生成式人工智能与人力资源的未来

文章作者｜麦肯锡公司：Bryan Hancock, Bill Schaninger, Lareina Yee, Lucia Rahilly，慎思行采编及翻译

个人微信 |hello_SSX

生成式人工智能强大且便于使用，将改变我们的工作方式。人才领袖Bryan Hancock、Bill Schaninger，麦肯锡技术委员会主席Lareina Yee和全球编辑主任Lucia Rahilly讨论了在人力资源领域使用人工智能技术的前景和陷阱，内容涉及招聘到绩效管理，以及生成式人工智能将如何为人才进行专业赋能，以下是他们的讨论内容经编辑后的版本。

是什么如此非凡，如此具有颠覆性

Lucia：近几个月来，关于生成式人工智能和ChatGPT等工具的讨论非常热烈。人们反反复复地惊叹这些工具蕴含的潜力，对其中存在的风险感到恐惧。Lareina，你觉得生成式人工智能有什么不同之处，它破坏性潜力的背后是什么?

Lareina：生成式人工智能有一些突出的特点。2022年11月，OpenAI发布了ChatGPT 3.5，五天内，就迅速吸引了100万用户，这一增长速度是前所未有的。对我来说，最深刻的意义是，无论任何年龄、教育水平、国家的人都可以进入GPT，询问一两个问题，并找到一些实用或有趣的东西，比如一首诗或一篇文章，这是一种每个人都能尝试的体验。从那时起，我们看到了该技术的诸多进步，而这仅仅只花了几个月时间。

第二个非常有趣的事情是，人们无需成为计算机科学家才能利用生成式人工智能技术，它可以应用于所有类型的工作。OpenAI的研究预估80%的工作能够和生成式人工智能技术相结合，这将对人才和工作产生深远影响。在某些方面，潘多拉的盒子已经打开，再将其放回可能不是最好的策略，我们应该向前一步，找到一种高效并安全使用它的方式。

Lucia：生成式人工智能的应用案例是如此快速、新颖，对生成式人工智能进行多元理解，我们就能从它的共同定义出发去规划工作。

Lareina：生成式人工智能是一种不断产出最佳方案的技术。很多人使用ChatGPT来总结信息，通过汇集大量公共数据来起草对某事的回应，甚至还能产出图像。在所需材料上，可以是一首歌、音频、视频或代码，代码是一个很典型的例子，生成式人工智能的应用范围是惊人的，目前对其应用前景的探索，还处于起步阶段。

Bryan：我问了ChatGPT关于我自己的情况，它准确地报告说我在人才方面做了很多工作。然而，它误称我上的是康奈尔大学，因为根据我的背景，它认为康奈尔大学是最合适的答案，但实际上我上的是弗吉尼亚大学。我觉得很有趣的事情是，它生成的内容不一定是对的，但却是合乎逻辑的。

Lareina：在某些方面，人工智能模仿了我们的思维方式，但无法做到像人类一样思考。在很多方面，人类使用捷径和线索来做出假设，这就是为什么人们会说，“天哪，这感觉真独特。”但正如你所说，Bryan，这并不是百分之百准确的，如同一个很好的词“幻觉”。

人工智能对招聘人员意味着什么

Lucia：我们将更多谈论一些和风险有关的话题，来看看生成式人工智能对人才来说意味着什么。你认为生成式人工智能会以某种有意义的方式重塑或改变招聘流程吗？

Bryan：我认为生成式人工智能将以两种有意义的方式重塑招聘。第一个是能够帮助管理者写出更好的工作要求，因为它们可以提炼出工作成功所需的技能，但这并不意味着管理者不需要检查最终成果，他们依然需要在整个工作链路中，确保工作质量是过关的。在生成式人工智能的加持下，工作质量和速度将会得到显著提升。

招聘中，生成式人工智能的另一个应用是求职者的个性化服务。如果你们是一个有成千上万求职者的组织，也许有或可能没有定制化的方式联系求职者，有了生成式人工智能，你可以对求职者、工作内容、落选原因及后续机会进行更多定制化设置。通过生成式人工智能，这些事都变得非常便捷快速。

