你听过“用人智能化”吗？HR的未来趋势已经注定！

一如大家所知，选对人比用对料更重要。生产可以智能化，那么用人呢？ 当人才被数据化，当HR全部上线，数字时代的用人大戏才刚刚开场，开场以后的重头戏是什么呢？ ——用人智能化。 我们先来回顾一下，啥叫人工智能。 人工智能简称AI，是在1956年由麦卡锡、明斯基等科学家在美国达特茅斯学院研讨“如何用机器模拟人的智能”时首次提出。 该概念提出至今，其发展道路经历起步、反思、应用、低迷、稳步到如今的蓬勃发展，人工智能技术已经应用到各个领域，迎来了爆发式的增长高潮。 人工智能的核心就是 “数据+算法” ，这一黄金组合已经在转化价值更高更快的领域（例如金融、制造、生物医药、交通、安全等）产生了深度应用。然后，回到企业用人领域，这一应用的发展就显得略微不够。 而此篇，就站在以 “人工智能+人力资源场景应用” 结合的视角来解析企业用人中的主要算法。 01 人才算法：数据透视下的才能与观念 一直以来，“识人之法”就像是武林秘籍之《易筋经》，企业对此趋之若鹜却求而不得，好在经过苦苦追求也略有所成，大抵可分为三代： 第一代，靠人的眼力和经验。 参看曾国藩的《冰鉴》； 第二代，依赖人才测评模型。 有了人才测评模型后，对人的识别开始有了理论的支撑、系统方法论的指引，构建了人的各种要素结构。主要是通过问卷测评和统计的方式，具有一定的参考性； 第三代，对人的识别评估依靠“数据+算法”。 这才揭开了跨时代的先河。 而对人的识和评可以从两个角度切入，一个是才，一个是德。“才”在这里对应的就是“能力算法”，“德”在此处对应的就是价值观算法。 1.能力算法 企业在用人角度做分工的时候，习惯性会选择“定岗”而不是“定能”。 但是其实用人的逻辑，是基于公司战略目标体系，解构出业务体系，再推导出能力体系。能力体系的需求，再依次分解成能力单元直至最小的能力元素。 以能力需求出发，找到具备相关能力特征的人，这就是“定能”。 定能选人时，需要通过建立能力分析模型，从而识别出不同“人”的倾向能力。 不过之前企业中常用的胜任能力模型是基于岗位职责而设计的，是“岗位胜任力模型”，所以我们要做的， 首先是开发出自己企业的“目标胜任力模型”， 从实现不同目标任务的角度来解析出需要哪些能力要素。 抛开不同企业业务场景的差异性，我们可以简化出企业共性业务中的能力需求结构。 随着数字化的变革影响逐步渗透，未来的组织逐步演变成大后台、小前端的方式。 而小前端的范式以华为的铁三角模式为最佳。铁三角表面是三种角色构成，本质是三种基础能力。 ——AR（客户经理） 要具备强化客户关系、提供解决方案、创造融资和回款条件、进行交付服务四个方面的营销能力，以及进行综合管理、经营和领导团队的能力。 ——FR（交付经理） 则要具备与客户进行有效沟通交付、提供服务解决方案、监控项目进度、进行问题预警以及对资源的获取配置等方面的能力。 ——SR（技术方案） 需要“一专多能”，能有效整合公司内部的不同专业领域，以便从解决方案的视角为客户创造价值、帮助客户成功。 [图片] 我们可以设想用红、黄、蓝三色来表示这三类基础能力。对大多数企业来说， 人才算法应用的第一步，就将全部员工分别粘上不同能力色的标签。 为了做到这一点，要对这三种能力进行颗粒化解析，这些颗粒点的设计不同企业系统会略有不同，一般包括：知识、技艺、经验、体质、关系、资质、财富等组合而成。 最后再建立这些维度的权重系数，构建人才能力特征的要素关系模型。 当人才能力标签相关颗粒数据获取（这是个动态、交互的过程），“人工智能”根据相应的人才算法通过对标签信息的读取、识别、筛选自动为对象“人”赋以对象“能力”，并结合具体的任务项进行推荐和匹配。 2.价值观算法 现有人才测评方法中对于价值观、性格测评，如大家熟知的九型人格、MBTI、PDP、大五等，往往基于心理学、统计学等学科的基础，有一定的科学价值和参考性。 