，可以去做关联规则分析，像企业什么样的员工可能会是“小马拉大车”的人才，什么样的员工更符合高潜力的人才，甚至企业还可以做异常检测，比如企业可以检测哪些人是组织中的异常值（优秀或不优秀的人群）。

企业还可以做组织网络分析（ONA分析），其实在数据挖掘领域是社会网络分析，很多人把社会网络分析的技术引入到企业管理中，就是组织网络分析。例如观察一个组织忠心度最强的人是谁？谁是组织中的沉重墙？谁具有更强的凝聚力？这都发挥着真正作为数据的价值。

第三阶段是AI阶段。最大的区别是AI是真正以机器学习为核心的智能化技术，在人力资源管理中的大规模应用。其实AI包括DI中的一部分，AI阶段在人力资源智能化的应用，更多是以机器学习算法为代表的预测性建模技术，真正得到了大规模人力资源管理场景上的应用。

细分AI可以分为两派，一是叫流程智能化，其目标是以提升管理效率为核心的智能化，比如SSC（Share Service Center，共享服务中心）、OCR（Optical Character Recognition，光学字符识别）、合同范本等，包括简历OCR的识别、人脸门禁、语音转文字等等，最终是为了提升整个人力资源管理的流程效率。

二是决策智能化，是真正涉及到人力资源管理决策，其目标是提升人力资源管理的效果，比如说离职员工到底是否要保留，员工是否是高级人才等，主要是面向管理效果为核心的决策支持。

整体而言，三个阶段的特点概括为三个“T”：

第一个T是Fact，更多的是陈述事实，通过真实的数据、真实的状况用统计的方法呈现出来，这在信息化阶段前是看不到的，所以BI阶段呈现的是陈述事实。

第二个T是Insight，其实体现的是洞察，在陈述事实的基础上，提炼背后的洞察预测，比如什么样的员工可能会离职，什么样的员工可能是优秀的人才，所以DI阶段体现的是洞察。

第三个T是Predict，其更多是偏向预测性的建模，以及前瞻式、预判式的管理。比如预测什么样的员工会离职，什么时间离职，是否值得保留等等，做前瞻式的管理，所以AI阶段的重点是预测式的管理。

**李蔚：**谢谢朱老师从实践、技术的角度解答了智能化建设会经历哪些关键阶段。那么彭老师请您从宏观的视角来谈谈智能化在人力资源方面的应用会经历哪些阶段？

**彭剑锋：**人力资源数智化首先要经历信息化的道路，也就是所谓的1.0版本，即商业智能，或实现线上线下的相结合。

随着从1.0版本的深入，就开始涉及到大数据的应用问题，其中数据真正在人力资源管理中的应用，如挖掘数据的价值、通过大数据给员工进行画像、依据大数据实现人与岗位的精准匹配等等。

就数据的应用来讲，本质上还缺少真正的自动学习机制，即数据还是在人为的挖掘。

进入到3.0或4.0版本后，数据就会具有自动学习的机制，组织会变得自我学习、自我进化，并且人、机、物变得有智慧，不再是被动的互动。

人、机、物的一体化对三者之间是有相互作用的，所以在此阶段，AI本身也具有两个不同的类别，一是AI流程自动化，基本是以效率为核心的应用；二是AI智慧辅助，即可以预测、洞察，为决策辅助。其实很多企业现在的状况是有数据无洞察，所以AI要有洞察，为企业应对很多不确定因素，需要有智慧的判断。

未来，如果决策智能化以后：

第一是企业家精神会衰退，包括最近张维迎教授发表的文章《大数据不能替代企业家精神》中提到，即使大数据在发展，也不能替代企业家精神。

第二是大数据和智能化可以实现某种程度上的决策智能化，但不能替代企业家做决策。智能可以辅助决策，但其永远还是机器。很多人认为，未来80%以上的决策可能都由机器决策，不需要人来决策，但可能20%的决策还要靠人，还要靠企业家精神。

但如果企业家80%的工作都让机器替代了，企业家或许会在更高的层次中做决策。

未来的大数据通过人、机、物之间的交付和匹配，是不需要人为去安排角色和岗位，完全按照大数据来自动协调和决策。或许真正涉及到一些高端的、顶层趋势的判断，例如企业创新的选择等，恐怕还是机器人替代不了企业家的决策。