Bill：生成式人工智能的最佳应用是在需要为新工作构建技能池时，这要求我们高效浏览工作的技能配置文件，让人焦虑的点在于，只要是一份新的工作，在美国法律中甚至是一份变化超过25%或33%的工作，都必须重新检验该工作的技能池是否仍同人才判断标准相吻合。

检验工作的挑战在于需要对标准进行回归并明确其中的差异，某些情况下，这意味着要在不侵犯他人专有数据的情况下制定标准。如果你觉得作为雇主使用自己的数据就可以，那就只是基于已经雇佣了的人所形成的标准，为了准确验证，必须分析那些没有被雇佣的人。所以这并不意味着生成式人工智能技术不能被使用，只是意味着可能会有更多的前端工作被应用到新的工作中，并将为技能池提供更多的开放机会。

Lucia：经常谈论到在招聘过程中，我们总是过度关注资历，而忽视了技能。生成式人工智能在从关注求职者的学历等标化背景，到关注求职者实际工作技能的转变方面，能否发挥作用？

Lareina：我很乐观，AIGC做得非常好的一件事是标记，也就是将词语标记成非结构化数据，有很多企业正在考虑将其应用于电子商务，应用到不同类型的零售体验中，或是将其应用于人才搜集。在它的辅助下，我们不需要再关注证书或学位，而能够关注工作能力或工作技能。

看看社交媒体上的人是如何谈论工作技能的，对比之下，你会发现有更好的词可以形容这些技能。想象一下，你希望能够找到一个候选人，他可能没有博士或大学学位，但在工作中学习了惊人的经验，工作技能极为出色。我乐观地认为，生成式人工智能可以为这样的人带来更多可能性。

Bill：这在商业世界是一个有趣的权衡，商业世界喜欢专有数据集和个性化的配置文件。然而，真正的实力体现在开放性，即能够从开放的公共领域中获得多少信息。很久以前，当LinkedIn被收购时，api仅限于职位头衔，而不一定是它下面的所有工作规范。技能池有一种力量，比如在工作介绍中，求职者可以直观看到工作任务和所需技能。我想这里将会有竞争，来展示我们是如何将任务与技能组合在一起的，例如“这17件事描述了这项技能”，就真实地展示了所需的工作技能，这不是证书就能佐证的。

这对职业发展意味着什么？

Bryan：不仅从雇主的角度，而且从候选人或员工的角度，能够实现以技能为基础的过渡。当今世界，如果你有一些技能，但不是很清楚自己的职业发展机会，那就会高度依赖经理或所谓的“伯乐”，依靠他们来帮助你走上一条非凡的职业道路。

但在生成式人工智能的世界，你会跟一个很聪明的聊天机器人说：“嘿，这是我的技能和经验，我有哪些工作机会？”它可能会说：“大多数像你这样的人做这些事情，但有些人做A，B，C”假设这里的C是编码，接着你可以说：“告诉我这些编码工作是什么”，这里会提取出一个程序员的职位描述，不仅仅面向IT人员，还会翻译成你能理解的词语。然后你可能会说：“这很好，我很感兴趣，那我需要哪些学习经验？”生成式人工智能就会告诉你这些学习经验是什么。因此，对于那些拥有技能但洞察力不足的人而言，生成式人工智能可以为他们照亮一系列职业道路，并帮助人们理解如何实现职业目标。

Lareina：回想我十年的职业生涯，我感到有些停滞。如果我有一个职业发展人工智能助手，帮我思考诸如“我应该找什么样的工作？”“我的公司有哪些类型的角色，我是怎么看待他们的？”和“我该上什么课？”而不是等别人来训我，那我就能在十年的职业生涯中主动建立技能组合，了解我的能力所能胜任的工作范围，这太酷了。

Bill：根据所处的监管环境，在没有人参与的情况下，职工往往不被允许做出任何决定，在欧盟尤其如此，这是一种增加人类工作但不削减决策量的好方法。实际上，从员工视角看，应该提供更多透明度，看到离很多东西有多近。我喜欢生成式人工智能的员工体验部分，但我对职业选择部分感到焦虑，因为我们不确定人工智能的数据池中有什么，以及人类在推动人工智能应用方面的能力。

