越來越多的人力資源工具應用機器學習以及人工智能系統，其應用于工作場所以解決“員工問題”。隨著組織架構的持續變革以及權力的逐漸下放，能夠有效利用此類技術的組織機構才可以脫穎而出。

當然，這是一項高風險，高回報的工作。

從本質上講，人工智能和機器學習只不過是工具罷了。它們就像其他的任何工具一樣，有利有弊。如果使用者不能夠明智地使用或配置，它們甚至可能會破壞你的工作流程或企業文化。尤其對于人力資源從業人員來講，這是一個巨大的風險，因為相比于技術專業人士而言，他們往往對這些工具的深層機制不太熟悉。

那么，作為一名想要把工作干好的人力資源專家，應該怎樣做呢？

首先，明確你正在解決的問題。也就是說，真正理解所要解決的問題。在發現問題并對問題進行正確評估之后，問問自己是否真的需要使用此項技術。如果不使用此項技術，工作進程是否會因此而拖后腿？應用此技術是否會使問題變得更簡單，從而使你有時間解決其他問題呢？或者你是否可以利用現有技術或不同的方法從事你所做的工作？

如果判定確實需要使用這種新穎的人工智能技術，那么你就必須了解人工智能的優勢和劣勢。除了可以在谷歌上快速搜索瀏覽相關信息之外，還是有必要進行更加深入的了解。深入挖掘你所在專業的人脈并且充分利用公司里其他人的專業知識，并邀請他們參與評審你正在考慮使用的工具。

在正確利用的情況下，人工智能可以節省你大量的時間和精力，從而將人力資源工作從運營職能轉變為戰略職能。

選擇合適的工具以解決相應的問題。

并不能將所有的問題一刀切。而且算法也不一定適用于所有問題，所以必須確保人工智能適于解決你所遇到的問題。

算法不太適用于以下情況如下：

生成少量數據的問題，或者數據無法反映真實世界的結果或行為。

處于極端邊緣情況的問題，或者底層數據集存在嚴重偏差（但接下來有方法可以解決這一問題）。

需要價值判斷的問題（在這個例子中，既考慮人性化且包含算法，則可以產生最優解決方案）。

從積極方面來說，算法可以很好地解決這樣的問題：

問題中有重要數據，且數據與你所感興趣的行為和結果直接相關。

涉及你所搜索模式的這些問題是可以預測的（或至少長期來看是一致的）。

請記住，人工智能并不總是夠能提升你的工作能力，所以僅僅使用自動化流程工具可能無法得到理想的結果。如果你正試圖改變員工行為，那就使用一些能夠幫助員工學習的工具。研究表明，在解決基于行為的問題時，及時、具體、可執行且基于工具的反饋是非常有效的。

例如，Texito平臺會在你寫招聘信息的時候提供反饋，提出美化內容的方法，從而使招聘信息更加吸引求職者。Joonko分析工作場所生產力的活躍度以及協作工具，尋找無意識偏見的證據，然后向員工建議糾正措施。

算法也是人的智力成果

人工智能的設計與其說是一門科學，不如說是一門藝術。發明者可能會在不經意間將自己的偏見融入到技術中，正如谷歌所熟知的那樣，在一項新興的面部識別技術中，深色皮膚的人被識別為大猩猩。

在做功課時，同時利用人工智能工具進行購物。弄明白這些模型是如何開發出來的，以及這些開發選項的意義所在。思考這樣的問題：

采取了何種數據集以訓練算法？此種數據中可能存在哪些偏差？模型是如何對此修正的？

舉例來說，就如Joonko所指出的那樣，如果某種算法讀取數據，數據顯示女性更有可能被分配到低優先級的任務中，那么它可能會“理解”，女性并不勝任更高優先級的工作。

隨著時間的推移，模型是如何演變的？偏差問題又是如何解決的呢？底線是什么？

人工智能和機器學習有可能從根本上改變人力資源職能，并且提升對人資專員所帶來的積極影響。但應用人工智能或機器學習并不會使得組織自身進行持續改變。如果你使用人工智能以加速正在發生的積極變化，那么你可以通過正在運行的其他戰略項目來強化基于技術的改變。

機器人不會取代我們，它們只會讓我們變好。