生成式人工智能對傳統(tǒng)人力資源管理的積極作用與挑戰(zhàn)

摘" "要：人工智能（簡稱AI）技術(shù)成為當今時代最重要的創(chuàng)新動力之一，引領著各個領域的革新。作為AI人工智能領域的領軍企業(yè)，OpenAI公司率先推出一系列功能強大的自然語言處理模型，如GPT-3。這些模型為各個行業(yè)帶來了深遠的影響，包括人力資源管理領域。盡管在Open AI推出這些重要產(chǎn)品之前，傳統(tǒng)的人力資源管理已經(jīng)逐步邁向數(shù)字化與智能化，然而隨著生成式人工智能等技術(shù)的嶄露頭角，這一轉(zhuǎn)型的進程將進一步加快。為了探討以ChatGPT為代表的生成式人工智能對傳統(tǒng)人力資源管理的影響，主要從招募與甄選、培訓與開發(fā)、績效管理等多個角度分析其積極作用與挑戰(zhàn)，同時提出相應的應對策略。

關鍵詞：OpenAI；生成式人工智能；人力資源管理；挑戰(zhàn)；應對策略

中圖分類號：F272.92" " " 文獻標志碼：A" " " 文章編號：1673-291X（2023）21-0120-03

一、OpenAI與生成式人工智能

OpenAI是一個總部位于美國加州舊金山，成立于2015年的人工智能實驗室，它致力于推動人工智能的發(fā)展。OpenAI在研發(fā)過程中采用開放的方法，發(fā)布了一系列人工智能（簡稱AI）模型，其中最著名的就是基于GPT（Generative Pre-trained Transformer）架構(gòu)的模型，即生成式人工智能模型。這些模型，由于引進了“基于人類反饋的強化學習算法”，在生成文本、回答問題、執(zhí)行翻譯等任務方面具有很高的靈活性與適應性，為各行業(yè)帶來便利與挑戰(zhàn)（孫黎、田震，2023）。除了OpenAI公司外，還有其他具有較好商業(yè)價值的生成式AI企業(yè)：Hugging Face， Lightricks， Jasper， stability.ai，也在積極探索各類生成式AI的技術(shù)開發(fā)與應用。據(jù)美國《財富》雜志報道，在一項對1 000家企業(yè)的調(diào)研中顯示：近50%的企業(yè)正在使用ChatGPT，30%的企業(yè)表示計劃實用；在已有的使用ChatGPT的企業(yè)中，48%的企業(yè)已經(jīng)用其代替員工工作；對于這部分已經(jīng)使用ChatGPT代替員工工作的企業(yè)，55%對ChatGPT的工作給予“優(yōu)秀”的評價，34%認為“非常好”（孫黎、田震，2023）。高盛投資銀行預測本輪以ChatGPT為首的新一代AI將使得3億個工作崗位消失或者減少 （Kelly，2023）。

二、生成式AI對人力資源管理的積極影響

（一）提升招聘與人才選拔的效率

智能招聘與簡歷篩選。借助生成式AI技術(shù)，企業(yè)可以快速對簡歷進行分類與篩選，自動辨識與職位要求相匹配的候選人（Li et al.， 2021），從而顯著提升招聘的效率與效果。

智能人格與技能測試。生成式AI技術(shù)能夠精準進行人格與技能測試。傳統(tǒng)的心理測試與成就測試受限于測量工具與主觀解讀，基于大數(shù)據(jù)算法的AI技術(shù)賦能了人才測評，使得人力資源專業(yè)人員能夠更科學地評估候選人的心理特質(zhì)、知識與技能水平，為人才選拔提供更準確的參考依據(jù)。

智能候選人推薦系統(tǒng)。用人單位或第三方人力資源中介機構(gòu)可以建立AI驅(qū)動的候選人推薦系統(tǒng)，如倍羅招聘（Bello），根據(jù)企業(yè)招聘需求、崗位特征以及候選人的背景信息，智能匹配并推薦合適的候選人，為候選人提供更多新崗位機會，促進人才合理流動。

（二）助力員工培訓與開發(fā)

首先，生成式AI技術(shù)能夠為員工提供個性化的學習路徑方案。AI技術(shù)能基于大數(shù)據(jù)模型，根據(jù)員工的學歷、能力、興趣、目標、工作業(yè)績等信息，為員工定制培訓內(nèi)容與學習路徑。生成式AI技術(shù)則能夠更好地滿足員工的多樣化需求，提升培訓的針對性與有效性。其次，生成式AI技術(shù)有助于在線職業(yè)技能培訓的開發(fā)與實施。借助大數(shù)據(jù)分析，生成式AI技術(shù)能夠為企業(yè)提供豐富的在線教育資源，員工可以根據(jù)自身水平選擇適合的學習內(nèi)容。生成式AI技術(shù)支持員工隨時隨地獲取所需的知識與技能，同時提供個性化的學習建議與反饋，促進員工不斷學習成長。最后，生成式AI技術(shù)的應用也可以實現(xiàn)智能化的在線學習和知識分享平臺。通過建立智能化的學習平臺，企業(yè)可以幫助員工更便捷地獲取學習資料、參與培訓以及分享交流。

