在人才管理中，相較于依賴招聘經(jīng)理的人工篩選評估，AI模型，可以更好地幫助減輕對潛在雇員的偏見，增加組織用人的多樣性、包容性。

人工智能已經(jīng)打亂了我們生活的各個領(lǐng)域——從亞馬遜和阿里巴巴等公司精心策劃的購物體驗，到Y(jié)ouTube和Netflix等頻道用個性化推薦來推銷其最新內(nèi)容。但是，說到職場，在很多方面，人工智能還處于初級階段。尤其是當(dāng)我們考慮到它開始改變?nèi)瞬殴芾淼姆绞綍r，更是如此。用一個熟悉的比喻： 職場中的人工智能處于撥號模式。5G WiFi階段尚未到來，但我們毫不懷疑它會到來。

誠然，對于人工智能能做什么和不能做什么，以及如何定義它，人們有很多困惑。然而，在人才爭奪戰(zhàn)中，人工智能扮演著一個非常特殊的角色： 為機構(gòu)提供對候選人職業(yè)行為、表現(xiàn)潛力更精準、有效的預(yù)測。與傳統(tǒng)招聘方式不同，比如員工推薦、簡歷篩選、面對面面試，人工智能可以發(fā)現(xiàn)人眼捕捉不到的特征。

許多人工智能系統(tǒng)使用真實的人作為特定角色的成功模型。這類人的集合作為訓(xùn)練數(shù)據(jù)集，通常包含了被定義為“高績效”的管理者和員工。人工智能系統(tǒng)處理并比較各種求職者的個人資料和它根據(jù)訓(xùn)練集創(chuàng)建的“模范”雇員。然后，它為公司提供一個概率估計，即候選人的屬性與理想員工的屬性匹配的程度。

理論上，這種方法可以更快、更有效地為合適的崗位匹配合適的人。但是，正如你可能已經(jīng)意識到的，它已經(jīng)成為一種希望和危險的源泉。如果訓(xùn)練集是多樣的，如果無偏差的人口統(tǒng)計學(xué)特征用于描述其中的人，且算法是無偏的，那么這個技術(shù)確實可以比人類更好地減輕人類的偏見、擴大多樣性、社會經(jīng)濟包容性。然而，如果訓(xùn)練集，實際的數(shù)據(jù)，或者兩者都是偏態(tài)分布的，而且算法也沒有充分的審核，那么人工智能只會加劇招聘中的偏差和組織中的同質(zhì)性問題。

為了快速提升人才管理以及充分利用人工智能的潛力，我們需要將重點從開發(fā)更具道德的人力資源系統(tǒng)轉(zhuǎn)移到開發(fā)更具道德的人工智能。當(dāng)然，從人工智能中消除偏見并不容易。事實上，這很難。 但我們的論點是基于我們的信念，即它遠比從人類自身移除它更可行。

在識別人才或潛力方面，大多數(shù)機構(gòu)還是會盡力而為。招聘人員在決定誰被淘汰之前只需要花費幾秒鐘的時間看一看簡歷。招聘經(jīng)理利用所謂的“直覺”或是忽視硬數(shù)據(jù)，依靠文化契合度進行招聘——由于普遍缺乏客觀、嚴格的業(yè)績衡量標準，這一問題變得更為嚴重。另外，越來越多的公司實施的無意識的偏態(tài)的數(shù)據(jù)訓(xùn)練往往被發(fā)現(xiàn)是無效的，有時甚至?xí)骨闆r更糟。通常，訓(xùn)練只關(guān)注個體的差別，而忽視了樣本量小的類別的結(jié)構(gòu)化偏態(tài)。

盡管批評者認為人工智能并沒有更好，但他們常常忘記，這些系統(tǒng)反映了我們自己的行為。我們很快就會責(zé)怪人工智能預(yù)測白人（可能也是白人男性）經(jīng)理會獲得更高的績效評級。但這個發(fā)生的原因是我們沒有對訓(xùn)練數(shù)據(jù)中績效評級的偏態(tài)分布進行相應(yīng)處理。因為人工智能得到的偏態(tài)的招聘決策，我們感到震驚，但生活在人類偏見主導(dǎo)的世界也可以很好。看看亞馬遜吧，批評他們的招聘算法有失偏頗的呼聲忽視了壓倒性的證據(jù)，即目前大多數(shù)組織中人力驅(qū)動的招聘情況是不可避免的更加糟糕。這相當(dāng)于表達了對無人駕駛汽車死亡事件的關(guān)注超過了每年120萬人由于車輛缺陷、駕駛員注意力分散和酒駕而造成的交通死亡。