**李蔚：**那刘总如何看待？您从长期在最顶级的企业实践中看，彭老师说到很重要的企业家，其实也等同于企业的管理者，或在人力资源领域的管理者和决策者，您怎么看待现在企业的智能化应用水平？企业从A点走到B点大概还有多长的路要走？

**刘辉：**其实，即使企业在机器学习的AI阶段，决策也是企业家思想和机器学习交叠、交互完成的，就是每个机器学习的上升都融入了企业家的智慧。

换言之，例如哪些是优秀的人才？哪些人比较忠诚？哪些人思想性先进？这些真正的结果判断都是靠企业家判断的，而机器是不断学习的，通过机器学习得出一个结果，企业家进行判断决策，其中企业家的判断会形成一个新的机器判断模型，机器会按照新的模型去学习。

在每个机器迭代上升的过程中，企业家的观点、智慧和思想都体现其中，包括以数据为基础的挖掘、数据为主的算法、机器学习等。在真正宏观战略决策时，并不完全依靠数据最终决策的，否则都可以依靠以统计数据来决策的麦肯锡咨询和波士顿咨询，但其实他们只呈现数据报告，企业家还要结合多项选择，以及自己的智慧最终决策。

核心的智慧还是围绕企业家，但在机器学习的过程，即当企业有BI报表的阶段，数据就略显丰富，那么BI就应该是智能化的起点。

在数智化发展的三个阶段，BI是智能化的起点，DI是智能化的中间过程，而AI是智能化的结果。现在的企业说实话还离得很远，假如有100家企业做数字化转型，可能客观估计真正有BI的企业还没到50%，所以从有BI到有DI的企业递减会非常大，估计真的DI的企业国内可能不超过10家。

还有很多企业正在线上化与信息化的道路上，特别是传统企业，其实科技企业和互联网企业在数智化发展上更远一些，但绝大部分也停留在BI阶段，所以即使有少数先进的企业已经迈入数智化发展阶段，但中国企业的现状还有很长的路要走。

彭剑锋：真正的大数据在企业人力资源管理方面的应用，还只是停留在流程层面，以及业务上的辅助。完全通过大数据来实现人力资源的精准配置和人才决策，只在一些平台化的公司出现，比如滴滴出行、美团等。

**李蔚：**百度的员工也会依靠大数据来做决策判断吗？

**祝恒书：**百度不光依靠智能做判断，例如更多地参与人才发展的决策支持，包括人才保留、高潜人才发掘，甚至像组织网络分析等，百度都会进行一些探索，像判断组织中谁是承重墙等等。

**彭剑锋：**在中国智能化、数字化转型走在前列的企业，更多的可能还是应用在业务领域，真正在人力资源领域中完全用大数据、AI的企业是比较少的，尤其是在中国特殊的人工环境和人才调配的背景下。

**李蔚：**刘总，百度在发掘高潜人才和研究承重墙的智能判断上，你当时在做决策时会看吗？

**刘辉：**会看。现在无论是在灵活用工，还是在基础产业工人阶段的任务派遣和任务分配上，包括重复性和结构化强的职业上，大数据在业务领域应用比较充分，但在人力资源的领域，例如在干部盘点的过程中，还是解决管理者要判断的问题。

机器学习、数据学习或局部数据学习，可以回答管理者哪个员工比较有高潜力，这一判断结果会与管理者心里认为的人选做匹配，这就是人类智慧与人工智能智慧的综合决策。例如机器会告诉管理者哪些人具有离职倾向，同样管理者也会对这类员工的离职做出判断，所以不完全是依赖，但是作为重要的参考。

还有，解决组织的问题，例如一家200人的企业，组织中的工程师、产品工程师和技术工程师，其创新性机器是可以学习到的，而在企业创新过程中，机器只是佐证管理者的直观感受，即通过查看数据刷新和佐证管理者的认知。

首先是佐证管理者的认知，即一个人的认知和机器的判断相同。其次是刷新管理者的认知，通过大数据机器告诉管理者哪些人有潜质，哪些人可以大胆启用。机器学习的判断就是发掘哪些潜在的“种子”，例如在有2万员工的公司中，CEO或创始人知道在2000人的干部队伍中，哪些人可以跨级提拔？而机器学习就可以在云云干部中，发掘人才树立标杆。

