人力资源管理的数字化变革
数字化技术, 与人力资源流程再造, 以及生态思维, 共同构建起了人力资源管理数字化变革的“金字塔”（见图1）。其中, 处于金字塔底层的数字化技术, 是变革的基础性支持, 位于中间层的业务流程再造, 是变革的应用场景, 处在顶层的用工管理生态思维, 是变革的深层次观念。
数字化的人力资源管理技术
使用数字化工具, 使得人力资源管理中的“选”, 进而“育”, 再到“用”，最后“留”构成数字化人才管理的整个生命周期, 并且特别有助于达成降本增效的目的。比如说, 于选人时期运用AI简历筛选举行家谈论, 去给求职者塑造出的人才画像, 这可快捷地确定合乎适配的候选人哩；于育人阶段开展数字化培训同时信息跟踪反馈, 以强化人力资源针对性的有效辅导和开发；处在用人工期, 大数据技术给绩效考核供给依据, 用以形成员工业务成果、创新力、责任感、忠诚度以及其他方面的立体化考核标准；在留人阶段, 把个性化激励跟团队激励相互结合在一起, 进而帮助组织留住人才, 丰富组织的人才储备。伴随着数字化工具, 与招聘模块深度融合, 与培训模块深度融合, 和绩效管理模块深度融合，同薪酬管理模块深度融合, 以及与劳动关系管理模块深度融合, 人力资源管理正处于被重新建构之际。
数字化组织驱动的流程再造
整个人力资源营运流程, 塑造出一种 “端对端” 闭环样式结构。于组织身处的数字化的这个环境里, 人力资源管理流程逐渐做到在线化、经历自动化迈进智能化。贯穿整体人力资源管理流程这条 “流水线”, 下一个节点所处流程是由上一个环节予以触发的, 而那些被触发的接下来节点, 同时还触发其它业务流程开始运转, 该流程能够自动地进行连续运转, 数据会顺着运转节奏自动沉淀下来, 借着这样的方式打造构成一种业务流程的闭环。这样所采用此闭环样式状的人力资源营运流程这种处置方式之后, 成功破除了传统单线流程一直以来存在的痛点情况, 达成了业务流程的重新塑造以及人力资源管理层面的升级。
向着“元宇宙”迈进的流程重新构建, 当往昔通行业务流程难以契合新时代工作模式所需之际, 那么便要用新的技术去重做业务流程, 达成自动化、敏捷化, 声名远扬的研究机构Gartner近些年发起了“超自动化”（Hyperautomation）这一概念, 用来表征借助机器学习、人工智能等现代化技术运用谋取更加智能的流程自动化, 这是自动化的拓展。超自动化情形下的业务流程, 会达成员工解放以及办公自由, 如此全面地将人力资源的能动性与创造力予释放, 引领人力资源管理迈向具备虚拟跟现实无缝结合那模样的“元宇宙”形态, 达成了人力资源管理场景进行升维。
数字化的用工管理生态思维
涉及数字化变革的情形, 意味着用工管理方面, 要从那种线性思维转变为非线性的生态思维。传统的线性思维呢, 它遵循叠加原理, 认定整体是部分相加的结果。处于数字经济时代的时候, 组织的边界被消除了, 此时整体或许并非等于部分之和, 叠加原理不起作用了, 这种状况就要求运用非线性思维去看待以及管理企业。
需要把握两点的是非线性生态思维, 即生态系统内部各因素相互联系一同相互作用, 从而相应形成与“线性叠加”不同量级的增益或者亏损状态, 并且还要知道当一种情况是系统中的参量出现极小变化时, 鉴于要素的互相缠绕, 就将可能引起整个系统运动形式改变, 进而出现组织内部的“蝴蝶效应”。
于生态思维之下的用工管理, 冲破了那狭义框架, 进而触碰到了公司治理的疆域范畴。伴随资本与劳动之间的界限变得模糊不清起来, 资本雇佣劳动的往昔传统模式演变为资本与劳动能够相互雇佣的情形。劳动者的身份同时也正产生着转变现象, 摇身一变成为企业的利益相关者, 进而与企业一同创造价值、共同分享收益。这也就表示着, 组织所追求的大概不单单只是经济效益这一方面, 员工渴求的大概也不只是薪酬回报之部分, 二者皆是生态系统里的关键要紧一环, 员工跟组织相辅相成共同联结, 从而构建成利益共同体、事业共同体以及使命共同体。
人力资源管理数字化战略转型