Lareina：是的，给一些选项是很好的，但不是一个答案，自己的判断很重要。

Bryan：我们看到的另一件事是，chatGPT及更广泛的生成式人工智能，尤其擅长让新员工更快地跟上工作节奏。斯坦福大学的Erik Brynjolfsson和麻省理工学院的研究者最近发表了一项有趣的研究，研究对象是呼叫中心的员工。他们发现，生成式人工智能对最有经验的人并不是那么有帮助，但对新人非常有帮助，因为他们能够更快地获得机构知识。新人们可以问一个问题，然后得到答案，因此，他们的生产力大大提高了，能迅速达到80-90%的熟练程度。

Lareina：Bryan，我喜欢这一点，对此也很乐观。在绩效评估方面，有没有什么新的内容？

Bryan：我个人最喜欢的生成式人工智能在人力方面的应用是绩效评估。我需要申明，我不希望生成式人工智能真的生成某人的绩效评估，这需要人类来评估，需要人类的判断，需要同理心。

但让我举个例子来说明我作为麦肯锡评估员的工作：我收到15到20个人的书面反馈，他们把反馈输入到一个数字系统，于是我会收到很长的反馈。我关注向上反馈的分数，包括书面评价和具体的数字分数。我还需要观察人们实际执行任务的频率，关注他们是否按时反馈，关注合规的相关措施等一系列事情。对我来说，作为一名评估者，写出绩效评估初稿是一个非常艰难的过程，但我为所花的时间和所付出的深思熟虑感到自豪。

不过，如果我按下按钮就能得到初稿呢？当我与正在评估的15个人进行对话时，如果我已经有了一个初稿，会怎么样？虽然这并不能代替全面检查，但初稿可以帮助我更快地了解那个人的发展和成长。我对这个应用感到兴奋，因为它消除了很多工作。起初，许多人会想，“我永远不希望生成式人工智能接近绩效评估。”但如果我们把它看作是提高生产力的辅助手段，或者是帮助我们变得更好的东西，那就很令人兴奋了。

对正在评估的员工而言，他们得到了反馈，Bryan带着同理心传达反馈，他反馈得也很清楚，员工此时会觉得，“是的，我有一些优势，有一些发展需求。”但是，如果作为一名员工，想要询问：“哪些成功榜样拥有与我相似的优点和缺点？他们后来做了什么？我应该如何想象自己的职业发展？该如何继续努力呢？”此时人工智能可以成为助手，帮助我规划职业发展。一年后复盘时，如果我真的进步了，那就增强了我的抱负。如果我应该以Bill为榜样呢？不是Bryan要把我介绍给Bill，而是生成式人工智能帮助我意识到我有成为Bill的潜质，那么我一定可以从中得到启发。因此，我认为生成式人工智能有很多东西可以增强我们多年来一直努力实现的目标。

Bill：我们讨论让管理者重新参与绩效管理。每次和别人谈论好事或坏事的时候，都记录下来，在年底的时候，就积累出了一个集合，虽然这对任何人来说都不算什么意外惊喜，但想要获得集合离不开坚持积累的。所以，我认为这实际上并不单是技术的功劳，而要归功于获取数据的工作人员和坚持积累的工作方式。

Bryan：你的观点很有道理，作为一个评估者，我需要运用我的人类判断。

Bill：规范性数据很好。当我们在麦肯锡获得支持和导师数据时，我们会看到我们与特定地区其他合作伙伴的对比情况。但是，如果没有一个参考，怎么知道“好”到底是什么？当得到规范数据时，就可以得到一些指导。我喜欢这一切，这都是由大量的数据实现的。如果这使实际状况更加健康，困难就会被克服。我们需要让经理回到绩效管理中，但我们是否能让管理者们更轻松，这样他们就可以把时间花在管理上，而不是去做写时间表或统筹数据点等琐碎事项。

偏差及其他风险

Lucia：我们再来谈谈其中的风险。生成式人工智能基于历史数据进行学习，数据反映了历史偏见。通过依赖生成式人工智能驱动的工具，我们无意中传播了带有偏见的信息，这会有什么风险？