**李蔚：**那机器学习会不会数据造假？

**刘辉：**机器学习是没办法数据造假，例如过去的传统问卷调查，可能有人的回答会偏向更有利的一面，因为回答者知道问卷调查的核心目的是什么，但机器学习是在无意识的行动中，做正确的事，这就导致结果会走向特定的结论。例如大家平常都按照自己的行为做事，机器学习就会通过千千万万的行为数据做出最终判断，包括可见和不可见的数据。

好比让一只猫学习老鼠，其实最后学出来的样子还是猫，因为其行为、特性、习惯是没办法改变的。这就导致了机器学习无法搞裙带关系和欺骗，让大家都暴露在阳光下，形成公平竞争的环境。

**祝恒书：**我的观点和刘会长是完全一致的。

在大数据时代，如果数据想去造假（操纵）其实是难上加难，因为以前还会有一些感性的因素，包括调查问卷在内很容易造假的。而现在，个人的行为表现都是在日常工作的点点滴滴中被捕获，所以行为很难持续的造假。

**李蔚：**请问李秘书长，大家都在谈论高新企业是如何做人力资源数智化的，据您了解在偏传统类型的企业中，对于数字化的建设，或用数字化来解决企业管理问题的诉求和意愿是否强烈？

**李直：**就人力资源数字化的路径或发展而谈，其实是分两个层面，一是宏观或中观层面，即整个行业发展的层面；二是微观层面，即企业发展的层面。

在企业发展的层面，人力资源数字化要想真的应用起来，还需要从整个人力资源行业的层面来讨论。而任何一个行业的发展都需要经历几大阶段：

首先是萌芽阶段。最初人力资源数字化和智能化被大家广泛提出，其逻辑是把人工智能的应用场景放在人力资源行业，尝试在人力资源中去应用和实践。

第二是野蛮生长阶段。目前还没有完全进入野蛮生长阶段，但已经开始有发展的趋势，人力资源数智化开始被广泛的关注，但没有统一的标准，众说纷纭。

很多传统企业在人力资源数字化的投入很多，但应用程度很少。例如一些央企和国企，在人力资源数字化方面建设和投入了很多，但在招人或培训、战略决策上，没有任何的应用。

经过多年的运作，大企业已形成固有的运营方式、运营体系和运营规则，即使目前不用人力资源智能化也运营的非常好，而且目前也并没有要求这些大企业有很高的效率。

在野蛮生长阶段之后，一定会出现行业标杆，像百度、腾讯等企业标杆。有了标杆企业后，就会逐渐凝练和总结出发展标准，以及研发出产品，最终实现行业规范化发展。

第三就是规范阶段。像互联网行业，都有行业标准和规范，一旦有了规范和标准后，行业的发展就健康有序，所以从中观层面到企业层面，第一是进入智能统计阶段，第二是进入智能分析阶段，第三是进入智能决策阶段，第四是进入智能应用或叫智能实现阶段，把决策通过智能化的手段来实现。

目前企业能够进入第一个阶段的，刚刚刘总说有不到50%，但我认为中国只有30%的企业在第一阶段。

**彭剑锋：**目前能实现智能化1.0版本的企业，我认为不到30%。即使是华为、美的、三一重工或平安等，在中国数字化转型升级的头部企业中，对于某些流程化、标准化、结构化的工作也可能部分实现依据大数据和智能化来做决策，以及人员的调配。

但还没有完全依据大数据和智能化来进行人力资源的业务体系一体化的匹配，尤其是高端的创新型人才和经营性人才，最终决策还是靠企业家精神。因为数字化或智能化有三个问题是需要在技术上去解决的：

第一是让数智化有温度。因为人是有感情的，而情感是要需要互动的，所以将来即使到了第三或第四阶段，数智化有了自我学习和自我净化时，人与机器之间的心理交流会不断增加，如果只是在BI阶段，人与机器之间不过是冷冰冰的数字交换而已。

如果现在的机器人是达到人类年龄的7岁智力，那么机器人达到13岁或许就能“谈恋爱”，因为机器同样有情感或谈恋爱的诉求，甚至机器人到了15岁会有结婚的诉求。因此，要解决数智化有温度的问题，这是第一或第二阶段就解决好的问题。

