除了外部徵才外，AI能做的當然不只如此，IBM是新科技的領航者之一，它就導入「Blue Matching」AI系統，透過這套系統，處理申請內轉職員的資訊－包括以前的職位、技能、經驗、工作地點以及表現，再據此推薦合適的職缺，推出一年多來，約有12％員工用它尋找組織內部的新職位。瑞士信貸(Credit Suisse)也透過AI技術，幫助員工分析最適合自己的工作，並透過這樣的分析結果來進行人事調整，讓超過300個想要離職的員工放棄跳槽。

人類掌握決策權

《世界經濟論壇》(World Economic Forum)在討論未來工作樣貌時提出：35％的工作技能在5年內都會被改變，人工智慧等新科技、新工具的應用對於「行政專家」角色衝擊最大。資誠聯合會計師事務所暨聯盟事業人資長林瓊瀛認為：「單一功能或附加價值較低的HR工作的確極大可能被AI取代。」然而，有人的地方就會有矛盾，林瓊瀛笑說：「這也是為什麼很多人說人資從業者不會被機器取代的原因，因為無論哪一個未來工作環境，只要公司還有員工，就存在人與人之間各種複雜的問題待解決。因此，能善用人工智慧新工具的人資從業者必須保有競爭力，在提供HR解決方案的同時也要思考如何使用社群聆聽分析(Social Listening Analysis)等工具輔助專案產出。未來的世界將由AI歸納例行的大量行為、分析趨勢，再由HR判斷與決策，好比最後仍是人類決定是否僱用一名新員工，不是機器，但各種數位工具將讓使用人決策更透明、快速。」

其實HR目前做的似乎還沒有充分利用新科技，104資訊科技人資長鍾文雄提到，目前在企業、人力銀行中進行大數據分析的僅止於研發團隊、研發科學家，人資顧問還沒有充分使用這一塊，目前僅是拿到分析後的數據進行解析。例如：研究團隊透過大數據將各企業對各種職務（行銷、業務、資訊工程、研發、人資、總務、財務人才）最重視的特質找出來後，便提供這些資料給人資顧問，讓他們能將這些特質列入優先篩選的項目作為人才媒合依據。而人資該如何提昇自我？鍾文雄提到HR在美國最被企業CEO、管理大師詬病的是，他們不懂自己企業的專業與商務知識。如果連這種基本功都沒有，怎麼找到合適的人才？例如：生技醫療人才必須了解自己所屬產業的未來發展趨勢；通訊業上班就要懂4G、5G、封包、寬頻、數據傳輸等技能；房仲業則要到分店實習，理解員工的日常業務與專業知識，將這些「Domain Know How」更精進，才能徹底發揮選用育留的專業技術與功能。

精準找尋人才

對於第一線接觸東森購物與東森新聞雲總經理陳安祥來說，有效處理大數據應用幾乎是不可避免的課題，他談到在現代，大家都希望可以將訊息精準投遞給需要的人，接收者只要一鍵就可看到他想看的、想買的，這就需要AI與大數據的結合。東森新聞雲與東森購物擁有各自的會員資料，例如：讀者的閱讀習性、消費者的使用行為，包含名字、購物時間、金額、購買頻率⋯⋯等。對東森而言，有了這些資訊便可進一步預判對方的需求，提供更多他有興趣的消息。

但是陳安祥也坦言，目前東森的大數據科技多用在生意面，例如：怎樣增加營收、減少成本浪費，尚未擴展到HR徵才與管理方面。但陳安祥也已觀察到有些HR管理層面需要借重人工智慧與大數據。針對預先判斷員工發展的做法，東森新聞雲、東森購物每季都做考評、每季發獎金，這樣的做法有助於觀察同仁的狀態，透過長期累積出來的考評曲線，也能幫助公司看到同仁在不同崗位是否有預期的表現。但是陳安祥不諱言，在運用統計分析之外，還是要落實回歸管理制度的健全與創新。

那麼，感覺與AI距離頗遠的傳統產業又該如何看待呢？全球傳動科技總經理李進勝表示：「AI目標，最大的敵人是自己」，在不斷磨合與適應的過程中，還需要時間與過程，雖然不是每個同仁都懂AI技術，但大家還是需要知道怎麼與AI相處，因此在因應AI的方針，不僅要著重於技術，教育訓練及管理都要一起跟上。他也談到，AI是未來能幫助自己有效加值的工具，所以要增進「與AI相處的能力」，也就是如何應用它、透過機器人回饋的數據及程式來幫助自己的工作。若因為害怕而不去學習，很快就被這波浪潮淹沒。