Lareina：如今，生成式人工智能确实会放大偏见。假设招聘时，我描述了一些不同的条件：市中心、篮球队长，或者我认为长曲棍球队长更好，因为这些运动都需要队长，能体现领导能力，所以在某种程度上是可取的。但如果看一下人口统计数据，在城市里打篮球的人和打曲棍球的人是非常不同的。选择长曲棍球，通常会得到更多年轻的白人男性领导者，而如果选择篮球，可能会发现更多的非洲裔美国人或拉丁裔美国人。如果是垒球的话，结果中还会出现女性吗？如果我们选择不同运动，呈现的结果偏好也是各不相同的。在仅仅只是将体育运动作为筛选条件的情况下，偏见已经如此之大，可见结果实质上受人类偏见影响。

Bryan：还有知识产权方面的问题。我认为，生成式人工智能可能会使我们变得不那么富有创造力。如果你是一个创意工作者，你利用生成式人工智能将产出从每周6篇文章增加到12篇，那么你在每篇文章上花费的时间就更少了。也许你需要借助人工智能辅助才能及时发表，但这也意味着你不会花那么多时间在淋浴、跑步等容易产生灵感的时刻上。你的工作效率会提高，但可能将不会花那么多时间进行创造性思考。众所周知，当我们处于休息状态，思想放松游离时，创意更有可能产生。这种会使我们的灵感减少的风险很关键，而我们可能还没有完全考虑到这一点。

Lareina：没错，有很多风险。我们也想想正在运用这项技术的领导人。人们通常有一个工作习惯，他们会优先考虑一项技术和投资的业务回报，而只有在最后才会问：“有哪些风险是需要考虑的？”我强烈建议应该在工作流程设计中提前考虑风险。另一件事是，生成式人工智能会带来真正的机会，我们通常称之为“变革管理”。如果不仔细考虑技术将如何改变工作、工作流程或协作模式，那么人们不会将额外的时间用于更有价值的事情。我们需要考虑生成式人工智能是如何影响工作和工作以外的时间。

Bill：很多情况下，我们把责任归咎于技术，而不是强调在实施技术之前做好风险备案，实际上，获得一个更好、更快、更广泛的工具并不能减轻人们思考问题的负担。

Lareina：我们三个人花了可观时间思考所有积极的可能，以及应用人工智能做好事的方法。但是，可能有人在考虑这项技术时会思考怎么用它来做坏事，因此，这就是为什么政府法规、政策和国际标准在我们的社会中发挥着根本作用，我不认为可以让私营部门完全自我监管。

为不可避免的事情做准备

Lucia：人们担心的一大问题是，这些工具将淘汰他们的工作，甚至成为他们的老板。你认为人们现在可以做些什么来为生成式人工智能所带来的变化做准备？

Bill：我认为要让生成式人工智能更易于交互，这比试图抵制它要好，我们不应该受制于恐惧。

Lucia：假设人力资源系统变得越来越自动化，领导者如何确保生成式人工智能不会影响工作系统中的人？

Lareina：领导者可以从两个方面发挥巨大作用。一是帮助职能范围内的人才实现现代化和跨越式发展。其次，我认为领导者在谈判桌上有很大的发言权，如果已经有80%的员工正在转变，那领导者就可以介入发生及影响机制。

Bryan：对人力资源部门来说，这是一个巨大的机会，可以为大量员工增加获得新机会的可能，可以帮助经理们脱离琐碎的行政任务，能达到人力资源主管一直希望他们达到的绩效水平。我希望人力资源部门能把这看作是一个机会，一个能够让他们摆脱不必要工作的机会。对于他们必须要做的工作，可以利用这项技术找到新的方法，更快更好地得到答案。

翻译、编辑 | jiayi Ye

进一步交流

进入专业社群展开深度讨论

慎思行通过微信等平台覆盖超过10万战略人、咨询人等各类专业人士。我们也构建了专业社群，推动战略与咨询领域的问题讨论、信息交流和机会分享，社群已有超过5年历史，并成为了顶尖专业人士感知市场前沿，获得实践经验的首要选择。入群请添加慎思君微信，并提供名片。

现在微信公众号更改规则，如果你不特地点进来，很可能看不到我们的推送了。希望喜欢【慎思行】的读者朋友们将本号【设为星标★】，方便找到我们；也欢迎点击右下角的【在看】。