第二是数据的洞察问题。所谓洞察就是企业家精神，即直觉和理性高度融为一体。我认为只有到第三或第四阶段理性与直觉才会做融合，原因是前两个阶段很难体现企业家精神。

第三是使大数据和智能化向善。现在社会对很多互联网企业有不同的看法，本质上就是因为这些企业没有体现大数据和智能化善意和有爱的一面。

总之，人工智能是解决不了温度问题（心理问题）、企业家精神洞察问题，以及向善的价值观问题。

**刘辉：**最近调研了两家国有企业，其人才管理的特点是对干部进行管理，传统的人才管理是从招聘到退休，但调研的企业基本上没有对社会公开招聘，也没有离职，从大学生校招进来一路到退休，虽然末尾淘汰率是3%，但需要有三次达标才能淘汰，所以基本没有人淘汰。而这些企业在招聘方面基本没有智能工具，也不需要智能，所以比起智能化建设这类企业更注重干部管理。

从国家角度来讲，随着中国整个数字化转型，国有企业也都会有3-5年的数字化规划，具体数字化转型到什么程度，确实需要大家一起来推动。因为民企和外企还有股份制企业的数字化建设和国企是不一样的，因为在人员流动性上存在差异。

**李蔚：**如果剔除公司规模和行业差异的因素，究竟应用和不应用数字化的公司，效益会随着时间的流失会有何差异？包括经济效益、管理效益、人力资源效率等。

**彭剑锋：**有差异是毫无疑问的。因为，第一数字化是未来全球经济增长的新动能，也是所有企业的核心战略，这是大势所趋。在未来没有数字化企业一定会被淘汰，这毫无疑问，只是时间长短的问题。

从大趋势来讲，从工业文明到如今的数字化新时代，并不是技术或工具的更迭，而是在新时代下催生出新的产业组织模式、新的生产方式，甚至新的生活方式。所以既然是一个新时代，那谁也不可能去逆时代而动。

第二凡是率先实现数字化转型升级的企业，基本都是好企业。例如华为、美的、三一重工、平安、百度、字节跳动，以及BAT企业等，都是至少信息化和大数据在全面运用的企业。这类企业的竞争力、管理、效能显而易见是得到系统的提升。

还有一类平台化的企业，例如滴滴、美团和贝壳等，都是在依靠大数据来运作。如果没有大数据就没有竞争能力，算力算法和海量数据已然成为这类企业的核心能力，所以数字化发展的趋势是毋容置疑的，再者是企业投入的问题，是否把数字化转型升级作为企业的战略核心。

**李蔚：**刚刚彭老师已经总结出三条数智化面临的问题，其实我觉得最大的问题是如何唤醒这些还在沉睡且不愿意面对大趋势的企业？

**刘辉：**亚当斯密的基本逻辑是人性都是趋利的。意识来自于榜样，而社会中的标杆企业早年就是平台互联网公司，包括高科技消费品公司，因为数据驱动是自己搭建的，这就导致这些企业会引领数字化发展的潮流，从而也导致资源型公司逐步迈入数字化发展的行列，这就是趋利性，也是数字化带来的红利。虽然有部分企业也有数字化，但并不是必备条件。

数字化首先要解决效率的问题，因为效率是企业最重要的抓手之一。中国早期引进的ERP软件就是解决效率的工具，而现在中国最缺乏的就是工业软件，因为工业软件就是解决从机械半自动或手动到纯智能制造的效率问题，所以工业软件是数字化转型最重要的标志之一。

假如智能软件是工业体系中数字化转型的标志，那么人力资源领域的数字化转型也同样存在缺乏智能软件的问题，即企业首先是否有人力资源领域的云端或本地部署的软件，即使有软件的部署是否和其他软件相融合，形成一整套软件系统，这是标志性的硬件配备过程。其次企业是否有软硬结合的应用，软硬结合指的是工业软件结合体，比如移动终端、WiFi或相机，既产生数据也产生效率。