李進勝從CEO的視野指出，機器人無法取代的是一間公司的企業文化、工作氛圍，招募機器人只能透過大數據的分析、行為模式、人格特質的觀察，為企業記錄面試結果，但精準招募的關鍵還是在於HR如何針對數據回饋做出精準解讀。

就像許多HR一味相信性格測評，但其實不能只靠統計資料就斷定這個人的特質，還必須進一步探討性格測評與這個人其他工作面向的關聯性。未來理想的狀況是，在透過機器人大數據蒐集第1步資料後，人資主管於複試時針對這些數據回饋進行交叉驗證與確認，若驗證後發現是真實的，大數據對於用人才會真正發揮它的具體效益。

「軟」「硬」智能合體

對於提供自動化的產業又有甚麼看法呢？盟立自動化公司機器人系統事業群總經理方玉崗談到，導入AI的確是不可避免的趨勢，作為系統商的盟立也確實增加更多人力，像是視覺設計工程師；或是從過去的離線檢測變成在線檢測，在檢測工具百百種的狀況下，都仰賴相關人才的投入；方玉崗說，目前對於AI工程師的描繪，其實仍脫不了運用硬體很多的感測器(Sensor)來發揮智能效果，而智能還是得靠硬體搭配，軟體工程師自然不可或缺。

對於這場AI應用的競逐賽，方玉崗認為盟立終究還是得建置自己的人力才能幫助公司贏得未來先機，只是他也坦言業界目前對於怎樣才是「智能化」仍沒有定見。「像我們做視覺系統如何將有能力的視覺廠商整合進來，好讓系統可以智能化，這便是我們要去做的。」透過外訓也會是一個方式，外部也會透過合作專案結合去進行，先讓同仁知道甚麼是智能、智慧化，讓他們心裡有顆種子，未來推廣才會比較快。

在Google與微軟相繼在台灣佈局AI的2018年，除了想當然耳會導入的高科技廠外，其實不論是顧問公司、人力銀行或者傳統產業等領域，也透過不同的方式導入AI概念，希盼可以在這場全球革命中，不落於人後，欲知更多具體作為，就看本期《能力雜誌》深入報導。

【本文出自《能力雜誌》2018年4月號；訂能力電子雜誌；非經同意不得轉載、刊登】

AI福爾摩斯》監測求職人真實性

美國人才招聘公司SmashFly Technologies，主要幫助想轉職的人才順利到他們心儀的企業，AI的到來，代表人才招募的演進分為以下脈絡：1970年代以手寫履歷、人脈為主；到2000年千禧年網際網路興盛，成為求職網站和企業徵才系統的天下；數位化時代，AI和機器學習登場。

以機器學習為基礎的AI，幫助企業避開某些招募誤差帶來導致的負面影響。AI系統可能因為取才資料庫和評估條件的限制，導致企業內部在種族或性別上的同質性太高，但機器學習和AI系統是可以接受培訓的，因而得以避免以上錯誤發生。然而，人力資源和人才招聘真正的創新，是以機器學習和預測分析為基礎所開發的AI系統。機器學習可以用來篩選和分析履歷表，現在也應用在視訊面試之中，由系統依據求職人的容貌及文字辨識，分析回答是否真實。預測分析則更進一步，讓AI系統藉由評估求職候選人的特徵和資訊，來預測組織之中未來誰會是高績效人才、誰會長期留在工作崗位上，以及誰最有可能獲得晉昇。

隨著工作年限延長、加上自動化逐漸取代曾經由人來承擔的工作，越來越多人的職業都出現轉變。Gatner顧問公司CEB預測，目前40％的工作都將在5年內發生重大變革。幫助員工調整職務而不必離開公司，是最符合每一個人利益的做法。既然如此，AI的配對媒合技術，能讓人類尚未被充分利用的智慧得到更好的發揮嗎？

留才神器》IBM讓員工無縫轉職

IBM導入「Blue Matching」AI系統，能在員工和內部工作機會之間進行配對。這套系統會處理申請人的資訊－包括以前的職位、技能、經驗、工作地點以及表現，再據此推薦合適的職缺。Blue Matching推出一年多來，約有12％員工用它尋找組織內部的新職位。在IBM待了20年的奇提瓦利(Srinivas Chitiveli)原本從事物聯網工作，透過Blue Matching，他花了3周的時間，換到AI電腦視覺技術的部門。「以前，我會輸入關鍵詞，申請大量職位，與招聘經理見面，然後經過一些初步的討論之後，才發現那份工作不適合我，」他說。

