人工智能在人力资源管理中的应用：经验主义的局限

国际劳工组织工作文件154探讨了人工智能（AI）在人力资源管理（HRM）中的应用及其局限性。文章提出了一个三参数框架来评估AI系统的质量、合法性和适用性，包括系统目标、依赖的数据以及编程方式。

核心观点
人力资源领域对AI技术的乐观情绪源于“人员分析”的兴起，以及AI在数据处理和量化分析方面的优势。然而，AI在HRM中的应用存在结构性缺陷，包括目标设定不明确、数据质量低或存在偏见，以及编程不透明等问题，这些问题削弱了AI系统的有效性，并为企业和员工带来法律、道德和实践风险。

关键数据和研究结论

• 招聘：AI系统在招聘中的应用存在歧视风险，例如Meta曾因允许房东、雇主和信用机构歧视受保护群体而达成和解。算法可能基于人口统计信息进行隐性歧视，或优化广告投放以最大化效率而非公平性。
• 薪酬：AI系统在薪酬领域的应用主要集中于零工经济，通过绩效数据设定浮动薪酬。然而，这种做法可能违反薪酬公平法规，并导致“算法工资歧视”，即系统根据工人的数据点限制其收入潜力。
• 排班：AI系统在排班中的应用旨在优化资源利用，例如制造业中的生产调度和呼叫中心中的任务分配。然而，过度依赖非科学数据和不透明的编程可能导致效率损失和工作质量下降。
• 绩效管理：AI系统在绩效管理中的应用广泛，例如通过监控工人的键盘敲击、鼠标移动等数据来评估绩效。然而，这些系统可能设定过高的绩效目标，并缺乏对员工行为的全面理解，导致工作质量下降和员工自主权受限。

人力资源经理的应对策略
文章建议人力资源经理应参与AI系统的设计、实施和监督，以确保系统目标明确、数据合适且编程透明。通过多方利益相关者的参与，可以解决AI系统的局限性，并更好地实现其潜在价值。

结论
AI在处理复杂的人际管理方面存在局限性，需要人力资源经理对AI系统有更深入的理解，并采取审慎、以人为本的方法来应用AI技术。