姜铠丰
概想概览
l 针对人为智能在人力资源治理中的利用发展的两轮调研(1715家企业)显示:仅约40%企业尝试AI利用,集中在招聘筛选等部门场景。
l 企业在推动人为智能利用过程中面对数据隐衷和安全问题、技术局限与成熟度问题、执行和守护成本较高、决策通明杜纂可诠释性不及、算法私见与平正性问题等五方面挑战。
l 很多企业在人力资源数据基础方面依然较为幽微,依赖通用大模型来支吃祗业决策,难以匹配自身治理情境。
l 建议强化数据基础建设、成立员工知情与选择机造、成立算法验证与评估机造、对峙人为审核的最终责任机造、强化决策留痕与可诠释机造。
近年来,人为智能技术急剧发展并逐步进入企业人力资源治理领域,在招聘筛选、绩效治理、培训发展以及行政流程自动化等方面展示出较大的利用潜力。但从调研情况看,有关技术在企业治理中的利用仍处于索求阶段,同时也陪伴着一系列风险隐患和治理挑战,亟需加强规范与疏导。
一、根基情况
南宫NG28思想力智库曾就人为智能在人力资源治理中的利用发展两略祗业调研。第一轮调研于2024年12月实现,共有1022家企业的人力资源掌管人参加;第二轮调研于2025年6月实现,共有693家企业参加。总体来看,企业对人为智能在人力资源治理中的利用远景普遍维持积极预期,但现实选取水平依然有限。两轮调研均匀了局显示,仅约40%的企业暗示已在有关领域进行过肯定尝试,并且利用重要集中在招聘、简历筛选、员工服务以及行政流程自动化等部门场景,尚未形成系统化利用。
调研同时显示,企业在推动人为智能利用过程中普遍面对多方面挑战。凭据企业调研了局反映的挑战凸起水平排序,重要蕴含以下五个方面:
一是数据隐衷和安全问题。人力资源数据涉及员工身份信息、绩效纪录、职业发展信息等大量敏感数据,企业在数据采集、存储和使用过程中普遍不安合规风险与数据泄露风险。
二是技术局限与成熟度问题。当前人为智能在处置复杂的人才评价问题方面仍存在显著局限,出格是在涉及潜力评估、团队合作能力、价值观匹配等方面,算法能力仍不不变。
三是执行和守护成本较高。企业在部署人为智能系统时,必要投入较高成本用于系统建设、数据整顿以及后续守护,中幼企业尤其面对较大压力。
四是决策通明杜纂可诠释性不及。很多人为智能模型属于“黑箱模型”,企业治理者与员工往往难以理解算法推荐了局的凭据,从而影响其信赖度和可接受水平。
五是算法私见与平正性问题。若是训练数据自身存在汗青误差,算法可能在招聘或提升等环节放大不平正景象。