人工智能技術驅動下的人力資源管理：理論研究與實踐應用

□張 琪 林佳怡 陳 璐,2 劉 軍

[1.電子科技大學 成都 611731；2.南開大學 天津 300071；3.武漢理工大學 武漢 430070]

引言

人工智能（以下簡稱AI）技術的發展改變了舊有的組織結構和勞動關系，衍生了新的管理方式和管理理念，推動了組織管理向智能化轉變。根據《中國人力資源管理數智化發展白皮書（2021版）》，34.5%的被調研企業都推進了人力資源管理向數智化發展，印證了AI是組織進行有效人力資源管理的核心力量。例如，谷歌公司推出的Google Hire能夠幫助企業追蹤應聘者并協調面試安排；MIT Media 實驗室設計的在線培訓師可以針對員工個人特性為其量身打造沉浸式培訓；IBM公司開發的Watson系統能夠同時考察員工當前的工作績效和未來的發展潛力。隨著AI技術的發展，其在人力資源管理中的應用也成為學術界關注的熱點之一[1]。

本研究以“AI/Artificial Intelligence + HRM/Human Resource Management”和“人工智能+人力資源管理”為關鍵詞，對Web of Science和CNKI的核心數據庫檢索追蹤到了563篇文獻，剔除不相關的文獻后保留了132篇。通過梳理這些文獻發現，在計算機、工程、通信等領域，大量研究對AI技術的應用實踐提出了具體方案[2]。但在人力資源管理領域，現有文獻多數只停留在分析AI技術對人力資源管理的影響趨勢，缺乏AI技術在人力資源管理領域的具體應用研究[3]。

鑒于此，本研究系統地梳理了人力資源管理領域中AI技術應用的研究脈絡，回答了以下幾個重要問題：（1）如何理解AI技術在人力資源管理領域的相關概念與理論基礎；（2）AI技術在人力資源管理領域的應用研究有哪些進展與不足；（3）AI技術驅動下的人力資源管理實踐面臨什么機遇和挑戰。從理論方面看，本研究闡述了AI技術在人力資源管理領域的相關概念和理論研究，有助于研究者回顧“AI+HRM”的研究進展，為未來的研究夯實理論基礎；從實踐方面看，本研究總結了AI技術在人力資源管理中的應用及產生的影響，有助于實踐者加深對“AI+HRM”的理解，為今后的企業實踐提供參考。

一、AI的概念及其在人力資源管理中應用的基礎

（一）AI的概念

在1956年美國的達特茅斯會議上，Mccarthy首次提出了“Artificial Intelligence”這一術語。研究認為，AI是被引入來開發模仿人類能力和智力行為并能夠取代人類智能的“思維機器”[4]。Edward等將AI與管理學相結合，認為AI是一種虛擬勞動力，以深度算法為核心，進行數據分析和邏輯推理，來協助員工處理復雜問題[5]。目前，AI可分為弱人工智能、強人工智能、超人工智能三個發展階段[6]。弱人工智能（Artificial Narrow Intelligence），即第一代人工智能應用程序、人工狹義智能，僅將AI應用于特定任務的應用程序，并不能真正思考、推理、解決問題。比如Facebook能夠識別圖像中的人臉并標記用戶，Siri能夠理解聲音指令并采取相應的行動。強人工智能（Artificial General Intelligence），即第二代人工智能、人工通用智能，具備感知、理解、思考、推理、學習等人類能力，可以像人類一樣獨立思考和決策。近些年興起的遺傳算法也使得強人工智能有了實現的希望。超人工智能（Artificial Super Intelligence），即第三代人工智能、人工通用智能，是真正的有自我意識的系統，其所觀察和思考的內容，將超出人類現有的認知范圍。隨著AI產品的廣泛生產和應用，例如搜索引擎、智能手機、機器人以及在線翻譯等，弱人工智能時代已經到來，AI如今可以在少數特定領域應用，展示出超越人類的能力。

（二）AI在人力資源管理領域應用的技術基礎

具體來說，應用于人力資源管理領域的AI技術包括專家系統、模糊邏輯、人工神經網絡、數據挖掘、遺傳算法、機器學習、自然語言處理、虛擬現實/增強現實技術等[2,7～8]，如表1所示。

表1 AI在人力資源管理中的主要應用技術

總的來說，AI技術在人力資源管理領域的引入主要有智能增強和智能替代兩個效應[9]。一方面能增強人力資源管理效率，優化管理決策，加速戰略人力資源管理的轉型；另一方面會替代部分人類勞動力，引發諸多社會倫理和社會穩定問題。因此，AI技術在人力資源管理領域的應用需要重點關注使用的精確度和透明度，提高機器工作的可解釋性與可追責性，以便實現人類和智能的深度融合[10]。

