人工智能背景下高新技術企業(yè)人力資源從業(yè)者勝任力模型構建研究

劉 暉

(安徽大學 商學院,安徽 合肥 230601)

一、勝任力模型構建的理論基礎

當前人工智能發(fā)展十分火熱，各行各業(yè)都發(fā)生了重要變革，尤其是高新技術企業(yè)。同時，人工智能的興起、發(fā)展對工作人員的知識、技能、素質和能力的要求產生了重要影響，所以高新技術企業(yè)人力資源從業(yè)者在招聘、配置和管理員工時更需要積極變革，這也對人力資源從業(yè)者本身的勝任力模型構建提出了新的挑戰(zhàn)。

1.勝任力概念

“勝任力”最早是由哈佛大學戴維·麥克利蘭(David·McClelland)教授于1973年正式提出，是指在一定的工作情境中，能將某一崗位工作上績效表現(xiàn)優(yōu)異者與績效表現(xiàn)普通者分別區(qū)分開來的個人的深層次特征，主要包括像知識、技能、動機、特質、自我形象、態(tài)度或價值觀等可以被可靠測量或計數(shù)的并且能顯著區(qū)分優(yōu)秀與一般績效的個體特征。[1]1

總的來說，勝任力不是一系列素質、能力要求的簡單羅列，而是要實際作用于員工的工作行為中，并進而產生績效。目前國內外關于勝任力的研究主要集中在管理領域，具體對象主要包括高校教師、技術人員以及中高層管理人員。本文希望基于當前人工智能的時代背景，站在人力資源從業(yè)者自身的角度來探討該崗位的勝任力模型構建。

2.勝任力模型概念

勝任力模型是指針對特定職位，將表現(xiàn)優(yōu)異的要求一系列組合起來的勝任力結構，是指為出色完成某項工作職責要求的集中表示。勝任力模型主要涉及兩個方面的內容：一是為完成某項工作員工需要具備哪些知識、技能和個性特征；二是哪些行為會直接指導員工獲得高績效，強調突出導向和決定性作用。這些勝任行為不僅能有效影響員工的當前績效結果，而且還能有效預測員工未來的工作績效表現(xiàn)。

目前比較有代表性的勝任力模型主要包括麥克利蘭在1973年提出的冰山模型[1]9以及Spencer等人在1993年提出的勝任力洋蔥模型。[2]223他們均認為員工的勝任力主要包括顯性和隱性兩大方面的特征。像知識、技能這些顯性因素容易被識別，同時也較容易通過培訓獲取，而像動機、態(tài)度、價值觀、個性特質等隱性因素不易被發(fā)覺，同時也不容易通過后天培養(yǎng)獲取，但是它們卻對人的工作行為和績效起著關鍵性作用。

勝任力模型建構的意義主要在于行為導向作用，通過對比績效優(yōu)秀者需具備的知識、技能、能力和個性特征，進而發(fā)現(xiàn)績效平平者的不足，從而為人力資源開發(fā)、招聘、培訓等提供指導意義。同時，需要明確的是，無論勝任力模型構建得多么完善，其本身是不能發(fā)揮作用的，它必須和人力資源招聘、培訓、績效管理等模塊相結合才能發(fā)揮價值。另外，勝任力模型構建強調戰(zhàn)略導向，強調員工個人目標與組織目標、企業(yè)目標的完美契合。[3]46

本研究主要根據(jù) MCclelland 等人開發(fā)的工作勝任力測評方法[4]14以及劉澤文等提出的因子分析法[5]27來構建高新技術企業(yè)人力資源從業(yè)者勝任力模型。同時，結合人工智能的時代背景和應用情境，進一步豐富和完善該勝任力模型。