人力管理数字化战略走向转变而成型, 目标在于达成人力管理跟企业战略的完全融合、共同共鸣, 借以来辅助企业适应数字时代出现的变革, 持续获取竞争优势所必备的条件。达成办法是以战略作为核心的人力管理“组织—人—机”的相互作用, 也就是组织、员工以及数字技术的相互融合。在这样的战略转变进程当中, 人力管理构建起员工与组织之间雇佣关系灵活化态势, 组织借助技术的运用达成管理决策的智能化、人机协作的深入化格局（见图2）。
员工与组织：雇佣关系灵活化
数字化人力资源管理里, 员工跟组织的雇佣关系展现出灵活化特性, 这体现在以下三个方面。
首先, 是工作时间呈现弹性化的情况。为了去应对传统那种固定工时制所存在的弊端, 部分企业采用了可变工时制, 还采用了弹性工作时间这种方式, 以及远程工作这种模式, 以此来拓宽员工所拥有的自由空间, 进而使得提升员工创造力以及工作效率变得更加便利。其中, 可变工时制是运用压缩工时然而保持总工时不变的方式来提高灵活性。弹性工作时间指的是员工在完成规定工作任务或者工时的前提条件下能够自行安排工作时间。远程工作主要是依赖互联网技术从而实现在线办公、居家办公等等情况。
首先, 工作地点自由化, 其次, 数字时代使得员工在办公室办公成为可能, 再者, 数字时代使得员工在家中办公成为可能, 另外, 数字时代使得员工在自己所选择的全然随意地点办公成为可能, 员工能够于不同工作地点之间自由自在地切换, 进而能够更好地平衡工作与生活, 且不再往返于固定工作地点, 这便突破了传统“点对点”样式工作地点的地理边界线, 最终重新定义了工作空间。
首先, 工作时间呈现弹性化, 工作地点具备自由化, 二者共同催生了工作内容的多样化。其次, 多样性体现在员工能够跨越组织边界, 于不同组织里, 分别以全职、兼职、零工等多种方式去工作。最后, 甚至能冲出时间与空间的限制, 随时随地组建工作团队来完成任务。
组织与技术：管理决策智能化
渐渐增多的组织, 于开展管理决策期间, 将“让技术发声”当作了一种选择。组织边界被消解, 智能化算法得以运用, 如此一来, 组织借助智能化技术运用构建起决策支撑体系, 变为了现实状况。新冠疫情使数字经济的活力得到激发, 众多领域的企业, 其开展业务渠道以及接近客户, 仅能够凭借数字科技的落地来达成, 这毫无疑问为技术给予了应用场景, 还给组织带来了持续变革的全新竞争环境。随着组织业务与信息技术之间的界沟逐步被打破, 数据资产的管理决策价值被发掘出来, 智能化管理决策的时代已然来临。
管理决策在大数据应用下出现的新模式是数据驱动型决策, 也就是以海量数据所形成的数据集作为基础, 运用数学方法去进行建模, 对其展开分析, 进而预测事件发生的概率, 以此来提升决策效率以及科学性。人力资源管理实务是繁杂的, 于数字化情形下, 面对于企业自身所拥有的经营管理数据以及日常所形成的人事行为数据, 怎样去开展挖掘以及研发工作, 进而生成企业自身的数据产品, 以此形成组织数据管理的核心竞争力, 这乃是数字化人力资源管理的基础以及关键之处。当下国外借助数据分析驱动人力资源管理决策会经过这些具体路径: 先确立关键结果指标，借由股东会议、公司决策管理层讨论等形态, 挑选出跟公司战略适配的人力资源管理关键结果指标, 像离职率、客户满意度、财务成本等；再组建数据团队, 此团队得身为跨职能、综合性的, 既要专业的数据分析人士, 也得有人力资源管理人员以及关键结果指标牵扯到的有关部门管理人员；接着评估衡量标准, 针对已敲定的每项关键结果指标敲定衡量标准, 似测量的频率、单位、评估层次等, 确保指标统计口径统一；然后进行数据分析与建模, 依据员工数据开展神经网络、机器学习等的模拟跟计算, 探寻员工主动性、胜任力、责任心等要素与业务绩效之间的因果关系的关联, 生成预测模型；随后定制人力资源管理优先级事项, 着重于人力资源范畴, 定制跟组织战略、组织发展相契合的人力资源管理优先级事项, 明晰业务流程；最后再次评估或者局部调整。