（三）賦能薪酬績效管理，激活員工潛力

首先，生成式AI技術(shù)能夠構(gòu)建基于數(shù)據(jù)的績效管理體系，以實現(xiàn)更公平準確的績效評估。通過建立模型、輸入多維數(shù)據(jù)，它能夠客觀分析員工的工作表現(xiàn)、成果和數(shù)據(jù)，從而更準確地評估績效；通過深度分析員工的歷史數(shù)據(jù)和背景信息，預測員工未來的績效表現(xiàn)和潛在問題。其次，生成式AI技術(shù)還可以用于智能化改進員工薪酬和激勵系統(tǒng)。及時的獎勵和認可可以激發(fā)員工工作積極性。生成式AI系統(tǒng)能夠?qū)崟r監(jiān)測和評估員工的貢獻和表現(xiàn)，根據(jù)實際表現(xiàn)給予個性化的薪酬和獎勵，從而激發(fā)員工的動力和創(chuàng)造力。這種差異化的激勵措施有助于提高員工滿意度和績效水平（Chatterjee amp; Goyal，2022）。

三、生成式AI給組織生態(tài)帶來的挑戰(zhàn)

（一）加劇人才競爭，惡化招聘傾向

首先，生成式AI技術(shù)的應用使得那些積極擁抱并采用其技術(shù)的企業(yè)具有先發(fā)優(yōu)勢。這些企業(yè)能夠更快速、精準地篩選和匹配優(yōu)質(zhì)人才。而其他企業(yè)可能在人才招募和選拔過程中處于劣勢。其次，求職者對生成式AI技術(shù)介入招聘過程持懷疑態(tài)度，擔心AI算法可能會引入不公平的選擇和評估，這對企業(yè)的品牌聲譽產(chǎn)生負面影響。生成式AI招聘系統(tǒng)還加劇了招聘雙方信息不對稱的問題。生成式AI技術(shù)可以獲取大量關于求職者的多維信息，而求職者對于生成式AI算法的運作和評估過程的了解有限。這種信息不對稱減弱求職者的積極參與，并引發(fā)信任問題（Madera et al.，2020）。此外，生成式AI技術(shù)導致人才選拔過程的同質(zhì)化。不同企業(yè)選擇相似的生成式AI算法來篩選候選人，卻忽略了那些具有非傳統(tǒng)特質(zhì)和技能的候選人，從而削弱了組織的創(chuàng)新力和多樣性（van Dijk et al.，2020）。

（二）數(shù)據(jù)隱私挑戰(zhàn)

首先，生成式AI模型在升級和使用過程中需要大量數(shù)據(jù)進行訓練和優(yōu)化，但也導致用戶隱私的泄露。用戶在使用生成式AI應用時輸入的個人身份信息、財務信息、醫(yī)療信息等會受到不法分子的入侵和濫用。

其次，生成式AI技術(shù)會面臨被濫用的風險。不法分子將生成式AI技術(shù)用于欺詐、虛假宣傳、網(wǎng)絡攻擊等行為。例如，使用生成式AI技術(shù)生成虛假信息、編寫虛假新聞以達到誤導和混淆的目的，進而影響社會秩序和企業(yè)的聲譽。

（三）文化融合與倫理挑戰(zhàn)

生成式AI技術(shù)在處理語言和文化時容易引發(fā)歧義，觸發(fā)跨文化溝通障礙和價值觀沖突。首先，不同語言和文化之間存在差異，導致生成式AI模型在處理跨文化翻譯等任務時出現(xiàn)誤差。文化因素涵蓋了語言、習慣、表達方式等，生成式AI模型在翻譯過程中易忽略這些細微差別，導致錯誤的譯文或誤解，繼而在國際間交流與合作中引發(fā)不必要的困難和沖突。其次，生成式AI技術(shù)在處理敏感性問題時會出現(xiàn)價值觀沖突。不同文化和社會對倫理、道德和價值觀有不同理解和看法。生成式AI模型在處理敏感問題時做出偏向性的判斷，從而引發(fā)爭議和沖突。

四、應對策略

（一）強化數(shù)據(jù)道德與透明度，保障數(shù)據(jù)隱私與合規(guī)

生成式AI模型需要海量數(shù)據(jù)來強化其智能，這加劇了用戶隱私保護問題。有關管理部門應當完善相關的生成式AI技術(shù)的法律法規(guī)，對生成式AI技術(shù)的應用進行監(jiān)管，公司在運用生成式AI應用時應該制定嚴格的數(shù)據(jù)隱私保護舉措，確保用戶的個人數(shù)據(jù)和敏感信息不被泄露與濫用。企業(yè)還可以采取數(shù)據(jù)加密技術(shù)、數(shù)據(jù)匿名化處理等手段來保障用戶數(shù)據(jù)的安全。用戶、員工、應聘者對生成式人工智能模型決策產(chǎn)生不滿，繼而引發(fā)連鎖負面反應。因此，企業(yè)在享受生成式人工智能模型技術(shù)的便利性時，可以考慮開放生成式AI算法的透明度，讓利益相關者了解其運作原理與處理過程，讓生成式AI算法接受公眾和專業(yè)機構(gòu)的監(jiān)督與評估。在當今多元文化交融的背景之下，生成式AI模型應該加入多元文化意識，提升其對多元文化的敏感性；企業(yè)在應用生成式AI模型時還應當建立價值觀監(jiān)管機制，確保其應用能夠在尊重多元文化和社會價值觀的前提下開展。