二、勝任力模型構建：方法與過程

1.勝任力模型構建方法

首先，通過對人工智能領域相關文獻的查閱，總結其對人力資源從業(yè)者產生的變革。其次，將人工智能背景下和非人工智能背景下高新技術企業(yè)人力資源從業(yè)者的崗位工作職責、工作內容進行對比，進而總結其知識、技能、能力、素質等方面要求的共性和區(qū)別。然后，對照協(xié)商制定的績效標準[6]55，從5家高新技術企業(yè)中各抽取3名績效表現(xiàn)優(yōu)異者和5名績效平平者，通過行為事件訪談法進一步搜集資料，訪談核心是獲取高新技術企業(yè)人力資源從業(yè)者的勝任力要素。[7]332同時，嚴格遵循行為事件訪談法的關鍵技術，設計訪談提綱[8]34，主要有如下五個問題：一是被訪者的基本資料，包括性別、年齡、學歷、工作崗位、工作年限；二是請被訪者舉例說明其在工作期間最成功的1～2件事，當時是怎樣的工作情景，處理過程中遇到了哪些問題，最后又采取了哪些措施，取得成功的原因是什么；三是請被訪者舉例說明其在工作期間最失敗的1～2件事，當時遇到了哪些問題，失敗的原因是什么，得到了哪些經(jīng)驗教訓；四是請被訪者簡單羅列該崗位員工取得優(yōu)秀績效需具備的關鍵素質和能力；五是請被訪者簡單說明哪些因素阻礙了該崗位員工獲得優(yōu)秀績效[9]521。在總結提煉上述勝任力的基礎上，再結合專家建議，作進一步調整。最后，篩選出39條勝任力項目，設計初步的調查問卷。

2.勝任力模型構建過程

(1)預調查：在5個高新技術企業(yè)中共抽取20名員工參與問卷預調查，后來根據(jù)問卷統(tǒng)計結果以及資深專家的建議，刪除、合并共10條項目，最后保留了29條項目，進行正式調查。

(2)正式調查：問卷采用Likert 5點量表，要求被調查者根據(jù)題目的描述判斷其對員工取得優(yōu)秀績效的影響程度[10]451。用“非常不滿意”和“非常滿意”表示。本次共發(fā)放問卷300份，回收256份，問卷回收率為85%。經(jīng)測驗，問卷Cronbach α值為0.83，信度較高。

(3)探索性因子分析：通過對調查數(shù)據(jù)進行探索性因子分析，KMO值為0.81，另外，總體Bartlett氏球體檢驗的χ2值為3282.18(df=190，P<0.01)，且這29個測量變量之間均在0.01的水平上顯著相關，滿足因子分析的條件，即適合做因子分析。使用主成分分析法，經(jīng)最大正交旋轉，可提取特征根大于1的因子5個，總方差累積貢獻率為84.245%,說明這29個測量變量高一階合成5個因子，共可解釋84.245%的測量題目的變異量。觀察因子負荷表，所有測量變量經(jīng)正交旋轉之后的標準化因子負荷都顯著高于有關研究建議的最低臨界水平0.60，具有較強的統(tǒng)計顯著性(P<0.01),充分顯示了較好的內斂效度。[11]145旋轉后的因子載荷矩陣見表1。

表1 旋轉后的因子載荷矩陣

經(jīng)探索性因子分析，得到5因子結構。根據(jù)文獻查閱以及勝任力辭典，將勝任力名稱分別命名如表2。

表2 勝任力名稱和各項目對應表

核心能力：這一部分是績效優(yōu)異者與績效平平者的主要區(qū)別，也是人工智能背景下高新技術企業(yè)人力資源從業(yè)者勝任力的主要特色。人工智能時代，企業(yè)變革頻繁而深遠，人力資源從業(yè)者需要不斷提高自我認知，從企業(yè)戰(zhàn)略角度進行人力資源招聘、配置、規(guī)劃等[12]58；同時，需要對組織結構、組織制度等進行重新設計，并從思想、文化等方面積極引導員工適應組織變革。人工智能是一個不斷創(chuàng)新并迅速成長的市場，其特別強調人力資源從業(yè)者培養(yǎng)創(chuàng)造性思維，且及時發(fā)現(xiàn)問題往往比解決問題更重要。[13]116同時，由于工作節(jié)奏加快以及工作任務的繁重，時間管理能力、快速學習能力也是關鍵，已不僅僅是一般意義上的自主學習。人力資源從業(yè)者還需要充分了解企業(yè)人工智能發(fā)展的核心業(yè)務，進而對多學科、多領域的知識進行跨界整合，并能根據(jù)人工智能的應用場景，靈活遷移自我知識、技能，而良好的溝通表達能力有助于快速實現(xiàn)跨部門合作，最終提升組織效率和整體競爭優(yōu)勢。[14]70

人格特質：這一部分是人力資源從業(yè)者具備的隱性特征，對其取得優(yōu)秀績效同樣起著關鍵性作用。本質上說，人力資源是和人打交道的工作，所以人際影響力、團隊合作精神、同理心是普遍重要的勝任特征。人工智能時代，尤其強調資源共享和相互協(xié)作。幽默、好奇心、工作激情、興趣廣泛、開放性是人工智能背景下的特殊要義，因為某種意義上人工智能象征著新事物、新變化甚至新變革，需要人力資源從業(yè)者以幽默、好奇、感興趣和開放的心態(tài)來積極擁抱它，同時，還需對工作充滿激情，對人和機器共處滿懷期待。[15]86