数字化第二要解决决策的问题，因为决策有企业家精神，有时候企业并不会用机器决策，但有了智能化的工具，就会给企业决策带来效率上的提升。

**李蔚：**刘总，请问人力资源数智化发展到最后也会像微软一样，用一套操作系统实现各家的应用场景吗？也就是之前提到的有标杆和标准后，然后做产品，最后变成规范。

**刘辉：**人力资源核心软件一定是标准化程度很高的，每家企业可能都会用，因为这是经验的累积。但是越大和越有钱的企业，更愿意把系统周边的应用自己开发，因为自己开发的系统一定符合自身特点。

从软件角度来讲，比如招聘、培训、用工、考勤、绩效管理等人才管理软件，大型企业都会自己研发，中小型企业可能会通过以购买SaaS软件的方式去组合系统。

此外，还有一些宽泛的人力资源软件，例如OA办公室自动化（工作流），包括钉钉、企业微信、飞书和百度如流等软件，会日益形成一个庞大的标准化产品，从而进入到中小企业。而大企业也会自主开发以工作流为基础的软件，其本身也会产生很大的数据量，这对智能判断也非常有用。

另一个是企业财务数字化系统CRM（客户关系）和ERP（资源计划），这对人力资源的数字化转型同样提供了很多助力。换言之，人力资源的数字化转型也会撬动企业的数字化转型，这是相辅相成的，因为企业中所有与人有关的系统流程都会提升智能化的决策程度。

**李直：**未来一定会有智能技术来支撑的产品，但产品本身不见得就是标准化、大一统的，可能有不同类型的产品，比如智能分析的产品、智能统计的产品、智能决策的产品，虽然每家产品会不一样，但背后的智能技术肯定是相同的。

**祝恒书：**从BI到DI再到AI的阶段，其实涉及的数据、应用场景不是完全一样的，由于个性化的思想越来越强，各家企业的差异也会越来越大，比如企业部门的组织架构或职级系列，可能BAT三家企业在设置时会完全不一样，因此在企业管理方式、具体应用、预测模型等肯定也会千差万别，所以很难去构建大一统的模型。

但在BI阶段，可能会有一些基础的数据库构建，包括HR核心系统、ERP系统工具，但越进入DI或AI阶段以后，可复用性就会越来越差，各家企业也会构建一些个性化的产品。

虽然从产品角度来讲企业会越来越个性化，但背后核心的算法、技术、逻辑是一致的。比如数据挖掘算法、关联规则、异常检测，包括组织网络分析等等，以及在人工智能阶段涉及到的NLP（自然语言处理）、知识图谱、机器学习、计算机视觉等技术都是固化的。

同时，在企业做预测分析时，其算法的模式、训练模型的模式也是固定的，比如人岗匹配等，当模式固化后，就可以构建各家公司的数据科学中台（数据中台），即在数据的基础上结合了计算机的AI能力，这部分能力是各家公司可以共享的，未来可能会出现一些智能云的企业，为各家公司去提供人力资源的数据科学中台。

其中，所能提供的能力包括流程智能化的OCR能力、人脸识别能力等，甚至决策AI也可以共享，比如百度智能招聘的应用、人岗匹配的模型、简历筛选的模型等。未来，当企业有了强大的HR数据科学中台之后，肯定会根据自己的组织人才、组织文化，构建不同的应用小前台，这就是各家企业自己独创的个性化产品。

**彭剑锋：**第一从整个社会来讲，肯定会有共享的第三方人力资源数据科学平台。

第二从企业来讲，人力资源三支柱的核心是基于大数据平台和战略SSC（共享服务中心），以及COE（领域专家）中心提出的个性化人才解决方案和基于业务的HRBP（HR业务伙伴）。

第三从社会来讲，企业内部的数据科学平台也都相差无几，包括底层逻辑、技术和算力算法等，因为数智化有自学机制、自我净化和自我成长的能力，所以恰恰能够满足不同企业、不同个性化的人才需求。

因此，既有基于平台的特性，又更具有弹性、柔性。

未来，企业中的一些业务是离不开大数据的：

一个是基于大数据的人格和能力画像。这比过去用问卷调查等传统测评手段更好、更真实。因为大数据就像过马路一样，闯不闯红灯就能看出一个人讲不讲规则，这是在完全无意识的行为中体现出来的，所以没办法造假。

而且大数据会无时无刻把人的所有行为呈现出来，并进行大数据分析，所以对于人格和能力的发现，也是“逃”不掉的。

二是员工行为的透明化。很多互联网企业通过大数据实现人员管理，包括资金调动、OKR考核等，员工的日常行为全部透明化，懒人会彻底消失，企业效率得到了提升。

**李蔚：**员工行为的透明化会不会把有创造力的人也裁员掉？

**彭剑锋：**不一定，因为可以用另外一个维度来判断。

**刘辉：**没关系，大数据其实就是在隐形的阳光下工作，例如一个人在闯红灯时，大数据会察觉但别人是不知道的，很多时候创新也是一样的，创新是一个自然的过程，都是在隐形的阳光下工作。

我有一位老外朋友，很多年前他说中国人开车不排队，但当他在中国生活了一段时间后，他在北京五环或高速快车道开车时，也会不排队了，所以说其标榜的遵守规则和实际也是有两面性的。