事實上，相比于影響激勵招聘者和招聘經(jīng)理，人工智能系統(tǒng)有更好的能力可以保證準確性和公平性。人類擅長學(xué)習(xí)但不擅長忘記。使我們產(chǎn)生偏見的認知機制，往往也是我們在日常生活中用來生存的工具。這個世界太復(fù)雜了，我們無法一直有邏輯地、有意識地進行處理；如果我們這樣做了，我們將被信息過載所淹沒，無法做出簡單的決定，比如買一杯咖啡（畢竟，如果我們不認識咖啡師，我們?yōu)槭裁匆湃嗡?？）。這就是為什么更容易確保我們的數(shù)據(jù)和訓(xùn)練集沒有偏見，而不是改變Sam或Sally的行為，對于一個人，我們既不能消除偏見，也不能真正何獲取影響他們決策的變量的實際輸出。從本質(zhì)上講，分析人工智能算法比理解和改變?nèi)祟愃季S更容易。

為此，在任何階段，使用人工智能進行人才管理的組織都應(yīng)該從以下步驟開始。

教育候選人并獲得他們的許可。 向潛在的雇員進行詢問，向公司提供他們的個人數(shù)據(jù)，這些數(shù)據(jù)將被分析、存儲，應(yīng)用于HR決策的人工智能系統(tǒng)。準備向他們解釋關(guān)于what、who、how、why的問題。因為依賴黑箱模型的人工智能系統(tǒng)是不道德的。如果一個候選人具備與成功相關(guān)的屬性，那么不僅需要理解為什么，還需要解釋因果關(guān)系。簡單來說，人工智能系統(tǒng)應(yīng)該設(shè)計為用于預(yù)測和解釋因果關(guān)系的，而不僅是發(fā)現(xiàn)相關(guān)性。另外你應(yīng)該保證候選人的匿名性，以保護個人數(shù)據(jù)并遵守相關(guān)法律規(guī)定。

投資于優(yōu)化公平性和準確性的系統(tǒng)。 歷史上，組織心理學(xué)家曾指出，當(dāng)候選人的評估模型為公平性而優(yōu)化時，準確性會下降。例如，大量的學(xué)術(shù)研究表明，認知能力測試和工作表現(xiàn)一致，特別是在高復(fù)雜度的工作中。這種分布對任職人數(shù)少，尤其是社會經(jīng)濟地位低的個人產(chǎn)生不利影響。也就是說，公司如果想提升多樣性，創(chuàng)造包容文化，那么在雇傭新員工的時候需要降低對認知測試的關(guān)注，這樣多元化的應(yīng)聘者在招聘過程中就不會處于不利地位，這就是所謂的公平性/準確性權(quán)衡。

但是，這個權(quán)衡關(guān)系依賴的是半個世紀以前的技術(shù)，遠早于人工智能模型的出現(xiàn)，而人工智能模型可以用于傳統(tǒng)方法不同的方式對待數(shù)據(jù)。越來越多的證據(jù)表明人工智能可以通過部署動態(tài)的、個性化的打分算法，克服這個權(quán)衡關(guān)系，使其對準確性和公平性同樣敏感，可以共同實現(xiàn)最優(yōu)。因此，人工智能的開發(fā)者沒有理由不這么做。此外，由于這些新的系統(tǒng)已經(jīng)存在，我們應(yīng)該質(zhì)疑廣泛使用的傳統(tǒng)認知評估（對少數(shù)群體產(chǎn)生不利影響），在沒有偏見緩解的方式下是否應(yīng)該繼續(xù)存在。

開發(fā)開源系統(tǒng)和第三方評審。 通過允許其他人評估這個用于分析的工具，讓公司和開發(fā)人員負起責(zé)任。一個解決方案是開源非專利，但關(guān)鍵部分的人工智能技術(shù)由公司所有。對于專有組件，公司可以利用由該領(lǐng)域可靠專家進行的第三方評審向公眾展示其如何減輕偏見。

遵守與傳統(tǒng)招聘同樣的數(shù)據(jù)收集、應(yīng)用過程中的法律。人工智能系統(tǒng)不應(yīng)使用因法律或道德原因而不被允許收集或包含在傳統(tǒng)招聘流程中的任何數(shù)據(jù)。不得輸入有關(guān)身體、精神或情緒狀況、基因信息以及藥物使用或濫用的私人信息。

如果組織解決了這些問題，我們相信，道德的人工智能不僅可以減少在招聘方面的偏見，而且還可以增強英才管理，使人才、努力和員工成功之間的聯(lián)系遠遠大于過去，從而大大改善組織。此外，這將有利于全球經(jīng)濟。一旦我們減少偏見，我們的候選人池將不限于員工推薦和常春藤聯(lián)盟畢業(yè)生。來自更廣泛社會經(jīng)濟背景的人將有更多機會獲得更好的工作——這有助于創(chuàng)造平衡，并開始彌補階級分歧。

然而，要實現(xiàn)上述目標，企業(yè)需要做出正確的投資，不僅是在尖端人工智能技術(shù)方面，而且（尤其是）在人類專業(yè)知識方面——這些人懂得如何利用這些新技術(shù)提供的優(yōu)勢，同時最大限度地減少潛在的風(fēng)險和缺點。 在任何領(lǐng)域，人工智能和人類智慧的結(jié)合都有可能產(chǎn)生比沒有人工智能更好的結(jié)果。道德人工智能應(yīng)該被視為我們可以用來對抗自己偏見的工具之一，而不是最終的靈丹妙藥。