專業(yè)技能：人工智能時代，人力資源從業(yè)者需熟練掌握云平臺企業(yè)信息集成和大數(shù)據(jù)分析技能，進而為企業(yè)決策提供參考；并能熟練操作人力資源數(shù)字化系統(tǒng)，開發(fā)一項長期的人力資源數(shù)字技術策略，包括云企業(yè)資源計劃平臺、應用程序、數(shù)據(jù)分析和一系列人工智能、個案管理和其他解決方案工具等，而不是簡單地使用信息化系統(tǒng)。同時，人力資源規(guī)劃模塊要求的工作分析表格制作、招聘模塊要求的各種情景面試方法、績效管理模塊要求的績效考核量化軟件操作，以及對人工智能設備的規(guī)范使用和維護等專業(yè)技能也是必須具備的。通過這些關鍵技能的掌握和運用，可以大大提升人力資源從業(yè)者的工作效率和質量。

專業(yè)知識：首先，人力資源規(guī)劃、招聘、培訓、績效管理、薪酬管理、勞動關系管理六大模塊的專業(yè)知識；有關企業(yè)運營、流程管理等商業(yè)知識；管理學、經(jīng)濟學、哲學、心理學等相關學科的綜合知識等是勝任本職工作的基礎。另外，還需要掌握算法、深度學習等人工智能方面的專業(yè)理論知識，以及國家、地方出臺的有關人工智能的法律法規(guī)政策等。通過人工智能理論和人力資源管理知識的相互結合，可以進一步豐富人力資源從業(yè)者的知識儲備和認知體系。

自我效能感：當前工作環(huán)境強度大，人力資源從業(yè)者需學會積極化解各種壓力，同時，還需積極保持成就動機，進行自我驅動，這是人工智能背景下，高新技術企業(yè)員工需積極修煉的兩種重要心智。

三、結 論

本文主要基于人工智能的時代背景，探討高新技術企業(yè)人力資源從業(yè)者勝任力模型的構建，同時闡述人工智能背景對模型構建的重要影響和區(qū)別，使其既能代表人工智能背景下高新技術企業(yè)人力資源從業(yè)者的勝任特征，又能直接體現(xiàn)人工智能時代的特有要義。這將對人工智能背景下高新技術企業(yè)人力資源從業(yè)者招聘、培訓和績效管理等方面產生深遠意義。

具體來說，通過勝任力模型構建，可以明確人工智能背景下高新技術企業(yè)人力資源應聘者需具備的關鍵素質及技能，進而有的放矢。[16]139建議采用無領導小組討論、公文筐測試等情景面試方法重點關注從業(yè)人員本身的核心能力和素質。另外，勝任力模型本身就是績效表現(xiàn)優(yōu)異者需具備的一系列知識、技能、素質和能力的集合。[17]79通過參照此模型，可以發(fā)現(xiàn)人力資源從業(yè)者在績效表現(xiàn)上的弊端，進而采取針對性培訓措施。[18]71

本文第一個亮點就是與時代背景的契合度較高，同時，與以往研究不同的是，不是僅僅將勝任力模型構建立足于教師、醫(yī)護、中高層管理領域，而是直接以人力資源從業(yè)者本身為研究對象；第二個亮點是重點結合人工智能的時代背景，闡述其對高新技術企業(yè)人力資源從業(yè)者模型構建的重要影響和區(qū)別，具體體現(xiàn)在勝任力初始元素提煉和最終勝任力因子定義上，使之既能代表員工的勝任特征，又能體現(xiàn)時代特色。

不足之處在于本文的人力資源從業(yè)者勝任力模型構建只是立足于高新技術企業(yè)，希望今后能從更多的企業(yè)甚至行業(yè)類型中進行積極探索，從而擴大勝任力模型的應用范圍。另外，還希望今后能與其他學者一起去積極探討人工智能背景下相關人員勝任力與績效的關聯(lián)，以及進一步探討勝任力與績效之間是否存在著某種前因變量或調解變量，同時，勝任力是動態(tài)變化的，可以進一步探討企業(yè)不同生命周期，員工的勝任力變化軌跡等，以此進一步充實和完善勝任力模型的研究。