面對全國范圍內的人才緊張的問題，技術可以幫助雇主在緊張的市場中找到最優(yōu)秀的人才——但 HR 可以通過多種方式使用人工智能 (AI)，而不僅僅是招聘。

人工智能和自動化可以從根本上改變工作場所和人力資源管理。

在人力資源方面，人工智能通常是指由算法處理以做出決策的數據，機器學習可用于不斷提高決策質量。

對于人力資源功能，人工智能最常用于人才獲取。在年度雇主調查中，49% 的受訪者表示，他們使用人工智能和高級數據分析進行招聘。但人工智能不僅限于人才獲取。受訪者還使用大數據來：

• 制定戰(zhàn)略和員工管理決策(31%)。
• 分析工作場所政策(24%)。
• 將以前由員工完成的某些任務自動化(22%)。

訴訟策略

與就業(yè)有關的訴訟往往是事實驅動的，這使得收集文件和其他信息變得至關重要。然而，在 Littler 的調查中，只有 5% 的受訪者使用高級分析來指導他們的訴訟策略。

克魯斯說，雇主可能沒有意識到在這種情況下使用分析的好處。 “能夠在案件早期利用數據，在您進行證詞或開始評估證人的可信度之前梳理出見解，這是革命性的?！?/p>

他指出，擁有查找關鍵文件的能力可以讓雇主看到人們在特定時間實際在做什么，并有助于建立一個故事。

想象一下，一位前往住宅修理冰箱的維修技術人員提起工資和工時集體訴訟，聲稱技術人員的所有工作時間都沒有得到報酬。投訴和隨后的證詞將揭示工人對其日子的看法，但分析可用于驗證或反駁他們的故事。

“你擁有的信息越多，你可以參與的決策過程就越好，”克魯斯說。

雇主可以從工作卡車、路線指示、有關技術人員任務的通信、發(fā)票以及手機和登錄信息中收集 GPS 數據。這些數據將描繪一幅畫。

數據可能表明技術人員沒有夜以繼日地工作，并且在所有時間都得到了適當的補償——那么雇主就有了一些確鑿的證據。但如果數據顯示工人的索賠有道理，那么最好在經過漫長而昂貴的訴訟之前審查數據并在前端了解它，克魯斯說。

薪酬公平

數據分析也可用于評估薪酬公平。該領域的立法在州和地方層面正在迅速變化。例如，至少有 12 個司法管轄區(qū)通過了法律，禁止雇主向求職者詢問他們之前的薪酬。此類法律背后的理念是停止延續(xù)歷史上基于性別、種族和民族的歧視性薪酬做法。

克魯斯說，技術對于監(jiān)控基于受保護類別的差異的員工薪酬特別有幫助，并指出一些具有薪酬平等法的司法管轄區(qū)為進行審計并試圖消除差距的雇主提供了安全港。

他補充說，有一些可用的工具可以輕松構建用戶友好的體驗以及分析、理解和交流數據。 “您不再需要僅僅依賴一個充滿數學的 Excel 電子表格?！?/p>

克魯斯指出，了解組織中實際發(fā)生的事情非常有用。 “當先進的技術與良好的講故事和可視化相結合時，它使人力資源專業(yè)人士能夠與薪酬團隊、高管和其他決策者進行對話。”

聊天機器人

某些技術(例如聊天機器人)可以幫助員工隨時隨地訪問有關政策和程序的重要信息。 帕克說，聊天機器人通過文本進行交流，可用于回答常見的員工問題。

根據 2017 年 ServiceNow 對 350 名人力資源主管的調查，三分之二的受訪者表示，他們認為與其他聯系方式相比，員工更愿意使用聊天機器人來處理有關帶薪休假政策、公開招生和請假的事務性查詢。 ServiceNow 是一家位于加利福尼亞州圣克拉拉的云計算公司。

使用聊天機器人的雇主需要確保他們遵守數據安全、殘疾和其他聯邦和州就業(yè)法。

法律陷阱

在使用人工智能來推動人力資源戰(zhàn)略時，人力資源專業(yè)人員必須監(jiān)控系統的偏見。他們需要注意不同的影響——當一個看似公平或中立的標準實際上在實踐中具有歧視性時，就會發(fā)生這種情況。

例如，招聘工具可能會淘汰距離工作地點超過 10 英里的候選人。如果工地周圍的社區(qū)主要由富裕的白人家庭組成怎么辦?這種招聘標準可能會根據種族和民族產生不同的影響。

帕克說，為了降低法律風險，人力資源專業(yè)人員應該：

1)了解可用于攻擊利用技術的雇主的法律理論。

2)在評估產品時與技術供應商討論潛在的法律陷阱。

3)考慮針對不同的影響、安全和其他法律問題對系統進行審計。

“糟糕的投入在很大程度上會導致不同的影響，”他說，并指出這個問題已引起政府執(zhí)法機構的關注。但是，如果該系統旨在忽略不相關的因素，則可以減少招聘決策中的偏見。