技术与员工：人机协作纵深化
科学技术取得进步, 传感器实现升级, 机器学习得以改进, 这使得人机协作更具深度且更有温度。毫无疑问, 人力资源领域未来的趋势是人机协作朝着纵深化方向发展, 并且是在全领域范围的发展。
智能化技术为员工赋予能量, 劳动力数字化, 加上人工智能技术开始动用, 会形成数字化工作场所, 这个场所由、人工智能、通过虚拟助理、借助虚拟工作区间等共同组合而成, 在推动组织提升工作效率以及推进生产力向前发展的期间, 有力促进员工将原本那种被动的状态转变为主动, 促使员工把自身潜藏的能力发挥出来, 借此提升员工的主观能动性能。比如, 员工于数字化工作场地里运用多种云服务以及应用程序达成跨时间、跨距离的即时合作, AI机器人助力团队协同并且替代完成好多重复性的工作, 释放员工更多的自身价值, 员工健康与工作体验得以升级, 更易于激发创造力。
在人力资源管理这一范畴内, 人机协作于全场景有着应用。随着人机协作领域不断拓展, 人工智能以及数字化技术会在人才吸引、员工参与这个活动、人才培养方面、职业发展进程之中、员工关怀等众多场景做综合运用。比如说运用专业聊天机器人去吸引求职者, 自然语言处理技术能够助力求职者深入知晓组织特征, 通过算法智能匹配求职者技能与组织需求, 可达成在职位申请之前就锁定候选人这样的效果。员工进入组织以后, 于人工智能之辅助下, 不需征询员工反馈, 组织便能做出适宜的薪酬决策。沿着职位胜任所需技能以及个体学习经历等线索, 为员工精心打造契合其自身情况的学习建议, 面向全体员工给予公平的职业发展机会, 以此加快人才成长进程。绩效增强人工智能不但能够针对员工给出经过优化的方案建议, 并且能够为管理者供给绩效管理决策的依据, 在数字经济时代, 关于如何界定“好员工”出现了全新的解答。
数字化人力资源管理中的风险分析
在数字经济语境之生态系统里, 其内部各要素呈现的非线性关系来讲, 这般关系既是致使快速跃迁得以发生的内在动力所在, 同时也是造成灾变这种情况出现的根源致使原因。风险, 身为数字化实现转型以及开放式这一创新所伴生出来的产物, 是人力资源基于管理方面实施数字化战略转型时期当中绝对需要展开深入思索的关键较为重要问题一点在于。针对此项来说关乎于现实存在的问题, 像诸如人力资源管理者得清楚认识到算法予以管理状况同劳动加以进行有效合理控制以及隐私遭受侵犯, 并包含歧视出现偏差等当前实际存在的问题, 进而去寻觅找寻风险能够得到化解以及防备预防策略（具体可参照图3）。
工作场所的“数字牢笼”
工作场所全面启用数字化技术, 员工的各项工作活动会转成数据, 进而被观察、被记录、被管理以及被评估。比如说, 员工作息时间、工作过程等, 都会以数字化形式去记录与评估, 这极有可能把员工置于被数字包裹的牢笼里, 从而形成工作场所的“数字牢笼”。在这同时, 智能工具的运用, 也给实时跟踪记录员工活动轨迹给予了强大的技术支持, 促使管理者对员工在工作场所的过度监控风险加剧。像部分企业, 会在卫生间安装厕所计时器，去监控员工在工作时间里是否有偷懒行为。数字技术致使了过度控制, 员工于工作场所的各类工作行为, 以及休息行为, 皆遭受算法系统的严苛监管, 这极易引发人力资源管理实践的伦理失范现象。
员工信息的“隐私侵入”
“全天候始终联网”（Constant connectivity）会变为在线协作工具、音视频传递等技术大量用到的潜在危险, 由于在线办公、远程协同以及别的借助数字信息平台的工作方式, 致使“工作—生活”界限被冲破, 工作跟生活于时间与空间上的重叠, 表明员工的生活讯息也会被当作员工数据储存起来, 这便加重了算法过度渗入的风险。