法國電信商Orange是另一家致力於改善內部轉職管道的企業。該公司採用巴黎新創公司Clustree開發的AI技術，由員工提交簡歷，說明自己的經驗、愛好和志向，再進行媒合。Orange人資主管碧柯絲(Véronique Biecques)希望從出人意表的細節來觀察人才，「有時一個人在閒暇時間做的事，比工作內容本身更能說明這個人的特質」。

瑞士信貸(Credit Suisse)也針對公司內想要跳槽的員工使用一套AI技術，幫助員工分析自己最適合的工作，並且以分析結果為基礎進行人事調整，後來讓約300位想要離職的員工放棄跳槽。這套技術由日本招聘公司BizReach推出，最初用來幫助企業聘用和評估員工績效，卻發現這項技術在減少人員流失、改善個人能力與職務不相符方面，也收到一些效果。

隱私疑慮》恐誤踩社群地雷

這麼做當然引發侵害隱私權的問題。試想一個令人不寒而慄的情境：如果出現一種AI服務，能幫企業分析員工的電子郵件、了解是否有人對工作感到不滿，老闆就能在他們表現一落千丈、甚至做出有害公司的事情之前，給予他們更多關注。

這就是AI最大的缺陷：系統對數據的渴望，會導致雇主一再試探員工隱私的界限。許多相關服務供應商都不諱言在個人隱私方面有隱憂，他們的產品中通常包含某些條件，確保客戶需在遵守隱私政策和法律的情況下，蒐集數據。那麼，組織是否有權力藉由網絡監控，窺探員工的私人生活？根據歐盟新版個資法「歐盟通用資料保護規則」(EU General Data Protection Regulation)，雇主不能以員工個人在社群媒體上貼文是公開的，就假設自己可以分析處理這些資訊。

AI並非總是聰明、靈光的。看似能克服主管的偏見，但它卻可能有自己的偏見。AI或許會從一堆履歷中推斷出滑雪者會成為優秀的領導者，其實只是因為負責招募的主管有這種昂貴的業餘嗜好，AI也可能偏好那些具備相似特徵的求職者。要避免這種選擇上的偏差，就必須提供大量、多樣化的數據來讓系統判讀。雇主也應該衡量某些群體是否被排除在晉升之外，尋求專家意見，並在內部系統忽略合適的候選人時做出調整。

AI化身為員工自助求職工具，還涉及微妙的辦公室政治，各部門主管或許會感覺自己的權威受到威脅。此外，自動化的決策也可能誘使管理者放棄自己的判斷，或者證明人情上受益的錯誤決策確實存在。

零合競爭》靠學習商數反攻

日本JMA顧問公司人資主管村上剛認為，就算AI系統能靠改變靠感覺和經驗評判員工的不透明機制、進而改變日本詬病已久的職場關係和晉升模式，企業的人力資源部門也不可能因此被淘汰。村上剛指出，AI透過統計過去和現在的大量數據來判定員工的表現，在極少變動的企業環境中確實相當有效。

但是當一家企業為了因應科技變革、或是因突發情況必須制定新的人事策略時，還是需要人的決策。此外，對於總是默默付出奉獻的員工，AI系統也無法做出合適的評價。這或許正代表著人與AI之間不是單純的零合競爭，需要思考如何劃分職責，也就是說，相輔才能相成。

AI時代到來，在就業市場和人員流動帶來顛覆性的變革，印度IT服務公司Mphasis人資長卡拉(Srikanth Karra)從個人、組織到國家3個層面，分析因應之道。就個人而言，管理工作和重複性任務將被取代，想在未來的世界站穩腳步，學習新技能的能力將極為重要。企業需要設計培訓的新方法、從新的角度評估員工的技能。最後，各國將必須建立有關「學習」的生態系統。他說：「工作在本質上將具備比過去更強烈的契約性。在未來，深厚的技能、創造性和學習彈性，將非常重要。」

卡拉援引歷史經驗指出，過去的自動化浪潮並未取代所有工作。某些工作確實消失了，但也出現了許多嶄新、高價值的技能或高價值工作機會。真正重要的是，政府和企業必須辨識出AI領域可能出現的新技能和新職務，再為此擬定發展路徑。

【本文出自《能力雜誌》2018年4月號；訂能力電子雜誌；非經同意不得轉載、刊登】