祝恒书：机器学习的本质是榜样学习，最终的榜样是根据结果判断，比如经常违反规则的人绩效好不好？工作产出如何？行为只是其中一部分，如果机器判断一个人经常违反规则，但最终的绩效很好，那么就得出一些人虽然自由散漫但属于优秀员工的结论，这也是机器学习的特点。

**彭剑锋：**大数据会把人的行为反应出来，例如进入亚马逊的商场，大家第一眼看到的是什么？是颜色还是人？机器都会很精准的捕捉到你的心理活动，机器学习就是把结果归因。

**刘辉：**归因，并不是刻板偏见。例如员工有五个行为一定会导致出现坏的结果，但这五个行为也可能是创新的核心要素，所以这是人为判断和机器判断之间的角力。

**李蔚：**请问祝老师，人力资源数智化从实践的角度来讲，挑战是什么？

**祝恒书：**从实践的角度来看，第一个挑战是算法本身的可解释性。如何打开算法的黑箱？其实这与各位老师的观点一致，比如在多数情况下，判断一个人是否优秀是有逻辑性的，但在机器学习模型时是偏“黑箱”操作的。

例如做离职预测时，机器学习模型可能会有上百万个参数，其中很多参数是无法解释的，但人力资源管理又是一个非常讲究感性和艺术的行业，所以需要在实际操作过程中，把智能化的模型解释给人力资源管理的专家。比如BP的人才保留，如果机器学习预测HRBP会在三个月左右离职，这需要从逻辑上作出解释，因此这是技术层面的一个挑战。

第二个挑战是机器歧视。在与人相关的人工智能领域，有一个AI伦理学的方向，其主要解决的问题就是AI向善、AI有温度和AI公平性。例如亚马逊早期做人岗匹配时，其中智能招聘的项目就被终止了，原因是亚马逊的机器招聘存在偏见，机器更容易去招募男性，把女性统统拒之门外，所以这不是人的问题，而是机器学习的问题，究其原因是招聘的历史数据本身是有偏差的。

所以说机器学习就是按照历史数据在榜样学习，假设过去人工判断的结果就存在偏见，例如历史数据表明男性比女性更容易招募，那么机器也会把这种偏见学到，甚至放大。在此情况下，要构建一个避免由人为偏见产生误差的模型。眼下百度就提出一套人岗匹配的算法，为达到就是避免类似情况的发生，首先避免要判断哪些特征在做模型时会产生误差，同时也要避免模型在机器二次学习时可能造成的误差。

例如，目前机器可以比对出男性或女性简历的写作风格，如果写作风格更像男性的，机器会更容易通过第一轮的简历初审，其实这就是隐性的机器歧视，也需要通过算法和AI工程师的纠正。

第三个挑战是把人力资源管理的问题转化成可以用机器解决的计算机问题，或人工智能问题。比如，做离职预测时，如何把离职预测定义成机器学习的问题，或者如何定义人岗匹配？人岗匹配原来的定义可能是偏量表的理论，如何结合历史数据把其定义为一个长文本的匹配问题，以及基于知识图谱的匹配问题等，这需要人工智能专家和人力资源管理专家进行密切的配合。

这是目前遇到的最大问题，因为首先需要让人力资源管理专家回答最痛点的问题是什么，以及问题背后的业务逻辑是什么，然后让人工智能专家去理解，从而把问题定义成计算机可以求解的智能化问题。

**祝恒书：**最后还有一个挑战是落地的问题。当有了智能化的工具以后，特别是有了决策智能化的产品以后，如何真正的落到实际的业务场景中？

未来的数智化发展趋势会经历三个阶段：

第一个阶段是人机对抗。首先人对机器决策的结果是有抵触的，管理者有自己的感觉和判断，以及领导力，所以就不完全相信机器的判断。

第二个阶段是数字赋能。随着数字化发展的大势所趋，智能化判断的结果会单向的给管理者赋能。例如，为管理者提供决策知识，包括招聘初筛名单、优秀人才清单等，最终让管理者自行判断，其本质是单向服务。