（二）打造人力資源與生成式AI合作的模式

智能化時代迫切需要構(gòu)建一種強化人力資源與生成式AI合作共生的模式，以更好地滿足組織和員工的新需求。這種合作模式的建立可以在多個方面激發(fā)生成式AI應用，為企業(yè)和員工的發(fā)展提供有力支持，同時也需要加強員工與生成式AI之間的協(xié)同能力，提升整體組織的效能。生成式AI在傳統(tǒng)人力資源管理的多個模塊中發(fā)揮作用，然而，為了確保生成式AI在人力資源管理中的有效應用，必須在加強用戶隱私保護和數(shù)據(jù)倫理的前提下進行。同時，生成式AI技術(shù)本身也需要不斷學習和迭代，充分考慮員工的反饋意見，與員工保持緊密合作，以不斷改善生成式AI模型的應用效果和用戶體驗。而人力資源與生成式AI技術(shù)的合作是一個持續(xù)發(fā)展的過程，需要組織中的員工和管理層共同努力，不斷提升自身的數(shù)字素養(yǎng)和智能素質(zhì)，從而更好地掌握和應用生成式AI技術(shù)，實現(xiàn)人力資源管理與生成式AI技術(shù)的共生共贏。

（三）加強信息倫理的引導與構(gòu)建，倡導開放包容的企業(yè)文化

生成式AI的融入將極大地提升組織整體效能，為人類社會帶來持續(xù)的福祉。然而，在實現(xiàn)合作的過程中，除了組織管理層和員工需適應心態(tài)和行為模式的改變外，整個社會的環(huán)境也需要相應的調(diào)整與配合（彭劍鋒，2023）。

首先，工信部等有關部門應迅速建立并完善生成式AI倫理框架，明確定義生成式AI技術(shù)在研發(fā)和應用中應遵循的基本倫理規(guī)范。這個倫理框架的制定應涵蓋多方的意見，包括學術(shù)界、產(chǎn)業(yè)界、政府部門和公眾等，以確保多元共識的形成，確保AI模型的開發(fā)和應用符合社會的公平、公正和責任原則，避免技術(shù)濫用和倫理沖突。

其次，政府相關部門需要與行業(yè)協(xié)會合作，開展針對生成式AI技術(shù)的公眾教育活動，提高公眾對生成式人工智能技術(shù)的認知和理解。這些教育活動應特別強調(diào)向公眾清楚地解釋生成式AI技術(shù)的特點、優(yōu)勢和潛在風險，幫助公眾更好地理解生成式AI的意義和影響。政府還應建立生成式AI技術(shù)的審核監(jiān)管合規(guī)機制，對生成式AI應用進行嚴格審查和監(jiān)督，確保其合法合規(guī)地使用（Jobin et al.，2019）。對于違反法律法規(guī)和倫理準則的行為，應采取嚴厲的打擊和處罰措施。

最后，企業(yè)在生成式AI技術(shù)的開發(fā)和應用過程中，應積極倡導多元文化和價值觀，履行企業(yè)社會責任，推動生成式AI技術(shù)與社會的融合發(fā)展，這有助于避免生成式AI技術(shù)應用引發(fā)文化和價值觀的沖突。

參考文獻：

[1]" "李億，喻靚茹，邱東.人與人工智能協(xié)作模式綜述[J].情報雜志，2020，39（10）：137-143.

[2]" "Chatterjee，S.，amp;Goyal，R.K.AI-Driven Incentive Systems and Employee Motivation[J].A Comparative Analysis. International Journal of Human Resource Management，2022，30（5）：789-803.

[3]" "Goldman Sachs.The potentially large effects of artificial intelligence on economic growth[EB/OL].（2023-03）Accessed at https：//www.ansa.it/documents/1680080409454_ert.pdf

[4]" "Jobin，A.，Ienca，M.，amp;Vayena，E.The global landscape of AI ethics guidelines[J].Nature Machine Intelligence，2019，1（9）：389-399.

[5]" "Li Z.，Liu B. Xiong L.，Liu，Z.AI in HRM：From Theory to Practice[J].Human Resource Management Journal，2021，31（2）：290-306.

[6]" "Madera，J.M.，King，E.B.，Hebl M.R.A framework for crafting biased algorithms：Understanding stakeholder roles and their consequences[J]. Personnel Psychology，2020，73（3）：491-525.

[7]" "van Dijk H. Tummers L.，Noordegraaf，M.Diversity in artificial intelligence and the implications for public values[J].Public Administration Review，2020，80（1）：66-75.

[責任編輯" "衛(wèi)" "星]