公眾號
沃頓商學院(Wharton)教授彼得•卡佩里(Peter Cappelli)和“桑尼”塔姆貝(Prasanna " Sonny " Tambe)的較新研究為人工智能在人力資源中的應用敲響了警鐘。
人工智能能幫助回答人力資源較棘手的問題嗎?
沃頓商學院的Peter Cappelli和Prasanna Tambe討論了他們關于在人力資源中使用人工智能的挑戰的新研究。
隨著企業不斷縮減或外包人力資源部門，利用人工智能來增強傳統業務功能很有吸引力。數據科學在其他領域有如此多的前景，以至于算法在招聘、解雇、調度和晉升方面取代不完善的人類決策是有意義的。但沃頓商學院(Wharton)教授彼得•卡佩里(Peter Cappelli)和“桑尼”塔姆貝(Prasanna " Sonny " Tambe)的較新研究為人工智能在人力資源中的應用敲響了警鐘。在他們的論文中，“人力資源管理中的人工智能:挑戰與戰爭之路” 教授們展示了有限的數據、人力資源任務的復雜性、公平性和問責制給數字人力資源帶來的問題。這項研究由ESSEC商學院教授、沃頓商學院人力資源中心高級研究員瓦萊里•雅庫伯維奇(Valery Yakubovich)與人合著，研究還著眼于如何解決這些問題。Cappelli和Tambe與Knowledge@Wharton談論了他們的研究。
以下是經過編輯的對話記錄。
Knowledge@Wharton: 你的觀點是，雖然人工智能正在侵入許多不同的行業和部門，但在人力資源中使用人工智能時，存在一些特殊的問題。你能談談其中的一些挑戰嗎?
Sonny Tambe:當你與人力資源從業者交談時，他們看到自己在金融和營銷領域的同事使用這些技術取得了如此大的成功，他們會問，為什么對我們來說這么難?我認為我們想要說明的部分觀點是，人力資源存在系統性和結構性差異，這確實加大了難度。例如，當您正在構建一個基于ai的系統時，您需要知道正確的答案是什么，一個好的員工應該是什么樣的，并且在HR中定義它已經是一件困難的事情。
Peter Cappelli: 數據科學的語言是一種優化語言。這個想法是，如果我們弄清楚目標是什么，以及與這個目標相關的是什么，那么我們就可以把它應用到未來的決策中。人力資源的語言是用法律編碼的，它與公平問題有很大的關系，而公平和優化往往不能很好地結合在一起。你可以得到這樣的算法，它會告訴你這里需要招聘的人，招聘的人和之前做得很好的人是一樣的。這些算法是向后看的;它們是基于過去的數據。過去做得好的都是白人男性。你可能不會想把這個算法作為招聘策略，即使機器學習算法會說這是應該做的。人力資源的語言是用法律編碼的，與公平問題有很大關系，而公平和優化往往不能很好地結合在一起。
Knowledge@Wharton: 目前人工智能在人力資源領域的應用有多廣泛?數據科學家在人力資源部門工作是不尋常的嗎?人力資源部門是否與擁有這些工具的供應商簽訂合同?
Cappelli:現在，我們有一個定期的公司小組聚在一起討論這個問題，Sonny為這個問題創造了一個縮寫:CODHR或數字人力資源會議。它在和這些人交談，他們通常都是人力資源領域的數據科學家，所以他們都在那里。他們非常努力地收集數據來分析，這說明了試圖處理人力資源數據的現實。這里有一個典型的問題:我們有關于員工表現的數據，它被歸檔在這個數據集中。我們在這個數據集中有關于招聘的數據和申請人的屬性。但是，順便說一下，一旦有人被雇傭，我們傾向于把數據丟掉。他們面臨的較大問題是，我們能把這些數據集放在一起互相交流嗎?這并不罕見，只是我們也遇到過這樣的情況，運行這個豎井的人不想與這里的這個組共享數據。這是一項數據管理活動，但也是一項內部的政治活動。
Tambe:關于你提出的兩個問題——人工智能的使用有多普遍，以及你見到數據科學家的頻率有多高——真正有趣的事情之一是，這兩個問題在人力資源方面存在差距。有很多招聘，很多人把數據科學帶入了人力資源部門。但有些問題，比如彼得提出的處理數據等問題，也會產生麻痹效應。現在我們有了這些數據科學家，我們能用他們做什么呢?你可以擁有數據科學家，但將其轉化為實際人工智能的能力在人力資源領域已經成為一場斗爭。你可以擁有數據科學家，但將其轉化為實際人工智能的能力，已經成為人力資源領域的一場斗爭。
因為篇幅有限，如果有同學對完整當然訪談感興趣，可以賓夕法尼亞大學沃頓商學院找到訪談全文。
服務熱線