第三个阶段是人智共生。未来的管理者、HR和机器学习的人工智能，三者是互相学习、人机交互的过程，机器给人数字化赋能，人通过智能管理的决策反哺机器，从而进入一个不断互相学习和迭代的过程。

未来的人力资源管理其实是人才管理的艺术，再结合人工智能和数据科学。未来的人力资源管理肯定不会是冷冰冰的机器，也不是完全靠主观经验判断的人治，更多的是一种艺术加科学的结合。

未来的人才管理模式与搜索引擎会非常像，企业在做人才选拔时，例如在一万员工中选拔一位后备领导干部，如果完全靠人去筛选、访谈是非常难的，但有搜索引擎的出现，筛选一万员工就相对简单、快速了。根据简单的需求匹配，或许很快就得到十个结果，最终由管理者从万里挑一变成从十中选优，效率提升了成千上万倍。

所以未来肯定是人机交互、人智共生的阶段。

**李蔚：**请问李秘书长，随着更多AI工程师进入人力资源行业，您如何看待未来HR行业的人才结构变化？

**李直：**从两方面来看，第一是要做好人力资源的智能化，一定是以人力资源从业者和智能研究者的合作为基础，才能做好相关的产品和服务。

第二是没必要非让人力资源从业者具备智能知识，或人工智能技术。会造车的人不一定会开车，人工智能就像互联网一样是技术，但往往研究互联网的人和使用互联网的人是两类人，不懂互联网的人也能够把互联网使用的很好。

未来，要想让人工智能发挥最大作用的话，可能还是要经历三个不同的阶段：

第一个阶段是需要有一批人在呼吁和号召人工智能与人力资源相结合，引领大家向智能化的方向前进。

第二个阶段是需要有一批专家通过研究、研发、应用，提炼出先进的人工智能技术，与人力资源充分结合后形成产品。

第三个阶段是大量企业和人力资源从业者来使用相关的产品和服务。

**李蔚：**刘总，请您预判下大概多少年能出一家标杆企业或明星产品？即完全实现智能化的企业。

**刘辉：**虽然不能准确的判断，但经过十四五和十五五规划的10年时间，中国人力资源或管理的数智化一定会登上很大的台阶，也一定会“跑出”一批头部企业，特别是智能制造、工业互联网等赛道。

在应用层面，这些头部企业虽然会各有千秋，但在不同领域中都会让智能化的人力资源决策为企业发展起到核心作用。

**李蔚：**提到企业家精神，彭老师您认为企业家在应对未来的智能化挑战方面，如何调整？

**彭剑锋：**从企业家层面来看，中国企业家在面对数字化的转型升级时，首先要有认知与思维的革命，不要把数字化简单的当作一种技术。

从技术层面来看，数字化至少是技术的综合应用或产业的组合，甚至是一种新的生活方式，所以企业家必须认识到这是数字化的时代。

现在的企业家思维是基于工业文明时代的思维，没有真正构建数字化时代的新思维。两个时代的思维既有连续性，又有颠覆性，所以企业家要真正了解数字化、读懂数字化。

另外，在学术界也不能完全讲清数字化，需要一批既有企业实践又有学术兴趣的专家，来真正讲清楚数字化的概念。现在的数字化概念完全是两种思维逻辑，即有实践经验的讲不出来，可以讲的又没实践经验，这是目前数字化时代吹鼓手和旗手所面临的困惑。

第二是企业家没有真正把数字化作为长期发展的战略，即战略准备度不够。很多时间，还是把数字化当作信息部门的事，没有真正将数字化作为一个企业转型升级的核心战略，也没有提高数字化部门资源配置的优先级。

目前，中国的首席信息官地位仍比较低下，调动不了太多资源。其实真正的企业数字化转型升级，必须是企业家亲自带头，才能推动数字化转型，仅仅靠信息部门是推不动的。

所以，一方面是企业战略准备不够，另一方面是数字化投入成本不足。

其实，从工业文明走向素质文明，涉及到企业战略、组织、文化、人力资源等系统的变革。但现在很多企业发现真正要推动改革是推不动的，很难有整个组织、人才、机制的改变，包括决策机制、决策流程，所以很多中国企业，例如美的、三一重工、平安等，都是真正将数字化作为战略来投入和推动的。如果没有这些要素，数字化是很难在中国全面推动的。