当下处于数据时代, 其中的“数据黑盒”展现出了数据开放同隐私保护之间相悖的情况, 跟传统技术相比较而言。数字智能技术, 它想要进行预测分析就得用到规模化、大范围的数据才行, 然而, 其具备的强大数据收集、分析能力, 却给不规范使用员工各项数据提供了便利之条件, 这就有可能出现个人信息遭泄露、被篡改以及信息被买卖等不正当行为, 进而对员工隐私造成侵犯。比如说, 部分企业把员工信息随意地加以加工并且进行传播, 这样一来, 人才信息就成了商业买卖流程里的商品。这种做法, 不但违背了伦理道德, 还会让员工受到困扰。
算法驱动的“歧视偏差”
在人力资源管理实践里, 借助算法或者程序去限制招聘条件以及任职资格等, 无形中致使了不公正、不合理的“歧视”现象出现。算法与数字智能相比于传统技术更能够掩盖和遮蔽管理者的真实意图, 达成表面看上去的“无偏见”。这会使得算法驱动的“歧视”变得更为普遍并且难以被发觉, 给人力资源管理实践带来负面效果。另外, 因为用于机器学习的数据也许是有偏误的, 基于“幸存者偏差”形成的建模测算得出的结果或许同样是有偏误的。这会强化并放大人才管理进程里的偏见, 致使借助机器学习以及大数据分析得出的结论, 在快速变动的环境里实效甚至发挥反作用。比如说在算法引导下, 员工陷入“信息茧房”, 基于这些数据产生的全新分析预测, 又会加剧管理偏差。
风险化解的防范策略
明确数据确权与授权
将数字经济时代所具备的鲜明特征确定为所有权跟使用权存在分离状态, 于数据治理以及规制进程里, 最先要做的是针对数据权展开确权操作, 能够凭借已经由国家制定好的《数据安全法》等相关法律法规, 把工作场所当中产生的员工绩效数据、休息数据、培训数据、职业生涯数据等的权属问题予以明确, 经由正当程序, 分辨清楚哪些数据归属于员工个人方面, 哪些数据归属于公司方面, 哪些数据是由企业和员工共同拥有的, 从而构建起工作场景数据归属体系。
其次, 依据数据权属规范, 构建员工自主数据授权机制, 赋予员工数据使用的自主决定权, 充分敬重员工对数据的所有权以及使用权。为防止工作场所出现“数字牢笼”效应, 能够在算法端口接入数据权属与数据使用规范, 明晰相关数据协议, 防范算法对劳动的过度把控以及对员工的过度监视。
强化人力资源管理伦理建设
有关招聘、培训、薪酬等人力资源管理实践里的职业操守与团队意识这一概念, 就是人力资源管理伦理层面的内容, 它作为一种社会意识形态, 会对人的行为产生影响作用 在人力资源部门掌握着所有员工工作方面内容情况下, 同时会掌控员工个人隐私以及组织商业秘密等各类信息, 因此这形成了对人力资源管理伦理层面的更高要求。
首先, 构建人力资源隐私保护伦理体系, 针对关键性员工隐私信息予以加密保护, 对于重要信息要在数据确权授权机制规范状况下展开授权以及使用, 充分敬重员工数据所有权与授权意愿。其次, 强化组织以及行业自律, 探寻构建数据使用的标准、准则还有自律制度, 增强人力资源管理部门人员针对员工信息的自我约束行为。再者, 倡导遵循规定纪律的人力资源伦理理念, 营造出自觉遵守社会公德、商业道德以及职业道德的良好氛围。
加强算法干预与纠偏
致使人工智能算法所获预测结论或许存在偏误的原因, 是数据本身质量欠佳, 或是有人为人为程序操控, 所以, 要构建健康且完善的算法干预以及纠偏机制。
首先, 要强化算法规则的透明程度。于企业在人力资源管理开展的实际情景里, 需借助正当且合法的程序, 去保障员工于算法制定进程中的发言权利, 致使算法规则的设定契合生态圈内利益相关者的真实需要。算法透明能够从问责性以及知情权这两个维度来进行构建, 问责性是针对算法操纵者展开责任追究, 知情权是保障算法监督主体（诸如员工、第三方等）知晓、清楚算法并且能够提出合理性质疑。首先, 构建算法评测体系, 按时校验算法模型, 不断排查算法于人力资源“选育用留”人才管理进程里的可靠性与公正性。一旦察觉算法有误要即刻矫正, 以便尽量降低或许存在的歧视风险与管理偏差, 推动达成“算法正义”。
关于作者 | 唐鑛：中国人民大学劳动人事学院教授；
张莹莹：中国人民大学劳动人事学院博士研究生
担任责任编辑的是刘永选, 其邮箱为liuyx6@sem.tsinghua.edu.cn。