但是与数字时代解决问题的方法有两个关键差异：一是统计学与数据驱动两种方法论的较量。 用统计学取得的结果需要两个关键要素的促成——样本量的充足和数据的代表性，满足这两个要素非常不易。 二是以上几种测评其实侧重的是社会关系中的通用场景，而不是基于某类企业或者某个企业的具体情形，因此对于单个企业中的人也有相当的误差。 而 “数据+算法”的底层逻辑： 一是不依赖统计的小数据， 依赖全范围的大数据 ； 二是 在数据的相关性中找答案 ，而不是用问卷测评的猜答案； 三是基于全过程“发现”不是节点“读取”，不是特定几种行为，而是 依赖人的行为全场景 ； 四是 可以大规模定制匹配 ，根据企业自身的特定价值观系统，通过算法，识别人才的价值观是合乎所期。 02 分工算法：真正的任务导向和因才施用 企业用人的定位器就是分工。 分工其实是对人力资源的一种分配，所以 分好工就是将资源效用最大化。 那么在线化后，组织趋向平台化、岗位趋向大类化、人才的露出也开始标签化， 这时分工中最凸显的问题就是“任务”如何被准确定义和拆解，以及如何“分”给最合适的员工了 。 下面先说第一步：对任务进行“画像”。 1.任务画像 在企业内的分工中，过去乃至现在一直依赖的机制，是静态（基于部门职责和岗位说明）和动态（通过周期计划和下达要求）的结合。这种分工模式与职能制或矩阵形的组织模式相对应，在工业时代是典型的分工协同方式。 但它的问题也是明显的： 一是易于出现本位主义，依职办事，而忘了目标与价值本身；二是因循守旧，不能灵活应变，更不会主动求变；三是对上司要求过高，既要能力覆盖，又要品行担当。 新的分工模式是怎样的？ 以勘察设计行业项目型公司为例，接到一个特定的项目后，可以将任务切分为：规划策划、项目生产、施工服务三个大的部分。 任务所需要的能力需求大致可分为：团队合作、负荷能力、专业技能、文字功底、组织协调、应变情商、科研创新等一级分项，然后我们把任务的事项和所需要的能力分别设定好所需要的项和程度，可以用分数来表示，如下图所示： [图片] 这样的话，一个常用“任务画像”就出来了，然后智能分工系统就开始在企业内搜查最符合任务画像中需求能力的那个人，这样每项任务都可以找到最优匹配人。 值得注意的事，如果只从任务与能力匹配这个角度，可能会发生一件事就是，某类任务都会最优匹配某1-2个人，这样的话就永远轮不到第三名，当然这符合马太效应。 但是在企业分工里还要顾及到全员的工作均衡度，因此还要加上任务本身的饱和度、时间排布等其他因素，才能更好地进行任务分配。 2.派单机制 派单机制目前通用性很广，尤其在网约车和外卖行业已经相对成熟。 以网约车为例，网约车的派单全部由系统完成，人工是无法接入的。 影响派单的因素有路面距离、网络环境、账户状态、地区订单热度等。 不管是网约车或是外卖还是其他行业，派单的逻辑可以分为三类即能力胜任度、工作饱和度和关系融洽度。 1）能力胜任度： 指的是具体完成一项任务需要哪些能力？哪些对象最具备这些能力？具体可参考前面能力算法中的能力标签的表述。 2）工作饱和度： 指的能力符合的对象中，是否已经正在任务中或者任务量已经足够多。 3）关系融洽度： 指的是该行业服务评价分，例如客户对你的态度是否满意，对你的路线精准度是否满意等，如果涉及到多人协作的，还要识别之前交互合作的融洽度评价等。 在前面提到特定项目中，如果你的能力符合其中要求的 “团队融合、汇报表达、沟通协调” 中的能力分值，本身的工作项目又可以胜任最新的项目周期，在以往的项目表现中无论是外部客户满意度还是内部团队的和谐度都评估较高，那么就很有可能被委派该单。 [图片] 3.抢单机制 以网约车为例，看下派单与抢单流程的差别。 抢单流程：乘客下单——后台系统分析——推送给司机端——司机抢单——系统筛选——交易开始。 