相反，很多国企在数字化转型方面是走在前面的，因为国企受国家大战略影响，很早就把数字化作为国家战略、企业战略来看待，所以国企在数字化方面的执行能力比民营企业要强，第一是国企舍得投钱；第二是国企对数字化比较重视。

因为，数字化资产和数字化能力已经作为国企的战略和考核指标。而数字化能否推动，关键是靠：第一真正的投入，作为一种核心战略；第二作为KPI考核，企业的激励向数字化倾斜。国企近两年为何能快速的推进数字化？原因就是已经作了数字化考核指标。

**李蔚：**未来如果企业运用的是同样的数智产品，会不会有同样的文化产生？

**彭剑锋：**我不认为恰恰在数字化时代，企业文化会更加个性化、个体化、多样性。因为在未来数字化时代会出现很多超级个体，这本身就体现了个人文化。

如同现在网红一样，本质上是利用大数据平台，但每个网红都不一样，包括穿着打扮、说话腔调等，其实背后是有庞大的组织来支撑的，所以未来的超级个体的文化也趋于多样性。

**刘辉：**其实社会平台的效率是在提高和趋同的。企业内的系统中台会因为数字化提高系统和机制决策，也会将有个性特点的企业更加彰显出来。

企业文化大部分都是企业家精神的延伸，所以只要企业家不同，企业文化就会自然不同。

**彭剑锋：**未来社会的公共的价值观肯定是趋向一致的，例如信用文化、合作文化、利他文化和生态文化等，未来如果不讲信用、不肯合作一定会寸步难行、无法生存。

人类文明的底层逻辑是不断趋同的，在企业内部已经开始出现，比如培训专家在企业大数据体系中，会看到其能力、授课时间等信息，员工是可以专家选择的，如果专家没能力、服务态度不好，就得不到员工选择，未来是一种双向的选择。

在智能化时代，这体现出的是个性化和交互性，以及自学习、自成长的能力。信息全部透明，企业之间不再赚信息差的红利，即黑箱的红利。当人类文明的底层逻辑趋于一致时，每个自主个体又有不同，那么创新基因就会产生作用。

所以数字化转型有三层含义，第一是提高体验；第二是提高系统效率；第三是内外创新。

**祝恒书：**智能化、大数据的出现，反而会对企业文化的多样性、包容性有所提升，同样会鼓励更多组织形成个性化的文化，也会让企业本身形成的共同价值观更加集中。

首先，每家企业都有自己的价值观，而且必须要对齐，此时大数据就会更好的促使企业的共同文化价值观去凝结。例如百度的价值观是简单可依赖，但传到不同的团队可能就会存在偏差，而大数据就可以更好的凝聚全员的共同价值观。

比如面对经常迟到早退的员工，企业往往会不问缘由的一刀切，如果通过大数据观察，其实不同业务方向的组织是完全不同的，偏服务性的部门就需要按时到岗，而偏创新或研发型的机构，更需要自由的时间促进业绩，从而做到大规模精细化的人才管理。

未来肯定是以大数据驱动的大规模精细化循证式的人才管理模式，以前要想做精细化，只能是小团队，而现在就可以用大数据做循证，做大规模精细化的管理，甚至在不同的组织、部门和个人发展都得到提升，提升各种文化的包容性，同时可以循证后做出判断。

**李蔚：**目前像祝老师这样的人才，进入人力资源智能化行业的人多不多？在国外的人力资源数字化应用水平如何？

**祝恒书：**现在愿意用AI去探索新方向的，还是有很多潜在的人群。但真正进入到人力资源管理方向上的人可能并不多，相信未来会越来越多。

对比国内外的人力资源数字化趋势，其实中国从某种程度上是世界领先的，这是完全不需要谦虚的，而且中国人要有自己的AI自信。

**彭剑锋：**我特别赞成这种自信，在工业文明时代我们是落伍的，但在数字化时代，我们有全球最丰富的人力资源数字化应用场景和原创理论。所以，未来中国在数字化时代，一定会出现一大批原创性的、世界领先的人力资源管理理论和方法。

（更多精彩内容， 请关注公号：kingmaker798）