（三）AI在人力資源管理領域應用的理論基礎

AI的研究基礎包括哲學、數學、經濟學、神經科學、心理學、計算機工程、控制論、語言學等[11]?；谏鲜霾煌I域的理論，將AI技術相應地應用到人力資源管理職能的各個模塊中，可以實現機器的智能決策，從而提高管理的效率和質量。

從理論流派來看，現代AI研究主要分為三個流派：符號主義、行為主義和聯結主義[27]。符號主義學派認為AI源于數理邏輯，需要人將知識和推理規則通過不同的符號傳遞給計算機，幫助計算機模擬人類認知系統進行邏輯推理。早期的AI研究基本都屬于此類，代表性成果是Simon和Newell研發的AI軟件啟發式程序LT邏輯理論家，證明了38條數學定理，表明計算機可以模擬人類的思維和智能活動。行為主義學派認為AI源于控制論，機器能夠通過感知外界環境變化做出適應性行動，強調模擬人作為生物體的智能行為。代表性成果是Brooks發明的基于感知動作模式模擬昆蟲行為的六足機器蟲控制系統，為機器人的研究開創了一種新的方法。聯結主義學派認為AI來源于與人類大腦結構相似的人工神經網絡，人工神經網絡可以使機器在一定程度上擁有人類思考時的“常識”和直覺，從而完成自主學習和推理。代表性成果是1943年由生理學家McCulloch和數理邏輯學家Pitts創立的腦模型（MP模型），MP模型開創了用電子裝置模仿人腦結構和功能的新途徑。當下是聯結主義主導、三大流派趨于融合、研究人員將更多精力投入到具體應用層面的新時代。如，AI技術應用于人力資源管理領域的理論研究已經取得初步進展。

從理論方法來看，AI技術應用于人力資源管理領域的理論研究是基于質性和量化等不同方法，從公平、技術等不同視角推進的。一方面，質性研究和實證研究共同發展，推動了AI技術在組織中的應用實踐。比如，Trocin著眼于人力資源管理的新型數字創新，基于扎根理論對提供人力資源服務的斯堪的納維亞組織進行案例研究，闡明了AI技術的可用性及其在組織中的實現[28]。而Li等根據制度理論進行實證分析，探討了管理層承諾、權威型領導、對AI推動者的信任和個人對AI的信任之間的積極關系，并驗證了AI自我效能感在其中的正向調節作用[29]。另一方面，現有研究根據多種基礎理論，探討了AI技術的應用過程和應用后果。如，Robert等基于組織正義理論介紹了分配、程序、互動三種不同的公平類型，并提出了一個提高組織運用AI公平性的設計議程，以便于將每種公平類型應用于組織場景[30]。Yu等則運用社會技術系統理論說明了影響AI應用于工作場所的四種因素（人員子系統、技術子系統、組織結構子系統和環境因素）以及AI采用對員工個人、就業和組織帶來的后果[31]。總的來說，現有研究主要關注AI技術應用于人力資源管理領域的整體影響機制，并未深入于AI技術應用于薪酬、培訓等人力資源管理模塊的具體應用研究?；诖?，本研究對AI技術在人力資源管理領域中的應用實踐進行了闡述與分析。

二、AI技術在人力資源管理中的應用實踐

目前，AI技術主要應用于員工招聘、培訓開發、績效管理、離職管理等人力資源職能模塊，如表2所示。此外，AI技術還可以應用于人力資源危機管理和員工心理健康干預等。例如，MESKó等發現，AI可以通過促進診斷、輔助決策、數據分析和協調管理等，來緩解醫療保健領域的人力資源危機[56]。胡心約等基于面部情緒識別、語音情緒識別、肢體動作情緒識別三種AI技術對員工的情緒健康進行了實時監測和適時干預[57]。

綜上所述，雖然AI技術在人力資源管理領域中的應用已取得初步進展，但在應用研究和實踐方面仍存在不足之處。首先，AI技術在人才戰略規劃、員工關系管理、職業生涯管理等人力資源管理職能方面的應用研究還較為缺乏。盡管Ye等運用人工神經網絡對員工在社交網絡中的行為動態建模以識別高潛力人才，卻沒有構建企業的人才戰略規劃框架[43]。Almalis等使用FoDRA算法對應聘者的簡歷與職位描述進行匹配，卻忽略了組織發展前景、員工職業目標與開發方向等因素，未形成職業生涯規劃動態模型[34]。