派单流程：乘客下单——后台系统撮合——指派给指定司机——交易开始。 本质区别在于交易形成的机制不同，派单是系统撮合，抢单是供给端主动选择需求。 多了“多个服务者主动操作抢单”这一步，目的是：通过多人抢单，提高接单可能性；通过主动抢单的模式，避免因平台派单策略不当而产生的负面反馈。 从某种意义上说， 抢单是平台将自己该做的事情分摊给了服务者 ，订单分发，最终目标是派给最可能接单的人，这样既能保证接单率，也保证了服务者的利益。 但是如果想达到这两个目标，平台就需要有基础保障： 有成熟的服务者管控体系， 主要涉及服务者状态管理、等级体系和奖惩策略，保证服务者能在平台规则内正常运转，抢单就显得更为有效了。 抢单机制里， 算法的核心要素就是能力胜任度和优先程度 。能力胜任度是基本要素，一个任务派出后，首先要评估抢单资格再推送给合适的“人”，再根据速度来确认分配给谁，此时完成任务与人的匹配，抢单完成。 企业内部，抢单机制不适合所有工作项，因为企业有大量的工作需要一个稳定的循序渐进的方式来运转， 只有特别同质化或者需要提升效率的任务项才适合用抢单模式 。 03 绩效算法：目标驱动下的过程可见和可控 1.OKR的过程化算法 我们已经知道，从数字化的组织模式来看，OKR是更加适合的绩效方式，因为工作的不确定增加了，需要面向目标自我驱动型的工作评价和反馈。 OKR的过程化算法要有以下三个场景进行支撑： 1）企业总体目标、部门目标、个人目标 ，三者之间需要关联，并自动导出最终的个人绩效目标。 2）绩效目标中的实际业绩数据 ，开发建模后提取关键因子，实时进行智能化的总量、结构分析，根据需求实时展示。 3）绩效目标中的关键行为数据 ，是依据于过程中的节点数据的，而这个节点不是人为变动的，而是通过算法识别出状态，采集当前状态下的完成值，实时生成绩效水平，形成动态的绩效算法。 总之， 通过实现节点在线到全程在线，数据可以及时获取和读取，加上绩效算法模型支持，可以及时展示OKR体系中不同绩效主体的完成进度。 2.积分模式 用积分的模式来替代绩效的打分或者业绩表，最终的积分又可以转化为实际的激励，这样的模式存在已久，但都是存在于某个节点或者某个场景。 从企业业务形态来说， 如果是离散型，并且短周期业务的，例如滴滴打车、外卖、家政等，可以把积分用为主要绩效评估的方式。 如果是需要集中作业、长周期行为的，例如制造业、研发业等，积分模式可以作为绩效体系的辅助手段。 [图片] 积分模式有两个核心要素，一是全维积分构成，二是积分转化应用。 1）全维积分构成： 消费积分、会员积分、管理积分、福利积分。 以管理积分为例可再细分为业绩积分、文化积分、行为积分、创新积分、成长积分等。业绩积分里面可细分为：客户续单、月销售冠军、5S评比优胜等。 2）积分转化应用： 积分的兑换和交易。在企业内部管理积分的兑换里有同事认可、团队表彰、员工关怀、节日祝福等。 3.时间单元计划（TUP） TUP—时间单位计划，即预先授予一个获取收益的权利，包括分红权和增值权，但收益需要在未来N年中逐步兑现，同样，其与所有权性质的股权没有关系，TUP的权利兑现后自动销毁，以五年一个周期。具体如下图: [图片] TUP如何智能化实现？需要以下几个步骤来实现： 1）实时绩效数据看板。 即每天可以见到自己的业绩进度，采集数据方法同上，不再赘述。 2）与目标的距离差的计算。 就是看自己目前的进度与可分配的下一阶段的业绩距离有多远。 3）计算收益。 设置计算算法，看目前所完成量可取得的收益。 最后 让我总结一下：今天企业的用人已进入算法时代，经验资深的HR固然重要，但无论人才识别、任务分工还是绩效评价和培训发展，请相信“数据+算法”有更大、更可靠的力量。 而在人才侧，我们也要习惯于以数据征信来展示自己的知识和技能，以算法辅助来助力我们的能力提升和职业发展。 来源：每天学点HR