表2 AI在人力資源管理中的主要應用職能

其次，在應用實踐方面，研究人員側重于對模型、變量或算法的選擇與創新，對應用情境、意愿和結果等沒有進行深入探討。例如，Sen等使用信息提取系統提取教育信息來初篩簡歷，但缺乏對系統應用環境的考慮[23]；Sudha等通過機器學習分析候選人的性格能力以進行人崗匹配，卻沒有綜合考量其自身的崗位意愿[35]；Li等結合VR技術提出了一套應用于電力行業的員工培訓體系，卻沒有探究其應用結果[25]。

總之，AI技術在人力資源管理中的應用仍是一個新話題，成熟的應用實踐不超過10年，還需研究者長期追蹤，為“AI+HRM”的研究提供實踐基礎。

三、AI技術驅動下人力資源管理實踐存在的優勢

AI技術在人力資源管理領域發揮著較大優勢，包括提高人力資源管理效率、降低工作成本、提供無偏評估下的針對性服務等。

（一）提高人力資源管理效率

AI由于擁有遠超人類的數據處理能力，在處理簡歷篩選、職位分析、賬單管理等常規性業務時效率遠高于人類。例如，AI依托大數據和云計算，可以涵蓋市場上的人才信息，解決人才供需錯位的問題，并且，AI可以科學快速地篩選簡歷。在2017年北美獵頭公司SourceCon舉辦的招聘大賽中，機器人只花3.2秒就在5 500份真實簡歷中篩選出了合適的簡歷，而頂尖獵頭團隊卻需要4～9小時不等。此外，AI不受時空限制，能夠協調面試安排，同時面試數名應聘者，大大提高了招聘效率。

（二）降低工作成本

AI技術的使用可以幫助人力資源部門降低勞動力、培訓和離職所帶來的成本。首先，相比于人類，對于簡單常規的工作，AI完成工作的時間相對更少[37]；對于危險系數高的工作，機器人執行任務的風險相對更低[58]。AI技術的使用可以減少勞動力成本投入，提高企業自動化程度。其次，AI技術的運用使企業可以用較低的成本為員工提供高質量的培訓，如通過計算機視覺、深度學習、VR/AR等技術模擬員工難以實地體驗的工作場景，擴寬教學場景，實現知識的可視化[38]。再者，企業依托AI的數據挖掘功能，可以預測員工的離職率并分析離職原因[54]，及時制定相應政策防止人才流失。根據IBM Smarter Workforce Institute的研究，IBM通過實施多項AI應用程序節省了1.07億美元的人力成本[59]。

（三）提供無偏評估下的針對性服務

AI依憑數據挖掘和算法決策能準確分析員工信息，為其提供最匹配的崗位，最適合的培訓和最公平的薪酬。首先，AI可以根據企業需求，精確定位能力和價值觀符合企業要求的人才，并有效避免主觀因素的影響。具體來說，AI是將任職資格轉換為數值型指標，對應聘者的能力、心理及價值觀進行評估，計算出符合標準的候選人，實現人崗匹配[34～35]。其次，AI可以對企業信息進行圖譜化管理以發現人力資源管理的不足，及時為員工制定針對性的學習方案。最后，企業利用AI技術可以實時檢查員工工作完成情況[60]，采用可量化的指標客觀評估員工績效，保證薪酬制度的透明化和公平性。

四、AI技術驅動下人力資源管理實踐面臨的問題

AI技術在人力資源管理中的應用也會帶來消極影響，涉及技術層面的不足，個體層面的員工安全感缺失、隱私容易泄露，社會層面的勞動關系變革、AI倫理問題等。

（一）技術層面

首先，現有的AI技術智能化程度不高。目前的聊天機器人或簡歷篩選器只能識別程序設定的常規詞語或句子，不能理解多語義或有隱義的語句。其次，AI難以自主甄別信息。應聘者或員工可以提供有誤信息以引導算法得出有益于自身的結果，但機器往往難以甄別這種虛假信息。另外，AI無法預測重要事件。人力資源管理存在一些不常發生的重要事件，如在小規模的組織中解雇員工。重要事件的樣本量往往過少，但機器學習等AI技術需要大量觀測值進行訓練，所以AI難以準確預測非常規事務[3]。因此，不能由AI完全取代人類HR進行人力資源管理，“AI+HRM”的新模式更為合適。

（二）個體層面

隨著AI技術的發展，手續辦理、薪酬核算等流程性和計算性的工作正在被機器所替代[61]，員工失業風險劇增，導致員工的安全感缺失。2017年McKinsey Global Institute預測到2030年約60%職業將被AI替代，約有7 500萬～3.75億勞動力需要轉換職業類別。Vaishnavi等對班加羅爾各地區的員工進行結構性調查，發現多數員工都擔心自己會被AI取代[62]。除此之外，AI也容易導致員工隱私被泄露。人力資源部門會有意收集信息以分析員工工作情緒、探究其工作參與度等，AI也會自主收集員工性格偏好、家庭背景、關系網絡等隱私信息用于機器學習[52]。收集員工信息能夠為戰略人力資源管理的分析預測提供建議，但執行過程中難以避免過度索取員工信息、侵犯員工隱私等問題。

（三）社會層面

首先，AI技術在人力資源管理領域的應用會導致勞動關系變革。隨著AI技術的發展，勞動關系主體模糊、勞動保障不完善、勞動風險增加等問題也隨之而來[40,63]。比如，企業的智能化轉型將會增加技術、營銷等相對復雜的高技能勞動力崗位數量，降低制造、行政等相對簡單的低技能勞動力崗位數量[64～65]，造成收入兩極分化、資強勞弱的不良局面。同時，AI技術的應用會帶來一些社會倫理問題。一是人類和AI主體地位的爭議問題。目前AI只關注數據易導致管理過程中對人的物化[39]，而隨著AI的擬人度不斷提高，人類的主體地位將受到威脅[66]。二是數據本身的不準確，算法規則代碼的不透明，以及運行程序中道德規范的缺失會讓算法歧視成為可能。如招聘時AI進行數據分析可能會得出健康人比殘疾人更優秀的結論而淘汰殘疾人，忽視了社會責任、國家政策、企業文化等因素。

五、總結及展望

“AI+HRM”作為人力資源管理發展的重要趨勢，對AI進行研究有助于推動人力資源管理的發展。本研究發現，雖然AI技術在人力資源管理領域的應用研究已經有了初步進展，但仍然存在許多問題有待深入探討。

首先，理論層面上，要夯實AI在人力資源管理中的理論基礎。從研究方法上看，相比質性研究，現有研究多以量化方法展開AI對員工態度和行為的影響研究[67～68]。從理論結構上看，有用交易成本理論研究員工招聘的[69]，也有用社會認知理論探討員工使用AI的心理反應的[70]。但總的來說，現有研究大多集中于AI技術應用于組織的整體機制探索[29～31]，缺少AI技術與人力資源管理這一細化領域的融合研究，“AI+HRM”的理論研究尚不成熟。未來研究人員應加強跨界交流，同時推進實證研究和質性研究，構建符合人力資源管理應用情境的AI理論框架。

其次，技術層面上，需優化AI在人力資源管理中的應用技術。AI技術應用過程中存在小數據集的約束、隱私泄露、算法歧視、人類主體地位受沖擊等問題，但現有研究主要著眼于現象評述，尚未對其給出行之有效的解決措施[71]。未來需關注新技術、新算法的產生，提高機器的精度和智能化程度，如基于人工神經網絡技術，通過深度學習、遷移學習等算法實現小數據集的預測[72]；同時，提高算法可解釋性、增加系統透明度[73]、加強人類控制與追蹤，構建安全可靠、公平透明、符合倫理、泛化能力強的AI框架[74]，為人力資源的智能化管理提供先決條件。

最后，應用層面上，應細化AI技術在人力資源管理中的應用策略。AI技術應用于人力資源管理，會對勞動關系帶來沖擊，引發一系列社會倫理問題，對個人權利、企業發展、社會治理產生深刻影響。目前學界和企業對AI的研究主要集中于經濟和技術方面，缺乏對社會穩定和倫理問題的深層探討[71]。未來的應用研究不只要完善AI技術成果，更要著眼于應用后果，構建新的倫理范式，做到人類與AI和諧共生。具體來說，企業需要細化AI的應用環節與策略。一是要關注各利益相關方（員工、客戶、股東等）對于企業使用AI的心理和行為；二是要加強人力資源人員與算法工程師、計算機科學家的合作，提高跨學科綜合素質；三是鼓勵員工利用AI進行自我管理、自我提升?？傊?，企業應反對算法霸權和唯人工智能論[75]，而是將技術作為決策支持的工具，推動“AI+HRM”新模式的發展。